@no_stp_on_snek: Grok 4.5 评测 - 我本周的令牌用完了。编写了一个名为“Hermes Go”的免费iOS/Android应用。正在提交到…

Grok 4.5 评测 - 我本周的令牌用完了。编写了一个名为“Hermes Go”的免费iOS/Android应用。今天提交到App Store审核，有空时再提交到Play Store。 i ran a ~32-hour grok 4.5 session and it built me an entire production flutter app. then i dug through the local session logs to see what actually happened. the numbers are a little unreal. 输出：“Hermes Go”，一个为@NousResearch的Hermes代理提供的完整iOS网关客户端。51个文件共33k行Dart代码。WebSocket实时同步，离线优先缓存，斜杠命令和技能自动补全，消息编辑/重试/中断，主题，触觉反馈，语音听写，支持7种语言本地化，应用商店素材。从一个空目录开始。 规模：我的104个提示词转化为880个自主代理循环、2,066次工具调用，以及通过739次编辑写入了约20k行代码。这大约相当于我每输入一个提示词就产出190行已发布代码。 没人谈到的一点：它读取的量是写入的两倍。919次读取和grep调用对应682次编辑。它没有凭空捏造网关API，而是去研究了Hermes桌面应用的源码，逆向工程出真实API。当我告诉它“不要只说‘可能’，去查看日志”时，它照做了。 我在此过程中的实际工作：一个拿着手机的产品经理。我粘贴截图，然后说些像“这个Logo看起来像坨屎”和“麦克风按钮位置太低”之类的话，它就迭代了。构建、推送到我的实体iPhone，我进行QA，重复。大约4小时的模型计算分散在我设备测试的32小时中。 它至少数次撑爆了上下文窗口，压缩后又继续运行，没有失去连贯性。 长时域代理式编码现在在Grok上可行了，运行在我的笔记本电脑上，它在发布应用，而我则在挑剔字体。 干得好，@SpaceXAI团队！ 现在只等苹果的人真正审核它了。