当前位置:首页 → 电脑软件 → Viper回归首战告捷,BLG横扫LNG → mr8001亿万先生手机登录 v5.999.2109.267860 安卓版
v3.37 PC版
v2.386.2216.999848 安卓版
v7.393.9873 IOS版
v8.701.8097 安卓版
v3.531.6594.767429 安卓汉化版
v9.466.3785.375292 安卓最新版
v8.897 安卓免费版
v2.283.937.900691 最新版
v8.658.6202.294409 安卓最新版
v4.802.7584.693086 安卓汉化版
v3.414.7377.403519 PC版
v3.122.1671.514986 安卓版
v2.129 安卓汉化版
v9.668.6606 安卓免费版
v8.200.2961.423486 安卓版
v3.653.4152.268006 安卓汉化版
v9.699.6490 PC版
v4.283.956.413179 PC版
v1.619.4943 安卓汉化版
v6.726.2807.76737 IOS版
v9.856.1763.321751 安卓免费版
v4.429 安卓版
v4.779.243 安卓免费版
v5.303.5642 安卓汉化版
v9.969 PC版
v8.406.8592.250823 安卓汉化版
v7.598.5160 PC版
v8.160.9133 IOS版
v1.704.3889.835977 安卓汉化版
v8.847.583.198730 IOS版
v9.373.5391 安卓版
v7.828.6123.567315 最新版
v1.566.1731 IOS版
v5.947 安卓最新版
v5.541.1380.806516 安卓免费版
v8.802 安卓最新版
v9.154.8044.483324 PC版
v5.176.1456 IOS版
v6.226.8172 PC版
v2.347.1708 安卓免费版
v7.392 安卓汉化版
v8.217.9590.94328 安卓免费版
v7.365.4396.633770 安卓版
v2.484 最新版
v7.93.8011.941930 安卓汉化版
v6.595.4597 安卓版
v7.612.9032.384260 IOS版
v7.42 最新版
v9.890.5348 安卓免费版
v8.956.5974 IOS版
v1.159 最新版
v1.5.8176.187627 IOS版
v8.152 安卓汉化版
v8.58.6495.762016 最新版
v1.111.4961.316559 最新版
v4.89.9189 安卓最新版
v4.488.5727 IOS版
v8.94 安卓免费版
v7.804.1909.945477 安卓免费版
v5.672.9398 PC版
v6.876.7356.2761 IOS版
v5.415 安卓最新版
v5.229.1520.492852 最新版
v5.852.4176.276957 安卓版
v5.320.210.503759 PC版
v5.821.3209.965856 最新版
v2.348 IOS版
v6.415 PC版
v9.572 安卓最新版
v3.886.210.441994 安卓免费版
v5.894 安卓汉化版
v1.210.2632 最新版
v7.798.2550 安卓最新版
v6.223.4730 PC版
v4.596 IOS版
v1.355.1442 安卓免费版
v2.457 安卓最新版
v8.108.3313.239866 安卓汉化版
v5.729.4590 安卓汉化版
v6.111 安卓汉化版
mr8001亿万先生手机登录
IT之家 12 月 13 日消息,OpenAI 昨天在官网发布博文,揭秘安卓版 Sora 应用如何在 28 天内完成开发。
IT之家在此援引博文,回到 10 月,Sora iOS 版上线后使用量迅速爆发,人们立刻开始源源不断地生成视频,安卓版呼之欲出,但当时 OpenAI 内部只有安卓端 Sora 的原型版本,因此这项开发任务可谓是高风险、时间紧迫。
在这种场景下,一般的互联网公司往往会组建海量工程师组成的开发团队,花费数月时间进行打磨,但在 OpenAI 这种场合中,增加人力反而会无形生出沟通成本、任务切割和集成负担,显著拖慢开发速度。
OpenAI 为此决定组建一支只有 4 人的强力小队,他们从 10 月 8 日开始开发安卓版 Sora,11 月 5 日交付最终成果,全程用时 28 天,期间并没有使用什么“秘密模型”,而是 GPT-5.1-Codex 的早期版本,整个应用代码的 85% 由 Codex 编写,实现了 99.9% 的版本稳定率。
据介绍,Codex 更像是一名刚入职的高级工程师,能够将开发者的更多时间用于指挥和代码审查,不必亲自敲每一行代码。
不过,Codex 并不擅长自行推断未被明确告知的信息,如开发者偏好的架构模式、产品策略、真实用户行为等,并且这名虚拟工程师无法感受应用的实际运行状况,最终只能由真人来进行调试,告诉 AI 滑动是否顺滑、某个流程是否令人困惑。
同时与 Codex 的每一次新对话都像是重新做入职培训,你必须清晰地说出目标、约束条件以及“怎么做事”,这样 Codex 才能最高效地生成代码,而且它在深层架构推断方面也有局限,如果完全让它自己跑就会引入不必要的 ViewModel,或者把逻辑塞进本应属于 Repository 的 UI 层。
从这里可以看出,Codex 的本能是“让代码跑起来”,而非长期整洁性,为此 OpenAI 在整个代码库中大量使用 AGENT.md 文件,用于进行统一指导和实践,让 AI 始终遵循规范写代码。
优点方面,Codex 几乎熟悉所有主流编程语言,使得跨平台迁移变得异常轻松,而且对编写单元测试异常积极,尽管并非每个测试都很“深”,但广覆盖极大减少了回归问题,并且在 CI 失败时还可以直接把日志扔进 Prompt,让它自己给出修复方案。
所以我们可以得出结论:Codex 可以在明确边界的情况下实现高效工作,而人类工程师则可以专注于架构、体验、系统性决策,并负责监督最终质量。
相关版本
多平台下载
查看所有0条评论>网友评论