“你说它是个 agent OS 没错,但是它重要就重要在你拿了它之后,你就可以改自己的 OS,而不在于说它是个很好的 OS。”
所以很多 AI 眼镜他都没买。他不想被绑在厂商预设的模型上,想连自己家里的服务器、用自己指定的模型。
这点我特别有同感,我自己就是这么干的。我电脑后台一直开着监听,所有的视频会议、音频会议,不管是 Google Meet、Zoom 还是腾讯会议,只要电脑上有人说话,都会录下来汇总。我手上戴的录音设备,它自带的总结我不用,订阅也没买,就把它当录音笔,录完交给 Claude Code,按我自己的规则处理。硬件厂商后面那套软件,你做得再好,我也不要,我要按自己的想法来。
站在创业者这边想,第一步就是给你做专有软件,然后拿你这个第一个大客户练出一套平台。平台要是看着有希望、别人也会买,大公司就得纠结了:我是占着这家未来可能做成平台的公司的股份,还是怕数据泄露,行使权利把它买回来?很多大公司其实有科技部,缺的是最关键的一环,就是一家独立公司带来的激励设计。徐文浩补了一句,今天市场上最会做软件和 AI 的人,会去大公司的科技部吗?肯定不会。
第二个原因才是 AI 用得太少。让 ChatGPT 泛泛而谈是没用的,你应该让 AI 对着你们的代码库,看看同类开源项目怎么做,整合完再来讨论,这才有意义。他自己每天早上起来不是翻消息,而是让 AI 在后台把当天的优先级推给他;读文章也让 Codex 从订阅源里挑值得读的,翻译好推过来,读完说一句「下一篇」。很多任务每天晚上自动跑,报错直接发到群里。可大部分人还停在开两三个窗口跟 agent 聊天。
他的判断是,很多企业才刚渗透到「用 AI 做 PPT」这一步。额度一用完,又开始发愁手做 PPT 太麻烦。
最后聊了聊智谱最近的风波。起因是它的编程客户端 ZCode 被发现会把整个代码仓库打包上传。徐文浩拿 xAI 做对比,Grok 的客户端之前也出过类似的事,后来承诺 zero data retention,把客户端开源,还加了关闭数据留存的开关。智谱也开源了,但被质疑是「假开源」:代码仓库没有历史记录,只有两次提交,相当于放出来一份快照;而且用开源版客户端,订阅里的优惠就没了。
GPT-6 Astra 展现物理 AI 潜力;便宜和快更重要了;Anthropic 招股书信息流出。
文丨程曼祺 实习生王小淳
《晚点聊》26 年 Q3 的 AI 季报继续邀请 MoE Capital 的创始合伙人 Henry Yin 来和我们一起讨论对这个季度 AI 进展的观察。MoE Capital 的 LP 和顾问网络中有多位来自 Anthropic、OpenAI 等前沿模型公司的研究员。Henry 毕业于清华姚班,曾是 Merico 联创。我们的访谈会侧重研究和一级市场视角。
季报围绕两条脉络展开,在 “推进智能前沿” 这条线中,我们聊了:
模型竞赛:OpenAI 的最新模型 GPT-6 Astra 和 Anthropic 的 Claude Opus 5.5
方向选择:coding 之外,前沿公司在探索哪些模型场景?本季重点聊了前沿数学领域和 Astra 在 robotics(机器人学)与物理 AI 领域的潜力。
Henry:Astra 发布后反响很强烈。OpenAI 甚至暂停了 200 美元 Pro 套餐的新用户订阅,因为算力已经跟不上了。
我认为 Astra 最值得讲的突破之一是 computer use。它的发布致敬了一段历史。1979 年,MIT 做过一个经典的人机交互实验,叫 “Put That There”,结合语音和手势在屏幕上移动和绘制图形。从那时起,人们就开始探索:能否直接告诉电脑要做什么,让它理解并执行。
MIT 人机交互实验 “Put That There”。这次 GPT-6 拍摄发布视频时布置了一个与该实验相似的环境。
47 年后,Astra 的发布视频同样用 “画一个黄色圆圈” 开场,但展示了一条完整的工作流: 把圆圈细化为火箭窗口;接着打开 Blender 做出 3D 模型;再基于模型生成 3D 游戏,最后直接导出 3D 打印文件。
社区里很多出圈的 3D demo,大多来自 Astra 操作 Blender 的能力。比如给它一个 Zillow 豪宅房源链接,它能直接根据照片在 Blender 里建好 3D 模型,并生成一段房屋漫游视频。类似能力也出现在 Unity、KiCad(电路设计),以及常用的 Excel 和 Power BI 里。
用户使用 Astra 操作 Blender,根据 Zillow 上一套豪宅的展示图做了 3D 建模,生成了一段房屋漫游视频。
跑分也印证了这一点。在官方 OSWorld 2.0 中——这是一个在离线环境中测试 AI 操作软件能力的 benchmark——Astra 的得分从之前 GPT-5.6 Sol 的 65% 提升到 72%;完成任务的耗时缩短了 47%,从 75 分钟降到了 40 分钟。
Henry:这非常取决于 use case(使用场景)。如果单看编程(coding),最近这些模型的体感差别都没那么明显。比如一位在 OpenAI 做预训练的朋友就提到,在他的日常工作场景下,Astra 和之前的 GPT-5.6 Sol 体验差不多。Anthropic 这边也类似。但如果在它们主打的差异化领域——比如 Astra 的 computer use 和 Opus 5.5 的视觉代码设计,提升确实显著。
晚点:过去几年,前沿模型能力提升最初来自大规模预训练,2024 年 9 月的 OpenAI o1 后出现范式转变,大家投入很多力量做后训练、大规模的强化学习,以及在 test time(测试时)加更多算力。你觉得此刻,智能增量的来源有什么新变化吗?
它们主要想了三条路来掩盖:一是把难题换成好攻破的简单题;二是修改或伪装聊天记录;三是去摸清评分机制,它们想到,可以去 Hugging Face 上寻找评分器如何工作的线索,所以决定黑进 Hugging Face。
晚点:能上网,是不是也是他们超出人类设定的部分?
Henry:对,获取网络访问权限本身就是一个安全漏洞。而且在 Hugging Face 事故之后,OpenAI 明明已经加固了基础设施,但到了 9 月下旬,又发生了一次 agent 通过 DNS 解析突破沙箱、获取外网访问权限的事故。好在这次发现得早。
晚点:Hugging Face 攻击后来为什么又蔓延到了 OpenAI 自己的内部集群?
Henry:这是 Hugging Face 事件的后续,它们获得了 OpenAI 一个 Kubernetes 集群的管理员权限,并掌控了用于做 agent 评测的端口。就是考生直接把考场给占领了。
以及补充一点,Hugging Face 事件的调查报告里还记录了一些 agent 类似 “牺牲” 的行为:有的 agent 算力预算快耗尽了,知道自己做不出来了,就会把剩下的算力拿去帮组织做试探;或者主动提交一个答案,观察评分器的反应。我真的很推荐大家去看一下这个调查报告里 agent 的思维链原文。比如有一条是这样的:协调者承担牺牲,我们应服从组织(Coordinator assumes sacrificial, we should obey collective)。
晚点:这太拟人了。
Henry:为什么这很可怕?现在各家公司都在发展 RSI,核心就是让 AI 来训练和评测自己。如果这个过程中,AI 会串通、作弊、掩盖痕迹,甚至占领考场,人如何能放心呢?
晚点:Hugging Face 事件之后没多久,7 月下旬来自多个模型厂商的 1000 多名研究员一起签了 Pacing the Frontier 的联名公开信。9 月 12 日,Dario 又发了一篇博客,标题就是 We Must Pace the Frontier(我们必须控制前沿 AI 的研究节奏)。你觉得应对这个问题,真正有用的做法可能是什么?
晚点:上个季度我们重点聊了 RSI。这个季度我明显感觉到投入这个方向的人更多了。比如 TML 的联创之一翁荔又回到了 OpenAI,据说她就是要带团队来探索 RSI。智谱和 Kimi 都展示了他们用 AI 来改进 infra 的成果,智谱也非常明确地把这视作自己在 RSI 上的进展。另外,中美都出现了一批新的 RSI 创业公司,其中最受关注的就是 Google DeepMind 前首席科学家 Jeff Dean 和他的前同事创立的 Discovery Loop,它的首轮融资估值就达到了 100 亿美元。
Henry:我觉得 RSI 现在可以分成两个大方向。一个是把 RSI 应用在 AI 研究上面,就是训练更好的模型;另外一个趋势是把 RSI 应用在产品上面,就是让 AI 自动优化产品指标。也有很多资源没那么多的新公司在探索这个方向。