国产模型

群友围绕 K3 的榜单、实测与国产 IDE 差距展开讨论，核心结论是榜单不能只看热闹，但有人亲测后认为效果确实不错。

多 Agent 协作的知识供给实测给出硬数据：8,494 个 Markdown、约 1.3-1.4 亿 token，通过四层供给合同把一次调用从 22,080 token 降到 3,110 token。

围绕 K3/Kimi 新模型，群里主要质疑定价：六百多的价格让不少人更愿意用 GPT 20x。

会议录音设备讨论给出了一组可选方案：飞书妙记/录音豆、A1、Apple Watch、钉钉听记、讯飞录音等。

DeepSeek V4 Pro + GLM组合可以独立完成业务应用开发，不一定需要Claude或GPT

Vibe coding不只是让AI写代码，主动阅读AI输出的代码和报告是重要的学习路径

保留完整的AI开发记录（目录、日志、报告）对后续展示和复盘有价值

Codex的核心优势在多工具调用和编排能力，而非单纯代码生成

pxpipe通过文本转图片绕过token计价，可省59%-70%成本，但有合规风险

Trae Works的经验wiki机制可以自动沉淀bug解决方案，形成项目知识库

国内模型（混元Hy3、GLM 5.2）在成本上有巨大优势，但编程能力仍需实测验证

Harness配置好后，国产模型（GLM/Kimi）的代码输出效果可以接近Claude Code