GPT6

多位群友在 GPT 6 或多 Agent 场景遇到 capacity error。

群友实测后发现 WorkBuddy 的高阶模型消耗很快，K3 单任务可过千积分，Astra 标注为 6.67 倍积分消耗。

群友分享了可切换GPT账号的Cockpit Tools，并称其原理与正常切换账号相同；该工具还涉及中转站配置，可让Codex接入其他模型。

群友集中反馈，升级后的高倍率额度消耗依然很快，5.6 sol甚至可能一天烧完。

King 分享了用便宜 8H8G 服务器自建 New-api 中转站的做法：把英伟达、商汤日日新、OpenCode、GLM 等免费额度模型都接进去，再把上下文小于 1M 的模型剔除。

关于 5 和 20x 怎么选，实操派给出的答案偏向 20x：额度更稳，月成本约 1500，但如果能覆盖大量工作就划算。

群里集中讨论了 Codex/GPT 高频使用的真实消耗：有人反馈一条指令就耗完、跑十分钟就没了，也有人十小时耗完一张重置卡。

群友用 GPT-6 Astra 处理 CAD 到 Blender 建模，反馈是过去搞不定的流程现在一句话能推进，属于质的提升。

群友实测 GPT-6 Astra 能用简单提示词生成宣传视频，15 分钟完成，Codex 20x pro 消耗不到 1%。

围绕 Codex 任务没跑完、5 小时额度耗尽、20x 也很快烧掉的问题，群里形成了明确的省额度策略：规划和审查用便宜模型，复杂 debug、跨文件修改、架构重构、安全数据库等再上高档模型。

群友分享了 Codex 客户端看不到 GPT6 的排查路径：先在 CLI 里用指定模型命令确认模型是否存在，如果 CLI 有而桌面端没有，多半是客户端问题。

群里把研究型 Agent 的能力拆成模型、数据、工具链、工作流和上下文的乘积，强调同一模型接入不同数据源会造成 20% 到 50% 以上的结果差距。