Haiku 5.5 除了便宜没什么特色，不过比 GPT 6 Luna 强
不过打工人还是 Sonnet 5.5 好用
Introducing Claude Haiku 5.5: the cheapest, fastest, and most capable small model we’ve ever released.
On average, it costs around 75% less to run than Claude Haiku 4.5.
正在做一份本地模型的实用能力排行榜，测试集是从各种公开 benchmark中挑选微调，覆盖任务拆解、代码开发、长链路执行、上下文、指令遵循、记忆抽取、逻辑与常识 7 个维度
目前针对本地模型的评测很少，不知道有人感兴趣不，关注人多的话，我尽快测完放出来
放弃了，评测集是真的不好做，特别是涉及众多不同类型的模型时，会遇到各种各样的问题，即使有 opus 5.5 的帮助，依旧做的一塌糊涂
New blog post:
We had a million lines of Python to clean up. On September 2nd @Teknium asked Hermes Agent to do it.
1,393 subagents and nineteen hours later, the codebase was 34.4% smaller, saving us nearly $2m in engineering hours.
https://nousre
自从 hermes 经历了代码大清理以后，它似乎变的不稳定了，几乎每周我都要手动修复一次，而在此之前，它从来没出过问题。
我目前记得且已经修复的有db lock问题和 git 问题，然后今天凌晨它的gateway莫名其妙的退出了。。。。。我正在排查中 @Teknium
挺赞同这篇文章的实测结果，不同的 harness 只影响账单，对结果的影响微乎其微。还有之前的 FrontierHarness 评测其实也是这个道理，只不过它的测试集只有30题，66%通过率和60%其实只差2题而已，这在统计学上几乎就是随机波动
总结下
1. 别迷信大厂官方 Harness
2. 极简 Harness 足够抗打：Pi 无论在哪个评测里，都是性价比和通过率最均衡的选择
3. 决定解题上限的是底模，Harness 主要是决定你的钱包怎么瘪下去
现在做开发者的生意越来越难做了，开发者完全可以根据自己的需求 vibe coding 一个
比如 @levelsio 上个月就自己 vibe coding 替换掉了大量 SaaS 服务，每月省下约 2.5 万美元。
具体替换了下面这些服务：
- 天气 API -> 换成了自己写的抓取挪威气象局 API 的微服务
- 图片缩放 API -> 自己用 Node.js 的 Sharp + Redis 搓的缩放服务（省下约 $1,500/月）
- Google Vision 黄暴图检测 -> 自己用 Python NudeNET 跑的 $0/月检测服务（省下约 $2,500/月）
- Cloudflare 流媒体 -> 跑在 VPS 上的 Nginx 串流，每月 $0（省下约 $250/月）
- API Flash（生成社交分享卡片截图） -> 自己写的截图服务，每月 $0（省下约 $250/月）
- New Relic + IPHub -> 自己写的错误监控、DDoS 拦截与集群管理服务（叫 error2telegram），每月 $0（省下约 $250/月）
- 人工审核团队 -> 用 @xAI 跑所有网站的内容自动审核（省下约 $10,000/月）
- IFTTT -> Telegram Bot（省下约 $100/月）
- Photopea（Photo AI 里的内置编辑器） -> 自己手搓的图片编辑器（省下约 $100/月）
- Mapbox -> 用 OpenFreeMaps 搓的免费替代（省下约 $500/月）
- Uptimerobot -> 自己用 Kuma 跑的 Uptime Canary，每月 $5（省下约 $50/月）
- Ghost 博客 -> 自己手搓的博客平台，每月 $0
- 客户支持平台 -> @featurebasehq + AI 客服机器人（省下约 $5,000/月）
- Scrapingbee / SerpAPI -> 用 Patchright 自己搓的爬虫，每月成本 $1（省下约 $250/月）
当然了，那些真正脏活累活还是无法替代的：
- Cloudflare Domains（域名）
- Cloudflare Email Sending（发信）
- Cloudflare R2 Storage（对象存储）
- Backblaze B2（冷备份）
- Hetzner（所有网站的 VPS 托管）
- xAI（全站所有 LLM 任务：审核、写信等等）
所以，现在给开发者做产品，护城河基本只剩两条：
要么替人啃极恶心的脏活累活，
要么有极难复制的特色能力。
如果只是做层轻封装来“提供便利”，基本没生存空间了——因为当下没有什么比 vibe coding 更方便的事了
收到 @levelsio 发的会员邮件了，我都快忘了，一年也就一两封。
很喜欢他写的一篇感想：当一件事 AI 做得和人一样好时，这件事就不再特别了。
比如最近 Opus 5.5 席卷了营销视频。在以前，同样的效果需要大量剪辑、动态设计和预算，现在几乎 0 成本。
这意味着任何人都能做出同等质量的内容，结果就是迅速审美疲劳。
想要重新获得吸引力也很简单：你必须再次与众不同，而这，才是 AI 无法代替的。
