pi-mono，我弃坑了。 不是它不行，是我在反复折腾中，把自己绕进去了。 折腾了一周，本想基于 pi 搭个精简版 AI 代理，结果架构重构了 N 次，参考了 OpenClaw、ZeroClaw 一圈分身，代码越写越复杂，最后抬头一看——这不就是另一个 OpenClaw 吗？省 token、省内存、抠速度……全是工程师自嗨。...
赶在除夕夜前，上线了我的第3个AI小轮子应用：https://send.versun.me 一个极简的匿名文件快递站。 文件拖进去，拿取件码，对方输入就能下载。24小时后自动销毁，不留痕迹。 为什么做？ 之前传个临时文件要么注册账号（烦），要么永久留存（怕），要么用微信，我就想要一个像寄快递一样简单的东西：给码，取货，自动消失。 怎么做？ 依旧全程 Vibe Coding 搞定：...
OpenClaw 分身泛滥，挑花眼了？
中转站订阅到期一个，压力瞬间-1，还有一个月底也要拜拜咯
后续打算使用一个国内模型和一个国外模型，暂定 Kimi 和 OpenAI (感谢 @InsForge_dev 赞助)，保持简洁，减少压力。。。
订阅要到期了，额度用不完，准备搞个模型PK赛参赛选手：GLM-5, MiniMax-2.5, Kimi-2.5, GPT-5.3-Codex, Claude-Opus-4.6让它们写啥程序能测出真实水平？除了贪吃蛇。。。
分享下这次的测试结果，结果有点魔幻，估计评论区又要锤我是水军了……
测试汇总：coding-model-comparison.versun.me
任务： 单页面力导向图，随机 100 个数据点，带基础交互功能。
完整复现包（提示词、生成结果、编码录屏）都扔 GitHub 了
TLDR：
完成度最高：GLM 5
速度最高：Opus 4.6
综合排名：GLM 5 > Opus 4.6 = GPT 5.3 Codex = Kimi 2.5 > MiniMax 2.5
两个最意外的：
GLM 5 和 MiniMax 2.5，glm 5 一贯是宣传的非常牛批，实际使用非常拉胯，想不到这次测试竟然表现最好，然后我最看好的 MiniMax 2.5 竟然表现最拉胯。。。。我甚至去调取了请求日志，确实是 minimax 2.5。。。
⚠️ 防杠补丁：本次测试纯属娱乐，仅针对当前提示词和模型版本有效。博主无任何厂商立场，也没收 GLM 一分钱
OpenAI 发布了新的编程模型 GPT-5.3-Codex-Spark，我测试了下，速度真多快好多！视频发推上了。
左边是5.3-codex，右边是5.3-codex-spark
也是做贪吃蛇，不过加了AI
提示词：
做个"贪吃蛇大作战"，你控制一条，JS再跑一条自动寻路的AI蛇，AI要会抢食物、避障、偶尔犯傻（太强的AI没意思）。
结果：
速度：spark远胜
质量：5.3-codex一次成功，spark两次成功
我突然发现，我们玩 OpenClaw 玩 AI 助理的思路是错的啊，比如"手动新建会话省 token"这个方法，这是用程序思维解决问题，治标不治本啊。
既然我们要让 AI 像人一样工作，就该让 AI 学会人的思维方式，而不是让人迁就 AI 的局限。
所以我给 Pi 助理写了一个 skill：自动判断话题是该延续，还是开启新对话，话题切换时自动判断是否要保存上下文，不用手动 /new，对话流转交给 AI 自己决定。
Skill 内容参考：clip.versun.me/p/qTdyXmcC
单单只有 skill 并不能100%保证 AI 能遵守，所以你可以在系统提示词里面强制让 AI 读取这个 skill，或者你的记忆系统和我的一样有重要程度指标，则可以添加为最重要的记忆，这样每次 AI 读取记忆都能读到