AI 观点与方法

Elvis Saravia 表示对 GPT-6 Astra 发布当天没有获得使用权限感到失望，并对比 Fable 5.1 发布日即可使用的情况，调侃希望 AGI 不会以这种方式发布。

ZHO 刷了大量 GPT-6 Astra 提前测试案例后评价，其惊艳点在于通过建模/渲染软件实现高质量 3D 建模和渲染，建筑与游戏均适用。作为职业建筑师，他认为这并不惊艳，早在 2023 年就提出 AI 能生成真实照片后就不再需要效果图；如果 GPT-6 真的足够强，应重建全新的工作逻辑和链路，而不是更好地完成旧链路，那才是迈向 AGI 的起点。

OpenAI 的 Sherwin Wu 发帖称，在大家都在谈论 Astra 时，Luna 已悄然登顶 OpenRouter 榜单，位居第一，是一个很好的模型。其引用的推文指出，Luna 是很长时间以来首个登顶 OpenRouter 排行榜的闭源模型，价格与性能组合出色。榜单截图显示 GPT-5.6 Luna 本周用量 11.6T tokens，环比上涨 183%。

swyx 转发 latent.space 对 OpenAI Astra 的实测：团队用超 20B token 把 Astra 投入各类 AI 工程任务，成本低于每小时 $6。

GPT-6 Astra 在 Mercor 的 APEX-Agents 排行榜首次上榜即排名第一，Mean score 62.4%（第1），Pass@1 46.7%（第2），Mean 领先 Fable 5.1 0.4 分、Pass@1 落后 0.8 分。

TestingCatalog 转述 OpenAI 宣布 Defense Factory，一个依赖前沿模型的持续防御概念，指自动化的防御运营，用于持续发现、验证和修复漏洞。

HumanLayer 的 Dex Horthy 发推称，招聘方仍然发送隐去姓名、改动细节的候选人预告，但他只需把内容粘贴进 deep research 工具就能查出对方是谁，认为这种做法已经失去意义。

Charlie Holtz 转发并附议 Ethan Mollick 的观点：多人协作式 AI，即组织中多人共同使用 AI 完成目标，是当前 AI 应用中最重要的非技术问题之一。Mollick 认为现有方案仍很原始，多基于把 AI 当作群聊中的一个成员，这种思路有局限。

GPT-6 Astra 在 ARC-AGI-3 上以标准 harness 得分 63%，经新的 provider adapter harness 可达 99%，并在 96% 的关卡上动作效率超过受测人类中位数。ARC Prize 观察到它能将陌生环境转化为紧凑的符号世界模型，把游戏机制表示为逻辑规则并自建领域速记语言来跟踪状态和规划动作。

作者点评 OpenAI 新发布的基础模型 GPT-6-Astra，认为基准显示其在浏览器操作、计算机操作、Excel、编码、药物发现、数学研究等领域达到专家水平，Sam Altman 和 Greg Brockman 称其可能接近 AGI。

ZHO 发起 GPT-6 Astra 案例合集帖，转引他人视频演示建筑设计全流程：先设计平面图，在 Blender 中完成建模，再到 UE5 中完成渲染与建筑漫游视频，还包括细节细化和最终大图。引用作者认为前期概念方案可以用 GPT-6 完成。

ZHO 表示看完 GPT-6 Astra 官方文章已经无感，只想直接测试，并催促 OpenAI 尽快发布。他认为文章里的很多案例太缺乏想象力，太多基于现有场景的惯性，如果模型真的强无敌，能力展现不止如此。原文附官方文章链接 https://openai.com/index/gpt-6-astra/。

GPT-6 Astra 在 75 分钟内根据同一 simulate macOS 27 提示词构建出浏览器版 macOS 模拟器。引用者 @mweinbach 称这是他见过最好的输出，登录后还支持 cloud sync 和可用的应用，demo 地址为 https://macos-27-simulator.mweinbach.chatgpt.site/。

Sherwin Wu 表示自己曾觉得 ARC-AGI-3 很难，如今该基准已被 Astra 饱和。引用 François Chollet 的话称，ARC 3 发布时他预计前沿模型约一年才能饱和，实际只用了 6 个月，约为预期的 2 倍速度，新一代模型的能力将挑战人们基于旧模型形成的 AI 观点。

Databricks 发文讨论面向 AI 的数据治理，指出多数组织将治理等同于安全控制，而文章主张治理还应覆盖知识、上下文与本体层面。文章围绕 lakehouse 提出超越安全视角的治理思路，原文正文仅给出开篇部分。

François Chollet 表示，ARC-AGI-3 于今年 3 月发布时前沿模型得分低于 1%，曾引发部分人质疑基准本身有问题、聪明人类也无法得高分。他称基准校准良好，认真投入的普通人应能得 90% 以上，表现优于其人类基线即可得 100%；AI 在 6 个月内从 <1% 提升到 100%，显示该基准记录了智能体能力的快速上升，这一速度超出包括他们自己在内多数人的预期。

Jason Liu 发帖称 astra 在生成 SVG 方面表现出色，并附上两个视频作为演示。

Ethan Mollick 发推称 Astra 的一个细微优点是心智理论保持得更好，最终成品中很少出现引用此前草稿或构建期工作的怪异内容，长时间运行时漂移也更少。他表示并不完美，但表现非常好。

Gabriel 发推称 openai makes every month feel like christmas，感叹 OpenAI 每个月的更新节奏让人充满惊喜。推文仅此一句，未提供更多细节。

Elvis Saravia 引用 OpenAI 官方内容评论 GPT-6 Astra：该模型在 FrontierMath Tier 4、ARC-AGI 3、TerminalBench-4.0 上达到 SOTA，并在 Terminal-Bench Science 0.1 与 HealthBench Pro 上领先。作者对表格数据表示惊讶，称其击败了几天前刚发布的竞品模型，并说 GPT-6 Astra 有些不同寻常。图中显示 ARC-AGI-3 得分 99.9%、Frontie…

Ethan Mollick 称自己获得 GPT-6 早期访问，认为其能力惊艳，已能自主为自己完成持续数天的复杂有意义工作。他展示了一个由 GPT-6 制作的历史模拟项目亚历山大图书馆（https://alexandria-mouseion.netlify.app），并表示更长的评测文章即将发布。

Peter Steinberger 称自己已使用 GPT-6 Astra 数周，认为它表现出色且主动。他提到在 vitest、tsx 或 SwiftPM 相关的多个 PR 中，Astra 调试并最终在 upstream 依赖中找到并修补了问题。OpenAI 官方介绍称，凡是你能在电脑上做的事，Astra 都能快速替你完成。

SemiAnalysis 发推称赞 @vllm_project 团队近期实现的智能体（agentic）工作负载优化，称其为技术实力出色的团队，并注明这是一条五部分推文串的第一条。

Alexandr Wang 转发 @thdxr 的消息：meta muse spark 在当日使用量上超过 DeepSeek 登顶，并称这是美国模型首次排在该榜单第一。

ZHO 发布视频并称这可能就是被删除的原本 GPT-6 发布视频。

Elvis Saravia 发帖询问是否向 Grok Bot 团队再要一些兑换码，此前团队给他 50 个码，每个价值 $200，可兑换一个月 $200/月套餐或 $200 额度。他称 Grok Bot 改变了自己使用智能体的方式，其编排机器人负责给专门机器人分配任务并保持组织，使他可以并行运行多个任务。

Dex Horthy 介绍 @humanlayer_dev 中一些技能是 /grill-me 与 /show-me 的组合，并引用 @DrockStowe 的提议，将 /show-me 加 /grill-me 组合称为 /grill-with-mocks，称其效果很好。

Anthropic 的 @ClaudeDevs 团队宣布正在探索 Function Hooks，一种扩展和自定义 Claude Code 的新方式，尚未正式发布，已在 GitHub issue 征集反馈。Tianyi Cui 转发并推荐试用 DeepSeek Harness 中以 MIT 许可证开源一段时间的创作者模式。

Ethan Mollick 认为，让组织中许多人共同使用 AI 完成目标的多人在协作 AI，仍是当前 AI 应用中最大的非技术难题之一。他指出现有方案相当原始，多围绕群聊中的 AI 作为一个成员展开，这种方式存在局限。

Yuchen Jin 发推调侃听说的 GPT-6 Astra 被称为 AGI 到来和"代际飞跃"的说法，并反讽称这就是今天早上半个互联网宕机的原因，戏称 AGI 已经接管了一切。

GPT-6 Astra 在 ARC-AGI 3 上取得 98.6%，而上一代 GPT-5.6 Sol 为 7.8%，作者连用多个问号表示难以置信。附图还显示其在 FrontierMath Tier 4 （v2） 得 97.6%、ExploitBench 得 100%、SRE-Bench （four attempts） 得 99.2%。

Martian 发布 AI Frontier，一个交互式面板，衡量 44 个 LLM 在真实工作负载中的质量、成本以及跨重复运行解决同一问题的稳定性。面板分五个视图：单模型档案、一对一对比、标价 vs 实测成本、重复尝试一致性（得分约 0.74 到 0.96）和方法论。

TechCrunch 报道，初创公司 Abliteration.ai 将去除安全护栏的开源权重模型（包括 Z.ai 的 GLM-5.3）托管为商业服务，用户可通过网页或 API 免费查询。

Gabriel （@gabriel1） 发推称，现在可能是历史上最好的时机去思考"当世界拥有 1000 倍更多智能、完美的世界模型和极快进展时会走向哪里"，然后朝着那个方向去建设。

Microsoft Research 推出系列节目 Research | Start Here： Inside the Internship 的第一集，本科生研究实习生 Matheus Kunzler Maldaner 讲述自己探索智能体系统（agentic systems）研究的过程与收获。

Lee Robinson 转发推荐 @pengzheng_ 撰写的 Grok Bot 设计思考文章，并称赞其中的设计细节。文章概括了 persistent roles、clear state、scoped context、coordinated teams 四个要点，指出界面目标是让用户从操作 AI 转向委派工作，原文见 https://x.ai/news/designing-grok-bot。