科研用 Codex 别无脑拉满:按任务选 Luna/Terra/Sol/Astra 与推理档位
udmrzn · x · 2026-11-12
博主 Fred834567 分享科研场景下 Codex 模型与推理强度的选择经验:简单重复任务(批量整理文献、提取信息、格式转换)用 Luna;涉及图片、PPT、图表检查等视觉操作用 Terra;日常 Python 编程、数据分析、科研绘图与文献综述优先 Sol;论文方法审查、复杂算法调试、实验结果解释和公式推导再上 Astra。推理强度按任务调整:明确小任务 Low,普通工作 Medium,多步判断 High,真正难题才开 Extra High——无脑拉满只会更慢更费额度。作者还推荐了一个开源 Skill「Model and Effort Selector」,可根据文献提取、论文写作、数据解释、计算检查和科研编程等具体任务推荐合适的模型与推理强度。
「编程与Agent」频道最新
- Netlify 推出 Server 长驻后端服务，可直接部署 AI Agent — jasonkneen · 2026-11-12
- 微软工程实践:LLM 提议排期,代码负责验证与兜底 — WirelessLife · 2026-11-12
- 开发者用积木式脚本给街机游戏接 AI 对手：开发易设计难 — ezshine · 2026-11-12
- Gradient Labs 推 Conversations API：让 AI 客服 agent 无头化嵌入银行后端 — neal_lathia · 2026-11-12
- Microsoft Agent Framework for Go 推 agent harness，免重复配置 — adnan_hashmi · 2026-11-12
- 开发者自制 Kimi K3.1 Pro 编码微调数据集，LFM3 版下载量意外爆棚 — alexcovo_eth · 2026-11-12