就是之前论坛有网友留言说，等你到上架的时候，你才知道搞这些事情的麻烦。啊，确实，这些事情讲实话很多都是非常无聊的，但是没有办法，你必须得去合规，是吧？很多功能都是没有意义的。然后我是让这个 Codex 跟这个 DeepSeek Harness 来做这个工作。一方面是监控后台用户的请求，另一方面就是他们请求之后，隔一段时间给他们加入到测试名单中来。一开始我是设置为 12 个小时左右，然后再私信回复给他们。现在呢，我是决定 10 分钟左右检查一次。大家有什么申请的，有谁发了自己的资料要申请加入测试的，我就让这个 agent 大概 10 分钟左右把他加入到这个测试名单中，然后再把信息回馈给这个测试者。

现在凡是参与测试并且能够用两个星期完成测试的，都一概奖励论坛 50 个积分，就相当于是论坛的第 2 级，直接授予给你二级称号。二级称号基本上你在论坛里面要发一些自己的交易信息，是吧？就像昨天有人私信我说，能不能发一个转让二手设备的帖子。论坛原则上是不允许进行交易的，以后开设交易专区也只允许二级以上的人发布交易信息。这个就是为了防止商家到这里来注册账号，然后发广告信息，其实之前发的人太多了。然后这里面的所有任务，包括在某个具体设备上它不能用、有些功能不能用，所以这些东西都是 DeepSeek Harness 在改代码。

就是上架测试，苹果上架这个难度相对要低一点，这个是由 Codex 来负责，它接的是 GPT-6.1 Sol。讲实话也是不尽如人意了。安卓的上架，包括 APP 的 bug 修改，是由 DeepSeek Harness 来完成，接入的是 DeepSeek V4.1 Flash。哦，对了，还有这个网站，网站管理是用 Hermes，Hermes 接的也是 DeepSeek V4.1 Flash。

这里面发生过很多比较严重的事故。比如说小特发出邀请，让大家参与 APP 测试，但是由于他之前有一个规则，就是不能私信小特，私信小特会被封号。我是为了防止大家乱给小特发信息，然后消耗我的 API tokens。其实这怎么讲，微乎其微了，但是为了防止以后万一这个论坛做大了，大家都发，那就不太好了，是吧？所以说做了这个设置。结果导致有 4 个申请参与测试的第一时间就被封了号，而且有一个等级还比较高。这个就是你事情多了之后，让 AI 来搞，它就是有问题。它可能考虑不了那么全面。

如果说是综合的，你要处理这些网站的运维，就是这个网站本身的管理，这个事情一定要交给 Hermes 来做。Hermes 它有长期的记忆系统，它的记忆系统只要你一直用的话，它基本上你的一些比较热的功能、比较常用的功能，都是处于一种热状态，就是它的记忆唤醒度非常高，准确度非常高。然后 Codex，包括 DeepSeek Harness，就要略逊一筹。

另外就是关于 computer use，因为这里涉及到大量的账号隐私，我就不展示了，也包括有些申请的人，他们的邮件地址，这肯定是不能展示的。就是说 Codex 会在这边去开一个浏览器小窗口，它不会影响我的日常操作。所有的动作它都能自己完成，就打开苹果的网页去填写申请资料，包括在我苹果手机上去更新 APP，进行一些功能的开发和测试，让它合规了。现在有 bug 都是让 DeepSeek 来修了，因为这个额度确实有点扛不住啊。我是 20 美金的订阅版本，这额度是扛不住的，所以只能让它去干些精活，但是它的完成是不错的。

computer use 这一块，DeepSeek V4.1 Flash 的 computer use 比较极端，就是你不能给它搞太长的上下文。昨天我给它搞的上下文太长了，压缩了几次。你看我都是 97 轮、2000 多步。到后面它上下文长了之后，就有点顾此失彼了。虽然 DeepSeek 也是号称 1M 上下文，但是讲实话，它在 computer use 这一块，如果说用多了，它会变傻。

一开始它是自己在后台开一个无头浏览器，好像是，然后它也能完成大部分的工作。但是到后面我一要求它去写一个脚本，监控用户，然后把用户的信息直接通过浏览器提交给谷歌后台的时候，它就搞不定了。它必须要去占用我的谷歌浏览器。被我疯狂地辱骂之后，你看我都骂它是弱智，因为当时我太困了，我急着去睡觉。被我疯狂辱骂之后，它就开始自己打开一个浏览器标签页，就不占用我的浏览器，也不占用我的鼠标了。它还是可以完成的，而且它有的时候自己是知道的。比如说第一次它去添加用户，因为一次会有十多个用户过来申请嘛，然后我就给这十个用户一次性批量添加上去。结果它第二次进来，就会添加一个保存一个，添加一个保存一个，就非常的傻逼。最后在我这个辱骂之下，它还是把这个事情给搞定了。

这个 APP 测试只需要 12 个人，现在人数已经满了。但是我是打算批准大概 30 个人左右吧，就批准 30 个人左右，让大家加入测试，有一定的冗余。因为讲实话，十几个人我自己随便往我的朋友圈里发一下也行，但是不想打扰朋友嘛。大家如果说希望获得这 50 积分，或者说纯粹就是为了帮帮我，可以到这里来申请测试。

关于这三个 agent，我给自己的评价吧。DeepSeek V4.1 Flash 的 API 能力，讲实话是非常强的。但是它适合做什么？一个明确的长链规划任务，这个任务最好不要带这种复杂的 computer use，就是它要实际去打开一个标签页、去操作标签页。我个人认为在这一块它的能力是不比 GPT-6.1 Sol 差的，但是你使用 computer use 加上文本的复杂任务，如果同时做的话，它会搞晕掉。最终会在会话长了之后有点乱，效果就不大好了。

然后这个 GPT-6.1 Sol，我要说它的 computer use，我给打 95 分啊。这块我跟你讲，OpenAI 在这一块确实做得非常牛逼。之前不是说它买了大量的、几万个苹果的 Mac mini 用来做测试吗？我相信对于它今天的表现也是有帮助的。但是这个帮助值不值几万个 Mac mini 的钱？哈，我讲实话，我感觉可能不值。因为 DeepSeek 好像也没买那么多，但是它的 computer use 做得比 GPT-6.1 Sol 要差一些。如果 GPT-6.1 Sol 我给打 95 分的话，那它可能就是 85 分。

这是两个 agent 之间的差距。我不知道是由于 API 问题，还是由于 agent 问题。总之，Codex 加 GPT-6.1 Sol，它 computer use 的表现能得 95 分的话，那么 DeepSeek V4.1 Flash 大概能得 85 分。但是这个是相对于新人来说的。如果说你像我一样，昨天已经花了 50 块钱的 API 来吃这个苦果、来适应它，最终会知道怎么去用它的话，那这两个东西的差距其实就没那么大。

不过对于新人，我还是那句话：现在 GPT Plus 20 美金的订阅计划是非常值得你用的。我相信你说你的开发工作比我还重，这个是专业程序员才会遇到的情况，是吧？你如果只是业余的，有个自己的网站，有个自己的 APP 要维护，你的工作量不可能比我重。讲实话，我的论坛还是有不少帖子的，还是有一些规模的，每天都有不同的帖子出现，然后数量还不少。并且我一直在为它开发 APP，还在为它开发一些插件、定制一些皮肤、开发新的内容页。那这些工作基本上有一个 GPT Plus 20 美金的订阅计划，我认为就一个就够了。你用好重置，合理规划好自己使用的强度，它就够了。

关于这个 DeepSeek V4.1 Flash，加上这个 DeepSeek Harness，因为我的 Harness 也有大量任务在用，它应该是 DeepSeek Harness 本身昨天用了我 40 块钱左右，另外十几块钱是 Harness 做的。因为我这个网站要完成合规的改造，里面要改很多东西。从性价比的角度来讲，我觉得 Codex 的性价比要更高一点。但是由于 DeepSeek 它是 API，你用的时候可以用很多，你不用的时候——是吧，你看每天两三块钱帮你管理论坛，就这种日常工作、备份这些东西，每天一两块钱、两三块钱。它本身放到服务器上、接到服务器上，还是接到本地都非常方便。因为我们的服务器是无头、无 GUI 的服务器，你要接这种 API 形式的，它还是更方便一点。

视频的最后，我是想说 AI 大大降低了你开发应用的难度。甚至很多人，也有一些比较牛逼的技术大牛，他们用开发套件来取代 Adobe 的全家桶、取代微软的 Office。这些人是相当牛逼的，他们有非常广阔的商业前景。对于普通人来讲，我个人感觉通过这一次上架，我觉得还是跟我之前的预测一样：你可能需要一年左右，最起码半年之后、一年之后，到时候的 AI agent 能够再进化一轮两轮，我觉得它才能完全通过自然语言交互来帮你完成所有的工作。

因为现在的 AI，它这种 computer use 也好，还是说它自己处理复杂问题的能力也罢，都还有一点点差距，可能已经做到了 85 分、90 分，但是就是差了最后的 10/15 分，它就必须要你大量的人工介入。你想我从昨天，本来是想通宵玩游戏的，但是我游戏基本上就玩了两局，玩了两局英雄联盟，然后其他的时候我都在跟这个 AI 交互，就是开发测试这一块。它们现在需要我交互的事情已经比较少了，甚至它们可以自动向这个网站提交资料，向苹果跟谷歌提交资料，但是有很多东西它们决定不了，还是要我自己来介入，还是非常累。

那既然已经搞了，我肯定会把这两个 APP 给它最终上架。当这个 APP 上架完成之后，这些琐事完成之后，我又会把这个 ComfyUI 给拿过来，到时候我们再一起好好讲一讲怎么来使用这个 AI 来生产音视频，然后用它赚到钱。