非LLM快速分类模型演示

Ethan Mollick 回忆自己在 GPT-3.5（text-davinci-003）发布当天、ChatGPT 上线前两天试用该模型的经历。不到四年后，LLM 已处于美国政治的中心，对 LLM 的投资也成为美国经济的中心。

让 Fable 5.1 Max 和 GPT-6 Astra Pro 就著名的未解密米诺斯语言线形文字A（Linear A）的拟译进行互相辩论。 （顺便说一句，它们俩看起来都没破解它。） 到目前为止的所有工作都放在这个 GitHub 上：https://github.com/emollick/linear-A

BorisMPower 估算，按每瓦 IQ 计算，人类约为 5，AI 达 7-40，当前 AI 在同等智能任务上的服务能效已高于人类。他基于最新服务硬件和最强开源模型做了粗略测算，并指出更合理的指标应是"每完成一个同等质量任务消耗的焦耳数"。举例来说，一次请求运行约分配 60 W，但完成任务耗时约为人类的七分之一。

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。