我主要是 opus 负责些 plan ，codex 负责编码。我个人比较喜欢编码严谨的。然后 opus 再审一遍，最后我个人审
但看到评价 4.7 意志不坚定，你一反驳他就认同你。这就很难绷啊。。
没用过别瞎折腾，4.6够用了
小白弱弱问一下，意志不坚定具体是啥表现啊？是指它会很容易被用户的提示带偏，然后放弃自己最初的推理结果吗？我不太确定我的理解对不对……
贴个自己的操作吧：我测试新版本会固定用一组包含边界条件和陷阱的逻辑题。跑一遍，看它会不会跳坑，再试着用错误结论去反驳它，观察它是否修正。记录下坚持和妥协的次数比例。
又来这种帖子了，每个月都有新版本来“一战”，战完发现还是原来的配方熟悉的味道。
楼主你说的“一审二审”流程跟我好像！不过我这边是Claude打草稿列大纲，DeepSeek负责填充和找资料，最后Opus统稿润色。4.7如果容易动摇，那在审代码逻辑严谨性这个环节是不是就有点悬了？它自己可能都拿不准。
对于“意志不坚定”这点，我深有体会。上周让它帮我优化一个递归函数，它最初给了个方案，我说“感觉这里会有栈溢出风险”，它立刻道歉并换了个完全不同的、但更耗内存的方案。我其实只是想讨论下边界条件，结果它直接全盘推翻自己。这让协作效率有点低，你总得花时间判断它这次的建议是深思熟虑还是畏难妥协。
求问，你说的“加卡”是指Claude现在能处理更长的上下文了，还是指推理能力增强了？有具体的评测数据链接吗？
顶，同关注。等一个实战对比。
别光看模型啊，你们显示器该擦擦了，灰都影响我看代码了（手动狗头）。说回正题，我坚持用老版本，稳定压倒一切。
4.7比4.6稳，逻辑链长的任务表现明显好
4.7对长上下文是好不少，但单纯写代码4.6也够用
哈哈这点我懂，反过来诱导它就立马承认错，挺玻璃心的