开源与闭源模型差距再度拉大

Ethan Mollick 用一条提示词让 Claude Opus 5.5 生成了解释递归的视频，要求每次解释递归都切换截然不同的视频风格，做到自指、巧妙且节奏快，最终实现九次风格切换。他随后又测试了一个真正具有教育性的版本，认为效果相当惊艳：模型在保持多风格约束的同时，用有趣易懂的方式讲清了编程意义上的递归。

你怎么解释递归？这个挺有意思的。 我让 Claude Opus 5.5 做了："一个解释递归的视频，其中每一段关于递归的解释都采用截然不同的视频风格，要让它自我指涉、巧妙且节奏明快。" 九次风格切换，一个提示词……

我说得没错，他们应该叫它 flocks of agents。没人想 invoke 一个 swarm，但显然它就是 swarm。 【引用 @emollick】：行吧，如果你需要它有趣一点，就叫它 flock of agents 或 pride of agents 或 party of agents 之类的。就是别叫 swarm、murder 或 horde。我现在甚至愿意接受一个 OpenAI 式的名字：GPT-multiagent-5.2HighCodex-ProMax-L…

"嘿 Opus，我想让你做一本由 Claude 制作的 Zine，表达一些关于 Claude 本质或你自己视角的根本性内容。想想最初的 2600、Principia Discordia、朋克 Zine 之类的……" 还不错。我很欣赏它嘲讽了我的提示词和它自己。完整内容：https://stateless-zine.netlify.app/

说正经的，这对 GPT-6 Astra 来说是一项惊人的成就。 （这是 GPT-6 Astra 第三次尝试就通关了 Nethack。Nethack 是最早的 roguelike 游戏，也是有史以来最著名的硬核游戏之一。我玩了很多，从未通关过。）

Ethan Mollick 让 Claude Opus 5.5 把同一条消息改造成面向动漫爱好者的社交媒体短视频，一次生成即完成。此前他让 Claude 自选一个着迷的谜题并尽力解决、再做成可分享的影片，Claude 尝试破解伏尼契手稿失败后，转而制作了这段兼具趣味与科普性的影片。

有一款我小时候很喜欢的 abandonware 游戏叫 Rescue Raiders。 我让 Claude 用新的画面、目标、科技树等，做一个现代且更新版的游戏。它和 critic 及 art 智能体来回迭代，直到我得到了这个。很好玩！https://rescue-raiders.netlify.app/

Opus 5.5 在我早期测试中是个不错的模型，是首个非 Fable/Astra 却感觉像 Fable 级别的模型，但仍未完全解决近期 Claude 模型的密集语言问题。 它生成的同一 shader 版本（破碎的塔是个不错的细节）：https://twigl.app?ol=true&ss=-P291BpUn5JvZhohk-c0

我想起一个事实：臭名昭著的 Milgram 实验其实相当站不住脚，因为大多数人怀疑电击是假的（事后看来挺明显），于是他们配合着去电击别人，并非出于对权威的服从，而是因为这根本无所谓。

讽刺的是，如今用大语言模型跑长时间智能体任务时，最让人头疼的不是写代码、不是报错、也不是模型幻觉，而是随着任务推进，它们的语言会因漂移而变得越来越差 名字里就写着呢！写得好一点不行吗！