用第三方模型跑 Claude Code auto 模式，每个有副作用的动作都会用你的会话模型向同一个后端多发一次判定请求：系统提示词 132,470 字符，单次约 2.97 万输入 token，比主循环那一步还多。判定请求一失败，就出现「xxx is temporarily unavailable, so auto mode cannot determine the safety of Bash」。本文用故障注入代理把每种失败对应的报错原文测了一遍：500 → (server error)、429 → (rate-limited)、529 → (overloaded)、断连 → (connection failed)，这几种会自动重试 5 次；超过 60 秒没回 → (timed out)；**没有括号 = 后端拒收（4xx），只试 1 次，重试多少遍都一样**；后端回了但模型没给判定 → could not evaluate，连续 3 次就退回人工确认。另外实测 CLAUDE_CODE_AUTO_MODE_MODEL 不生效，判定器只能跟着会话模型换。Claude Code 2.1.285，真实后端 DeepSeek v4-pro 与小米 MiMo v2.5。
Claude Code 靠报错文案判断「上下文太长」：后端说 prompt is too long 或 input is too long for requested model，它会自动压缩对话后重发，用户无感；DeepSeek 和 OpenAI 风格中转返回的 This model's maximum context length is …，它不认识，直接报 API Error: 400，每轮都失败。手动 /compact 有效；更好的办法是用 CLAUDE_CODE_MAX_CONTEXT_TOKENS（非 claude- 模型 ID）或 CLAUDE_CODE_AUTO_COMPACT_WINDOW（claude- 模型 ID）告诉它真实上限，让它提前压缩。Claude Code 2.1.285 + 本地 stub 实测。
官测 Terminal-Bench 87.9 只差 Fable 5 零点一分，实测 Artificial Analysis 综合却仅 53 分，当天下午公告即被撤下。扒开 Hugging Face 提交记录与 API 指纹，这是一次配置错位的发布事故，而非模型翻车。
Netlify 用开源评测框架 AXIS，把同一个建站提示词喂给 11 个主流模型，credit 消耗从 2.4 到 519。这是一份关于模型选型的一手实证，也是一份关于「贵到底值不值」的账单。
Kimi K3 权重上架、Dario 发否认信之后的第一个工作日，HN 头版没有继续吵政策，而是摆出了两本账：一家立陶宛团队花 500 美元 GPU 时间，用 GRPO 把一个 9B 开源模型在电商目录审核任务上训到 87.3%，打赢了包括 GPT-5.5、Gemini 3.1 Pro、Claude Fable 5 在内的全部五个前沿配置，单价便宜 68 倍；另一边，一位 Modal 工程师写下「用开源模型感觉出奇地好」拿了 303 分。本文核实实验细节、如实列出评论区的三记重锤（自建基准自训自评、500 美元只是最便宜的账单项、Ramp 营收数据的归因谬误），以及这两篇各自的利益相关。
DeepSeek创始人梁文锋在4小时投资人交流会中，系统阐述了公司的初心、开源战略、API定价逻辑、AGI技术路线、组织管理哲学、算力差距认知、国产替代路线等核心议题。本文提炼10个核心观点，带你读懂这家中国AI公司的底层思维。