BorisMPower：AI 每瓦 IQ 效率已超人类

Ethan Mollick 认为，企业数据主权运动将直面一个挑战：只要 AI 能力持续指数级增长，持续微调小模型并让其稳定击败更大的通用模型既昂贵又困难。他引用一则 2026 年 9 月的设想场景：一边用 GPT-6 Astra 跑多州研究项目，一边花重金买 GPU 去微调 NVIDIA Nemotron 3。

Ethan Mollick 认为 GPT-6 Astra 和 Fable 5.1 在适当引导下已能可靠完成数周人类工作量，足以在大部分经济领域产生变革性影响。这种影响不会一次性发生且分布不均，但变化不可避免，无论前沿进展如何被调控。他强调需开发并分享增强而非仅替代人类劳动的 AI-人类协作模式，实验室、企业和政策制定者都应参与。

我认为，一旦远程连接到"你的"Claude或Astra或Claw之类的服务变得更简单、更普遍，像Siri这样的手机助手就会失去很多价值。你想要的是一个能管理一切、能洞察众多系统和偏好的聪明AI，而不是一个能力有限的助手。

这是 Astra 尝试用智能体反馈来改进等方式，制作一款 Ultima 风格 RPG 游戏。 很好地展示了优点（一次性生成带相互关联系统的复杂游戏）和缺点（剧情无聊、文笔一般、LLM 主题薄弱等） 试试看：https://the-ninth-shore-tides.netlify.app/

开源权重模型与前沿水平的差距，比我们一段时间以来看到的都要大。Mythos 于三月发布，此后虽然开源模型的发布表现不错（K3 和 GLM-5.3 都很出色），但实际使用中它们与 Mythos 或 Astra 的差距并不小。我预计这种情况会改变。

过去两周越来越清楚的一点是：无论你的公司对网络安全环境有多担忧，都还不够担忧。 WeWorm 的演示展示了恶意行为者可以多么高效。Hugging Face 事件则表明，你甚至不需要恶意行为者。

@METR_Evals 的长时程指标是否实际上已经饱和？ 自5月以来，AI进展最著名的图表没有更新，但其他已发表的研究表明，在受控环境中，Fable（我推测GPT-6也是如此）可以有效完成18周以上的工作量。

Ethan Mollick 批评 GDPval-AA 是糟糕的基准：AI 回答主观判断题，且由其他 AI 而非人类专家评分，缺乏有效性却仍被 AI 实验室引用。引用推文指出 Artificial Analysis 坚持 GPT-6 在该基准上真实任务得分低于 Kimi K3，而 OpenAI 对此保持沉默，或与测试评分方式有关。

如今在Claude和ChatGPT中，要追踪你的工作和对话所在位置已经变得非常困难：是在本地电脑？云端？哪台电脑？手机？通过Dispatch或Remote连接的电脑？还是你在Tag中对话的那台？那是否在某个项目中？当前的用户体验几乎帮不上忙。

Transformer架构的发展至今不到十年。 GPT-3.5（ChatGPT）的发布至今不到四年。 o1-preview（首款推理模型）的发布至今不到两年。