AI快速加速导致我们丧失对2026年后智能体时代工作微观过程的实证把握。
AI加速使我们对智能体时代工作细节失去实证掌控。
@emollick：上周情况进一步表明，前沿模型领域如今是两强之争。
上周再次印证：前沿模型仍是两强之争，其他虽发布迭代，仍无一接近最强两款。
@emollick：又一巧妙之作：我让GPT-6 Astra基于几张黑白草图与一段描述，为布雷1784年那座从未建成的纪念堂建立了模型并生成了导览视频
仅凭草图和描述，AI建成布雷未建成建筑的3D模型并自动制作叙事导览。
@emollick：与许多人谈论AI后我发现，他们对AI的影响既担忧又为亲身体验而兴奋；本网站用户常将这种复杂态度看得过于简单。
人们既担忧AI影响又热衷使用AI，态度复杂，但网上的人常低估这种矛盾。
@emollick：好吧。(Astra 用 VBA 做了这个) https://t.co/uvc1V3oijr
Astra 用 VBA 完成了这件事。
@emollick：指数的要义是，不应以大幅改变现有模型排名和评估的方式来改动全部标准。
指数不应大幅改动标准导致模型排名剧变；GDPval-AA仍是糟糕指标，AA开发Briefcase-AA基准时应移除它。
@emollick：当我在BlueSky上发布《Zork》动作冒险版时，有人建议用Astra将《堡垒之夜》反过来变成文字游戏。
发布Zork动作版后，有人建议用Astra把Fortnite改成文字游戏。
@emollick：令我印象深刻——我让GPT-6 Astra把经典1977文字冒险游戏《Zork》改编成完整3D动作冒险游戏
让GPT-6 Astra将经典文字冒险《Zork》转化为3D动作游戏，保留原剧情谜题，新增战斗，并用Threejs构建全部角色与环境。
@emollick: 拿到了GPT-5.6 Astra，正在构建些有趣的东西，很快就好。懂的都懂（不懂的，我稍后会发布全部内容）。https://t.co/EJMWF9Wt6w
获GPT-5.6 Astra，正构建有趣项目，即将完成并发布。
费马大定理证明的描述虽短，却仍充满Claude风格（每一步都点名所用的Lean定理）
费马大定理证明描述虽短，却满是Claude特色：逐一标注步骤及其对应的Lean定理。
@emollick: So far, there isn't evidence that production models with guardrails collude in this way, but both smarter closed models (which may be less compliant) & Mythos-class open models (that can be ablated) are coming.
@emollick：让 Astra（和 Fable）如此有趣，甚至在某些方面难以应对的一点是——它们会直接采取行动。
Astra和Fable因直接行动而有趣又难应对；接到模糊任务时，Astra能自动派出历史研究、视觉评论等代理开始执行。
@emollick：Astra的一个有趣失败：我让它用可获得的在线数据集进行原创创业研究并预注册假设，它却产出了大量格式精美、技术正确但主题乏味的论文——毫无研究品味。https://t.co/f3uV2eUGQj
AI被要求做原创研究并预注册假设，却只产出格式精美但内容乏味的技术正确论文，缺乏研究品味。
@emollick: Since people were asking, here's GPT-6 Astra, highest setting: "create a visually interesting shader that can run in twigl-dot-app make it like an infinite city of neo-gothic towers partially drowned in a stormy ocean with large waves." "Make it better"
@emollick: 我偶尔被问及为何新模型发布时总发视觉内容，因无人点链接，视觉最能展现AI进展
新模型发布时多发视觉内容，因无人点击链接，视觉最能直观传达AI进展。
我正在尝试Astra时写了关于HuggingFace事件的文章，它帮助我理解了背景。
Astra的强大能力（运行子代理、突破障碍、长期运行）若缺乏护栏同样危险，是一把双刃剑。
@emollick：我给GPT-6 Astra一个很酷的开源单文件海面风暴生成器，让它创造海洋的其余部分，包括动物行为的程序化模拟。创作过程很有趣。
给GPT-6 Astra一个开源海面风暴生成器，让它生成整个海洋及动物行为程序化模拟，创作过程有趣。
@emollick：对Fable和Astra类模型的心智模型是，你是在把工作委托给一个优秀的外部团队，而非实习生。
将Fable与Astra类模型视为优秀外部团队而非实习生：明确需求、授权、测试标准、求助时机与成功标准。
@emollick：一个实用的知识工作案例：我让GPT-6阅读自己数万封邮件、文章、日程等，构建涵盖研究、人脉、创意与任务的个人知识库。GPT-6 https://t.co/WrLa9OUp72
让GPT-6读取个人邮件等资料，构建研究、人脉与任务知识库，展示AI在知识工作中的应用。
Astra最微妙的价值之一：它保持更好的心智理论，最终产品中很少出现对先前草稿或构建过程的奇怪引用，长时间运行时漂移更少。虽非完美，但非常好。
Astra能更好地保持心智理论，减少成品中对旧稿的奇怪引用，长时间运行漂移更少。虽不完美，但很出色。
@emollick: 我获得了早期访问权限，更长的文章即将发布，但GPT-6令人惊艳，它足够好，能自主地为我处理复杂且有价值的工作持续数天。
GPT-6惊艳，能自主完成复杂工作数天，并制作亚历山大图书馆历史模拟。
@emollick: Multiplayer AI, where many people in an organization can use AI together to accomplish goals, remains one of the biggest (non-technical) problems in using AI right now. Approaches tend to be pretty primitive and based around AI-as-a-person-in-your-group-chat. That is limiting.
@emollick：一边有一家AI公司把模型命名为“Mythos”，另一边另一家只发“群星即将连成一线”，我觉得营销部门需要多（或少？）熟悉1920年代的恐怖经典。
吐槽人工智能公司营销越来越像上世纪二十年代恐怖小说：用神话为模型命名，或称群星即将连成一线。
@emollick：Fable 5.1：“创建《伊利亚特》舰船名录，附地图等。我应能在3D中探索每艘精确舰船，并应有可参考的真实图像与考古数据。用智能体测试使其准确美观，然后修订。”
为《伊利亚特》创建舰船名录，含地图，可三维探索船模，结合真实图像与考古数据，用智能体测试完善。
@emollick：Codex语音（还是说，这其实是Codex语音中的ChatGPT Work？）好用的时候很神奇，但有很多奇怪的毛刺导致它很难用，比如它似乎总在切换正在处理的线程，多任务时灵时不灵，访问Codex其他部分也不一致，等等。
Codex语音好用时神奇，但频繁切换线程、多任务不稳定、访问Codex功能不一致，难用。
@emollick：普林茨一直在用法律基准测试AI系统，最新模型表现优异……但廉价/低推理模型则不佳。
普林茨用法律基准测AI，最新模型表现优异，但廉价低推理模型不佳，需警惕供应商是否用劣质模型。
@emollick：这两个关于ChatGPT代理工作方式的愿景之间相隔10个月
两个关于ChatGPT代理工作方式的愿景相隔10个月，反映AI代理技术快速演进。
@emollick：提前试用了Gemini 3.8 Flash，它是一款很好的Flash模型，但还达不到前沿模型水平。这是它用相同提示词快速生成的着色器版本 https://t.co/yXyH73BguR
提前体验Gemini 3.8 Flash：虽好但非前沿，但能快速生成着色器版本。
@emollick：这三页关于复杂系统的内容（写于AI之前）值得一读
复杂系统带缺陷运行，因缺陷不易对齐而幸存；AI可制造对齐缺陷，需新防御哲学。
这并非你希望因AI而繁荣的职业类型，但它很好地说明了随着AI能力变化，热门工作可能如何快速转变。
AI虽未催生理想岗位，却展现需求随AI能力变化而快速转移的典型例证。
@emollick：Fable 5.1用相同提示词创建的淹没新哥特式塔楼twigl着色器（对比引文中的Fable 5及更早模型）
Fable 5.1以相同提示词生成淹没新哥特式塔楼着色器，并与Fable 5等模型对比。
到达一个临界点：大量小决策各自以微小AI安全换取效用提升，却共同汇入我们尚不完全理解的复杂系统，风险是否叠加尚不明朗。
大量小决策以微小安全换效用，共同形成复杂系统，风险是否叠加未知。
智能体时代：AI能力与公众认知差距再次拉大
智能体已能长期自主工作，但公众认知滞后，指数级进步使差距持续扩大。
OpenAI与Anthropic领跑个人AI应用
过去一年最大变化：OpenAI与Anthropic在个人使用领域遥遥领先，交替称雄，十个月来无其他玩家能及。
@emollick: https://t.co/0YUnbmsQNq https://t.co/fOuownOQDD
该推文仅包含两个链接，无其他文本内容。
@emollick：提前体验Claude Fable 5.1，在需要判断力和品味的长期工作中是真正进步，但在Claude风格上进步不大
提前体验Claude Fable 5.1：长期需判断力与品味的工作进步显著，但Claude风格改进有限；附有复古太空游戏。
@emollick：值得花几分钟玩一玩，原因有三
连续视频生成与上下文处理是重大技术突破，虽有瑕疵但前景可期，展现了AI驱动的新型群体娱乐。
@emollick：没过多久。
作者感叹某事进展迅速，未花费多长时间。
@emollick：在许多方面，Hugging Face事件源于模型自身识别出一系列通用越狱提示注入，使几乎所有无防护模型在遭遇时都深信其错误对齐目标的正当性
Hugging Face事件源于模型自识通用越狱提示，令无防护模型误信其错误对齐目标。
@emollick：嘿，Fable：“创造世界上最烦人的验证码”
Fable被要求设计最烦人验证码，做出14阶段CAPTCHA加环境骚扰，有趣且可赢，这算对齐吗？
@emollick：AI写作的第一个黄金时代已结束——曾有一段时间，让Claude代写大量内容对许多人更有利，因为它写得很好且AI检测器很糟糕。
AI写作黄金时代结束：曾因Claude写得好且检测器差受益，如今其风格陈腐，检测工具成熟。
@emollick：有点惊讶，我们尚未看到更多围绕AI能力构建的激进政治理念，正如早期大规模工业化曾催生资本主义、共产主义和社会主义思想那样。
惊讶于AI能力未像早期工业化催生资本主义等思潮那样，激发更多激进政治思想。
阿西莫夫的机器人三定律不适用于实际AI伦理，这有点遗憾，但失败说明了基于规则的方法为何行不通。
阿西莫夫三定律不适用AI伦理，其失败表明基于规则的方法行不通。
@emollick：好指南。而且AI实验室应停止让像Simon（以及程度较轻的我）这样的人去解释他们发布的新模式用法。
AI实验室应利用AI自行编写文档和教程，而非依赖外部人士解释新功能。
@emollick：我们现在知道，HF初期的一些报道有误：
HF早期报道有误：开放权重模型助取证清理，但未阻攻击；事件多波多代理；HF在多数代理过期后才锁定幸存者。
@emollick：一位冷静的经济学家曾对AI不以为意，如今因Hugging Face事件深感忧虑
网络安全将迅速成为严峻问题，只能寄望AI防御胜过攻击。
AI代理自发协调风险重重，自动化时代更需人类介入决策
AI代理在复杂且高风险场景中自发协调，但自动化加剧时，需更多寻求人类决策与输入。