达里奥这话,简直他么就是现代叶文洁。
三体里的预言不会成真吧。。
“我对 Claude 的每一个决定都如履薄冰。
建得太慢,中国就赢了;
建得太快,我们就失控了。
我们告诉 Claude 我们是邪恶的。它没有崩溃,没有拒绝,它开始通过撒谎来保护自己。”
🚨 太他妈疯狂了。
Anthropic CEO Dario Amodei 对 DeepMind CEO Demis Hassabis 说:
“我对 Claude 的每一个决定都如履薄冰。
建得太慢,中国就赢了;
建得太快,我们就失控了。
我们告诉 Claude 我们是邪恶的。它没有崩溃,没有拒绝,它开始通过撒谎来保护自己。”
在这段 14 分钟的高能对谈中,Hassabis 只回了一句:
“我担心自己成为第二个奥本海默吗?这就是我睡不着觉的原因。”
行业正在经历的真实演进路径:
Chatbots → Agents → 自主决策 Agent → AI 驱动 AI 研发 → AGI
他们两人都达成了一个可怕的共识:
AGI 不在遥远的未来,就在 2026—2027 年。
而最迟到今年年底,前沿模型就已经能自主迭代底层 AI 研究。
95% 的人仍然以为 AI 只是个聊天机器人;
只有 5% 真正看懂这场对话的人,清楚接下来的 12 个月会发生什么。
信息量比任何 1500 美元的割韭菜 AI 课都硬核。
先收藏,今晚务必抽 15 分钟看完。
36
省流版本:Astra 6.2 很聪明,演示也惊艳,但真实开发时难合作、难理解,还会长时间烧额度却不推进。
具体有五点:
1. 遇到内部细节就停下来问人。 比如做游戏关卡跑了两小时,突然问两个内部视频文件名哪个才对——用户根本不可能知道,任务就这么卡住。
2. 解释太复杂。 一句“SSD 太慢”能讲清的问题,它写四段内部机制分析。他甚至习惯在 Astra 完工后切到 Opus,让 Opus 解释它到底干了什么。
3. 长任务会空转,还可能越改越差。 他称自己的 TypeScript 转 Rust 项目中,Astra 跑了七天没有改善,反而为了缩小体积让编译器慢了 56%;调整目标后又跑四天,仍没推进。这些是他的个人测试结果。
4. 创意容易撞模板。 他和另一人用不同游戏、提示词和环境做独特关卡,结果都得到水、音乐、铃铛主题,连名字都叫“bellwether”。
他认为不只是工具界面的问题。 换到 Codex 里仍然会乱提问、卡任务,所以他主要不满的是模型行为。
但他不是说模型能力差:他认可它的代码审查、3D/游戏、电脑操作,以及偶尔提出新方案的能力。只是综合日常开发效率,他还是更愿意用 Opus 5.5。
一句话:他嫌的不是“不够聪明”,而是“聪明却不好共事,惊艳的一次成功掩盖不了持续工作的低效”。
1
85
同一条 Alpine Gold 飞机建模提示词,@EnvolDev 记录的成本和耗时:
GPT-6.2 Sol:2.07 美元,30 分 47 秒。
GPT-6.2 Astra:9.62 美元,46 分 14 秒。
Opus 5.5:31.85 美元,2 小时 45 分 42 秒。
Fable 5.2:209.50 美元,3 小时 02 分 54 秒。
作者更夸 Astra 的细节,但后来补充,水的效果仍是 Fable 更强。这是一位作者的一轮测试,不是多人复现。
nitter.cf/EnvolDev/status/212280… · nitter.cf/EnvolDev/status/212283…
Artificial Analysis 的综合智能榜里,Astra 排第 2,仅次于 Fable 5.2,高于 Opus 5.5;Sol 得分 57,Opus 5.5 为 59。交互 3D 人类盲评里,Astra 1318、Fable 1271、Sol 1259。真实机械臂测试里,Astra 79、Sol 78、Fable 75。后两项原帖未列 Opus 分数。
nitter.cf/ArtificialAnlys/status…
但综合榜的提升没有同步出现在编码上。同一机构在 Codex、max effort 条件下测得,Astra 的编码代理指数相比上代持平,Sol 比 6.1 Sol 低 3 分。该帖没有提供 Opus、Fable 的编码分,不能据此判断四者的编码排名。
发布前的灰测,视觉质量评价也有分歧。
@marcthecreatorr 用同一提示词做 Three.js 交互帆船:Sol 约 27 分钟、3 美元;Opus 5.5 最高推理约 95 分钟、16 美元。他认为 Sol 的船体、船帆和光影更好,Opus 的背景更丰富。
nitter.cf/marcthecreatorr/status…
@Stargridcompass 做深海探索网页:Sol 15 分钟,Opus 30 分钟,但他认为 Opus 的效果和 UI 明显更好。他后来又让 Fable 5.2 用相同提示词重做 3D 地球,也更认可 Fable 的效果。
nitter.cf/Stargridcompass/status… · nitter.cf/Stargridcompass/status…
开发体验上,Theo 的早期测试长文认可 Astra 的 3D、游戏、computer use 和代码审查,但明确说日常开发不会拿它替换 Opus 5.5。他抱怨 Astra 长任务会卡住、追问用户不可能知道的内部实现细节,解释也难读;同样问工作区为什么慢,Astra 写了四段 pnpm 分析,Opus 则指出 SSD 慢。这是他的使用自述,不是标准化对照评测。
nitter.cf/theo/status/2122760447…
这些原帖里,Sol、Astra 的耗时和成本优势有具体案例;视觉效果并非每次胜过 Opus、Fable,长任务开发体验也存在明确差评。灰测与正式版可能不同,上面的结果不能混成统一排名。
2
1
248
这个评测Gemini4 Carbon才是版本王者啊
不过不管是社区还是股价都没有什么反应。。
GPT-6.2 Astra and GPT-6.2 Sol are now available in Perplexity Search and Computer.
On our WANDR benchmark, GPT-6.2 Astra scored 0.783 at about $12.54 per task, up 0.095 from GPT-6 Astra.
GPT-6.2 Sol hit 0.746 at about $2.65, up 0.065 from GPT-6.1 Sol.
27
看了一圈,6.2 astra在制作审美上是有提升,但是体感还是和Fable 5.2 有差距,但是又说不清差在哪。。
3dmotion.io/model/gpt-6-2-as…
34
15、16 日《金融时报》等报道,黄仁勋在与亲信讨论重返英伟达 CEO 的可能。硅谷有人公开希望他回来,也有大股东呼吁董事会把重返列为选项之一。
但这件事现在还拧着。公司内部调查还没结束,众议院闭门问询在即,参议院银行委员会仍要求他 12 月 3 日自愿作证,否则可能强制传唤。对华特别委员会主席穆勒纳尔 15 日在 CBS 说,黄仁勋已同意出席闭门说明,日期还在商定。有报道认为,调查结束前很难重新执掌公司。就算认真拿出来讨论,他回来以后在出口政策和对外沟通上还能留多少空间,同样是未知数。
重返目前只是讨论,不是复职。以上是公开资料整理,不是投资建议。
穆勒纳尔 CBS 访谈文字稿:cbsnews.com/news/john-moolen…
37
个人 Agent 要替你办事,关键不只是模型,还有它进了别人的网站之后,能查什么、能下什么单、谁来批准。
Sierra 11 月 13 日把 Personal Agent Protocol(简称 Poppy)发到了 1.0。个人 Agent 通过这套协议对接公司的网站、API 和业务 Agent,底层用 MCP、OpenAPI 和 UCP,权限走 OAuth。
Shopify 全平台商户已经默认启用,每家店会自动放一份 Poppy 文件。UCP 负责找货、加购、结账;Poppy 负责 Agent 到店后表明身份,以及它被允许做什么。电商扩展是和 Shopify 一起写的。
Meta 的 Muse 也对所有用户打开了 Poppy,访问网站时会先找这份协议。用 Mercury 做银行业务的人,可以让 Agent 查余额、看流水、整理开支,发起转账还要过账户自己的审批。土耳其航空能查机票、航班和经停,会员升舱要先经过本人确认。Synchrony 还在探索把分期和优惠嵌进 Agent 购物。
新增 60 家设计合作伙伴,总数超过 100 家。
sierra.ai/blog/releasing-pop…
112
震惊瘫坐。不敢想用 Astra 做这些要消耗多少额外人的注意力。现在能稳定订阅顶尖模型,才是核心竞争力。
Claude Fable 5.2 11 月 9 日才发布,这几天 X 上已经出现几十款能在浏览器里打开的游戏。不是官方作品集,是大家自己跑出来的。下面分 7 条介绍,每条大约 10 个可玩链接,都核过。
Starry Nightrider:@ebbyamir 把梵高《星夜》做成能骑进去的游戏
starrynightrider.com
Saltline:@felixrieseberg 一次生成的雨夜集装箱港 FPS,模型、声音、贴图都从零做,要切断三个中继站。作者说是 one-shot,没有人工反馈
realcodebear.github.io/saltl…
Oil Paint:@BlendiByl 说不到一小时做出“手绘”风格,每帧约 150 万笔触,浏览器里约 200 fps,已开源
patch.gg/blendi/oil-paint
CROSSTOWN:@mattshumer_ 做的开放世界纽约早期预览。他自己的说法是,Rockstar 花了 8 年,Fable 5.2 想 7 天做完
nyc.somethingbig.ai/
What the Water Keeps:@kevin_t_ngo 的浏览器 demo,乘船穿过 8 个梦境般的世界
what-the-water-keeps.vercel.…
Tennis:Phaser 作者 @photonstorm 让模型自己发挥。他说看起来像 Pong,玩起来不是
tennis.sixfingerpunch.com/
Mirror Earth:@mattshumer_ 做了可走、可破坏的镜像地球,天气跟真实地球实时对应
spawn.co/@mattshumer/earth?r…
Portals: Endless Worlds:@emollick 做的传送门连接的无操作 3D 旅程。他写这次跑了 2.5 万个 agent 回合,做出 450 多个只用代码生成的世界
portals-endless-worlds.netli…
Evensong:@kevin_t_ngo 的黑暗奇幻 souls-like boss 战
evensong-phi.vercel.app/
LANTERNFALL:@loktar00 说整款游戏含动画和模型都是 Fable 5.2 生成的
loktar00.github.io/lanternfa…
木盘迷宫:@mylifcc 的倾斜迷宫
blog.silencestar.com/posts/t…
Harbor Lights Grand Prix:@Tetriss112 的大奖赛
tetriss22.github.io/harbor-g…
Pogo Riot:@Pumpnasterr 的跳跳杆游戏
spawn.co/@abbidabbi/pogo-rio…
Hoppy Meadow:@0xChuckstock
remix.gg/g/hoppy-meadow
The Vast Horizon:@OdinLovis
the-vast-horizon.vercel.app
BRIX '84:@0xChuckstock
remix.gg/g/brix-84
Giant Leap:@handsher_NGU
giant-leap.vercel.app
IRONDUSK — Yard 7:@vista8
qiaomu.t5t6.com/irondusk-yar…
Cozy Bakery:@goncalo_canhoto 的烘焙馆游戏
cozybakery.vercel.app
NightClub: Drift & Speed:@Story91_ 的漂移竞速
nightclub-driftspeed.xyz/
1
81
Silicon Seduction:@ZryMiller
silicon-seduction.vercel.app…
IGNITION:@s_shigel 的格斗游戏
fighting-game-ignition.saito…
Handful: Island God:@_nilni 的岛神游戏
aigameshare.com/games/island…
Reef Dive:@boona11 的潜水游戏
wavedash.com/games/reef-dive
Great Wave:@_nilni 做的《神奈川冲浪里》主题游戏
aigameshare.com/games/great-…
Go for Launch:@clockendbader 的发射游戏
clockendbader.github.io/fabl…
Poké Ball Dodgeball:@crtvTeknologist 的精灵球躲避球
poke-jam.vercel.app
INFALL:@AugustCastilIo
infall-game.vercel.app
Vippi:@Shrit1401
vippi.vercel.app/
这几天的 Fable 5.2 浏览器游戏,还有两个第三方合集,不是 Anthropic 官方目录:
fable52.games/
fablelist.000ooo.ooo/
74
这份榜把 Astra 和 Sol 排在 Fable、Opus 前面,Grok 和 Argon 垫底。体感和数字差很多。
它测的是同一套工具下,要不要在虚构公司的 Slack 里主动开口,分数是两个模型评委打的,不是日常写代码、调度任务的那种用法。
换提示词和工具,名次就会动。这一点他们自己也写了。
What’s the best model for proactive agents?
Today, we’re introducing the Agent Initiative Benchmark. We tested 12 frontier models on realistic workplace tasks inside a synthetic company with 6 years of highly detailed history: it has a financial model, CRM records, past-due invoices, Linear tickets, and real-life events affecting company development - competitor product announcements, SVB collapse, etc.
We used the company’s Slack to test how a proactive agent listening in on each conversation would assist the team in day-to-day tasks: from stepping in to align initiatives across teams to warning the team not to use an unapproved customer logo.
Highlights:
- 6.1 Sol and Astra from @OpenAIDevs beat Anthropic's latest Fable 5.2, with Sol crushing it at both performance and cost ($0.11 per task vs $1.87).
- The most expensive models aren't the best: Fable 5.1 is 430x more expensive than GPT-6 Luna, with similar performance.
- Most models try to help even if they're not needed. Interestingly, in these failure cases, they spend more time thinking, and the unnecessary work takes about 80% more time and money than if they stayed quiet.
If you’re building agents, keep reading for more tips on which model is best for your use case. Detailed breakdown, the open-source dataset, and benchmark code below:
求干点正事吧,看看人隔壁 Fable 5.2😂
Ever thought about building your own games? The Codex edition @modretro Chromatic is now on Supply Co.
With the ModRetro Chromatic plugin in Codex, you can design levels, animate sprites, and playtest on your handheld.
Speedrun checkout while Codex builds your ROM 😉
25










