Theo
Theo是一位专注于技术内容创作的博主，主要围绕人工智能、编程工具及软件工程领域进行内容输出与观点分析。其内容涵盖AI辅助编程、开发工具评测及相关技术研究解读，在技术社区中具有一定影响力，以对前沿AI编程实践的深度讨论见长。
核心事实
时间轴 (近 90 天)
开发者 Theo 的代码库分析基准显示，Argon 是唯一一个误报率超过 50% 的模型。
编程博主Theo测试后指出，Gemini 4对其代码库的判断一半以上是错误的，在7个测试模型中唯一错误超过半数。
开发者 Theo 将 WonderFull 列入他的 S 级模型，与 Opus 5.5 并列。
Theo两年前做过一期‘人工智能不会继续进步了’的视频，现在承认错得太离谱，当时以为发展停滞是因为旧基准测试无法衡量新模型的能力。
Theo在直播中亲口说，用GLM 5.3 Flash的价格买到Fable级别的智能‘这绝对会发生’。
每次提示生成的Token大幅增多，是模型变得更便宜、更好、更有能力后，人们将其用于更大更难任务的表现，账单上涨和生产力提升是相关的。
开发者Theo的模型排名中，Opus 5.5为S级，Muse Wonder为A级，GPT-6.1 Sol也在A级之列。
衡量AI成本应考虑三个维度：每美元能买到多少token、完成任务需要消耗多少token、特定智能水平下解决问题要花多少钱
作者认为GLM 5.3 Flash本身就是比GPT-5更好的模型，视觉处理更强、工具调用更好，尤其在数小时agentic工作流中表现碾压
Anthropic在Sonnet 4时期大量使用模型生成代码，积累了充满slop的代码库，现在用更强模型回头清理
还有 40 条时间轴事件
全部知识事实 (20)
AI推理价格过去两年间以每单位算力衡量已下降约10倍，被业界称为AI推理的价格螺旋
65%待验证Theo认为如果信息在代码库中能找到就不应放在AgentMD里，因为模型已经非常擅长通过bash命令和工具探索代码库
90%待验证Theo建议在AgentMD中写入指令让Agent在遇到令其惊讶的事情时提醒开发者，目的是利用Agent反馈发现代码库中的架构问题
90%待验证在AgentMD中告诉模型不要使用某技术（如tRPC），模型反而会更多地想到该技术，类似于'粉红大象'效应
70%部分验证测评者建议让Opus 5.5负责实现和长程构建，让GPT-6.1 Sol负责审查、根因分析、代码库调查和任务分诊
65%部分验证Sonnet 5.5在网络攻防能力上与Opus 5.5处于同一水准，是Sonnet系列中首款采用同等网络安全防护机制的模型
65%待验证开发者 Theo 的代码库分析基准显示，Argon 是唯一一个误报率超过 50% 的模型。
50%待验证编程博主Theo测试后指出，Gemini 4对其代码库的判断一半以上是错误的，在7个测试模型中唯一错误超过半数。
50%待验证开发者 Theo 将 WonderFull 列入他的 S 级模型，与 Opus 5.5 并列。
50%待验证每次提示生成的Token大幅增多，是模型变得更便宜、更好、更有能力后，人们将其用于更大更难任务的表现，账单上涨和生产力提升是相关的。
50%待验证开发者Theo的模型排名中，Opus 5.5为S级，Muse Wonder为A级，GPT-6.1 Sol也在A级之列。
50%待验证作者认为GLM 5.3 Flash本身就是比GPT-5更好的模型，视觉处理更强、工具调用更好，尤其在数小时agentic工作流中表现碾压
50%待验证衡量AI成本应考虑三个维度：每美元能买到多少token、完成任务需要消耗多少token、特定智能水平下解决问题要花多少钱
50%待验证指标驱动优化存在风险：以减少React commit或V8调用次数为目标的agent容易砍掉不影响可交互性的网络请求，导致缓存过度激进而失效不足
50%待验证Anthropic在Sonnet 4时期大量使用模型生成代码，积累了充满slop的代码库，现在用更强模型回头清理
50%待验证Theo推测OpenAI与Anthropic的根本分歧是工程与研究文化的差异：OpenAI由工程师主导，Anthropic相对不那么重视软件工程师
50%待验证Theo实测发现Claude.ai存在数据一致性问题：在一个浏览器删除会话后刷新另一浏览器仍显示被删除会话，点击报错且不重新校验侧边栏
50%待验证Theo建议应避开low档和Max档，使用medium档大致够用
50%待验证Sonnet 5.5在前端设计上明显不如Opus，远不如Fable，而Theo认为Fable 5.1是最佳设计模型
50%待验证Theo实测Sonnet 5.5通过官方订阅平均约150 TPS，Opus约100 TPS
50%