自从GPT-5上线以来，我确实感觉自己像是在和一个10人以上的团队合作。HVM4才刚满一个月，已经在各个维度上超越了HVM3。我们现在有一个原型并行模式（是的，带有惰性求值！）在运行，速度提升如预期。

请记住，平行模式是： - 在 HVM1 上出现了问题（那是懒惰的） - 在 HVM2 上表现很好（但它是严格的） - 从未在 HVM3 上实现过 拥有正确的平行 + 懒惰模式仍然是一个未解决的问题，但通过这个设置，我们终于接近了。 如果它有效，那就意味着我们可以通过真正的线程评估来扩展 SupGen，这比我们目前正在做的分片要快得多。 现在，再次说，拥有 256 台 Mac mini 是令人遗憾的，因为那是为分片优化的。这是 1024 个性能核心，分配到 256 个单元，每个单元有 4 个核心，16 GB 内存。通过真正的并行性，我们本可以选择 Mac Studios。可是，这真的值得吗？ 用同样的钱，我们可以得到 16 台 Studio，每台有 512 GB 的内存和 24 个性能核心。所以，虽然这让我们能够充分利用真正的并行性，但这也意味着我们总的计算能力大约减少了 3 倍。那么，这值得吗？ 我其实不知道，但我们很快就会找到答案。也许我做出了正确的选择（尽管我当时的信息不完整）

请记住，平行模式是： - 在 HVM1 上被破坏（那是懒惰的） - 在 HVM2 上表现很好（但它是严格的） - 从未在 HVM3 上实现（Haskell 问题） 拥有正确的平行 + 懒惰模式仍然是一个未解决的问题，但通过这个设置，我们终于接近了。 如果它有效，那就意味着我们可以通过真正的线程评估来扩展 SupGen，这比我们目前正在做的分片要快得多。 现在，再次说，拥有 256 台 Mac mini 是令人遗憾的，因为那是为分片优化的。这是 1024 个性能核心，分为 256 个单元，每个单元有 4 个核心，16 GB 内存。通过真正的并行性，我们本可以选择 Mac Studios。但这真的值得吗？ 用同样的钱，我们可以得到 16 台 Studio，每台有 512 GB 内存和 24 个性能核心。因此，虽然这使我们能够充分利用真正的并行性，但这也意味着我们总的计算能力大约减少了 ~3 倍。那么，这值得吗？ 我其实不知道，但我们很快就会找到答案。也许我做出了正确的选择（尽管我信息不完整）

@0xHP10 还要写大量的测试，并要求 AI 在每次小改动时运行这些测试。gpt-5 在根据失败的测试进行自我修正（甚至学习和理解）方面非常非常出色。

@0xHP10 还要编写良好的测试，并要求 AI 在每次小改动时运行这些测试。gpt-5 在根据失败的测试进行自我修正（甚至学习）方面非常出色。