用 python 测性能？
据我观测整个方案不太严谨啊。

@cnsouka 我试试 memtest86

@findblue 重要东西都上了同步云。有点恶心到了....

@findblue 好歹也不是小厂吧，质量这么拉跨？？客服倒是说让我返厂，但是耽误事啊

@kindjeff 最早根客服联系过，恢复出厂设置都没解决。一直以为是 win11 的问题

@findblue 我们遇到问题差不多，因为买的时候以为是 win11 不稳定，所以没换...难道真的要重新买一个了？

@zyronon 看了，但是我的本子是 CPU 集显

@mkz 机器是裸奔的，从来不装杀软和第三方防火墙，只有微软自己的全家桶。

用了一阵时间了。
先说结论：能写代码，很多时候写的还不错，但也有时候也会有错误。在 low/medium 层级上的应用较为 remarkable 。

我个人认为这个东西具备成为编程 AI 助手产品的潜力了，在 low/medium level 的 coding 级别上，用的好能节省 60-70%的时间。甚至可以快速用一门你不熟悉的新语言构建你想要的东西并且 work 。

但仍然离不开人类工程师，尤其是发现（阅读-调试-测试） chatgpt 输出代码里面 20%的问题，可能要花掉你省下来时间的 60%。

我个人的经验如果是用 SE 搜索、阅读文档找资料的重度场景，效率提升更加明显。大约能提升 60%-70%。

因此作为基础功能性代码（基础类、函数、代码 section 等等，不要太多太长的业务逻辑链）组装工具比较合适。

BTW: chatgpt 的页面做的真是烂。

@darksword21 是的，真正细细用一段时间就明白和真正的通用 AI 还是有差距。

@sbldehanhan 工业软件，不仅仅是自动驾驶。但我认为行业比语言重要。

@sbldehanhan 或者行业软件，金融，汽车，石油

@leimao 所以说，目前是它懂的代码多，但是逻辑推理和关联性弱。它写汇编都没有任何问题，问题在于这些代码它是否真正理解并且可以推理、自我检视等等。

就作为组装工具，和新知识的入门学习，是神器。

@wangpeng138375 我之前也曾搞过机器学习和人工智能，以目前使用 chatgpt 的体验和对当前 AI 的理解来说，短期内仍然难以达到你说的这种状态。举几个例子：
1 chatgpt 生成的代码，它并不能 100%理解，经常是我发现了问题，再提问，他会给出一些补丁，但也不是 100%正确。
2 对话上下文的内容关联仍然有缺陷。缺乏推理和联想。

只是超大规模模型让人感觉 chatgpt 接近于你在与真人对话。但始终缺少 soul 。

所以我认为作为工具，基本上可以抢走 50% - 60%的场景。
但是想要完全信任其作为助手的人类，还很远。

@ansonsiva 退出后需要再收手机验证码吗？之前注册的手机号不一定还能再用了

行业软件？
游戏引擎？

@hahastudio 你可以这么理解，卫星放出来就约等于完成时。

@Chad0000 以现在的 gpt 模型来说，做不到。只能作为组装代码的工具。深度推理、检视这些还做不到。而且短期很难。