AI 热点

OpenAI Developers 分享用 Codex Ultrafast 保持开发心流的方法

OpenAI Developers更新于 11月21日 07:36

How I stay in the flow with Ultrafast | OpenAI Developers

AI 导读

OpenAI Developers 分享了用 Codex Ultrafast 快速迭代 UI、幻灯片和文档的方法,建议拆分短任务、启用热更新、使用标注,并从 Light 或 Low 推理开始。GPT-6.2 Astra 和 Sol 的 Ultrafast 可将 Codex 的 token 生成速度提高至 4.5×,但构建、测试和图像生成等工具耗时不会同比缩短。API 可通过将 service_tier 设为 ultrafast 试用,促销价格截至 February 28, 2027 为 Standard 的 3×,随后恢复为 6×。

推荐理由

精选AI 评分 84

文章把 Ultrafast 的速度优势转化为短任务、即时预览与分阶段验证等可迁移的迭代方法。

主题

标签

正文 · AI 翻译

我有点怀念在 DevTools 里调 CSS 的日子:尝试不同的颜色、字号或动画曲线,直到感觉对了为止。刚开始时,我不一定知道自己想要什么,而是在过程中逐渐摸索出来。我进入了心流状态。

如今,我经常把许多任务交给 Codex,然后离开电脑。但尤其是在构建新 UI 时,我往往更想通过迭代逐步找到解决方案。Ultrafast 让我重新找回了很多使用 DevTools 时的感觉。

本周早些时候,我们发布了支持 Ultrafast 的 GPT-6.2 Astra 和 Sol,可将 Codex 的 token 生成速度提升至最高 4.5×。Sol Ultrafast 现已面向每月 200 美元的 Pro 套餐开放;我们还在开展 API 促销,价格为 Standard 的 3×,而不是 6×。

现在,我已经无法想象没有它该怎么工作了。因此,除了调试事故等分秒必争的时刻,下面我还会介绍几种让我觉得 Ultrafast 非常神奇的用法,以及额外的速度可能不那么有用的情况。

进入心流状态

做 UI 工作时,我通常会先确定一个大致方向,然后尽快让一些东西呈现在屏幕上。

如果我还不知道整个体验应该是什么样子,那么等待一个耗时很长的任务,并为更高强度的推理消耗大量额外 token,实际上可能适得其反。这基本上是在指望自己撞大运,让模型准确构建出我心中所想的东西,尽管连我自己都还没有完全想清楚。相比之下,我更愿意坐在那里尝试几种方案、查看变化,并在过程中不断提供反馈。我可以根据 Codex 正在构建的内容作出反应,而不必一开始就试图主动规定每一个细节。由于每项改动通常只需几秒钟,我也能一直保持心流状态。

我发现有几件事能让 Ultrafast 显得更加神奇:

使用支持热模块重载的开发服务器。我希望 Codex 一做出改动就能看到效果,而不是等待完整构建。

在应用内浏览器中保持网站打开。将预览放在聊天窗口旁边,可以让我在输入提示词时看到变化。

布置简短、独立的任务。我经常一次只发送一小条反馈,并在注意到问题时切换到网站的不同部分。

使用标注。直接指出我想修改的具体内容,比描述它位于哪里容易得多。

尝试听写或语音模式。我可以快速排好几个小任务,让 Codex 逐一处理,同时继续查看结果。

从 Light/Low 推理开始。这些指令大多相当简单。对于设计动画等更需要细致处理的任务,我可能会切换到 High,之后再调回 Low。

在不必要时,不要把验证纳入快速迭代循环。对于小幅视觉调整,我会让 Codex 专注修改代码,同时自己在浏览器中检查结果。等我满意后,再让它编写相关测试并运行其他检查。

额外提示:如果你有 Codex Micro,用它触发 Ultrafast 听写,是在滚动浏览页面进行检查时快速排入大量反馈的绝佳方式。你也可以为听写设置键盘快捷键,实现同样的效果。

将 Ultrafast 用于文档和计算机操作

我也会把同样的方法用于幻灯片和文档。我通常不会让 Codex 一次设计整套演示文稿,而是逐张处理幻灯片、提供反馈、查看变化,再以此为基础继续迭代。处理文档时,我会在阅读过程中对各个段落分别提出反馈,并以这种方式逐步完成编辑。

更普遍地说,我发现 Ultrafast 对于主要依赖模型智能、而且每次改动之间不需要进行大量额外验证的任务非常实用。这类任务可以是调整幻灯片、编辑文档、填写电子表格,甚至是某些单项操作很快的计算机操作任务。

Ultrafast 不太有用的情况

token 生成速度更快,并不意味着整个任务会快 4.5×。如果一轮任务的大部分时间都花在等待构建、测试套件、编译器或其他工具调用上,那么总体提速幅度就会较小。编译器该花多长时间,仍然会花多长时间。

我让采用 Medium 推理的 GPT-6.2 Sol 修改一个 Android 健身计时器,使其在运行期间保持屏幕常亮。每个柱形表示三次运行的平均值,其中包括一行代码的修改、一次增量构建以及全部 18 项测试。

图像生成是另一个很好的例子。如果我让 Codex 在任务中生成一张图像,那么大部分时间可能都会花在等待图像生成上。Ultrafast 可以加快围绕图像生成的其他步骤,但不会让图像本身生成得更快。

对于定义明确、但需要模型进行大量实验和验证的任务,额外的速度可能也没那么有价值,尤其是当我不介意离开、让 Codex 通宵运行时。

我会在 API 中尝试的场景

同样的原则也适用于 API:看看用户有多少时间是在等待模型,又有多少时间是在等待工具。

Ultrafast 可能有所帮助的几个使用场景:

文档摘要和问答。如果文档已经包含在上下文中,模型无需进行大量额外的工具调用,就能生成摘要或回答后续问题。

快速工具调用和计算机操作。表单填写就是一个有趣的例子。如果你的应用支持代码模式,模型可以编写脚本一次性填写多个字段,而不必为每个操作来回交互。

语音体验。当快速响应至关重要时,我会尝试将 Ultrafast 作为后端模型,与 GPT-Live-1 搭配使用。

如果你已经有一套 API 工作流,可以尝试将 service_tier 设置为 ultrafast,并测量获得结果所需的时间。

对于 GPT-6.2 Astra 和 Sol,截至 2027 年 2 月 28 日,促销价格为 Standard 的 3 倍;从 3 月 1 日起,则恢复为通常的 6 倍。

保持心流

对我来说,最大的变化是:当我朝着一个尚未完全想清楚的目标努力时,我可以重新进入专注状态。无论是在设计 UI、调整幻灯片,还是编辑文档,我都可以不断尝试,看看怎样感觉最合适,然后继续推进,而不会打断思路。这正是我过去在 DevTools 中进行实验时的感受,而如今能通过 Codex 重新找回这种感觉,真的非常有趣。如果你正在尝试 Ultrafast,可以从 Light 或 Low 推理开始,缩短反馈循环,然后看看最终会取得怎样的成果。

来源

OpenAI Developers