无默认赢家：Claude Opus 5失宠

作者开源了Leader.skill，用于将模糊需求转化为Agent可独立执行数小时以上的清晰目标任务书。该Skill基于"目标七问"方法论，强调指挥官意图与Harness（排除项）比Goal本身更重要。作者推荐用Claude Fable 5或Kimi K3规划目标，再交由GPT-5.6 Sol或GLM-5.2等模型长程执行。

我越是使用前沿模型，就越不相信存在一个模型能统治一切。 - Opus 5：最擅长用生成的 HTML 教我东西，但冗长且潦草。 - GPT-5.6 Sol：后端很强，前端较弱。 - Kimi K3 / GLM-5.2：日常编码中 90% 的场景便宜又高效，但在写内核这类 AI 研究任务上较弱。 每个实验室都在为 AGI 而训练。但今天的 LLM 仍然是专才。

Anthropic因支付系统SEPA验证漏洞引发"零元购"事件，随后大规模回收漏洞账号并封禁关联账户，作者自用半年多的账号于7月29日被封。作者认为当前已非Claude一家独大，推荐编程用户使用Kimi K3和GPT-5.6 Sol，办公用户选择WorkBuddy+Kimi K3，并指出国产模型已凭二十分之一算力摸到第一梯队。

月之暗面于7月16日发布旗舰模型Kimi K3，该模型为2.8T参数的MoE架构，将于7月27日开源权重。K3在Vals AI指数排名第二，在Artificial Analysis智能指数排名第三（仅落后于Claude Fable和GPT-5.6 Sol Max且价格更低），并在Frontend Code Arena排名第一，是迄今最强的开源权重模型。

GLM-5.2（MIT开源，753B参数，约40B活跃）在AA Intelligence Index上仅比GPT-5.5低4分、比Claude Fable 5低9分，但其幻觉率仅28%，远低于GPT-5.5的86%和DeepSeek V4 Pro（1.6T参数，49B活跃）的94%。后者在AA-Omniscience基准上仅6%的问题会承认不知道。实际代码测试中，GLM-5.2用12秒和800个推理token识别出技术悖论，而DeepSeek V4 Pro耗费3分26秒和近…

阑夕将孙宇晨长文喂给GPT-5.6、Claude Opus 5、Grok 4.6 Expert、Gemini 3.6 Flash、DeepSeek V4 Pro、豆包 2.1 Turbo、Hy 4 preview、Kimi K3、Qwen3.8 Max等九款模型，让它们代景甜写百字回应。各模型风格迥异：多数以讽刺调侃回应，Qwen3.8 Max则拒绝代写并建议走法律途径。

腾讯与阿里在AI战略上押注相反路径：腾讯依托混元、微信智能体与WorkBuddy等工具将AI融入现有生态，阿里则围绕芯片、云计算和基础模型重建AI基础设施。宇树CEO王兴兴称人形机器人尚不成熟，预计3-5年内实现"ChatGPT时刻"。小米H1 2026营收同比降8.4%至289亿美元，受内存芯片价格挤压利润。GLM-5.3已加入Claude和GPT所在的第一梯队。

Arena 平台发布第 34 周 AI 大模型盲测排名，智谱新发布的 glm-5.3-max 首次入榜即位列综合榜第 13 名（ELO 1487 分），月之暗面 kimi-k3-max 升至第 10 名，首次进入前十。代码榜中 glm-5.3-max 同样首秀即杀入前十（第 10 名，ELO 1531 分）。综合榜头部由 claude-fable-5 以 1508 分蝉联第一。

作者在完成一本 RLHF 教科书后反思，LLM 在长文非虚构写作上进展停滞，GPT 4.5 和 Kimi K2 等写作强模型已显老旧，而编码、数学等任务已接近超人水平。模型能改错字、做编辑，但组织整章内容时仍混乱且易出错，作者认为这阻碍了模型自主解决开放科学问题。

文章给出一套零基础用户半天上手AI的12步实操流程：准备内存不低于16G的电脑，订阅ChatGPT并安装Codex或使用WorkBuddy，用语音输入法以【背景、痛点、需求】框架向AI交代任务，经苏格拉底提问澄清需求后投喂文件让AI直接完成，最后沉淀为可复用Skill。文中建议Codex选GPT-5.6 Sol最高模型，WorkBuddy选Kimi K3。