OpenCode 2.0 dilancarkan, dengan lebih daripada 160,000 bintang di GitHub dan digunakan oleh 7.5 juta pembangun setiap bulan. Penulisan semula teras termasuk: beralih dari Bun ke Node untuk menyelesaikan masalah memori, beralih dari Tauri ke Electron untuk versi desktop, serta mewujudkan sesi AI selari berbilang tab. Pendiri Dax mengungkapkan margin keuntungan inferens AI sekitar 90%, dengan penggunaan token pasukan meningkat lima kali ganda kerana model baharu telah mencapai keseimbangan sempurna dalam ketersediaan, membolehkan kepercayaan dan kolaborasi yang sebenar. Pasukan menggunakan konfigurasi persekitaran pembangunan jauh dengan pelayan bare-metal, mengamalkan metodologi “reka bentuk berlebihan yang mewah”, dengan mengalokasikan banyak token untuk menyelidik setiap keputusan. Pemilihan model telah dilebih-lebihkan; yang benar-benar berkesan ialah corak pengaturan: model utama bertindak sebagai “pemimpin” yang menghantar tugas kepada agen anak yang lebih murah.

Penulis artikel, sumber: GeekBang Technology InfoQ

Pada tahun 2026, OpenCode telah menjadi projek sumber terbuka yang fenomenal: lebih dari 160,000 bintang di GitHub, dengan lebih dari 7.5 juta pembangun menggunakan ia setiap bulan.

Pada bulan ini, mereka melancarkan 2.0.

Mengapa perlu ditulis semula? Dax pernah berkata: "Sepanjang kerjaya saya, setiap perkara perlu diiterasi tiga kali sebelum dilakukan dengan betul." OpenCode 0 adalah prototaip, 1.x adalah pengesahan, dan 2.0 adalah reka semula penuh dari awal selepas mereka memahami bidang ini sepenuhnya.

Salah satu pekerjaan utama dalam penulisan semula ini ialah membina semula keseluruhan API, mencipta satu yang direka dengan teliti, bukan seperti yang sebelum ini tumbuh secara semula jadi.

Dan satu perbezaan besar antara OpenCode dan Claude Code ialah peralihan dari Bun ke Node untuk menyelesaikan masalah penggunaan memori. Versi awal aplikasi masih membungkus antaramuka baris arahan (CLI), kerana kod pelayan masih bergantung pada API khas Bun. Dengan peralihan ini, mereka menghapuskan semua API ini dan berjaya menjalankan pelayan dalam persekitaran Node.

Pengguna: OpenCode benar-benar memakan banyak memori. Saya benar-benar tidak faham mengapa perisian moden kini menjadi begitu, mengapa apa-apa sahaja perlu menggunakan lebih daripada 2GB memori?

Dax: Boleh cuba OpenCode 2? Prestasinya sepatutnya jauh lebih baik.

Antar muka desktop juga merupakan fokus utama dalam penulisan semula ini. Versi 1.x awalnya memilih Tauri sebagai pembungkusan ringan untuk UI Web dan CLI; setiap kali dimulakan, CLI yang dibundel akan menjalankan opencode serve untuk menyediakan pelayan tempatan bagi UI Web. Namun, masalahnya ialah Tauri menggunakan WebKit di macOS dan Linux, yang tidak hanya memberikan prestasi lebih rendah berbanding Chromium semasa merender aplikasi OpenCode, tetapi juga mempengaruhi pengalaman yang konsisten.

Setelah berpindah ke Node, idea untuk menjalankan kod server secara langsung dalam proses Node yang dibina dalam Electron menjadi sangat menarik.

Perubahan langsung yang dibawa oleh penulisan semula ini ialah, versi desktop OpenCode akhirnya menyelesaikan bottleneck kecekapan terbesar dalam pengaturcaraan AI: menunggu giliran. Kebanyakan pengguna masih terbiasa menunggu satu tugas AI selesai sepenuhnya sebelum memulakan tugas seterusnya. Kini, tiada lagi keperluan untuk itu. Pengguna boleh membuka sesi AI yang berasingan dalam beberapa tab, menjalankan dua tugas pengaturcaraan berbeza secara serentak, serta menetapkan model yang berbeza untuk setiap tab untuk perbandingan sejajar. Sebagai contoh, satu model boleh membina laman web HTML sambil model lain secara serentak menghasilkan senarai pengenalan ahli, dengan kedua-dua model beroperasi secara selari tanpa gangguan antara satu sama lain.

Dalam beberapa bulan terakhir semasa menulis semula OpenCode, penggunaan token oleh pasukan Dax Raad, salah seorang penubuh bersama OpenCode, meningkat lima kali ganda.

Di mana kami menghabiskan token kami? Strategi kami adalah merancang semuanya secara berlebihan dan mewah. Walaupun hanya untuk mengimplementasikan API membaca fail yang mudah, kami memikirkan: Apa sahaja kemungkinan cara implementasi? Apa contoh yang telah ada dalam produk lain? Apa cara berbeza yang boleh digunakan untuk mengatur respons? Dahulu, anda mungkin hanya mampu memikirkan satu atau dua cara, lalu memilih yang terbaik, tetapi sekarang kami boleh berinvestasi secara sangat mewah.

Versi ujian OpenCode 2.0 telah dilancarkan bulan ini, dan pasukan merancang untuk melancarkan versi rasmi sekitar sebulan selepas pelancaran versi ujian. Baru-baru ini, Dax Raad dalam podcast Syntax.fm membincangkan secara mendalam logik penulisan semula OpenCode 2.0, mengapa beliau percaya margin keuntungan inferens mencapai 90%, bagaimana penerusan model dilebih-lebihkan, serta bagaimana Anthropic dan OpenAI sedang bergerak ke arah dua jalan yang sangat berbeza. Artikel ini disusun berdasarkan video podcast tersebut, dan diedit oleh InfoQ.

Versi ringkas:

T: Seberapa hebatkah "model yang tidak boleh disebutkan itu"? Adakah pasukan anda benar-benar ketagihan?

A: Penggunaan token pasukan meningkat lima kali ganda dalam dua bulan, bukan kerana ia lebih memakan token, tetapi kerana semua orang tidak dapat berhenti. Akhirnya, anda boleh percaya padanya; ia akan mendengar apa yang anda katakan dan mampu menangkap perkara yang anda lepaskan. Ia bukan pengganti anda, tetapi rakan yang lebih baik.

T: Mengapa OpenCode 2.0 perlu ditulis semula? Apakah perbezaan asasnya dengan 1.0?

A: Saya selalu perlu melakukan setiap perkara tiga kali untuk mendapatkannya betul—0 untuk uji coba, 1 untuk pengesahan, dan 2 untuk membina semula selepas memahami seluruh bidang secara menyeluruh. OpenCode 2.0 mempunyai tiga perubahan utama: API dibina semula sepenuhnya, berjalan secara perkhidmatan secara latar belakang secara lalai, dan rangkaian agen silang peranti.

T: Mengapa perisian anda lebih mudah digunakan berbanding yang lain? Apakah metodologi anda?

A: "Keputusan itu penting," membakar token secara nyata, menginvestasikan ke dalam primitif dasar.

T: Adakah pemilihan model boleh dipercayai?

A: Lintasan routing model terlalu dilebih-lebihkan; perantara sedang berusaha keras mencari pekerjaan. Kaedah yang benar-benar berkesan bukanlah membiarkan sistem routing mengganti model untuk anda, tetapi membiarkan model utama yang mahal bertindak sebagai “pengarah”: ia tidak melakukan kerja secara langsung, tetapi hanya menghantar tugas kepada agen anak yang lebih murah. Model generasi baru menunjukkan prestasi yang sangat baik dalam “mod pengaturan” ini, mampu menguruskan beberapa agen anak secara selari dalam satu sesi, dan membangunkan semula model utama selepas selesai.

T: Seberapa menguntungkan penalaran AI? Adakah menjalankan model secara tempatan boleh menjimatkan kos?

A: Margins keuntungan inferensia Anthropic dan OpenAI berada di sekitar 90%, yang bermaksud titik impas boleh lebih murah 10 kali ganda daripada sekarang. Sebagai penyedia perkhidmatan inferensia, OpenCode masih mampu mencapai margin keuntungan 70% untuk beberapa model sumber terbuka walaupun melalui perantara. Namun, menjalankan model secara tempatan tidak mengurangkan kos; sebarang peningkatan kecekapan yang membuatkan model tempatan lebih murah akan menjadi 10 kali lebih murah di awan. Makna model tempatan terletak pada privasi, bukan kos.

Q: Mengapa langganan Claude Code Max tidak boleh digunakan di OpenCode?

A: Budaya perusahaan Anthropic dan OpenAI sangat berbeza. OpenAI berorientasikan pengguna konsumer, bersedia menghabiskan berapa pun dana untuk memperluaskan pengalaman kepada lebih ramai orang. Anthropic berorientasikan perniagaan, di mana setiap unit kekuatan GPU mempunyai jualan yang menunggu untuk dijual kepada pelanggan korporat. Pada dasarnya, ia adalah logik “funnel”: Anthropic ingin pengguna masuk melalui Claude Code dan akhirnya beralih kepada penyelesaian korporat yang dibayar berdasarkan token; jika di tengah jalan pengguna beralih ke OpenCode, mereka mungkin akan berpindah ke model lain.

T: Adakah petunjuk input suara itu serius?

A: Seluruh pasukan OpenCode sudah tidak lagi menaip menggunakan papan kekunci, bahkan menghantar mesej antara satu sama lain di Discord pun menggunakan suara. LLM secara semula jadi unggul dalam memahami pernyataan yang kacau, dan kualiti output akhir malah menjadi lebih tinggi.

Q: Akankah kami akhirnya mempunyai ujian piawai yang benar-benar bermakna?

A: Saya sudah tidak lagi memperhatikan ujian prestasi sama sekali; peningkatan skor tidak memberi kesan apa-apa terhadap pembangunan sebenar. Saya lebih memperhatikan trend penggunaan token pasukan; jika penggunaan meningkat, baru boleh disimpulkan model tersebut benar-benar berguna.

Konfigurasi persekitaran pembangunan jarak jauh

Wes: Anda menaip tweet: “Kami mula menyewa pelayan bare-metal besar, kemudian memotongnya menjadi mesin maya untuk setiap ahli pasukan. Ini adalah konfigurasi yang telah saya gunakan selama bertahun-tahun, terutama untuk menjalankan pelayan OpenCode.” Apa yang anda lakukan? Memberikan kuasa pengkomputeran jarak jauh kepada setiap orang?

Dax: Sekitar dua tahun yang lalu, saya mula menyewa satu pelayan yang sangat kuat, bukan pelayan awan, tetapi bare metal, dengan prestasi yang sangat baik. Saya tidak lagi bekerja menggunakan komputer utama tempatan, tetapi terus menyambung melalui SSH. Saya menjalankan beberapa sesi Tmux yang kekal, dan semua kerja saya dilakukan di sana. Kelebihannya jelas: prestasi yang baik, apabila peranti baharu keluar, anda boleh mengemas kini terus tanpa perlu mengurus peranti lama. Selain itu, beralih antara banyak peranti sangat mudah—tutup laptop, beralih ke komputer desktop, dan teruskan kerja dari tempat yang sama. Saya sentiasa menyukai penyelesaian ini.

Dengan munculnya Encoding Agent, saya rasa ia berubah dari aktiviti minor menjadi keperluan asas. Kebanyakan orang masih lebih suka menggunakan komputer tempatan, dan itu tidak apa-apa. Bagi Encoding Agent, kelebihan memiliki mesin jauh yang sentiasa berjalan sangat besar. Saya pengguna Vim, dan bekerja jauh adalah sepenuhnya boleh dilakukan. Bagi ramai orang, ini tidak realistik, tetapi dengan Encoding Agent, anda mungkin tidak terlalu peduli dengan editor anda—anda hanya ingin menghantar Prompt dan berbual dengannya, jadi penyelesaian mesin jauh ini menjadi lebih boleh dilaksanakan untuk lebih ramai orang.

Semasa pasukan bertambah besar, lebih ramai orang yang melihat konfigurasi saya berkata, "Saya juga ingin satu." Ini sangat munasabah, kerana syarikat besar sebenarnya sudah lama melaksanakan persekitaran pembangunan jarak jauh kerana sebab-sebab praktikal—cara aplikasi anda dibina, bergantung, dan persekitaran anda menjadi sangat disesuaikan. Memberikan mesin yang telah disediakan sebelumnya kepada setiap orang untuk digunakan secara langsung adalah logik semula jadi; kami hanya melakukan perkara yang sama untuk pasukan kami. Tetapi yang penting: jika anda menggunakan pelayan awan biasa, cakera biasanya perlahan dan CPU juga sudah usang. Anda tidak akan dapat mencapai prestasi yang bersaing dengan MacBook tempatan. Anda memerlukan cakera NVMe berkelajuan tinggi dan CPU yang sesuai.

Wes: Jadi, apa spesifikasi pelayan ini? Berapa harganya?

Dax: Saya menggunakan komputer sendiri yang sudah berusia beberapa tahun, kini sudah ketinggalan satu generasi—AMD 9900X, 192GB memori, sekitar $200 sebulan. Performanya berlebihan untuk kebutuhan saya, tetapi saya dapat menjalankan beberapa mesin virtual di atasnya. Anggota tim kami tersebar di seluruh dunia, sehingga latensi menjadi masalah; oleh sebab itu, kami memiliki server Eropah, server Amerika, dan server Singapura, yang lebih profesional dengan pengurusan dan kawalan yang lebih baik. Setiap server sekitar $300 hingga $400 sebulan, dengan jumlah core lebih banyak daripada komputer peribadi saya. Bagi syarikat serius, ini bukanlah jumlah yang besar—memberi seorang pekerja satu laptop pun harganya lebih dari itu.

Scott: Apakah pelayan logam telanjang ini dihosting oleh syarikat mana?

Dax: Saya sendiri hanya memantau harga, mencari model CPU, dan memilih pemasok terdekat dengan bandar saya, mana-mana pemasok yang tidak pernah saya dengar pun biasanya tidak masalah. Untuk mesin pasukan, kami sekarang menggunakan latitude.sh; sebenarnya ada syarikat yang telah menghasilkan seluruh penyelesaian ini sebagai produk, iaitu exe.dev, mungkin anda pernah mendengarnya. Syarikat ini didirikan oleh pendiri asal Tailscale, dan produknya menggabungkan semua perkara menjadi persekitaran pembangunan jauh yang sedia guna. Kami kemungkinan besar akan beralih ke sana, tetapi saya hanya ingin mencuba pemasangan asal terlebih dahulu.

Wes: Anda menjalankan model di atas, atau hanya melakukan pembangunan biasa?

Dax: Tidak, tidak menjalankan inferensi.

Wes: Bagaimana anda mengkonfigurasi Tmux anda? Adakah ciri-ciri khasnya?

Dax: Saya mempunyai satu sesi Tmux untuk setiap projek. OpenCode mempunyai sesinya sendiri dengan beberapa tetingkap yang berkaitan. Setiap projek mempunyai sesi berbeza, membolehkan penukaran pantas. Bagi saya, ia hanya leader-S, beralih ke projek lain dan terus masuk ke sesi Tmux tersebut. Saya mempunyai sekumpulan sesi Tmux standard yang sentiasa berjalan, dengan urutan tetap, setiap panel dan tetingkap sentiasa menjalankan aplikasi yang sama, sehingga terbentuk ingatan otot. Selain itu, satu server OpenCode berjalan di seluruh mesin saya, dan saya boleh mengaksesnya melalui UI Web di telefon bimbit saya. Bahagian ini masih awal, kami perlu memperbaikinya, tetapi ini adalah arah yang ingin kami ambil.

Scott: Sesi Tmux yang berjalan panjang memang memiliki keindahan yang sukar diungkapkan: semuanya berada di tempat yang sepatutnya. Saya sebelum ini tidak memahami Tmux selama masa yang lama, sehingga apabila saya memindahkan semua perkara ke komputer lain, barulah saya menyedari kehebatannya.

Dax: Dan sekarang, kami juga memiliki sesi agen kod yang berjalan jangka panjang. Saya mempunyai sesi Tmux peribadi yang menjalankan beberapa sesi OpenCode, contohnya satu sesi khusus untuk merekodkan catatan kecergasan saya, yang dibekalkan dengan pangkalan data SQLite. Saya boleh terus memberitahunya: "Hari ini semasa saya melakukan bench press, saya rasa trisep saya lebih aktif," dan ia akan merekodkan catatan itu secara automatik. Apabila saya melakukan bench press sekali lagi, ia akan mengingatkan saya: "Ingat semasa anda terhenti di sini sebelum ini? Maukah anda cuba menyesuaikan postur anda?" Hal-hal kecil yang kelihatan bodoh seperti ini dilakukannya dengan sangat baik.

Saya baru-baru ini juga menetapkan sesi yang disegerakan dengan iMessage saya, jadi saya mempunyai kontak iMessage OpenCode yang boleh saya hubungi di mana sahaja. Saya masukkan ia ke dalam kumpulan chat bersama isteri saya, dan pada masa itu saya berfikir, “Perlu buat sesuatu yang romantis,” jadi saya berkata kepada OpenCode: “Cari Liz, belikan dia hadiah.” OpenCode menghantar mesej kepada Liz, dan tahukah anda bagaimana dia balas? Dia terus berkata: “Jika Dax guna AI untuk belikan saya hadiah, saya benar-benar akan bercerai dengannya.” Dia sangat benci perkara ini.

Saya masih tidak ingin menyerah dan terus memberi arahan kepada AI: "Dia hanya bercanda, teruskan." Tetapi Liz semakin marah. Lebih teruk lagi, pada masa itu saya menggunakan model awan, yang sangat "sensitif"—ia malah menjawab saya: "Isteri anda kelihatan sangat marah, saya tidak boleh meneruskan pelaksanaan." Kemudian ia menutup perkhidmatannya sendiri, bunuh diri.

Wes: Saya benar-benar menyukai pengaturan ini, walaupun saya sendiri lebih banyak menggunakan perkakas tempatan, idea untuk meletakkan semuanya di awan dan hanya menggunakan klien nipis sangat menarik, saya menunggu hari di mana pengeditan video yang mesti berjalan secara tempatan juga boleh dipindahkan ke awan.

Dax: Saya tidak tahu sama ada anda semua telah membaca artikel tentang permainan awan, topik ini sentiasa membuat orang marah. Saya bukan berkata setiap orang mesti melakukan ini; jika anda suka memiliki peranti tempatan dan suka mengawal segalanya, itu sepenuhnya boleh diterima—saya sendiri mempunyai banyak mesin fizikal. Tetapi bagi sesetengah orang, membiarkan orang lain menguruskan segalanya benar-benar memudahkan hidup. Bagi saya, naik taraf adalah perkara yang paling menyusahkan. Saya telah menyusun komputer sepanjang hidup saya, dan setiap kali saya memasang mesin baru, saya selalu berfikir: “Dalam dua tahun, saya akan menjual CPU saya dan ganti dengan yang baru.” Tetapi saya tidak pernah melakukannya. Kerana anda tidak boleh hanya menjual CPU, kerana mungkin anda mendapati slotnya telah dinaik taraf, yang bermakna anda perlu menukar papan induk; jika anda menukar papan induk, lebih baik terus gunakan memori terkini. Seluruh rantai ini membuat saya patah semangat, jadi, ada seseorang yang menguruskan naik taraf untuk anda, benar-benar sangat bagus.

Tulis semula OpenCode

Scott: Saya tahu anda sedang mendorong dengan kuat fungsi baru, aplikasi desktop dan OpenCode 2.0 sedang dalam kemajuan, apa perubahan yang akan dibawa oleh 2.0?

Dax: Sepanjang karier saya, setiap perkara memerlukan tiga iterasi untuk dilakukan dengan betul. Kami memiliki OpenCode 0, 1, dan sekarang versi 2.0 ini adalah penulisan semula besar setelah kami benar-benar memahami bidang ini dan semua kemungkinannya. Salah satu kerja utama ialah merestructurisasi keseluruhan API, mencipta sesuatu yang direka dengan teliti, bukan seperti yang tumbuh secara semula jadi sebelum ini.

Perubahan penting kedua ialah ia berjalan secara lalai sebagai perkhidmatan, dan selepas pemasangan, ia akan terus berada di sana. Anda memulakan OpenCode, ia akan menyambung secara automatik, dan semua perkara disegerakkan, sama ada di desktop, aplikasi web, atau skrip atau aplikasi yang anda tulis sendiri. Ia juga boleh melakukan pengawasan komputer anda dengan program tersuai anda sendiri, bahkan boleh menulis program sedemikian sendiri. Terdapat juga API plugin baharu. Kami telah membakar banyak token, menyelidiki setiap keputusan, dan memikirkan setiap kemungkinan. Proses ini sangat mencabar, tetapi juga menarik.

Scott: Kapan pelancaran penuh?

Dax: Versi beta sepatutnya siap pada akhir minggu ini (versi beta telah dikeluarkan pada awal Julai). Sebenarnya kami boleh menerbitkannya sekarang, tetapi kami memberikan diri kami satu minggu untuk melakukan pembaikan terakhir dan menambah fungsi. Sekitar sebulan selepas versi beta, kami akan menerbitkannya sebagai versi rasmi.

Dax: Salah satu sebab OpenCode 2.0 mengambil masa begitu lama ialah kerana kami mendesain semula ia untuk menyokong hot reload. Sama ada anda membiarkannya mencipta Skill sendiri atau membuatnya secara manual, ia akan dimuatkan segera tanpa menyebabkan cache menjadi tidak sah.

Scott: Adakah pemindahan dari Tauri ke Electron telah selesai dalam versi 2.0, atau sudah selesai?

Dax: Sebenarnya, versi desktop agak menarik—ia tidak pernah dilancarkan secara rasmi dan terus berada dalam keadaan beta, bahkan pernah ada versi beta dalam beta. Tetapi kini ia sudah menggunakan Electron, dan pasukan sedang menyesuaikan API teras 2.0 yang baru, bersama dengan banyak pembaikan prestasi dan antara muka pengguna yang baru.

Scott: Anda mengatakan versi baru secara lalai berjalan sebagai perkhidmatan, jadi adakah itu bermakna sekiranya OpenCode telah dipasang, GUI jarak jauh boleh digunakan terus tanpa perlu memulakan pelayan secara tambahan?

Dax: Perkhidmatan ini berjalan secara lalai secara tempatan, dan semua proses di komputer anda berada secara tempatan, tetapi boleh dikonfigurasi untuk jarak jauh. Tetapan saya adalah: terdapat satu perkhidmatan OpenCode yang berjalan di setiap mesin, dan saya telah menambahkan beberapa mod hos yang menarik, seperti pelayan OpenCode utama saya yang berjalan di mesin jarak jauh, sementara saya masih mempunyai Mac Studio di meja saya, dengan Framework Desktop sebagai desktop utama. OpenCode mengetahui semua peranti ini, jadi saya boleh memberitahunya “hantar iMessage”, walaupun saya sedang berkomunikasi dengan pelayan Linux di awan, ia akan menyambung ke Mac Studio saya melalui OpenCode, kemudian menghantar iMessage tersebut. Jadi, anda boleh memasukkan semua peranti ke dalam pelayan OpenCode, dan ia akan mengetahui semua peranti serta lokasi mereka.

Wes: Semua orang sedang membincangkan bagaimana membuat pelbagai panel terminal berkomunikasi antara satu sama lain, atau bagaimana dua panel Tmux berbual, tetapi membuat pelbagai mesin berkomunikasi antara satu sama lain adalah yang benar-benar hebat.

Scott: Ya, saya juga telah menetapkannya. Dalam hal pengurusan peranti, ini membawa peningkatan kecekapan yang tanpa henti.

Dax: Menariknya, kami bahkan belum menjadikan ini sebagai ciri penuh, kerana semua peranti saya terhubung melalui Tailscale. Selagi Agen mengetahui nama dan penerangan setiap peranti, ia akan secara automatik SSH masuk untuk menjalankan tugas. Sebagai contoh, apabila pelayan jauh saya ingin menggunakan pelayar, ia akan SSH ke peranti di meja saya, gunakan pelayar itu, kerana semua akaun saya telah log masuk di sana. Tiada konfigurasi khas diperlukan—hanya pastikan peranti-peranti itu saling terhubung.

Wes: Bagaimana dengan versi mudah alih? Kami melihat Cursor melancarkan aplikasi iOS semalam, dan Claude juga mempunyai fungsi kawalan jauh. Apa pandangan anda mengenai aplikasi AI mudah alih?

Dax: Kami memang perlu membuat aplikasi mudah alih. Idea ini telah berada dalam senarai tugas kami selama lama, tetapi kami terus menunggu arsitektur inti menjadi cukup matang untuk menyokong pelbagai skenario yang ingin kami sokong. Sekarang arsitektur inti sudah siap, kami kemungkinan besar akan segera memulakan kerja-kerja mudah alih. Sekarang ada antaramuka Web mudah alih yang sangat sederhana, yang kadang-kadang saya gunakan, tetapi pengalaman pengguna benar-benar biasa saja. Kami memerlukan klien di semua platform, dan klien-klien ini mesti cukup baik.

Metodologi kejuruteraan perisian

Wes: Aplikasi terminal OpenCode anda jelas lebih baik daripada sebarang alat lain yang pernah saya gunakan. Semasa saya beralih ke Claude 2 TUI yang baru, ia bahkan tidak mampu melakukan scroll dengan baik, sangat memalukan. Apakah metodologi kejuruteraan perisian anda yang membolehkan anda begitu fokus pada butiran dan kelengkapan produk?

Dax: Sejujurnya, kami juga masih dalam proses mencari jalan. Tim kami, seperti semua orang, berusaha menyeimbangkan berbagai hal. Langkah pertama sebenarnya sangat mudah—putuskan apakah kamu peduli atau tidak. Ini kedengarannya seperti omong kosong, tetapi dalam kenyataannya, kamu memiliki ribuan alasan rasional untuk memilih tidak peduli. Kamu akan melihat banyak perdebatan yang mengatakan, "Tidak penting seberapa bagus Claude Code dibuat, mereka punya pendapatan puluhan miliar dolar, mengapa harus bersusah payah?" Jadi ada banyak argumen yang memberitahumu bahwa kamu tidak perlu peduli, tetapi kamu tetap bisa sukses. Namun, intinya adalah, apakah kamu benar-benar peduli? Tim kami benar-benar peduli. Kami akan melihat perangkat lunak orang lain dan berkata, "Astaga, betapa hebatnya jika kami bisa membuat sesuatu sebaik itu," dan kerinduan inilah yang mendorong kami.

Perkara kedua ialah, penggunaan token kami kini menjadi sangat gila. Dalam beberapa bulan terakhir, penggunaan token bulanan pasukan kami meningkat lima kali ganda. Saya bukan bermaksud membanggakan betapa efisien kami menggunakan token, tetapi ingin menunjukkan bahawa model ini telah mencapai kesesuaian produk-pasaran di dalam syarikat kami, yang menyebabkan pertumbuhan secepat ini dalam beberapa bulan, dan ia menggunakan model-model baru yang masih berada dalam status akses terhad.

Masalahnya ialah, di mana kita menghabiskan token kita? Strategi kita ialah merancang berlebihan secara mewah. Walaupun hanya untuk mengimplementasikan API membaca fail yang ringkas, kita perlu memikirkan: apakah semua kemungkinan cara implementasi? Apakah contoh-contoh sebelumnya dari produk lain? Apakah cara-cara berbeza yang boleh digunakan untuk mengatur respons? Dahulu, anda mungkin hanya mampu memikirkan satu atau dua penyelesaian, lalu memilih yang terbaik, tetapi sekarang kita boleh berinvestasi secara sangat mewah. Ini adalah sesuatu yang tidak pernah mungkin dilakukan sebelumnya, dan pelaburan ini benar-benar menghasilkan perisian yang lebih baik.

Ketiga, kami masih percaya bahawa melabur pada primitif asas yang tidak dapat dicapai secara langsung oleh Coding Agent adalah bernilai. Kebaikan TUI kami sebahagian besarnya disebabkan oleh pelaburan awal kami pada kerangka TUI OpenTUI. Ia ditulis dalam Zig, memerlukan usaha mendalam dan teliti daripada pembangun untuk memastikan ia berfungsi dengan cemerlang di semua platform yang berbeza. Walaupun proses pembangunan banyak menggunakan Coding Agent, ini tetap merupakan kerja peringkat pakar yang tidak boleh dilakukan oleh orang biasa. Ia membolehkan orang biasa sepertiku membina perkara yang berguna dan berfungsi lengkap di atasnya. Walaupun terdapat model bahasa besar, anda masih memerlukan primitif yang kukuh sebagai asas—ia adalah pelaburan yang bernilai.

Wes: Kami sebelum ini telah mempekerjakan pasukan Pierre Computer, yang juga membuat primitif, seperti diff ringkas dan struktur pohon sidebar ringkas, sehingga orang seperti kami boleh secara langsung "memasang" primitif yang direka dengan teliti oleh orang bijak itu ke dalam aplikasi kami.

Dax: Sekarang ada jutaan antaramuka Coding Agent yang semuanya menggunakan Pierre, termasuk kami.

Wes: Hanya dengan dua orang yang bijak, mereka membina semua perkara yang menyokong seluruh industri ini.

Model routing

Scott: Kami sering membincangkan model routing dalam rancangan kami, iaitu menghala tugas ke model yang paling sesuai berdasarkan permintaan. Menurut anda, perkembangan arah ini sejauh mana sekarang? Adakah masih ada ruang untuk perkembangan lanjut?

Dax: Saya rasa litar ini agak terlalu dilebih-lebihkan, kerana terdapat begitu banyak perantara yang sedang berusaha keras mencari perkara untuk dilakukan. Jika anda bukan makmal model, tetapi ingin memberikan nilai yang berharga (kami berada di posisi ini, kami menjual perkhidmatan inferens, sebagai perantara), maka satu-satunya perkara yang boleh anda lakukan adalah memberitahu pelanggan: "Makmal model tidak mampu membolehkan anda memanggil output model lain, kerana Anthropic tidak akan pernah memberikan model OpenAI kepada anda, tetapi kami boleh." Oleh itu, mereka akan mempromosikan pemilihan model dengan giat, tetapi sejujurnya, di peringkat perantara ini, saya tidak rasa anda boleh melakukan banyak perkara.

Kesempurnaan terbaik ialah apabila permintaan masuk, sistem dapat menentukan model mana yang perlu digunakan. Namun, sekali sesi bermula, anda tidak boleh menukar model secara dinamik di tengah-tengah kerana masalah kos. Jika anda menukar model di tengah sesi, model baru yang masuk akan menyebabkan penyesuaian cache sepenuhnya, yang sangat mahal. Oleh itu, saya rasa sukar untuk membuat penerusan pada tahap ini.

Yang benar-benar kami minati adalah arah lain, terutama model generasi baru yang berkinerja sangat baik dalam pola pengatur (orchestrator pattern). Sebelumnya, ada yang mencoba pola ini, tetapi saya rasa model sebelumnya belum cukup baik untuk digunakan oleh orang biasa. Namun, seseorang dalam tim kami merancang seperti ini menggunakan model baru: sesi utama menggunakan model mahal, tetapi Prompt-nya diatur agar “tidak pernah melakukan tugas secara langsung”, ia hanya bertugas menghasilkan sub-agensi, sementara sub-agensi menggunakan model yang lebih murah. Dengan cara ini, kecerdasan model utama tetap terjaga, tetapi tugas-tugas kotor dan melelahkan seperti eksplorasi dan pengubahan kode dilakukan oleh model yang lebih murah. Secara keseluruhan, biayanya justru lebih rendah, dan model baru sangat ahli dalam bekerja secara paralel—anda dapat menjalankan beberapa sub-agensi secara bersamaan dalam satu sesi, dan mereka akan membangunkan model utama setelah selesai. Anda hanya mengendalikan semuanya dalam satu sesi, pengalaman pengguna sangat baik—ini baru benar-benar bermakna sebagai routing model.

Model yang tidak boleh disebut

Wes: Anda baru saja menyebut bahawa anda membakar banyak Token dan menggunakan beberapa model yang belum dilancarkan. Apa sahaja yang spesifik? Bagaimana anda mendapatkannya?

Dax: OpenAI dan Anthropic kedua-duanya mempunyai rancangan preview yang besar, memberikan akses awal kepada sesetengah orang, jadi kami dapat melihat beberapa perkara lebih awal daripada pihak luar. Saya tidak akan menyebut nama laboratorium tertentu, tetapi model terbaru langsung menyebabkan penggunaan Token kami meningkat lima kali ganda.

Wes: Ini bukan kerana ia lebih menghabiskan Token, tetapi kerana ia mengubah cara kerja anda, betul?

Dax: Mereka yang mengenali kami tahu bahawa kami adalah pasukan yang sangat konservatif. Selama bertahun-tahun, kami berhati-hati terhadap pengkodean AI, dan kami sama sekali bukan jenis peminat AI yang berlebihan, selalu mengekang cara penggunaan dan klaim kemampuan. Tetapi saya ingin katakan, pasukan kami benar-benar ketagihan dengan model generasi baru ini. Pada hari-hari selepas tamatnya tempoh pra-pelancaran dan kami kehilangan akses, semua orang berduka atas kehilangan perkara ini. Ada yang bertanya, "Jadi, apa maknanya kerja ini?" dan menghasilkan banyak gambar majlis penguburan AI—hari-hari itu benar-benar sukar.

Saya bukan berkata model baru itu menjadi “lebih pintar” secara drastis, atau tiba-tiba mampu menggantikan manusia. Kuncinya ialah mereka membuat penyesuaian kecil dalam ketersediaan, mencapai titik keseimbangan sempurna, di mana kini anda benar-benar boleh mempercayainya. Mereka akan mendengarkan anda dengan serius dan mampu menangkap perkara yang anda lepaskan. Ia bukan tiba-tiba berubah menjadi manusia, tetapi menjadi rakan yang lebih baik—dan ini jelas kelihatan dari data kami.

Scott: Bagaimana dengan model dari bukan raksasa terkemuka? Seperti OpenCode Go yang anda gunakan? Adakah kemajuan?

Dax: Ya. Setelah kehilangan akses ke model pra-pandangan, separuh daripada kami kembali ke GPT 5.5, manakala separuh lagi menggunakan GLM 5.2. Saya sendiri juga menggunakan GLM 5.2, dan saya rasa ia sudah sangat hampir sama dengan GPT 5.5. Selepas mencuba model-model baru itu, model lama kelihatan hampir serupa, jadi saya boleh gunakan apa sahaja sekarang. Tetapi fakta bahawa GLM 5.2 boleh menggantikan GPT 5.5 sendiri menunjukkan bahawa mereka benar-benar membaik, dan jurang antara keduanya semakin mengecil.

Pandangan peribadi saya ialah, model terkini akan sentiasa mempunyai kelebihan tertentu kerana pelopor akan mendapat beberapa kesan gabungan. Tetapi, sejujurnya, kami melihat penggunaan yang besar dalam Go, dengan sesetengah orang menggunakannya sepenuhnya untuk semua tugas. Mungkin kami berada dalam gelembung gaji tinggi, di mana nilai wang tinggi dan mampu membelanjakan wang untuk model terkini. Namun, keadaannya berbeza untuk kebanyakan orang di dunia. Walaupun di Amerika Syarikat, apabila kami melancarkan rancangan murah Go yang ditujukan kepada model sumber terbuka, kami menyangka ia adalah rancangan antarabangsa untuk pengguna global, tetapi ternyata Amerika Syarikat masih menjadi negara langganan utama kami. Kumpulan pembangun dan mereka yang ingin menulis kod sangat besar, dan walaupun rancangan seharga $200 sebulan masih tidak tercapai oleh ramai daripada mereka.

Wes: Saya penasaran bagaimana pandangan anda tentang masa depan harga, akankah kita melihat syarikat menghabiskan US$1,000, US$2,000 sebulan untuk setiap pekerja, atau akankah harga menstabil apabila chip baharu muncul?

Dax: Kami mempunyai data untuk bulan lalu. Seiring dengan peningkatan penggunaan perusahaan secara drastis, kami menghitung kosnya dan membandingkannya dengan gaji. Bagi kami, penggunaan ini sudah sangat besar, kira-kira 15% daripada gaji. Dengan kata lain, untuk setiap jumlah yang anda bayar kepada pasukan anda, anda perlu membayar tambahan 15% sebagai “cukai” supaya mereka boleh menggunakan model-model ini. Sejujurnya, ini tidak terlalu buruk. Bagi syarikat teknologi seperti kami, pendapatan per orang biasanya sangat tinggi, dan 15% sebenarnya tidak signifikan dalam konteks keseluruhan. Tetapi tidak semua industri berada dalam situasi yang sama.

Namun, harga-harga ini akan turun, dan turun banyak. Jika anda peka terhadap harga, model sumber terbuka jauh lebih murah. Saya rasa ini agak membingungkan, kerana banyak berita utama menyatakan bahawa OpenAI dan Anthropic rugi dan tidak mungkin berjaya, tetapi margin keuntungan inferens sebenarnya sangat tinggi, terutamanya kerana OpenAI dan Anthropic masih menaikkan harga. Saya menganggarkan margin keuntungan inferens mereka kira-kira 90%, yang bermakna titik impas boleh lebih murah sepuluh kali ganda.

Wes: Sebelum ini seseorang memberitahu saya bahawa mark-up inferens adalah 70%, jadi antara 70% hingga 90%. Ini jelas bukan hanya kos latihan model, kan?

Dax: Tentu, ada kos penyelidikan dan pembangunan. Tetapi sebagai sebuah perusahaan, anda akan memandang dua perkara ini secara berasingan, kerana anda boleh menutup penyelidikan dan tetap mendapat keuntungan.

Wes: Bagaimana pula dengan mereka yang berpendapat boleh menjalankan model secara tempatan? Apa pandangan anda terhadap mereka yang percaya boleh menjalankan mesin di halaman belakang mereka?

Dax: Saya sangat berhati-hati membincangkan topik ini, kerana orang-orang dalam komuniti ini mudah marah. Jadi, saya ingin nyatakan terlebih dahulu: terdapat banyak alasan yang sah mengapa orang ingin menjalankan model secara tempatan. Jika anda tidak ingin data keluar dari rumah anda, itu sepenuhnya masuk akal. Tetapi jika anda memperhatikan kos, model tempatan sebenarnya tidak akan membantu anda menjimatkan wang, kerana sebarang mekanisme yang menjadikan penghantaran tempatan lebih murah akan menjadikan penghantaran awan 10 kali lebih murah. Jika suatu model menjadi lebih cekap, atau mampu mencapai keupayaan yang lebih kuat dengan saiz yang lebih kecil, ia hanya akan menurunkan kos setiap token di awan. Oleh itu, saya berpendapat bahawa model tempatan lebih berkaitan dengan isu privasi, bukan isu kos.

Kami menggunakan perantara untuk mengendalikan GPU, tetapi walaupun begitu, kami masih boleh mengendalikan beberapa model dengan kos 70% lebih rendah daripada harga papan, sangat murah. Ini bermakna dengan menjual pada harga papan, kami boleh mendapat keuntungan 70%, walaupun menggunakan perantara. Jika anda membeli GPU secara langsung, anda mungkin boleh mencapai margin keuntungan sekitar 90% seperti yang saya anggarkan untuk Anthropic, iaitu kosnya boleh sangat, sangat rendah. Tentu saja, ini merujuk kepada model sumber terbuka. Kami masih bergantung pada model sumber terbuka yang terus membaik, tetapi tren semasa memang bergerak ke arah ini.

OpenCode dilarang oleh Claude Code?

Scott: Mari kita bincangkan Claude Code. Rasanya sikap mereka sentiasa tidak jelas—pembekal seperti OpenCode bolehkah menggunakan pakej Claude Code Max? Apakah situasi semasa sekarang?

Dax: Mengenai integrasi ini, plugin di OpenCode yang memaksa anda menggunakan pakej Max benar-benar tidak dibenarkan. Kami telah berdebat lama mengenai perkara ini dengan mereka, tetapi akhirnya kami tidak berjaya. Memang, orang selalu boleh menggunakan cara hack untuk melangkau sekatan, tetapi kami tidak boleh menyokong secara rasmi tindakan seperti ini.

Mengenai SDK, cara memanggil Claude dalam modus tanpa antara muka kini berada dalam zon kelabu; mereka kini menyatakan ia dibenarkan. Oleh itu, produk seperti Conductor boleh membungkusnya, dan T3 Code juga boleh membungkusnya. Tetapi kami tidak akan pernah membungkusnya, kerana ia bertentangan dengan niat asal OpenCode. Jadi, untuk alat pengaturan atau antara muka alternatif, saya rasa produk-produk ini masih boleh digunakan, tetapi sekali lagi, situasinya masih tidak jelas.

Pada akhirnya, ini adalah masalah budaya perusahaan—apakah anda adalah perusahaan yang sangat berorientasi pada konsumen atau perusahaan yang berorientasi pada perusahaan. OpenAI adalah perusahaan yang sangat berorientasi pada konsumen, yang berarti mereka akan menghabiskan sejumlah uang sebanyak apa pun, mengumpulkan sejumlah dana sebanyak apa pun, untuk membawa pengalaman tersebut kepada lebih banyak orang. Inilah sebabnya mengapa langganan OpenAI secara resmi didukung di OpenCode, sementara saya rasa Anthropic tidak memiliki budaya yang persis sama.

Jika anda adalah syarikat yang berfokus pada perniagaan, situasinya berbeza sama sekali, setiap penggunaan inferens yang anda alokasikan untuk pengguna pengguna akhir akan ada penjual datang dan berkata: "Saya ada pelanggan perniagaan bersedia membayar mengikut harga sebenar." Jika kapasiti pengiraan anda terhad, sukar untuk membuktikan dalam syarikat bahawa membenarkan pengguna OpenCode adalah munasabah. Walaupun sekarang kapasiti pengiraan mereka sepatutnya lebih banyak daripada sebelum ini.

Scott: Adakah ini alasan mereka tidak ingin anda gunakan? Banyak orang berkata: “Apa masalahnya? Saya sudah bayar langganan, kenapa tidak boleh gunakan di mana-mana?” Ada juga yang menduga mereka ingin data latihan, ingin mengawal. Tetapi sebenarnya, ia sangat mudah—mereka hanya terhad kepada kuasa pengiraan?

Dax: Sebenarnya setiap syarikat pada dasarnya adalah satu corong, di mana anda meletakkan sesuatu di bahagian atas corong untuk menarik pengguna, dan secara idealnya, mereka berubah menjadi pengguna di bahagian bawah.

Mereka mereka Claude Code sebagai titik puncak corong, iaitu produk yang sangat berorientasikan pengguna. Anda menggunakannya, syarikat anda mulai menggunakannya, kemudian syarikat anda mula membayar berdasarkan Token. Tetapi jika pengguna menggunakan OpenCode, rantai konversi ini mungkin terputus, kerana dalam OpenCode anda boleh bertukar ke model lain secara bebas. Jika anda tidak menyukai Claude, anda boleh bertukar ke model popular terkini kapan sahaja.

Sebab kedua ialah permintaan kompetitif terhadap kuasa pengiraan; apa sahaja yang anda masukkan di bahagian atas corong, ia mesti dapat membuktikan bahawa ia akhirnya akan kembali ke bahagian bawah corong. Jika anda adalah syarikat yang berfokus kepada pengguna akhir, anda boleh lebih fleksibel dalam hal ini.

Wes: Adakah anda pernah memikirkan, akankah muncul satu model di masa depan yang tidak mempunyai API sama sekali, dan anda hanya boleh menggunakannya melalui aplikasi mereka? Seperti ElevenLabs, mereka mempunyai aplikasi yang hebat, tetapi anda perlu berlanggan pakej bulanan, tidak boleh bayar mengikut penggunaan. Apakah anda rasa situasi ini akan berlaku?

Dax: Ya, ini sekali lagi mencerminkan struktur dalaman syarikat. Pasukan produk akan sangat menyokong pendekatan ini, mereka boleh berkata: “Kita boleh mencipta model yang sangat khusus, membina produk khusus di sekelilingnya, dan menggabungkan keduanya—jika ingin menggunakan model, anda mesti menggunakan produk kami.” Ini adalah strategi penguncian yang sangat sempurna untuk pasukan yang berorientasikan produk.

Namun, organisasi jualan mempunyai sasaran pendapatan, dan mereka akan berkata: "Sasaran pendapatan kami ialah 100 bilion. Model eksklusif API atau produk anda paling baik hanya boleh mencapai 50 bilion—siapa yang akan mengisi kekurangan 50 bilion yang tinggal?" Pasukan jualan akan bersikeras: "Tidak boleh, model ini mesti dimasukkan ke dalam API, supaya kami boleh mencapai sasaran dengan lebih baik." Selagi permainan dalaman ini wujud, organisasi akan sukar membuktikan bahawa meninggalkan sebahagian pendapatan demi mendapatkan pangsa pasaran adalah munasabah.

Semakin banyak laboratorium ini memasuki lapisan produk, mereka sebenarnya memiliki "tombol tidak adil", dan saya tidak terkejut mereka akan menekannya suatu hari nanti. Mereka akan membenarkannya dengan cara yang aneh, seperti "Model ini terlalu berbahaya, hanya aman digunakan dalam kerangka kami, kami tidak boleh membiarkannya digunakan dalam kerangka lain." Ini bukan alasan sebenarnya, tetapi kemungkinan besar itulah alasan yang mereka berikan.

Wes: Mengenai keselamatan Fable, adakah semua model baru ini tidak selamat? Kerajaan mengatakan ia tidak selamat—adakah ini benar, atau hanya hype semata?

Dax: Saya percaya banyak perkara adalah benar, dan ia mungkin saling bertentangan; model-model ini memang memiliki potensi menyebabkan kecederaan besar. Pernyataan kerajaan bahawa kita perlu menjalani semakan tertentu sebelum pelancaran adalah munasabah. Jika anda bekerja di syarikat besar seperti Meta, apabila mereka melancarkan produk, seperti fungsi muat naik gambar profil, mereka mesti membuktikan kepada kerajaan bahawa mereka sedang melaksanakan penapisan kanak-kanak erotik terhadap fungsi tersebut. Pada skala itu, walaupun fungsi dalaman paling remeh sekalipun akan menghadapi peraturan yang gila-gila.

Tetapi masalahnya adalah, jika proses ini sangat tidak berpengetahuan atau korup, hasil akhirnya bukanlah persetujuan menyeluruh terhadap model dan akses luas untuk semua orang, tetapi akses yang tidak seimbang akibat proses kerajaan, yang akan menjadi situasi yang sangat buruk, dan saya berharap hal ini tidak akan berlaku. Saya lebih suka melihat hasil yang lebih membosankan, di mana mereka hanya perlu menjalani proses sebulan setiap kali melancarkan model baru.

Di sisi lain, ini bukanlah soal yang sepenuhnya rasional. Saya rasa laboratorium-laboratorium ini seharusnya tidak mulai secara sembarangan mengklaim memiliki "senjata nuklear", kerana ia akan menarik minat politik. Ia seperti anda bermain dengan bom yang boleh berakhir dalam situasi yang membosankan atau menjadi keadaan yang benar-benar buruk, seperti pengawasan yang tidak tepat, terlalu agresif, dan merugikan keseluruhan ekonomi. Oleh itu, saya berharap laboratorium-laboratorium ini lebih berhati-hati dalam persepsi awam, kerana anda tidak boleh berkata-kata secara sembarangan bahawa anda mempunyai bom nuklear dan mengharapkan tiada apa-apa yang berlaku.

Interaksi AI sedang bergerak menuju tanpa tangan

Scott: Mari bincangkan MCP, Skill, dan alat yang digunakan dalam pengaturcaraan AI. Apa yang benar-benar patut diperhatikan dan digunakan? Apa yang anda semua gunakan?

Dax: Konfigurasi peribadi kebanyakan daripada kita sangat asas. Yang benar-benar menarik ialah bot Discord dalaman pasukan kita, yang mempunyai lebih banyak MCP dan kemahiran berbanding pengaturan peribadi kita. Kita ada sesuatu yang dipanggil "Gang Growth", yang diilhamkan oleh Kit Lang. Setiap kali kita terhenti dalam reka bentuk—sama ada dalam perniagaan, reka bentuk API, atau pelaksanaan—we akan masukkan Prompt secara suara ke dalam bot Discord, kemudian @OpenCode, yang berfungsi seperti alat kolaborasi.

Robot ini terhubung ke seluruh data lake perusahaan, saya boleh bertanya, “Dalam seminggu terakhir, berapa jumlah yang dihabiskan oleh semua pengguna langganan Go yang mengaktifkan penagihan berlebih?” Ia akan dapat menghitungnya. Perubahan kebiasaan pasukan kami ialah: pada dasarnya tidak ada alasan lagi untuk menyebut orang lain. Anda ada soalan, terlebih dahulu sebut @OpenCode. Jika orang lain melihatnya, mereka akan menyertai dan bekerja sama. Tetapi OpenCode seringkali boleh menyelesaikannya sendiri.

Scott: Lalu, bagaimana jika robot perlu mengembalikan maklumat kepada anda? Sekarang semua orang membincangkan MCP UI atau menghasilkan fail HTML secara langsung, menurut anda bagaimanakah cara agen pengkodean akan menunjukkan maklumat di masa depan?

Dax: Kami pasti akan menambahkan fungsi artefak tertentu ke OpenCode, supaya ia dapat menghasilkan dokumen dan menghantarnya kepada anda. Ia menggunakan HTML bersama SVG untuk visualisasi, sangat menarik. Ini tidak memerlukan apa-apa yang istimewa, hanya memanfaatkan kemampuan Agen. Mengenai MCP UI, saya belum menyelidiki secara mendalam, tetapi saya rasa kami akan menyokongnya dalam aplikasi desktop, terutamanya apabila kami mula memperhatikan pengguna bukan teknikal, kerana saya percaya soalan yang mereka ajukan dan tindakan yang perlu mereka lakukan akan mendapat manfaat daripada UI dinamik atau sesuatu yang lebih kaya.

Kami sekarang sangat tergila-gila dengan voice prompting, bahkan ketika kami menghantar mesej antara satu sama lain di Discord, kami menggunakan suara kerana kami benci menaip. Apabila anda boleh berbicara langsung kepada sistem, banyak antaramuka, terutamanya antaramuka interaktif, saya lebih suka menggambarkan secara kasar apa yang saya perlukan. Jika saya terpaksa menaip semuanya, pasti sangat buruk. Tetapi saya boleh menggunakan suara; suara sekarang sangat pantas dan berjalan secara tempatan.

Scott: Saya membeli pedal kaki kerana terlalu banyak perintah suara. Satu pedal ialah "masukkan", yang lain ialah "aktifkan diktasi", dan satu lagi untuk menukar tab. Saya hanya duduk di sana menggunakan perkakasan ini, sangat menyenangkan.

Dax: Banyak orang merasa ragu, dan saya benar-benar memahaminya, kerana saya sendiri baru mulai setelah melihat Kit melakukan ini. Apabila anda melihat orang lain melakukannya, sesuatu akan terbuka dalam fikiran anda. Jika anda belum pernah melakukannya, anda mungkin merasa malu. Tetapi sebenarnya ini adalah perkara paling semula jadi—anda boleh berbicara tanpa tujuan, bercampur aduk, atau membuat kesilapan perkataan, semuanya tidak masalah, kerana LLM mahir memahami maksud sebenar anda.

Wes: Adakah anda menggunakan aplikasi Hex Kit?

Dax: Saya gunakan Handy di mesin utama dan Hex di Mac. Modelnya bagus, itulah yang penting.

Wes: Cara pemicu saya sangat mudah, butang kecil pada tetikus, klik dua kali sahaja. Ada orang sedang membuat cincin yang boleh diketuk, mereka akan menghantar satu kepada saya, dan saya akan mencubanya.

Dax: Saya masih menghabiskan sebahagian besar masa saya dengan jari di papan kekunci, jadi saya telah menetapkan pintasan.

Wes: Adakah apa-apa lagi yang belum kita bincangkan tetapi anda ingin katakan? Contohnya, pandangan peribadi anda?

Dax: Saya sangat bersemangat tentang model generasi baru yang akan datang. Biasanya, apabila model baru dilancarkan, semuanya terasa sama saja, dan saya bahkan pernah membuat pos untuk mengeluh tentang hal ini. Tetapi kali ini, untuk pertama kalinya saya merasa model-model ini benar-benar akan digunakan oleh banyak orang. Teknisnya sudah dilancarkan, hanya sahaja kerajaan belum membenarkan pengguna biasa menggunakannya.

Wes: Sekarang ada pelbagai ujian prestasi dan skor, sambil orang berkata, "Rasa jauh lebih baik." Apakah kita akhirnya akan mempunyai ujian prestasi yang benar-benar bermakna?

Dax: Secara jujur, sekarang saya sama sekali tidak memperhatikan ujian prestasi lagi, saya bahkan tidak pasti sama ada saya pernah benar-benar memperhatikannya sebelum ini; saya rasa skor-skor ini sudah menjadi bunyi latar belakang. Kita semua tahu nombor-nombor itu naik, ia naik lebih banyak berbanding pesaingnya, tetapi apabila pesaing mereka mengumumkan, skor mereka naik lagi lebih banyak—apa maksudnya ini?

Jadi sekarang saya hanya memperhatikan maklum balas kualitatif. Saya suka melihat orang berkongsi apa yang boleh mereka lakukan dengan model, atau apa yang mereka bina. Anda jelas tidak boleh mendapatkan maklum balas seperti ini pada skala jutaan titik data, tetapi produk-produk ini pada dasarnya kabur, dan akhirnya berpaut pada sama ada pengguna gembira atau kecewa. Inilah sebabnya saya suka memantau penggunaan token oleh pasukan kami. Jika lengkungnya naik, ia menunjukkan ada sesuatu yang berfungsi, menunjukkan mereka menyukai sesuatu. Di dalam pasukan kami ada peminat Claude, peminat GPT, dan peminat model sumber terbuka, jadi kami memiliki cakupan yang baik untuk semua arah.

Scott: Adakah sesuatu yang baru-baru ini anda nikmati dan ingin kongsikan?

Dax: Tentu, ia adalah exe.dev yang saya sebutkan sebelum ini. Jika anda ingin merasakan konsep "mesin awan", ia adalah produk yang sangat pintar dan dilaksanakan dengan cemerlang. Ia memberi saya kesan seperti Tailscale, sesuatu yang "sebenarnya boleh berfungsi", dan exe.dev mempunyai getaran yang sama. Saya sangat menyukai produk-produk yang menemukan posisi yang tepat, dan produk ini berada di ruang hampa yang aneh. Anda boleh menyewa pelayan dari AWS atau tempat lain, tetapi sukar untuk menyewa pelayan dengan cakera penyimpanan pantas dan berharga masuk akal dengan mudah. Lubang dalam ini sebelum ini hanya diisi oleh penyedia VPS yang tidak jelas, yang muncul dan kemudian menghilang.

Beberapa tahun lalu, ketika saya pertama kali membangun mesin pembangunan, saya ingin mencari solusi termurah, dan akhirnya menemukan penyedia VPS di Miami. Orang itu ternyata memalsukan kematiannya, lalu mesinnya mati. Dia mengirim email ke semua orang mengatakan, “Saya akan menjalani operasi medis dan tidak bisa dihubungi selama tiga hari,” tetapi tiga hari kemudian, servernya benar-benar mati. Saya berpikir, “Astaga, ada yang salah?” Sebulan berlalu, tidak ada yang bisa menghubunginya. Akhirnya, saya menemukan postingan di forum yang mengungkapkan bahwa dia sebelumnya juga menjalankan layanan VPS lain yang menghilang dalam keadaan serupa. Pasar server murah berperforma tinggi benar-benar tidak dapat dipercaya. Sampai sekarang saya masih tidak mengerti, apa sebenarnya penipuan ini? Saya sudah membayarnya untuk layanan, lalu mengapa dia menghilang?

Wes: Apa yang ingin anda sarankan kepada penonton?

Dax: Jika anda ingin membuat sendiri, saya mencadangkan OpenTUI. Ini adalah cara yang baik jika anda membina TUI. Anda boleh membina TUI berprestasi tinggi menggunakan React, SolidJS, atau pun pautan Vue. OpenCode dibina menggunakan ini, dan kami sedang mempercepat ke arah versi 1.0. Baru-baru ini, terdapat kebangkitan dalam produk dan aplikasi terminal.

Scott: Siapa lagi yang menggunakan ini? Apakah pembinaan Grok baru atau sesuatu dari xAI juga?

Dax: CLI Grok dilaksanakan dengan sangat baik, performa cemerlang, tetapi ia ditulis dalam Rust, dan mereka mungkin menggunakan pustaka Ratatouille. Namun, agen TUI Hermes yang baharu dibina menggunakan OpenTUI. Komuniti sedang tumbuh dengan pesat, dan sekarang hampir pasti apabila saya melihat TUI di garis masa saya, ia adalah OpenTUI, terutamanya kerana anda boleh menulisnya dengan gaya vibe coding, kerana pada dasarnya ia adalah React.