上午已经5小说限额刷新后，刚问了一个问题，直接掉了40%额度，之前开fast模式猛蹬都不会触发5小时限额

到处都弥漫着油味，
我放声呼喊，可话语却撞在墙上碎得无声；
我的身体软得没有力气，
轮廓也模糊得不成样子。
当然冲不出去
—— 我不过是一道影子。
这个世界实在太过温柔，
对我这样忘恩负义的小鬼未免太过宽容；
若是你忘了，那大概本就无关紧要，
或许它从未真实存在过，
这就像一场梦？
的确就像是一场梦。
一只飞鸟掠过窗棂，
我的眼泪并未滑落。
“你不能再这样下去了。”
“人人皆禽兽，不是吗？”
当我望向镜子，我看见…
这里没有刀的痕迹，
这里没有伤痛。 ​

第一次遇到串线，按理说不应该啊，codex是session隔离的啊

「正本清源」 是一个不定期更新的系列，每篇拆解一个被广泛讨论但常被简化的话题——纠正流行叙事中的偏差，追到底层看真正的因果结构是什么。所有判断标注证据强度，推测和实锤分开。
用同一个问题问 Claude 和 GPT，你一定感受过那种微妙的不同——不是谁答得对谁答得错，而是"说话方式"就不一样。GPT 总喜欢来一句 “It’s important to note”，Claude 总喜欢来一句 “You’re absolutely right!”。GPT 做数学又快又准，Claude 写出来的文章更像人写的。
这些差异不是随机的。它们可以追溯到两家公司在训练方法论上的不同侧重。

1. 同一条路上的不同侧重
两家公司的训练流水线高度重叠：都有预训练、都有 SFT（监督微调，用人类标注数据）、都有强化学习阶段、都有规则约束文档。到 2025-2026 年，方法论已经大幅趋同。不是两条不同的路，是同一条路上的不同侧重。
OpenAI 的侧重：RLHF（基于人类反馈的强化学习）。强化学习阶段的核心信号来自人类标注员的偏好排名——“这个回答比那个好”。这些偏好数据训练出奖励模型，再用 PPO 微调语言模型去最大化奖励分数。简单说，RL 阶段的方向盘握在人类标注员的品味手里。
Anthropic 的侧重：Constitutional AI（宪法式 AI）。强化学习阶段的核心信号来自 AI 根据一组书面原则做的评判（RLAIF）——不是"标注员觉得哪个更好"，而是"按照这套原则哪个更好"。注意：Anthropic 同样使用大量人类标注数据做 SFT，CAI 替换的只是 RL 阶段的反馈来源，不是整个训练流水线（Constitutional AI: Harmlessness from AI Feedback, Anthropic, 2022）。简单说，RL 阶段的方向盘握在一份原则文档手里。
这个侧重点的差异，决定了奖励信号的性质不同。RLHF 的反馈来自成千上万个标注员的主观偏好——这些人有不同的教育背景、审美偏好、判断标准，在有限时间内快速评判大量样本。RLAIF 的反馈锚定在一份固定的原则文档上——评判标准更一致，但 AI 评判器本身也有系统性偏差，也可能被钻空子。
两种信号各有各的噪声，但噪声的方向不同。这就衍生出了下面的行为差异。

2. AI 味：两家都有，但长得不一样
如果你读过大量 GPT 输出，一定注意到这些模式：“Let’s delve into…”、“It’s important to note…”、“In conclusion…”、“navigate the landscape”。这不是巧合，是 RLHF 的一个已知副作用，学术界叫它 Goodhart 效应——当一个指标变成优化目标时，它就不再是好的指标。
在 RLHF 中具体发生了什么？标注员在短时间内评判大量样本，做判断靠的是快速印象。“看起来专业”、“结构清晰”、"用词正式"这些表面特征就变成了高分的代理信号。奖励模型从中学到了隐含规则——用 delve 开头加分、加 bullet points 加分、回答更长分更高。语言模型在 RL 阶段疯狂优化这些代理信号，proxy reward 持续上升，但真实质量在某个阈值后开始下降（Scaling Laws for Reward Model Overoptimization, Gao & Schulman 等, ICML 2023）。有人统计过 PubMed 上 1400 万篇医学论文摘要，发现 2024 年 “delve” 的使用频率飙升了 25 倍（Kobak 等, 2024）。同一个机制也解释了冗长度问题——奖励模型学到了"长 = 好"的虚假相关，模型通过拉长回复获得更高奖励，但实际质量没有提升（ODIN）。
Claude 的 AI 味没有 GPT 那么严重吗？不好说。Claude 没染上 “delve” 和 “landscape” 这套词库，但它有自己的一套——“You’re absolutely right!”、“Great question!”、“I’d be happy to help”、每次回答前先来一段肯定用户的话。这些在用户社区里同样是 meme 级别的存在。
两者的 AI 味方向不同。GPT 的 AI 味是"过度正式"——像一篇永远结构清晰、用词考究但毫无温度的论文，这是 RLHF 标注员偏好"看起来专业"的直接产物。Claude 的 AI 味是"过度共情"——总是先肯定你、再小心翼翼地给建议，像一个生怕得罪你的高情商同事。这个倾向的来源更复杂——可能部分来自 CAI 的 AI 评判器也有"偏好友善"的系统性偏差，也可能来自 SFT 阶段的数据选择、system prompt 设计、或者预训练数据的配比。把它全归因于某一个训练环节是不够严谨的。
但有一点差异是实锤的：AI 检测器更难标记 Claude 的文本。这至少说明 Claude 在词汇层面确实避开了 RLHF 塑造出来的那套标志性话术。至于这归功于 RLAIF、SFT 数据质量、还是其他因素，现有证据无法分离。

3. 宪法 vs 规范：两份"灵魂文件"的对比
Claude 还有一个用户常说的特质：“更有文化感”、“像一个真的在思考的人”。要分析这个特质的来源，不能只看训练算法，还得看那份原则文档本身写了什么。
Anthropic 的原则文档叫"宪法"，主要撰写者是 Amanda Askell——哲学出身（NYU 博士，方向：无限伦理学），领导 Anthropic 的人格对齐团队。2026 年 1 月以 CC0 协议公开发布，全文 23,000 词。
这份文档的哲学基础是亚里士多德的德性伦理——核心思路不是告诉模型"做什么"和"不做什么"，而是描述"一个好的、智慧的、有德行的代理人应该是什么样的"，让模型在训练中内化这些品质。Askell 在 Lawfare 播客中解释过：“如果你试图把一切都规定为一系列规则，你就把巨大的压力放在了这些规则上…德性培养能更好地泛化。” 她用的比喻是**“受欢迎的旅行者”**——一个品格良好的人，他的美德使他在不同文化中都受到尊重。宪法建立了四级优先级（广义安全 > 广义伦理 > Anthropic 指南 > 真正有用），其中"诚实"被细分为六个维度——真实、校准、透明、坦率、不欺骗、不操纵。
OpenAI 的对应文档叫 Model Spec，2025 年 12 月最新版，同样以开源协议发布。这是一份不同风格的文件：五级权限链（Root > System > Developer > User > Guideline），结构化的行为边界定义，核心关注"什么指令该听、什么不该听、冲突时谁优先"。它的设计思路更接近权限系统——明确定义每一层的权限范围和覆盖规则。Model Spec 首先是"为人写的文档"，用于建立团队共识，和模型具体学到什么之间还有距离。而 Anthropic 的宪法是直接喂给模型的训练材料，模型基于它生成自我修正数据。
两份文件的对比不是"好 vs 坏"，而是设计哲学不同。宪法试图培养判断力——在新场景中模型自主决定怎么做，好处是泛化能力强，代价是行为边界不够清晰。Model Spec 试图划定边界——在每种场景中模型知道什么可以做什么不可以做，好处是可审计、可预测，代价是规则覆盖不到的地方容易出错。分析家 Zvi Mowshowitz 认为义务论方法"因错误泛化而失败"，但反过来，哈佛/微软研究员 Boaz Barak 批评宪法过度拟人化——AI 缺乏连续经验和共享记忆，基于"人格"的对齐可能与 AI 的实际本质不匹配。
Claude 的"文化感"有多少来自宪法的德性伦理框架、有多少来自 SFT 数据、有多少来自预训练语料的配比？老实说没人能精确归因。但宪法作为 RLAIF 阶段的评判标准，它的文风和价值取向确实会通过训练渗透到模型的输出中——写宪法的人的品味，某种程度上就是模型的品味。

4. 哪些差距会消失，哪些不会
前面三章讲的都是训练方法论如何塑造模型的"性格"——说话风格、指令遵循、阿谀方式。但还有一类差异和训练方法论无关：数学和推理能力。
2024 年，GPT 在数学上遥遥领先。AIME 2025 上 o3 拿到 88.9%，Claude Opus 4 只有 75.5%。到了 2025 年底，差距几乎消失——o4-mini 92.7%，Claude Opus 4.5 92.8%。发生了什么？
答案是两家都学会了同一个技巧：让模型在回答之前先"想更久"——生成大量内部推理 token，分解问题、尝试多种策略、自我纠错，然后再输出最终答案。OpenAI 叫它 reasoning tokens（对用户不可见），Anthropic 叫它 Extended Thinking（对用户可见）。技术路线相同，只是产品设计不同。OpenAI 起步更早（o1 发布于 2024 年 9 月），所以在 2024 年有先发优势；Anthropic 2025 年 2 月跟进，差距迅速收窄。
这说明了一个关键问题：数学和代码上的差距是时间先后问题，不是路线分歧问题。 谁先把 test-time compute 工程化，谁就暂时领先；对手跟进后，差距自然消失。
为什么？因为数学和代码是可验证的——数学有唯一正确答案

最近在油管上看了好多 关于国内的视频 我们的浏览记录会被监控嘛，是不是相当于裸奔~

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

我的帖子已经打上 开源推广 标签： 是
我的开源项目完整开源，无未开源部分： 是
我的开源项目已链接认可 LINUX DO 社区： 是
我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

注：
1.可以先根据这个帖子先配置一致的provider，看是否可以解决切换api导致的丢失问题
  
    
    
    
      终端使用ccswitch切换api导致codex历史会话丢失问题” 
  

开发调优
    
  
  
    本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

我的帖子已经打上 开源推广 标签： 是
我的开源项目完整开源，无未开源部分： 是
我的开源项目已链接认可 LINUX DO 社区： 是
我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 
我是小白在终…
  


2.cc-switch中也可以查看全部的会话记录
3.环境：基于mac
正文
起初是因为使用时的一次会话丢失，问了ai说是因为api异常导致session丢失了，就是说api异常可能会导致会话丢失，所以就有了这个脚本
（但后面看到provider也会导致丢失，总之丢失的情况还是挺多的，不确定什么导致的）
代码：
  

      github.com
  

  
    
  

  GitHub - justamanm/restore_claude_session: Restore Claude Code and Codex session content from...

    Restore Claude Code and Codex session content from local

然后一个人玩minecraft单机，玩到了早上不知不觉的坐在电脑前睡着了

听说比Qwen3.5强，有实际体验过的佬来分享一下感受吗

排名很高，卖得很贵，感觉没什么用

在了解注册机之前,你需要了解gpt账号的at和rt,前者一般是短期令牌,多数使用在web页面,可以用来做很多事,也可以接入cpa里面进行反代,rt是长期令牌,可以用来刷新at,其中rt获取方式有2种,一种是codex授权获取,另外一种是ios客户端登录获取,注册走官网首页注册目前没有任何障碍,获取at也是非常流程,对于很多人疯狂搞邮箱域名注册,不是明智选择,今天可以,明天就不行,不是长久之计,我一直都是使用outlook邮箱进行注册以及测试,目前codex授权风控很高,对于新账号它会判断身份,如果是付费账号,不管是go plus 还是team,都是可以跳过手机验证,其他的大概率都需要手机验证,即使你第一次跳过去,二次还是会触发,你一旦验证过一次手机,二次授权就不会出现,或者你是付费账号,是否可以开一个母号疯狂拉小号进去,授权成功然后把这个号踢出去绕过手机验证,目前没有测试,不过理论上可行.对于注册方式,不需要采用浏览器模拟,直接采用协议批量注册也是没问题的,影响不大,还有IP,这个权重特别小,不需要太在意,只要不是cf拦截就可以

新号有一个月的免费体验，如果我每个月都注册新号领取是否可以无限白嫖，有佬友试过吗

事情是这样的，最近用codex用得非常多，
大家应该都知道GPT5最大的问题就是语风，前有问问接住后有我不跟你争，这也就导致了他说话非常死板，尤其是介绍文案，真的是一眼就能看出来那种结构和语气 
最近看论坛，看到很多佬友开发了一些软件，但是文案是很明显使用GPT写，加部分人工润色的
社区准则：

使用AI生成、润色的文字内容。如果要发，请截图发出。

我在思考，但是AI生成，人工润色属不属于这种范围？

我帖子内的项目介绍，AI生成、润色内容部分已截图发出。

这个约定是否 应该认为 非常明显的AI生成结构、人工极少部分润色内容 为AI生成、润色内容？

叠甲：仅有感而发，不针对任何人，抛砖引玉，毕竟GPT的文案风格真是没眼看，看多了很恶心（不知道有没有佬友有同感）

我是200美金计划   我opus4.6 1m max  一句话消耗8%   两句话到15%

我想问一下各位佬，也没有出现过这种问题。
酒馆用glm5和5.1进行问答的时候，前面三个问题回答的还算流畅，到第四个问题的时候不是不回复就是时间很长，到后面基本不会回复了。
这个是智谱的通病吗？我这边是用酒馆的，有时候写产品宣传介绍什么的，用克劳德的时候几乎没有出现过这种问题，本来自己也有想购入glm5的想法
我这边用的暂时都是公益站，好像回复的越来越慢或者不回复的只有glm，之前用克劳德从来没有出现过这种问题（除非楼层很高很高，不过基本不那么用百楼里面都不会出现），
结果glm才问了几个问题就这样了，想询问一下这是什么原因？glm还适合购入吗