Ipinakilala ang OpenCode 2.0, na may higit sa 160,000 stars sa GitHub at ginagamit ng 7.5 milyong developer bawat buwan. Ang pangunahing pag-rewrite ay kasama ang: paglipat mula sa Bun patungo sa Node upang lutasin ang mga problema sa memorya, paglipat mula sa Tauri patungo sa Electron para sa desktop, at ang pagpapakilala ng paralel na AI session sa maraming tab. Ipinahayag ni Dax, ang founder, na ang profit margin ng AI inference ay humigit-kumulang 90%, at ang paggamit ng token ng team ay tumataas ng limang beses dahil ang bagong model ay nakakamit ng perpektong balanse sa usability, kaya ito ay maaaring tiyakin at gamitin sa pagtatrabaho. Gumagamit ang team ng remote development environment na may bare-metal server, at sumusunod sa “luxury over-engineering” methodology, na inilalagay ang malaking halaga ng token sa pag-aaral ng bawat desisyon. Ang model routing ay sobrang pinapahalagahan; ang totoo nang epektibo ay ang orchestration pattern: ang pangunahing model bilang “commander” na nagpapadala ng mga gawain sa mga murang sub-agent.

May-akda ng artikulo, pinagkunan: Geekbang Technology InfoQ

Sa taon ng 2026, ang OpenCode ay isang phenomenon sa open-source project: higit sa 160,000 na star sa GitHub, at higit sa 7.5 milyon na developer ang gumagamit nito bawat buwan.

Sa ganitong buwan, ipinakilala nila ang 2.0.

Bakit i-rewrite? Sinabi ni Dax: “Sa buong aking karera, kailangan kong i-iterate ang bawat bagay nang tatlong beses para maging tama.” Ang OpenCode 0 ay prototipo, ang 1.x ay pagpapatotoo, at ang 2.0 ay isang ganap na pagrereconstruct mula sa simula pagkatapos nilang maintindihan nang buo ang larangan.

Isa sa mga pangunahing gawain sa pag-revise na ito ay ang pag-restructure ng buong API, upang gawin itong isang maingat na disenyo, kaysa isang bagay na natural na lumago tulad ng dati.

At isang malaking pagkakaiba ng OpenCode at Claude Code ay ang paglipat mula sa Bun patungo sa Node upang lutasin ang problema sa paggamit ng memorya. Ang mga naunang bersyon ng aplikasyon ay nagtatampok pa rin ng command-line interface (CLI), dahil ang server code ay patuloy na nakabatay sa mga API na eksklusibo sa Bun. Kasabay ng paglipat, tinanggal nila ang lahat ng mga API na ito at nakapagpapatakbo na ng server sa Node environment.

User: Ang OpenCode ay sobrang nag-aabot ng memorya. Hindi ko talaga maintindihan kung bakit naging ganito ang modernong software—bakit kailangan ng anumang bagay na humihingi ng higit sa 2GB ng memorya?

Dax: Maaari mo bang subukan ang OpenCode 2? Mas magandang performance nito.

Ang desktop app ay isa pa ring pangunahing layunin sa pag-rewrite na ito. Ang bersyon 1.x ay unang pumili ng Tauri bilang lightweight wrapper para sa Web UI at CLI, kung saan ang bundled CLI ay tumatakbo ng opencode serve upang magbigay ng lokal na server connection para sa Web UI. Gayunpaman, ang problema ay ang Tauri ay gumagamit ng WebKit sa macOS at Linux, na hindi lamang mas mabagal sa rendering ng OpenCode app kumpara sa Chromium, kundi nagdudulot din ng hindi pantay na user experience.

At matapos ang paglipat sa Node, ang ideya na direktang patakbuhin ang server code sa loob ng built-in Node process ng Electron ay naging napakalaking atraksyon.

Ang isang direkta mong pagbabago mula sa pag-revise na ito ay ang paglutas ng OpenCode desktop ng pinakamalaking bottleneck sa efficiency sa AI programming: ang paghihintay sa lineup. Karamihan sa mga user ay nakakauunawa pa ring maghintay hanggang sa matapos ang isang AI task bago magsimula ang susunod. Ngayon, hindi na kailangan. Maaari ngayon ang mga user na buksan ang kanilang sariling hiwalay na AI session sa iba’t ibang tab, at pagsamahin ang dalawang magkakaibang programming task, habang maaari ring tukuyin ang iba’t ibang model para sa bawat tab para sa side-by-side comparison. Halimbawa, maaari mong i-request sa isang model na gawin ang isang HTML website, habang kasabay nito ay ginagawa ng isang iba pang model ang listahan ng pagpasok ng miyembro—parehong model ay gumagana nang paralelo nang walang pagkakainggit.

Sa mga nakaraang buwan na pagbabago ng OpenCode, tumubo ng limang beses ang paggamit ng token ng tim ng co-founder ng OpenCode, Dax Raad.

Saan natin ginastong ang token? Ang aming estratehiya ay magmaliit na magdiseño nang sobra sa lahat. Kahit isang simpleng API para basahin ang file, isipin natin: Ano-ano ang lahat ng posibleng paraan ng pagpapatupad? Ano ang mga halimbawa mula sa iba pang produkto? Ano-ano ang iba’t ibang paraan upang ayusin ang response? Noon, baka ikaw ay makapag-isip lamang ng dalawa o tatlong solusyon, tapos pumili ka ng pinakamahusay. Ngayon, maaari nating magastos nang sobra.

Ang beta version ng OpenCode 2.0 ay inilabas na sa buwang ito, at ang koponan ay planong ilunsad ang opisyal na bersyon sa loob ng isang buwan pagkatapos ng paglalabas ng beta. Sa kasalukuyan, si Dax Raad ay nagsagawa ng malalim na pag-uusap sa podcast na Syntax.fm tungkol sa pag-rewrite logic ng OpenCode 2.0, kung bakit niya itinuturing na 90% ang profit margin ng inference, ang overestimation ng model routing, at kung paano ang Anthropic at OpenAI ay naglalakad sa dalawang magkakaibang landas. Ang artikulong ito ay batay sa video ng podcast at in-edit ng InfoQ.

Short version:

Tanong: Gaano kalakas ang “imposibleng sabihin na modelo”? Talagang addicted ba kayo ng inyong team?

A: Ang paggamit ng team token ay tumataas ng limang beses sa loob ng dalawang buwan, hindi dahil mas maraming token ang kailangan, kundi dahil hindi na makakapagpahinga ang lahat. Maaari mo na ngayong tiisin ito—nakikinig ito sa iyo at nakakatanggap ng mga bagay na iyong nalilimutan. Hindi ito isang pagpapalit sa iyo, kundi isang mas magandang kasama.

Tanong: Bakit kailangang isulat muli ang OpenCode 2.0? Ano ang pangunahing pagkakaiba nito sa 1.0?

A: Sa buhay ko, “kailangan kong gawin ang bawat bagay nang tatlong beses para maging tama,” ang 0 ay pagsubok, ang 1 ay pag-verify, at ang 2 ay pagbuwis ng lahat at muling pagbuo pagkatapos maunawaan nang buo ang buong larangan. May tatlong pangunahing pagbabago ang OpenCode 2.0: lahat ng API ay muling ginawa, default na nagpapatakbo bilang serbisyo, at network ng mga intelligent agent na跨设备.

Tanong: Bakit mas madaling gamitin ang inyong software kaysa sa iba? Ano ang inyong metodolohiya?

A: "Ang desisyon ay nasa iyo," mag-spends ng totoong pera sa mga token, mag-invest sa mga pangunahing primitibo.

Tanong: Maaasahan ba ang model routing?

A: Ang model routing track ay overvalued, at ang mga intermediate party ay nagpapakilos nang malakas. Ang totoong epektibong paraan ay hindi ang pagpapagana ng routing system upang mag-switch ng mga model, kundi ang paggamit ng isang mahal na pangunahing model bilang “commander”: hindi ito gumagawa nang direkta, kundi nagpapadala ng mga gawain sa mga murang sub-agent. Ang mga bagong henerasyon ng mga model ay nagpapakita ng mahusay na pagganap sa “orchestration mode” na ito, at kayang mag-manage nang paralelo ng maraming sub-agent sa isang session, at pagkatapos ay mag-wake up ng pangunahing model.

Q: Gaano karami ang kita sa AI inference? Maaari bang mag-save ng pera sa pagpapatakbo ng model sa lokal?

A: Ang margin ng pagpapatakbo ng Anthropic at OpenAI ay nasa paligid ng 90%, ibig sabihin, ang break-even point ay maaaring mas mura ng 10 beses kaysa sa kasalukuyan. Bilang isang serbisyo ng pagpapatakbo, kahit na may mga intermediate party, ang ilang open-source models ay nakakamit pa rin ng 70% na margin. Ngunit ang pagpapatakbo ng model sa lokal ay hindi nag-aabot sa pag-save ng pera; anumang pagpapabuti ng efficiency na nagpapababa ng gastos sa lokal, sa cloud ay maaaring mas mura ng 10 beses. Ang kahalagahan ng lokal na model ay ang privacy, hindi ang gastos.

Tanong: Bakit hindi maaaring gamitin ang subscription sa Claude Code Max sa OpenCode?

A: Ang kultura ng negosyo ng Anthropic at OpenAI ay lubos na iba. Ang OpenAI ay nakatuon sa consumer, handa silang gastusin anumang halaga para ipaabot ang karanasan sa mas maraming tao. Ang Anthropic naman ay nakatuon sa enterprise, kung saan bawat GPU computing power ay may naghihintay na benta para sa mga kliyente sa sektor ng negosyo. Sa pangkalahatan, ito ay lohika ng “funnel”: nais ng Anthropic na magsimula ang mga user sa Claude Code at makarating sa enterprise solution na binabayaran batay sa token; kung kinuha ng OpenCode ang mga user sa gitna, maaaring magdirekta sila sa ibang modelo.

Tanong: Seriyoso ba ang mga prompt para sa voice input?

A: Ang buong koponan ng OpenCode ay hindi na gumagamit ng keyboard para mag-type, kahit sa Discord ay gumagamit na sila ng voice para mag-message. Natural na mas mahusay sa pag-unawa sa mga kakaibang pahayag ang LLM, kaya mas mataas ang kalidad ng output.

Tanong: Maaari ba naming makamit ang isang totoong makabuluhang benchmark?

A: Wala na akong tingin sa benchmark scores; ano ang epekto ng pagtaas ng score sa actual development? Mas naghahanap ako ng trend sa paggamit ng team token—kung tumataas ang paggamit, iyon ang tanda na talagang magaling ang model.

I-configure ang remote development environment

Wes: Ipinost mo ang isang tweet na nagsasabi: “Nagsimula tayong mag-rent ng malalaking bare-metal servers, tapos hinati namin sila sa mga virtual machine para sa bawat miyembro ng team. Ito ang configuration na ginagamit ko na sa loob ng mga taon, lalo na para sa pagpapatakbo ng OpenCode servers.” Ano ang ginagawa mo? Ibibigay mo ba ang remote computing power sa bawat isa?

Dax: Dalawang taon na ang nakalipas, nagsimula na ako na mag-rent ng isang napakalakas na server, hindi cloud server, kundi bare metal, at napakaganda ng performance nito. Hindi na ako gumagamit ng aking lokal na pangunahing computer; direktang nag-SSh ako dito. Nagpapatakbo ako ng ilang permanenteng Tmux sessions, at lahat ng aking trabaho ay ginagawa doon. Malinaw ang mga benepisyo: magandang performance, direkta na upgrade kapag lumabas ang bagong hardware, walang kailangang mag-ayos ng lumang equipment. At sobrang madali ang paglipat sa iba’t ibang device—sarado mo ang laptop, lumipat ka sa desktop, at agad ka lang magsisimula sa lugar kung saan ka natigil. Mahilig ako sa ganitong solusyon.

Dahil sa paglitaw ng coding agent, naniniwala ako na naging pangangailangan na ito, hindi na lamang isang paborito. Karamihan pa rin ang nagsasagawa ng trabaho sa kanilang lokal na computer, at wala naming problema dito. Para sa coding agent, ang pagkakaroon ng isang remote machine na laging naka-on ay may malaking kahalagahan. Ako ay Vim user, at walang problema sa remote work. Para sa marami, hindi ito praktikal, ngunit kasama ang coding agent, hindi na kailangang mag-alala ka sa editor—nais mo lang i-send ang prompt at makipag-usap dito. Kaya, ang solusyong ito sa remote machine ay naging mas maaaring gamitin para sa higit pang mga tao.

Habang lumalaki ang team, mas marami ang nakakakita ng aking konfigurasyon at sinasabing, “Gusto ko rin ‘yan.” Talagang makatwiran ito—ang mga malalaking kumpanya ay nagsisimula nang gawin ito sa remote development environment dahil sa praktikal na dahilan: ang paraan kung paano mo binubuo ang iyong app, ang mga dependency, at ang environment ay naging napakaspesipiko. Ang pagbibigay ng naka-configure na machine para sa bawat isa ay natural lamang, at tayo ay gawa rin nang parehong bagay para sa aming team. Ngunit ang mahalaga: kung gagamitin mo ang karaniwang cloud server, karaniwang mabagal ang disk at matanda ang CPU. Hindi mo makakamit ang performance na makakapagkumpitensya sa lokal na MacBook. Kailangan mo ng mabilis na NVMe disk at angkop na CPU.

Wes: Ano ang configuration ng server mo? Magkano ito?

Dax: Ang aking sariling machine na ginagamit ko na ilang taon ay ngayon ay isang henerasyon pabalik—AMD 9900X, 192GB RAM, halos $200 bawat buwan. Sobrang sapat ang performance para sa aking pangangailangan, ngunit maaari kong i-run ang maraming virtual machine. Ang aming team ay nasa buong mundo, at ang latency ay isang problema, kaya mayroon tayong mga server sa Europa, Amerika, at Singapore, na mas propesyonal at may mas magandang pagpapamahala at kontrol. Bawat isa ay halos $300 hanggang $400 bawat buwan, at mas maraming core kaysa sa aking personal na machine. Para sa isang seriyosong kumpanya, hindi ito malaki—mas mahal pa ang isang laptop na ibinibigay sa isang empleyado.

Scott: Saan nagtatrabaho ang mga裸金属服务器 na ito?

Dax: Ang aking sariling machine ay nagmamasid lang sa presyo, hinahanap ang model ng CPU, at pinipili ang pinakamalapit sa aking lungsod, anumang supplier na hindi ko naririnig, pero karaniwang walang problema. Para sa machine ng team, kasalukuyan naming ginagamit ang latitude.sh, at may isang kumpanya na direktang isinama ang buong solusyon bilang produkto, na tinatawag na exe.dev, maaaring kilala ninyo ito. Ang kumpanyang ito ay itinatag ng dating founder ng Tailscale, at ang kanilang produkto ay nagpapakita ng buong package bilang ready-to-use remote development environment. Malamang naming i-switch dito, ngunit gusto ko lang muna subukan ang orihinal na pagbuo.

Wes: Nagrerun ka ba ng model sa itaas, o nagco-develop ka lang ng karaniwan?

Dax: Hindi, hindi mag-run ng reasoning.

Wes: Paano mo na-configure ang Tmux mo? Mayroon ba itong partikular na katangian?

Dax: May isang Tmux session ako para sa bawat proyekto. May sariling session ang OpenCode na may ilang kaugnay na window. Magkakaibang session para sa bawat proyekto, kaya mabilis ang paglipat. Para sa akin, leader-S—kapag naglipat ako sa isang ibang proyekto, diretso akong pumapasok sa Tmux session na iyon. May isang set ng standard Tmux sessions ako na palaging naka-run, may fixed order, at ang bawat pane at window ay palaging nagpapatakbo ng parehong aplikasyon, kaya nabuo ko na ang muscle memory. Bukod dito, may isang OpenCode server na naka-run sa buong machine ko, at maaari kong i-access sa pamamagitan ng Web UI sa aking cellphone. Ang bahaging ito ay abiso pa, kailangan nating i-improve, ngunit ito ang direksyon na nais naming sundin.

Scott: Ang mga matagal nang nagpapatakbo na Tmux session, may isang hindi maipapaliwanag na kagandahan: lahat ay nasa tamang lugar. Hindi ko maintindihan ang Tmux nang matagal, hanggang sa isalin ko lahat ng aking mga bagay sa ibang computer at naintindihan ko agad.

Dax: At ngayon, mayroon na tayong mga matagal nang nagpapatakbo na mga sesyon ng Agent. Mayroon akong pribadong Tmux session na may ilang OpenCode sessions, tulad ng isang session na espesyal na nakatuon sa aking fitness log, na may SQLite database sa likod nito. Maaari kong sabihin agad sa ito: “Ngayon, mas maraming triceps ang naramdaman ko habang nag-gym ako sa bench press,” at awtomatikong itatala nito ang tala na ito. Kapag muli kong gawin ang bench press, babalaan ako nito: “Tandaan mo ba kung saan ka nakapag-antay noong nakaraan? Gusto mo bang subukan ang pagbabago sa iyong postura?” Ito ay mga simpleng bagay na tila bulol, ngunit ginagawa nito nang lubos na mabuti.

Kamakailan ay nag-set ako ng isang session na sinync sa aking iMessage, kaya mayroon akong iMessage OpenCode contact na maaari kong i-contact kahit saan. Isinama ko ito sa isang group chat ko kasama ang asawa ko, at naisip ko, “Kailangan kong gawin ang isang romantic na bagay,” kaya sinabi ko sa OpenCode: “Pumunta ka kay Liz at bilhin mo siya ng regalo.” Nag-send ang OpenCode ng mensahe kay Liz, at alam mo ba kung paano siya sumagot? Sinabi niya nang direkta: “Kung gagamitin ni Dax ang AI para bumili ng regalo sa akin, talagang magiging divorce kami.” Ayaw niya ng ganitong bagay.

Nakakalungkot pa rin ako noon, patuloy kong binigyan ng utos ang AI: “Biro lang siya, patuloy na.” Ngunit lalong nagalit si Liz. Mas kakaibang bagay ay, ginamit ko noon ang cloud-based model, na sobrang “sensitibo”—nagsagot ito sa akin: “Ang asawa mo ay tila sobrang galit, hindi ko kayang patuloyin.” At bigla itong isinara ang serbisyo nito, nag-suicide.

Wes: Sobrang nagustuhan ko ang ganitong setup, bagaman mas marami akong gumagamit ng lokal na bagay, ang ideya na ilagay lahat sa cloud at gamitin lang ang isang thin client ay napakalaking atraksyon; naghhintay ako ng araw na maaari ring ilipat sa cloud ang mga bagay tulad ng video editing na kailangang tumakbo sa lokal.

Dax: Hindi ko alam kung nakakabasa kayo ng artikulo tungkol sa cloud gaming, ngunit laging nagdudulot ito ng galit. Hindi ko sinasabi na kailangan gawin ito ng lahat; kung mas gusto mo ang pagkakaroon ng lokal na hardware at pagkakaroon ng kontrol sa lahat, ganun ang magandang bagay—mayroon din akong maraming physical machine. Ngunit para sa ilan, mas madali ang pagpapalakas ng lahat ng bagay sa iba. Para sa akin, ang pag-upgrade ang pinakamahirap. Buong buhay kong pinagsasama ang mga computer, at bawat beses na nagtatayo ako ng bagong machine, isip ko: “Pagkalipas ng dalawang taon, ipapagbili ko ang CPU ko at papalitan ko ito.” Ngunit hindi ko ito natupad. Dahil hindi mo maaaring i-bili ang CPU lang, dahil maaaring magkaroon ng upgrade sa socket, kaya kailangan mong palitan ang motherboard; at kung palitan mo na ang motherboard, mas mabuti na lang palitan ang pinakabagong memorya. Ang buong chain ay nagpapahirap sa akin, kaya mas maganda na may tao na mag-aalaga sa pag-upgrade para sa iyo.

I-rewrite ang OpenCode

Scott: Alam kong pinopush ninyo ang mga bagong feature, ang desktop app at ang OpenCode 2.0 ay nasa pag-unlad—ano ang mga pagbabago na dadalhin ng 2.0?

Dax: Sa buong aking karera, kailangan kong gawin ang bawat bagay nang tatlong beses bago ito maging tama. Mayroon kaming OpenCode 0, 1, at ang 2.0 na ito ay isang malaking pagrerepaso pagkatapos nating lubos na maintindihan ang larangan at lahat ng posibilidad. Isa sa pangunahing gawain ay ang pag-restructure ng buong API, gumawa ng isang maingat na disenyo, hindi tulad ng dating mga bagay na natural na lumago.

Ang pangalawang pangunahing pagbabago ay ang pagiging default na nagpapatakbo bilang serbisyo, kaya pagkatapos ng pag-install, ito ay laging nasa loob. I-start mo ang OpenCode, at ito ay awtomatikong kumonekta, at lahat ay sin同步—kung ito ay sa desktop, web app, o kahit anong sarili mong script o app. Kung nais mong kontrolin ang iyong computer gamit ang iyong sariling custom program, maaari rin ito—kaya mo pa ring isulat ang ganitong programa mismo. Mayroon ding bagong plugin API. Binasura namin ang maraming token, sinuri namin nang malalim ang bawat desisyon, at isinip namin ang bawat posibilidad. Ang proseso ay nakakapagod, ngunit nakakaligayahan din.

Scott: Kailan ang full launch?

Dax: Dapat na ma-release ang beta version sa katapusan ng weekend na ito (na inilabas na ang beta version noong una sa July). Maaari namin na ito ay ilabas ngayon, ngunit ibinigay namin sa sarili namin isang linggo para sa huling pagpapabuti at pagdaragdag ng mga tampok. Isang buwan pagkatapos ng beta, ipapalabas namin ito bilang opisyal na bersyon.

Dax: Isa sa mga dahilan kung bakit natagalan ang OpenCode 2.0 ay dahil sinubukan naming muli itong disenyo upang suportahan ang hot reload. Anuman ang iyong ipapagawa nito para lumikha ng isang Skill o kaya ay manual mong likhain, agad itong i-load at hindi ito magdudulot ng cache invalidation.

Scott: Ang paglipat mula sa Tauri patungo sa Electron ay natapos na sa version 2.0? O nasa gawa na?

Dax: Ang desktop ay talagang interesante, dahil hindi ito opisyal na ipinakilala at patuloy na nasa beta state, kahit na mayroon nang beta ng beta version sa pagitan. Ngayon, ito ay nasa Electron na, at ang team ay nag-aayos ng mga bagong 2.0 core API, kasama ang maraming pagpapabuti sa performance at bagong UI.

Scott: Sinasabi mo na ang bagong bersyon ay naka-default na mag-run bilang serbisyo, kaya ibig sabihin nito na agad na maaaring gamitin ang remote GUI kahit anong oras na i-install ang OpenCode, nang walang pangangailangan na i-start ang server nang hiwalay?

Dax: Ang serbisyo ay naka-default na tumatakbo sa lokal, at lahat ng proseso sa iyong computer ay lokal, ngunit maaari ring i-configure bilang remote. Ang aking setup ay: may isang OpenCode service na tumatakbo sa bawat machine, at idinagdag ko ang ilang interesanteng host mode, tulad ng aking pangunahing OpenCode server na tumatakbo sa isang remote machine, at may isang Mac Studio sa mesa, na may Framework Desktop bilang pangunahing desktop. Alam ng OpenCode ang lahat ng mga device na ito, kaya maaari kong sabihin sa ito na “magpadala ng isang iMessage,” kahit na nagsasalita ako sa isang Linux server sa cloud, at ito ay magkonekta sa aking Mac Studio sa pamamagitan ng OpenCode, at magpadala ng iMessage. Kaya maaari mong isama ang lahat ng device sa OpenCode server, at alam nito ang lahat ng device at kanilang lokasyon.

Wes: Marami ang nag-uusap tungkol sa pagpapakilala ng mga terminal pane sa isa't isa, tulad ng pag-uusap ng dalawang Tmux pane, ngunit ang totoong kapana-panabik ay ang pagpapakilala ng maraming machine sa isa't isa.

Scott: Oo, ganoon din ako nag-set up. Sa pamamahala ng mga device, ito ay nagdala ng walang hanggang pagpapabuti ng efisensiya.

Dax: Kakaibang, hindi pa namin ito isinagawa bilang isang buong tampok, dahil lahat ng aking mga device ay konektado sa pamamagitan ng Tailscale. Kung alam ng Agent ang pangalan at paglalarawan ng bawat device, awtomatikong mag-SSh sa loob para gawin ang trabaho. Halimbawa, kapag nais ng aking remote server na gamitin ang browser, mag-SSh ito sa aking desktop device, gamitin ang browser doon, dahil doon ay naka-login ang lahat ng aking mga account. Walang kailangang espesyal na konfigurasyon—sapat lang na konektado ang mga device.

Wes: Ano naman ang mobile? Nakita namin kahapon na naglabas ang Cursor ng iOS app, at may remote control function din si Claude. Ano ang iyong pananaw tungkol sa mobile AI apps?

Dax: Kailangan nating gumawa ng mobile app. Ang ideyang ito ay nasa ating to-do list nang matagal, ngunit patuloy tayong naghihintay na maging sapat na matatag ang aming core architecture upang suportahan ang lahat ng mga skenaryo na nais nating suportahan. Ngayon ay nasa place na ang core, at malamang ay magsisimula na tayo sa paggawa ng mobile version. Mayroon nang simpleng mobile web UI, at minsan ay ginagamit ko ito, ngunit ang user experience ay talagang mahina. Kailangan namin ng client sa lahat ng platform, at dapat silang sapat na maganda.

Software engineering methodology

Wes: Ang inyong OpenCode terminal app ay mas mahusay kaysa sa anumang iba pang tool na ginamit ko. Nang lumipas ako sa bagong Claude 2 TUI, hindi ito makapag-scroll nang maayos, at sobrang nakakairita. Ano ang inyong software engineering methodology na nagpapahintulot sa inyo na maging ganito ka-focused sa mga detalye at kumpletong kalidad ng inyong produkto?

Dax: Sa totoo lang, kami rin ay nasa proseso ng pagkatuto. Ang aming team, tulad ng inyong lahat, ay nagpapakapagpapahintulot sa iba’t ibang bagay. Ang unang hakbang ay simpleng-simple: desisyunin kung mahalaga ba sa iyo. Maaaring mukhang walang kwenta, ngunit sa katotohanan, mayroon kang libu-libong rasyonal na dahilan para huwag mag-alala. Makikita mo ang libu-libong diskusyon na nagsasabi, “Hindi mahalaga kung paano nagiging Claude Code, mayroon silang milyon-milyong dolyar na kita, bakit kailangan nilang magtrabaho nang masyado?” Kaya may maraming argumento na sinasabi sa iyo na hindi mo kailangan mag-alala at maaari pa ring maging tagumpay. Ngunit ang susi ay, talagang mahalaga ba sa iyo? Ang aming team ay talagang nagmamahal. Minsan naming tinitingnan ang software ng iba at sinasabi, “Oh my gosh, sana namin rin makagawa ng ganoon,” at ang pangangailangang ito ang nagpapagalaw sa amin.

Ang pangalawang bagay ay ang paggamit ng ating token ay naging sobrang kakaibang bilis. Sa nakalipas na ilang buwan, tumataas ng limang beses ang buwanang paggamit ng token ng aming team. Hindi ko ito sinasabi upang ipakita kung gaano kaepektibo ang aming paggamit ng token, kundi upang ipaliwanag na ang modelo ay nagsagawa na ng isang produkto-pamilihan na pagkakasundo sa ating kumpanya, kaya ito ay nakakamit ng ganitong bilis na paglago sa loob ng ilang buwan, at gamit pa ang mga bagong modelo na nasa limitadong pag-access pa rin.

Ang tanong ay, saan natin ginastus ang token? Ang aming estratehiya ay magmaliit na sobra-sobrang disenyo ang lahat. Kahit isang simpleng API para basahin ang isang file, isipin natin: Ano-ano ang lahat ng posibleng paraan ng pagpapatupad? Ano ang mga halimbawa mula sa iba pang mga produkto? Ano-ano ang iba’t ibang paraan upang ayusin ang mga tugon? Noon, maaaring nakapag-isip ka lang ng dalawa o tatlong solusyon, at pumili ka ng pinakamahusay, ngunit ngayon, maaari nating magastos nang sobra-sobra. Ito ay hindi maiimpluwensyahan noon, at ang ganitong paggastus ay talagang nagdudulot ng mas magandang software.

Ilang tatlo, nananatili kaming naniniwala na ang pag-invest sa mga pangunahing primitibo na hindi maaaring matapos ng isang hakbang ng Coding Agent ay may halaga. Ang ating TUI ay maaaring gamitin nang mabuti, malaki dahil sa ating maagang pag-invest sa OpenTUI, isang TUI framework. Ito ay isinulat sa Zig at nangangailangan ng malaking pagpupursigi at detalyadong pagsisikap mula sa mga developer upang siguraduhin na ito ay gumagana nang maayos sa lahat ng iba’t ibang platform, na may napakagaling na performance. Bagaman ang proseso ng pagbuo ay malaki ang nakatulong sa Coding Agent, ito ay patuloy na isang trabaho ng eksperto na hindi kayang gawin ng karaniwang tao. Ito ay nagbibigay-daan sa mga karaniwang tao tulad ko na magbuo ng mga gamit na may maraming function. Kahit may mga malalaking modelo sa wika, kailangan pa rin mo ng matibay na mga primitibo bilang pundasyon, at worth it ang pag-invest dito.

Wes: Nakipag-ugnayan na tayo sa tim ng Pierre Computer dati, at sila rin ang gumagawa ng mga primitive, tulad ng simpleng diff, simpleng sidebar tree structure, kaya ang mga tulad namin ay maaaring direktang “i-patong” ang mga primitive na ito na disenyo ng mga matalino sa aming aplikasyon.

Dax: Mayroon ng milyon-milyon na UI ng Coding Agent na gumagamit ng Pierre, kabilang ang atin.

Wes: Ginawa ng dalawang matalinong tao ang mga bagay na nagtataguyod ng buong industriya.

Model routing

Scott: Madalas nating pag-uusapan sa aming palabas ang model routing, kung saan pinapadala ang mga kahilingan sa pinakamauunlad na modelo. Sa tingin mo, hanggang saan na发展的 ang direksyong ito? Mayroon pa bang espasyo para sa pag-unlad?

Dax: Sa tingin ko, ang sector na ito ay medyo overvalued dahil mayroong maraming intermediate players na nagpapagod para makahanap ng gawain. Kung ikaw ay hindi isang model lab at nais magbigay ng isang halagang produkto (nandito kami sa posisyong ito—bumebenta kami ng inference services bilang intermediate layer), ang tanging bagay na maaari mong gawin ay sabihin sa iyong customer: "Hindi kayang gawin ng model lab na gamitin ang output ng isang model para i-call ang isa pa, dahil hindi makakapagbigay ang Anthropic sa iyo ng OpenAI model, pero kami ay makakapagbigay." Kaya sila ay magpapalakas ng model routing, ngunit sa totoo lang, sa intermediate layer na ito, hindi ko naniniwala na maraming maaari mong gawin.

Ang pinakamainam na skenario ay kapag dumating ang isang kahilingan, ang sistema ay makakakilala kung aling model ang gagamitin. Ngunit matapos magsimula ang isang sesyon, hindi mo na maaaring magpalit ng model sa gitna dahil sa mga gastos. Kung magpapalit ka ng model sa gitna ng sesyon, ang pagdating ng bagong model ay magdudulot ng buong pag-reset ng cache, na sobrang mahal. Kaya naniniwala ako na mahirap gawin ang routing sa antas na ito.

Ang tunay nating interes ay ang ibang direksyon, lalo na ang mga bagong henerasyon ng mga modelo na napakagaling sa orchestrator pattern. Noong una, may mga tao na sinubukan ang pattern na ito, ngunit naniniwala ako na ang mga dating modelo ay hindi pa sapat upang gamitin ng karaniwang tao. Ngunit may isang miyembro ng aming tim na gumawa ng ganitong disenyo gamit ang bagong modelo: ang pangunahing sesyon ay gumagamit ng mahal na modelo, ngunit ang kanyang Prompt ay itinakda na “hindi magagawa ang anumang gawain nang direkta”; ito ay naglalayon lamang na lumikha ng mga sub-agent, habang ang mga sub-agent ay gumagamit ng murang mga modelo. Sa ganitong paraan, nananatili pa rin ang inteligensya ng pangunahing modelo, ngunit ang mga murang modelo ang gagawin ang mga masamang at pagod na gawain tulad ng pagpapalawak at pagbabago ng code. Sa kabuuan, mas mura ito, at napakagaling ng mga bagong modelo sa paggawa ng mga gawain nang paralelo—maaari mong i-run ang maraming sub-agent nang sabay-sabay sa isang sesyon, at kapag natapos nila ang kanilang gawain, babalik sila sa pangunahing modelo. Sa buong proseso, ikaw ay nagtatrabaho lamang sa isang sesyon, at ang karanasan ay napakaganda—ito ang totoong may kahulugan na model routing.

Ang modelong hindi dapat sabihin

Wes: Binanggit mo kanina na marami kayong na-burn na Token at ginamit ninyo ang ilang model na hindi pa ipinapahayag. Ano-ano ang mga ito? Saan ninyo kinuha ang mga ito?

Dax: May malalaking preview plan ang OpenAI at Anthropic, kaya may maagang pag-access para sa ilan, kaya mas maaga naming makikita ang ilang bagay kaysa sa labas. Hindi ko ipapangalan kung aling laboratorio, ngunit ang pinakabagong model ay direktang nagdulot ng pagdoble ng aming pagkakagastusan sa Token.

Wes: Hindi ito dahil mas maraming Token ito ang ginagamit, kundi dahil ito ay nagbago ng paraan ng inyong paggawa, tama ba?

Dax: Ang mga nakakaalam sa amin ay alam na isang napakasingil na koponan kami. Maraming taon kaming maging mapag-iingat sa AI coding, at hindi kami ganoon karaming mga tagapagmahal sa AI—palaging maliwanag sa paggamit at pagpapahayag ng kakayahan nito. Ngunit sasabihin ko, ang aming koponan ay lubos na nakakasawa sa mga bagong henerasyon ng modelo. Sa mga araw na natapos ang preview at nawala ang aming access, lahat ay nagsisisi sa pagkawala nito. May nagsabi, “Ano ba ang kahulugan ng trabaho natin?” at naglikha ng maraming larawan ng AI funeral—napakahirap ng mga araw na iyon.

Hindi ko sinasabi na ang mga bagong model ay naging “mas matalino” nang husto, o na biglaan nilang makapalitan ang mga tao. Ang susi ay ang ilang pagpapabuti sa kanilang pagkakaroon ng kakayahang gamitin, kung saan natagpuan nila ang perpektong balanse—ngayon ay maaari mo nang tiyakin sila. Magiging mabuting tagapakinig sila sa iyo, at makakatanggap sila ng mga bagay na iyong nalilimutan. Hindi sila biglaang naging tao, kundi naging mas mabuting kasama, at mula sa ating data, malinaw ito.

Scott: Ano naman ang mga model ng mga kompanya na hindi nasa top tier? Tulad ng OpenCode Go na ginagamit ninyo? May pag-unlad ba sila?

Dax: Oo. Pagkawala ng aking access sa preview model, kalahati sa amin ay bumalik sa GPT 5.5, habang ang kalahati ay gumagamit ng GLM 5.2. Gumagamit rin ako ng GLM 5.2, at naniniwala akong napakalapit na nito sa GPT 5.5. Pagkatapos gumamit ng mga bagong model, parang magkakapareho na ang lahat ng lumang model, kaya anuman ang gagamitin ko ay okay na. Ngunit ang katotohanan na maaaring palitan ng GLM 5.2 ang GPT 5.5 ay nagpapakita na talagang umuunlad sila, at lumalapit ang kanilang pagkakaiba.

Ang aking personal na pananaw ay ang mga modelong nangunguna ay laging magkakaroon ng ilang kahihintay dahil ang mga unang naglunsad ay may ilang kompositong epekto. Ngunit sa totoo lang, nakikita namin ang malaking paggamit sa Go, at may ilan na gumagamit nito para sa lahat ng kanilang mga gawain. Baka nasa loob tayo ng isang bubble ng mataas na sahod, kung saan mataas ang halaga ng pera at kayang bayaran ang paggamit ng mga modelong nangunguna. Ngunit para sa karamihan sa mundo, iba ang kalagayan. Kahit sa Estados Unidos, nang ipinakilala namin ang aming mura na plano para sa mga open-source model sa Go, akala namin ito ay isang internasyonal na plano para sa lahat ng gumagamit, ngunit patuloy na ang Estados Unidos ang aming pangunahing bansa sa pag-subscribe. Napakalaking grupo ang mga developer at mga taong gustong sumulat ng code, at kahit ang plano na $200 bawat buwan ay hindi kayang abutin ng marami sa kanila.

Wes: Nagtatanong ako kung ano ang iyong pananaw sa hinaharap ng pagtatakda ng presyo—babalik ba tayo sa paggugol ng $1,000 o $2,000 bawat empleyado bawat buwan ng kompanya, o babalewala ba ang presyo habang lumalabas ang mga bagong chip at iba pa?

Dax: Mayroon kaming datos mula sa nakaraang buwan; habang tumataas ang paggamit ng kompanya, isinagawa namin ang pagkalkula sa gastos at isinabing ito sa payroll. Para sa amin, malaki na ang paggamit na ito—halos 15% ng sahod. Ibig sabihin, kung binibigyan mo ng pera ang iyong team, kailangan mo pang magbayad ng karagdagang 15% na “buwis” upang makagamit sila ng mga modelo na ito. Sa totoo lang, hindi ito sobrang masama. Sa mga tech company tulad namin, mataas ang kita per employee, at ang 15% ay maliit lamang sa mas malaking larawan. Pero hindi lahat ng industriya ay ganito.

Ngunit bababa ang mga presyong ito—at maraming bababa. Kung sensitibo ka sa presyo, mas mura ang open-source models. Naniniwala ako na ito ay nagdudulot ng kalituhan, dahil maraming headline na nagsasabing nagkakaroon ng loss ang OpenAI at Anthropic at hindi nila ito kayang gawin, ngunit ang profit margin sa inference ay talagang sobrang mataas, lalo na ngayon na patuloy pa silang tataas ng presyo. Ikinukwento ko na ang profit margin sa inference ay halos 90%, na nangangahulugan na ang breakeven point ay maaaring mas mura ng 10 beses.

Wes: Sinabi sakin ng isang tao na ang markup para sa inference ay 70%, kaya 70% hanggang 90%. Ito ay malinaw na higit pa sa gastos sa pag-train ng model, di ba?

Dax: Oo, mayroon pa rin ang mga gastos sa pag-aaral at pag-unlad. Ngunit bilang isang negosyo, hihiwalay mo ang dalawang bagay na ito, dahil maaari mong isara ang pag-aaral at pag-unlad at patuloy na kumikita.

Wes: Ano naman ang mga tao na naniniwala na kayang i-run ang model sa kanilang lokal? Ano ang iyong pananaw sa mga naniniwala na kayang i-run ang machine sa kanilang sariling bakuran?

Dax: Napakasigurado akong tumatalakay sa paksa na ito, dahil madaling magalit ang mga tao sa komunidad. Kaya una kong ipapahayag: may maraming wastong dahilan kung bakit gustong patakbuhin ng mga tao ang mga model sa kanilang sariling lokasyon. Kung ayaw mo lang na umalis ang iyong data mula sa iyong bahay, lubos na nauunawaan. Ngunit kung ang iyong pangunahing pag-aalala ay ang gastos, hindi talaga makakatulong sa iyo ang mga lokal na model upang mabawasan ang gastos, dahil ang anumang mekanismo na magpapababa ng gastos sa lokal na pag-host ay magpapababa din ng gastos sa cloud hosting ng sampu beses. Kung mas epektibo o mas maliit ang isang model ngunit may mas malakas na kakayahan, tataas lamang ang pagbaba ng bawat token na gastos sa cloud. Kaya naniniwala ako na mas maraming ugnay sa privacy ang mga lokal na model kaysa sa gastos.

Ginagamit namin ang mga intermediary upang mag-host ng GPU, ngunit kahit ganun, mayroon kaming ilang model na maaari naming i-host sa halagang 70% mas mababa kaysa sa list price—napakalow. Ibig sabihin nito, kung ibebenta namin sa list price, makakakuha tayo ng 70% na profit, kahit na gumagamit pa rin tayo ng intermediary. Kung direktang bibili ka ng GPU, maaari mong maabot ang halos 90% na profit margin na aking inaasahan para sa Anthropic, kaya ang gastos ay maaaring napakalow. Sa gayon, ito ay tumutukoy sa open-source models. Kailangan pa rin nating mag-asa na patuloy na magiging mas mabuti ang mga open-source models, ngunit kasalukuyang nagmumula ang trend sa direksyong ito.

Bawal ni Claude Code ang OpenCode?

Scott: Sige, tayong mag-usap tungkol sa Claude Code. Parang hindi malinaw ang kanilang posisyon—kaya ba ng mga provider tulad ng OpenCode ang paggamit ng Claude Code Max plan? Ano ang kasalukuyang sitwasyon?

Dax: Tungkol sa integrasyon na ito, ang plugin sa OpenCode na nag-uudyok sa iyo na gamitin ang Max plan ay hindi pinapayagan nang ganap. Maraming panahon kaming nag-away tungkol dito at hindi namin ito natagumpayan. Bagaman may mga paraan para sa mga tao na bypassin ang mga limitasyon gamit ang hacking, hindi namin ito opisyal na suportahan.

Tungkol sa SDK, ang paraan ng paggamit ng headless mode para i-call ang Claude, kasalukuyang nasa gray area; kasalukuyang sinasabi nila na ito ay pinapayagan. Kaya ang mga produkto tulad ng Conductor at T3 Code ay maaaring i-package ito. Ngunit hindi namin gagawin ito, dahil ito ay lumalabag sa pangunahing layunin ng OpenCode. Kaya ang mga tool para sa orchestration o alternatibong UI, sa tingin ko ay maaari pa ring gamitin ngayon, ngunit gayundin, ang sitwasyon ay patuloy na hindi malinaw.

Sa huling sabi, ito ay isyu ng kultura ng kumpanya—ikaw ay isang napakalaking kumpanya para sa mga consumer, o isang kumpanya para sa mga negosyo. Ang OpenAI ay napakalaking kumpanya para sa mga consumer, ibig sabihin, sila ay magpapalabas ng anumang dami ng pera, magpapakita ng anumang dami ng pondo, upang ipaabot ang karanasan sa mas maraming tao. Ito ang dahilan kung bakit ang subscription ng OpenAI ay opisyal na suportado sa OpenCode, at naniniwala akong ang Anthropic ay hindi may ganitong kultura.

Kung ikaw ay isang kumpanya na nakatuon sa mga negosyo, iba ang sitwasyon—bawat paggamit ng reasoning para sa mga konsyumer ay may nagbebenta na sasabihin, “Mayroon akong enterprise client na handang magbayad ng tunay na presyo.” Kung limitado ang iyong computing power, mahirap ipaliwanag sa loob ng kumpanya kung bakit dapat gamitin ng mga user ng OpenCode. Bagaman dapat ngayon ay mas marami na ang kanilang computing power kaysa dati.

Scott: Ito ba ang dahilan kung bakit ayaw nilang pahintulutan kang gamitin? Marami ang nagsasabi: “Ano ba ang kalabasan nito? Bayad ko naman ang subscription, bakit hindi ko maaaring gamitin saan man?” At mayroon ding nagmumula na nais nilang kumuha ng data para sa pagtatrabaho, nais nilang magkaroon ng kontrol. Ngunit ang totoo ay simpleng simpleng bagay lamang: limitado lang ang kanilang computing power?

Dax: Sa katotohanan, bawat kumpanya ay isang funnel; inilalagay mo ang mga bagay sa itaas ng funnel upang tarantuhin ang mga user, at sa ideal na sitwasyon, sila ay magkakaroon ng conversion patungo sa ibaba.

Nilikha nila ang Claude Code bilang pinakamataas na bahagi ng funnel, isang produkto na malalim na nakatuon sa konsyumer. Gamit mo ito, magsisimula ang iyong kumpanya na gamitin ito, at pagkatapos ay magsisimula itong magbayad ayon sa Token. Ngunit kung ang mga user ay gagamit ng OpenCode, maaaring mabigong ang proseso ng pagpapalit, dahil sa OpenCode, maaari mong palitan nang libre ang iba pang mga model. Kung ayaw mo ang Claude, maaari mong palitan agad sa pinakabagong sikat na model.

Ang pangalawang dahilan ay ang kompetitibong pangangailangan sa computing power; anumang ipinapaloob mo sa itaas ng funnel ay dapat makapagpatunay na babalik ito sa ibaba ng funnel. Kung ikaw ay isang kumpanyang nakatuon sa konsyumer, mas maaaring maging flexible ka dito.

Wes: Nag-isip ka ba kung may mangyari bang modelo sa hinaharap na walang API, at kailangan mong gamitin ito sa kanilang App lamang? Tulad ng ElevenLabs, may magandang App sila, ngunit kailangan mong mag-subscribe sa monthly plan; hindi ka makakapagbayad ayon sa paggamit. Sa tingin mo ba ay mangyayari ito?

Dax: Oo, ito ay muli ay nagpapakita ng loob na istruktura ng kumpanya. Ang product team ay magiging malakas na suporta sa ganitong pagkilos, sila ay maaaring sabihin: “Maaari naming lumikha ng isang napakaspesyal na modelo, gumawa ng isang espesyal na produkto dito, at i-bundle ang dalawa, kung gusto mo gamitin ang modelo, kailangan mong gamitin ang aming produkto.” Ito ay isang napakagandang pagkakabukod para sa mga team na produkto-orientado.

Ngunit may mga target ng kita ang sales organization, at sasabihin nila: “Ang aming target ng kita ay 100 bilyon. Ang pinakamabuting kaso ng iyong exclusive API o exclusive product model ay maaaring makamit lamang ang 50 bilyon; sino ang sasagot sa 50 bilyong kulang?” Tutuligsa ng sales team: “Hindi, kailangan ilagay ang model sa API, upang mas mabuti naming matupad ang target.” Habang mayroon pa itong internal na paglalaban, mahirap para sa organisasyon na patunayan na ang pagpapabaya sa bahagi ng kita para sa panghihinayang ng market share ay makatwiran.

Dahil sa pagdami ng mga laboratorio na pumapasok sa antas ng produkto, sila ay may katumbas na “hindi patas na pindutan,” at hindi ako nakakagulat na may isang pagkakataon silang pindutin ito. At gagamit sila ng kakaibang paraan upang ipaliwanag ito, tulad ng “Ang modelo na ito ay masyadong mapanganib, at tanging sa aming framework lamang ito ay ligtas na gamitin, at hindi namin ito papahintulutan na gamitin sa ibang framework.” Ito ay hindi totoong dahilan, ngunit malamang ito ang kanilang sabihin.

Wes: Tungkol sa seguridad ng Fable, ay lahat ng mga bagong modelong ito hindi ligtas? Sinasabi ng gobyerno na hindi sila ligtas, totoo ba ito o baka lang hype lang?

Dax: Naniniwala ako na maraming bagay ay totoo, at maaaring magkakasalungat sila; may potensyal ang mga modelo na magdulot ng malaking pinsala. Ito ay makatwiran kung ang gobyerno ay nagsasabi na kailangan natin ng ilang uri ng pagsusuri bago ang paglalabas. Kung nasa isang malaking kumpanya tulad ng Meta ka, kapag ipinapakilala nila ang isang produkto, tulad ng isang tampok na nagpapahintulot sa pag-upload ng larawan ng profile, kailangan nilang patunayan sa gobyerno na may filter sila para sa child pornography sa tampok na iyon. Sa ganitong sukat, kahit ang pinakamaliit na loob-aplikasyon na tampok ay makakaranas ng kakaibang antas ng regulasyon.

Ngunit ang problema ay kung ang proseso ay napakabobo o korup, ang resulta ay hindi ang komprehensibong pagpapahintulot sa modelo at ang pagpapalawak ng pag-access para sa lahat, kundi ang pagkakaroon ng di-makapantay na pag-access dahil sa pamahalaang proseso—ito ay isang masamang sitwasyon, at umaasa akong hindi ito mangyayari. Mas gusto kong makita ang isang mas boring na resulta: kung sa bawat paglalabas ng bagong modelo, kailangan lang nilang sundin ang isang proseso na kumukuha ng isang buwan.

Sa kabilang panig, hindi ito isang ganap na makatwirang isyu. Naniniwala ako na hindi dapat magsimula ang mga laboratorio na mag-claim nang walang hanggan na mayroon silang “nukleyar na sandata,” dahil ito ay magdudulot ng interes sa pulitika. Parang ikaw ay lalaro ng isang bomba na maaaring magwakas sa isang mababaw na sitwasyon o maging talagang masama, tulad ng maling regulasyon, sobrang agresibo, at nakakasama sa buong ekonomiya. Kaya naman, gustong-gusto kong maging mas maingat ang mga laboratorio sa kanilang public perception, dahil hindi mo pwedeng sabihin saan-saan na may nuclear bomb ka at inaasahan mong walang mangyayari.

Ang AI interaction ay patungo sa pagiging hand-free

Scott: Tignan natin ang MCP, Skill, at mga tool na ginagamit sa AI programming. Ano ang totoong dapat bigyan ng pansin at gamitin? Ano ang ginagamit ninyo?

Dax: Ang aming personal na configuration ay napakabase lamang. Ang tunay na interesante ay ang aming Discord bot sa loob ng team, na may higit pang MCP at kasanayan kaysa sa aming personal na setup. Mayroon kaming isang bagay na tawag sa “Gang Growth,” na isinulong ni Kit Lang. Anumang pagkakataon na naka-stuck kami sa pagdidisenyo—kahit sa negosyo, API design, o implementation—ginagamit namin ang Discord bot para mag-voice input ng Prompt, tapos @OpenCode, at ito ay nagsisilbing isang collaborative tool.

Nagkakonekta ang robot na ito sa lahat ng data lake ng kumpanya, kaya pwede kong tanungin, “Gaano karaming pera ang ginastos ng lahat ng Go subscription users na may active na overage billing sa nakaraang linggo?” at maaari niyang kalkulahin. Ang pagbabago sa ating team ay: praktikal na walang dahilan upang @tawagan ang ibang tao. May tanong ka? Unahing @OpenCode. Kung makakakita ang iba, sasali sila at tutulungan. Pero madalas naman, kayang gawin ng OpenCode nang mag-isa.

Scott: Kung kailangan ng robot na ibalik sa iyo ang impormasyon, ano ang iyong pananaw kung paano ipapakita ng mga coding agent ang impormasyon sa hinaharap—ngayon, marami ang nag-uusap tungkol sa MCP UI o direkta na paggawa ng HTML files?

Dax: Siguradong idaragdag namin ang isang uri ng artifact function sa OpenCode upang makagawa ito ng dokumentasyon at ipadala sa iyo. Ginagamit nito ang HTML kasama ang SVG para sa visualisasyon, sobrang kakaibang. Hindi ito nangangailangan ng anumang espesyal na bagay, kundi pagsasamantala sa kakayahan ng Agent. Tungkol sa MCP UI, hindi pa ako malalim na nag-aral, ngunit naniniwala akong susuportahan namin ito sa desktop app, lalo na kapag magsisimula tayong tumingin sa mga hindi teknikal na gumagamit, dahil naniniwala akong ang mga tanong na itatanong nila at ang mga gawain na kailangan nilang gawin ay maaaring makatanggap ng ilang dinamikong UI o mas mayaman na bagay.

Nanliligaw ang aming team sa paggamit ng voice prompting, kahit sa pagpapadala ng mensahe sa Discord, gumagamit kami ng boses dahil ayaw namin mag-type. Kapag may pagkakataon na maaari mong sabihin nang direkta kung ano ang kailangan mo, maraming UI, lalo na ang interactive UI, mas pipiliin kong i-describe nang paborito kung ano ang kailangan kong gawin. Kung kailangan kong i-type lahat, siguradong masama. Pero maaari kong gamitin ang boses—ang voice ay sobrang mabilis na at tumatakbo sa lokal.

Scott: Bumili ako ng isang pedal dahil sobrang dami ng mga voice command. May isang pedal para sa "input", isa pa para sa "trigger dictation," at isa pa para mag-switch ng tab. Nakaupo lang ako at gumagamit nito, at masaya ako.

Dax: Marami ang nagtatagala, at lubos kong nauunawaan, dahil ako mismo ay nagsimula pagkatapos makita si Kit na gumagawa nito. Kapag nakikita mo ang iba na gumagawa nito, may nagkakaroon ng pagbabago sa isip mo. Kung hindi ka pa nagawa nito, isipin mo na ito ay nakakahiya. Pero ito ay talagang pinakakalikasan, maaari kang magmali-mali, maaari kang magkamali, maaari kang magkamali sa pagsasalita—lahat ay okay, dahil ang LLM ay mahusay sa pag-unawa sa totoong ibinibigay mong mensahe.

Wes: Gumagamit ka ba ng Hex app ni Kit?

Dax: Gumagamit ako ng Handy sa main machine at Hex sa Mac. Ang model ay maganda, at iyon ang mahalaga.

Wes: Ang aking paraan ng pag-trigger ay simpleng pindotin ang maliit na buton sa mouse. May mga tao pa ring gumagawa ng isang singsing na maaaring i-tap, at bibigyan ako ng isa, at sasubukan ko ito.

Dax: Sa kasalukuyan, ang aking mga daliri ay karamihan sa oras sa keyboard, kaya nag-set ako ng shortcut key.

Wes: Mayroon pa bang iba pang bagay na hindi natin nausap ngunit gusto mong sabihin? Halimbawa, ang iyong sariling pananaw?

Dax: Napakasaya ko sa darating na henerasyon ng mga modelo. Karaniwan, kapag may bagong modelo, parang lahat ay magkakatulad, kaya kahit nagpapost ako para mag-complain tungkol dito. Pero ito ang unang beses na naramdaman ko na maaaring gamitin ng maraming tao ang mga modelo na ito. Teknikal na nai-release na sila, ngunit hindi pa pinapayagan ng gobyerno ang karaniwang gumagamit.

Wes: Mayroon ngayong iba’t ibang benchmark at score, samantalang marami ay nagsasabi na “mas maganda ang pakiramdam.” Sa tingin mo, makakamit natin ba ang isang tunay na may kahulugan na benchmark?

Dax: Nangunguna ako, hindi ko na talaga binabasa ang mga benchmark ngayon, kahit hindi ko sigurado kung talagang binasa ko ito dati. Sa tingin ko, ang mga score na ito ay naging background noise na. Alam nating lahat na tumataas ang numero, at mas mataas ito kaysa sa kanilang kalaban, pero kapag naglabas ang kanilang kalaban, mas mataas pa ang kanilang score—anong kabuluhan nito?

Kaya ngayon, nagmumula na lang ako sa kwalitatibong feedback. Mahilig akong makita kung ano ang kayang gawin ng mga tao gamit ang model, at ano ang kanilang binuo. Hindi mo kayang makakuha ng ganitong feedback sa iskala ng milyon-milyong puntos ng data, ngunit ang mga produktong ito ay likas na ambiguo, at sa huli, nagsisimula ito sa: Masaya ang user? Naiinis ang user? Kaya mahilig akong makita ang paggamit ng token ng aming team. Kung tumataas ang curve, ibig sabihin ay may nagtatrabaho, ibig sabihin ay minamahal nila ang isang bagay. Mayroon kaming mga tagahanga ng Claude, GPT, at mga open-source model sa aming team, kaya mayroon kaming mabuting coverage sa lahat ng direksyon.

Scott: Mayroon ka bang anumang espesyal na bagay na ikaw ay nag-enjoy recently at gustong ibahagi?

Dax: Oo, iyon ang exe.dev na binanggit ko kanina. Kung gusto mong subukan ang konsepto ng “cloud machine,” isang napakatalino at napakagaling na produkto ito. Parang Tailscale ang pakiramdam nito—yung uri ng bagay na “nagtatrabaho pala ito,” at may parehong vibe ang exe.dev. Lubos kong pinapahalagahan ang mga produkto na malinaw ang kanilang target, at ito ay tumama sa isang kakaibang walang-laman na lugar. Maaari mong irento ang server mula sa AWS o iba pang lugar, ngunit mahirap makakuha ng isang server na may mabilis na persistent disk at magandang presyo. Ang gahaman na ito ay dating pinopopulahan lamang ng mga shady na VPS provider na lumalabas at nawawala.

Noong una kong itayo ang aking development machine ilang taon na ang nakalipas, nais kong hanapin ang pinakamura, at natagpuan ko ang isang VPS provider sa Miami. Ang lalaki na yun ay nag-fake ng kanyang kamatayan, at pagkatapos ay nawala ang kanyang machine. Binigay niya sa lahat ng email na “Pupunta ako sa isang medikal na operasyon, mawawala ako sa loob ng tatlong araw,” at sa katapusan ng tatlong araw, talagang nagsara ang server. Isip ko, “Oh my god, nangyari ba ang isang insidente?” Isang buwan na ang lumipas, walang makakonekta sa kanya. Sa wakas, natagpuan ko ang isang post sa forum kung saan tinatayang naging may-ari na rin siya ng isang VPS service na nawala sa parehong paraan. Ang merkado para sa mga murang, mataas na performance na server ay sobrang hindi mapagkakatiwalaan. Hanggang ngayon, hindi ko pa rin naiintindihan, ano ba talaga ang scam na ito? Binayaran ko naman siya para sa serbisyo, bakit siya nawala?

Wes: Ano ang iyong ipinapayo sa mga manonood?

Dax: Kung tungkol sa sarili mong proyekto, inirerekomenda ko ang OpenTUI. Ito ay isang mahusay na paraan kung ikaw ay nagbuo ng TUI. Maaari mong gamitin ang React, SolidJS, o kahit pa ang Vue bindings upang buuin ang mga high-performance na TUI. Ginawa ang OpenCode gamit ito, at kasalukuyan nating hinaharap ang bersyon 1.0. Karamihan sa mga terminal product at app ay nakakaranas ng isang pagbabalik ng interes.

Scott: Sino pa ang gumagamit nito? Ang bagong Grok build o kaya ay bagay mula sa xAI rin?

Dax: Ang CLI ng Grok ay napakagaling, malinaw ang pagpapatupad at mahusay ang performance, ngunit isinulat ito sa Rust, at posibleng ginamit nila ang library na Ratatouille. Ngunit ang bagong Hermes proxy TUI ay binuo gamit ang OpenTUI. Patuloy na lumalago ang komunidad, at ngayon, kung makakakita ako ng TUI sa timeline ko, malamang ito ay OpenTUI, lalo na dahil maaari mong isulat ito gamit ang vibe coding, dahil sa kanyang本质上 ay React.