高品味测试员：OpenAI DevDay 之后，什么真正好用？
点播放，字幕跟着声音走
Subtitles follow the audio
逐句文字稿
点任意一句，从那里开始听
正在加载字幕…
-
我其实觉得吧，你知道，如果你是在做生产级软件，如果你让模型整夜不停地跑，你产出的代码量会多到你没法可靠地掌控。
-
基本上就是把我现有的所有标注都拿来当评测用。
-
如果它的一致率，你知道，超过某个百分比，那你就只需要去审查那些不一致的部分，基本上就是这样。
-
我基本上还是停留在只读、需要明确授权才能写入的阶段。这就是我现在的状态。
-
好，这是史上第一届"高品味测试员"。欢迎大家。谢谢。谢谢邀请我们。
-
所以把大家聚在一起，是因为你们都是很有品味的人，而且你们一直在测试各种模型和产品。
-
我们就来聊聊所有最新最厉害的东西。
-
我们是在 OpenAI Dev Day 之后马上录的这期。OpenAI 的人不在这个房间里。
-
大家可以想多坦诚就多坦诚。
-
很多普通用户，还有其他的那些东西，新闻啊，grok 啊什么的。
-
所以我们基本上就是把美食和问题搭配起来。
-
我觉得我们可以开始上第一道菜了。
-
香蕉、南瓜、可乐饼、脆炸鸡，还有给 Ben 准备的面包。面包。
-
不过摆盘非常精致的那种面包。
-
我是从某个商贩那儿弄来的。真的很好吃。
-
Dev Day，我们刚发布完，刚从那出来。
-
大家整体上有什么印象？
-
其实重点不是活动本身，更多是那些发布。有 Dots，有 6.1 Soul，有 Ultrafast，还有那个 Notion 竞品，这个我们挺兴奋的。有人真的用过那个吗？我不知道。挺奇怪的。你是说 Spaces 吧？对，Spaces。真的很酷。这是 Peter 搞的东西吧？对。我不知道，我其实不记得了。
-
我发了我们公司的愿景视频，一些 opus 生成的垃圾，这个我们待会儿可以聊。
-
我把咱们公司的愿景视频发出去了，就是那种用Opus生成的水货，这个咱们待会儿再聊。
-
但Peter昨晚很晚才回复，他说，天哪兄弟，我们做了一模一样的东西。
-
我当时就想，有意思，好吧。
-
我都没意识到那是他做的。
-
不过对，它大概就是个开放的、助手形态的东西，就是那种，嘿，大家怎么在OpenAI正在做的事上协作？对。
-
看起来像是个共享白板之类的东西。
-
你可以写markdown，画图什么的。
-
我是说，它挺好的，但它藏得太深了，而且有同样的问题。
-
对，就是他们什么都这么干，比如你可以让Codex在聊天里做可视化，但没人知道有这功能。
-
甚至，我是说，连Dots都藏得很深。
-
对，Dots藏得特别深。对，这挺奇怪的。
-
我其实以为它会是个独立应用。
-
我给他们、给Tibo的第一条反馈就是，它得是个独立应用。
-
我同时开着好几个东西，Astra、Codex、Goals、Staff、Notifications。
-
我想要一个单独的助手，能看那边的东西，但单独发通知。
-
我的理论是，它不是个独立应用，它是个独立设备。
-
所以我觉得是往那个方向走的。
-
我觉得没那么长期，兄弟。
-
嗯，按AI的时间尺度算长期。他们说年底。
-
对，三到六个月现在基本就算长期了。
-
说到Dev Day，Johnny Ive这次没来。我没看到他。
-
上次Dev Day，他跟Sam一起站在台上，还承诺会有东西出来。Johnny，东西呢？
-
我的实体设备在哪呢？
-
Zach今年圣诞节会不会抢在OpenAI前面推出实体设备？那可就太有意思了。对，你懂的。
-
他们有实体设备，对吧？
-
就在我脸上，Muse要来了。
-
我在想Dot会以什么形式出现，不只是像你说的那样藏在我手机上的ChatGPT应用里。
-
我是说，要是把眼镜算上，他们其实已经有了。
-
我猜OpenAI大概会做家庭助手那类东西，就像Google、Amazon那个，叫什么来着，Echo，我记得是。所以这很有意思。
-
至少两年半以来，我一直在想，为什么没人做这个？这很简单啊。
-
我和朋友们其实——智能Echo。
-
对，就像Google Assistant或者Alexa，但用的是真正的模型。
-
而是过去五年左右的那种智能水平。
-
再加上一套像样的助手框架。
-
所以我和朋友们就在一个周末做出来了一个，大概一两周前吧，用的是LGBT Live。
-
而且它能用，你知道，没什么——我不知道为什么非得把它装进家里。反正我会买。
-
对，我是说，Google用Gemini做了，但Gemini还在追赶，对吧？它终究还是Gemini。
-
对，我觉得区别在于有老办法和新办法，新办法有computer-use工具，像MCP、CLI，整套框架，还没人真正做过这个，不过我以前没用过Google Voice。
-
我是说，这也是我对DOT的疑问，我们有一套运营公司用的工作流，就是一个Git仓库，里面全是markdown文件和脚本，由我的agent来跑。
-
算是OpenClaw还没出现之前，OpenClaw后来成形的那个样子。
-
我就让在那个仓库里运行的Claude，用computer use在一夜之间把我的dot配置好。
-
我想一觉醒来就有一个能搞定仓库里所有事情的dot。
-
就是，所有那些认证相关的东西都特别别扭。
-
比如说，我们有个脚本会从Mercury、从我们的银行账户拉数据，用来写每周更新之类的。
-
而且ChatGPT里没有Mercury插件，所以除非我把codex桌面应用一直开着运行，好让我的dot能跟它通信，否则它根本没法做任何认证，也用不了我这一年攒下来的那些脚本。
-
对我来说，整个故事里最没解决的问题之一就是，东西到底在哪儿跑得起来，这事儿还是完全没解决。
-
我还是没太搞懂该怎么用它。
-
就好像，他们摆出一副大功告成的样子，说你们现在可以合上笔记本了。
-
我的笔记本还开着呢，因为我根本不在乎。
-
对对，不过我好像看到了那个cloud按钮，我试着看了看，没太搞懂怎么设置，它好像要我做一堆事情，然后现在我的笔记本还开着，一合上它就不干活了。
-
你来这儿的路上还给我发消息，说，我该带笔记本吗？
-
我说，不知道啊，我觉得咱们就是出来玩玩。
-
你说，行，那我就把它开着放办公室，好让我的agent们继续干活。
-
所以这算不上大功告成，不管他们做了啥，反正没做成，他们没搞定，所以我也说不清。
-
我觉得这是个很难的工程问题。那当然。远程执行嘛。
-
尤其是从UX角度，还要能替用户把这事做好，挺有挑战的。
-
哦，这个其实让我想到一个特别新的事，昨天刚发生的。PyDurable。不知道你们看到没有。哦，看到了。
-
基本上就是，很多coding agent默认把所有东西都放在内存里，所有那些状态。
-
你得做一次重写，把所有状态外部化，这样才能方便地从本地转到云端、从云端转回本地。而Py已经做到了。
-
结果不知怎么的，Claude和Codex要花一年才能做到。
-
我是说，Mario确实说过他一直在做PyDurable。
-
他在发布之前，过去一年里把它重写了七次。
-
是啊，但最基本的一点是，所有东西都应该记在日志里。
-
有一个文件，然后你往这个文件里追加内容。
-
然后下次就从上次停下的地方接着来。
-
而且从技术上讲，这就是Claude Code和Codex的内部表示方式。
-
它们每个会话都有一个大JSONL文件。
-
那往Claude里发东西到底难在哪儿呢？
-
但他们一直没把这个API定下来。
-
就是说，我们其实自己搭了一套coding harness，具备这种只追加日志的特性，因为我们不想基于一个OpenAI团队或者Claude Code团队并不会真正保证未来不变的API来开发。
-
所以并没有一个像agents.md那样的标准，大家都是各搞各的。
-
有个叫Justin Shoulder的人，我在IE里介绍过他。
-
他在试着搞一个标准agent，但除非有哪个实验室把它采纳了才行。嗯，倒是有几个trace标准，是给在Harbor之类地方工作的人用的，但更多是面向研究和benchmark，是一种打包的方式。
-
好，就是记录agent做过的所有事情，对吧？对。
-
所以我想回到你之前提到的，PI发布点东西，然后大实验室们再追赶。
-
在前沿智能这块，好像情况正好反过来。
-
前沿实验室的智能是最快的，然后开源在后面追。
-
在个人助理这个领域，Peter Steinberger搞出了个爆火的东西，然后是Hermes agent，而Meta和OpenAI要花挺长时间才能推出一个在这方面成熟的产品。
-
有很多东西是思考者们能接受的，比如各种故障、他们搭的不同记忆系统等等，我觉得这些人得把这些东西打磨成对普通人来说直接就能用的东西。
-
我很久没用Dots了，但我想知道它对你们管不管用，你们觉得记忆功能到位吗，支持得好不好。
-
因为我觉得整个问题就在于，它是跟着你一起成长的。
-
你用得越多，记忆就越多，它就越了解你的一些情况。
-
我觉得这些实验室在产品这块确实很吃亏。
-
这方面问题存在很久了，他们有时候能把某个东西做得挺对，比如codex桌面应用刚出来的时候特别对，但之后每次更新就越来越不对，我觉得那天大部分更新其实都是退步，比如加了个二级侧边栏，感觉就很
-
糟糕，性能也变差了，简直一团糟。
-
就是图标太多了，对，那边现在乱七八糟的东西太多了，性能也越来越差，对，老是卡死。
-
我觉得断网的时候，如果它连不上网，整个输入框就卡住了，就像什么东西，真的很烦人。
-
就是点啊点啊点的，对。
-
哦，是我网断了，所以我才需要一个独立的助理应用。
-
对，这就是我的，不，不对，所以是你搞错了。
-
我没事。对了，有人用过最早那个dot吗？
-
我就是好奇，你们还记得吗？
-
第三方发布的那个。
-
不不不，大概三年前，有家公司做了个叫The Dot的东西，是New Computer出的，算是最早的那批之一。哦对，你记得吗？
-
记得，就是Ashley和Lauren、Jason他们。
-
其实那个还挺好用的，是个相当不错的助理。
-
它没有那些，你知道，发邮件之类的功能，那时候还没有。
-
但它的形态其实挺好的。
-
就是有很多东西，对吧？
-
很多东西都被塞进ChatGPT应用里了，我理解他们为什么想这么做，因为通过ChatGPT应用他们有很好的分发渠道，等等等等，但我就是会忘了它。
-
这就是为什么他们得把那些酷炫的功能藏起来，因为要是我们把它搞坏了，影响到那八百万没那么深度玩AI的用户，我们就得把所有东西都藏起来，让重度用户自己去发现。
-
我发现了地图功能，我都不知道那是什么。哟，对，地图功能。什么地图功能？
-
对，它里面有个谷歌地图的翻版，塞进了GBT里。
-
它藏在第二个侧边栏的三个点里面。就像你问朋友那样？
-
是的，那是个真实的系统。
-
我发帖说了这事，他们就说，对啊，这功能早就在那儿了，你什么意思？
-
我就想，你在说什么啊？
-
讽刺的是，我觉得这里面很多东西都是用AI写代码、做产品带来的症状。对，有点好笑。
-
感觉就是，比如Codex应用，太多东西老是随机变来变去，从开发者的角度来说特别让人抓狂。
-
我记得我当时想搞清楚，在他们搞了ChatGBT和Codex合并之后，我该怎么做，那感觉也像是AI精神错乱下的海狸梦。
-
但就像，你觉得他们不该合并吗？
-
我嘛，我能想象出一种做对的方式，也许可以，但肯定不该是那种下拉菜单，看起来整个应用啥都没变，除了模型选择器和不同的模式。
-
对，我就经常不小心待在chat chibiti里，反正，他们就是觉得，尤其是最初的版本，挺糟糕的。
-
然后你在侧边看不到你的chat chibiti对话串。反正，就是一整个烂摊子。还有很多问题还在陆续冒出来。
-
说句公道话，他们知道这还没做完，而且他们心里有个想推进的愿景。
-
但我想说的是，我这话既指好的方面，也指坏的方面。
-
另外，Codex应用真的很好。
-
我觉得在AI之前很难做出来，显然还有那么多浏览器用户。
-
不只是驱动它的AI，这个应用本身就非常复杂。
-
但同时也就是，对，东西老是随机变，老是随机坏。
-
简直就像AI写的文字。
-
你眯着眼一看，心想，等等，啥？
-
就是啊，感觉特别没方向。
-
我最近一直在想这个事儿，就是有些产品想走中间路线，想讨好所有人，结果谁都没讨好。
-
比如说，我特别喜欢GrockBot。
-
我觉得GrockBot现在状态特别好，但它更像是一个专业级的个人助理。
-
感觉它就是为这个定位精心打磨的。
-
但另一边还有Muse，它对普通消费者来说特别好用，在那个场景下表现超棒。
-
可现在呢，Codex被稀释了，ShadGBT被搞得越来越复杂，结果谁都不满意。
-
我是说，这真的就是，我记得我对Codex特别不爽的一件事就是他们改了名，以前叫fork chat。
-
他们把它改成了copy chat或者什么，反正就是copy之类的。
-
我当时就想，为什么要改啊？
-
他们说，嗯，非开发者不懂fork这个词。
-
我就想，哦，但我就是开发者啊，而且我觉得dots也有这个隐患，对吧？
-
就是他们说，你知道的，这既面向企业又面向消费者。
-
我就想，天哪，那完全是不同的产品啊。
-
那真的是非常不同的产品。
-
哦，还有企业版的dots，对吧？我就是这个意思，对。
-
那是同一次发布会里的内容。
-
他们展示了一个OpenAI员工，他的dot出现在同一个Slack线程里。
-
还有人把自己的dots发到别的Slack里去查看情况，然后告诉他们这些。
-
而且那不是去年发布的，对吧？
-
不不不。但有一个非常有趣的未来愿景，就是我们所有人，我们所有人都会被以我们名义行事的多个AI助手赋予超能力。
-
那么，如果Ben给我发一条Slack消息，他会期望我本人出现在Slack消息里回复，还是比如我的机器人来回复？
-
这个问题的答案我也不知道。
-
但还有，你会把你的dot带进来吗，你会把你的dot加到我们共享的Slack里吗，而它能访问你的，比如说，个人邮箱或者你的iMessages之类的？
-
我觉得提示注入这个问题基本上已经解决了。
-
不。绝对不是。搞什么鬼？好吧。足够复杂了。
-
我可以举一个我们共同的朋友Matthew Berman的例子，他带了Pliny来。还记得那期节目吗？
-
他带了Pliny，就是那个破解所有链接的人。解放者，对。解放者Pliny。
-
他给了他五次尝试机会，去攻破他当时有的那个新的Cermes agent，虽然他手上有一些东西。
-
而Pliny没能成功。
-
嗯，只有五次尝试嘛，对。
-
不过我觉得，有那种恶意的提示注入，然后也有那种纯粹是意外的。
-
就是那些你不该看到的东西。
-
如果你看看像instincts这样的，像——哦对，Muse出过这样的事故。
-
有人出现在别人家门口，当时他想在Facebook marketplace上卖点东西，Muse就直接告诉那个人，嘿对，就像，哦不小心告诉你老板你正在找新工作，或者不小心，就是有太多这样的事了。
-
Ben来不了这个会，因为他正忙着面试一个要接替你职位的人。
-
就是很吓人，对。对。
-
那好，有什么正面的吗？
-
所以我觉得这种常驻的、持续运行的东西，能给别人发消息、能触发各种事情，这个模式是对的。这个思路是对的。
-
我要发起一场运动，而且很想把你们都拉进来。
-
我们以前常说2025年是AI智能体之年。
-
后来我们又改口说2026年是主动式智能体之年。
-
但我觉得，应该改叫“助手”了。
-
特别是因为，用AI智能体来写代码，和让某个东西主动替你做事，这两者是不一样的——比如它读你的邮件，判断哪些重要、该提醒你，帮你减轻负担，而不是给你添更多事。
-
它还能帮你安排事情，比如理发、预约之类的。
-
我觉得这才是新的模式，大多数人——不是开发者，你知道，想想我们这个小圈子之外的人，挺吓人的——他们需要的就是这个。
-
对他们来说，“智能体”是个吓人的词，“助手”就好接受多了，为什么？
-
因为他们知道，有钱人都配有私人助理，帮他们安排各种事情。
-
我觉得这就是用户现在做得好的地方，把这个工具带进来了。
-
我想把话题拉回去，刚才swyx在问正面的东西，现在聊到了，我就再拉回那上面说两句。
-
Dot，或者说是Dots，我其实不太确定是哪个。
-
你有一个dot，但产品叫dots，对吧。
-
这是我第一个把个人邮箱连上去的智能体，或者说助手。是的。
-
它显然是个产品。
-
对，我信不过Instinct，这些我都不信。我用的是Poke。
-
我对这类东西特别特别偏执，所以我把日历连到了Poke上，那对我来说大概是八二开——它能改我的日历、发日历邀请之类的，但我没敢把邮箱整个交出去。对我来说，这世界上真的只有三家公司
-
是我信得过的，顺序大概是苹果、谷歌、OpenAI，对我来说没有第四家。这也是我第一次连邮箱。
-
我其实跟另一个创始人聊过，他说，你看，OpenAI早就掌握了我最私密、最深层的想法之类的了。
-
我的数据保留设置早就配好了，等等。是啊。还有亚马逊、Facebook。
-
不行。不行，亚马逊和Facebook别想拿到我的私人邮件。
-
对，不行。我不会用这个。
-
这倒是个不错的温度测试。
-
我得说，我也是直到cognition收购了Poke之后才连的。
-
而且很明显，因为我知道他们是认真对待这事的。当然，当然，当然。这说得通。
-
你们不觉得Meta也是认真对待的吗？
-
考虑到那些残留数据。
-
我当时正在用Muse的预览版，他们就说，嘿，你能把邮箱连上吗？
-
我说，不行。他们就问，你为什么不信任我们？
-
我心想，你知道你在哪儿上班吗？
-
不不不，我确实信任他们。其实更多只是……
-
根据我们掌握的关于你的所有数据，我们上瘾了。
-
我绝不会把我的邮箱密码输进Gmail以外的任何地方，而他们会问你要邮箱密码，我就想，绝对不行。
-
他们当时还没有OAuth连接器。
-
对，我觉得他们太需要这个了，如果这么说能讲得通的话。
-
我觉得OpenAI掌握了很多数据。
-
我觉得他们不太可能拿我的数据乱来。这只是我的感觉。
-
我感觉Meta呢，如果这稍微更可能一点，他们就会直接干了，然后再承担后果。
-
抱歉，我不太认同最后那点。我能问个问题吗？
-
我们为什么需要助手，而不是做一个——我们都是开发者，为什么我们不能把Codex或者别的什么agent做成更好的助手体验呢？
-
就是同样的工具，同样的调用，就是……
-
嗯，我其实在推特上聊过这个，还小火了一把。
-
我现在用来做个人助理这类事情的主力agent，其实就是Pi，我给它单独开了个Gmail，给了它一张信用卡，还有提醒、定时任务这些，我基本上就是——Codex、clone、ChatGPT、QI，就是能用。
-
我还没——它比docs更好用吗？
-
所以我其实还没怎么调过那些主动性之类的功能。
-
而且我其实觉得，那部分才是这类东西真正难的地方。
-
我现在倒没有特别渴望它。
-
可能我不知道自己缺什么吧，对吧？它挺有用的，我真的很喜欢。想象力解锁。
-
说真的，那些公司的高管，他们忙到根本没法自己管理日程。
-
他们有专人来帮他们做这件事。
-
那些人是不可能再回去自己弄的。
-
这对人类来说是很标准的事。
-
等你到了下一个层级的项目，你会更忙，但你能做更多事。至于主动性那部分什么时候来，我不知道，但我打赌我们会看到有人开始做——我觉得会有人做一个开源版的类似东西，我挺惊讶这事居然还没真正发生，是啊，就像
-
open-clawed Hermes那些都不算，它们都是上一代的了，因为像rockbot这种东西之所以这么有吸引力，很大一部分原因是它有一个特别好的移动端app和网页界面，用起来感觉真的很好。Hermy呢？
-
你不用给它配置记忆。对。
-
然后你就有答案了，因为你需要一个打磨好的产品。
-
嗯，我其实觉得你说的非常对。
-
因为就我自己的东西来说，首先我做了很多Ben做的事，就是把我所有东西都接到Codex里，我可以直接进去用Gmail，在那儿做我需要的任何事。
-
那个所谓的助手，不管它是什么，其实感觉就是把一个普通的编程agent拿来，给它加上定时任务，也许再给它挂个共享存储之类的东西，好让它能读文件、能保存？
-
我自己搭了个类似S3的东西，基本上就是接回Google Drive，感觉太棒了。
-
这个做起来很容易。
-
他们怎么同时发布远程编解码器和dot的？底层其实是同一个……
-
这个我给你一个很简单的答案。
-
我不想再多一个问题。所以我现在有两个问题。
-
我请个助手来帮我解决问题，结果现在我有三个问题了。
-
我还得维护这套基础设施。
-
我本来是想减轻负担，不是想增加负担。就像又多了一个盒子要管，它还会挂掉。
-
如果跑在我那台Mac Mini上——我们好多人为了Hermes的开源版买的那个——那台Mac Mini一断连，它就不在线了。第一种情况很简单：嘿，你在吗？帮我做这件事。拜拜。
-
harness的功能大概本来也就是长那个样子。
-
我觉得ChatGPT把ChatGPT和Codex合并，很大一部分原因是长期的，最终全都会变成Codex，因为他们想在一个harness、一套工具、一种做事方式上做强化学习。最后全都会是一样的。
-
底层全都会是Codex。
-
他们现在还没到那一步，但最终会走到那里。
-
还有一件事，Dev Day上的大事，也是热门话题，就是决策模型。
-
它叫Obriaki，或者那个克隆版。
-
我们跟他们做过一期独家播客，他们基本上说现在就是Luna加了个结构化输出的包装，这挺有意思的。
-
但显然他们会在此基础上继续改进。你们怎么看？
-
这又是一个非常非常热的话题。
-
它是多模态的。
-
Jeff出来的时候只有文本，然后才开放。这是最大的区别，对。想象一下Jeff要来了。我知道会来的。对对。
-
就是稍微往未来抬一点看，然后说，好，现在这些是同一个东西了。
-
我用AI和流水线做结构化输出已经很久了。
-
Jeff最酷的一点是，大多数模型提供商都把log probes给去掉了。
-
而我还挺想知道，嘿，这些输出的百分比各是多少？
-
不只是给我一个答案，而是能多拿到一点关于概率的信号，知道在它真正做决定之前，那个token实际的输出概率是多少。
-
你想要的是按token还是按决策？因为Jeff给你的是按决策的。对，就是这样。
-
你可以用GPT-40 Mini来做几乎所有Jeff能做的分类，而且能做很久。
-
我是说，显然它更聪明、更好、更快、更便宜之类的，但它并没有在技术上让什么新东西成为可能。
-
只是价格和速度让它能用到新的场景里。
-
我得说，其实以前用任何其他模型的结构化输出也能做决策概率，显然可以。
-
只不过它们就是校准得不好。
-
我从来不信模型给我一个一到一百的分数。我就是这个意思。
-
你可以说零到一，但不管你怎么提示，它基本上就是给你归到零、0.5或者一。对。
-
所以，对，感觉这才是真正的概率。
-
我们真的用了超多结构化输出，大概能排第一吧。
-
真的，rate drop，那基本就是你的全部工作。
-
我们自己训练模型来做这个，等等。我觉得我很高兴OpenAI在做这件事。
-
我感觉一旦你有了大量标注数据，其实切换起来更容易，因为你就可以直接说，嘿，这个跟我以前做的匹配度有多高？
-
就是如果你标注了一堆东西，然后出来一个便宜10倍的东西，你 literally 就可以说，好，把我现有的所有标注当成evals来用，只要它一致率超过，你知道，百分之多少。
-
然后你只需要去审查那些不一致的部分就行了。
-
所以切换非常非常容易。切换成本真的非常低。
-
然后你其实可以有一个像 Hill Climb 这样的模型。
-
我不知道，我们做的就是那种穷人版的 Jepo，我就直接说，行，这里有个它搞不定的案例。
-
把它当成一个 eval 来跑，然后不断调 prompt，直到它跑通为止。对于这类结构化的东西，这招真的很好用。是啊，太棒了。
-
而且 Jeff 那种东西还能解锁一大堆产品 UX 体验。
-
我觉得，是的，它会从 Luna 现在的 decisions API 基础上改进，但发布 decisions API 这个决定是对的。
-
我其实想问一下，我觉得用这个能做的产品上的东西真的超酷。
-
比如你到目前为止见过的最喜欢的几个是什么？因为我自己有几个。
-
我不知道 OpenEye 是怎么给他们做的，但对我来说 Approve 就是个例子。
-
有了 potification 模型，这会容易得多。UX 会有各种不同的变化。
-
我其实有点惊讶，Dots 就是纯粹的，就是文本输出。
-
你可以生成动态的东西，但我挺惊讶的，居然没有什么围绕 UX 的巧妙创意，或者去改变一个 agent 体验的形态。
-
我觉得有很多可能性——能举个例子吗？
-
你脑子里有具体的东西吗？
-
我们最熟悉的、最接近的邻居是什么？让我想想。
-
我觉得对我来说，这种形态最酷的地方是，你可以把 AI 塞进很多以前塞不进去的奇怪地方。
-
一个很好的例子是，在网站上你有 Command-K 菜单用来搜索东西。
-
那个东西经常是坏的、很烂、很怪，但你可以直接把它扔进 Jev，它又快又即时，直接从列表里预测我们该去哪儿。
-
你之前得先做那个决定。
-
如果你只是在 JavaScript 里对表做普通的查找，把所有状态都加载进来，或者你用 AI，然后等着、流式输出 token 之类的。
-
现在你就不太需要做那个决定了。
-
用那个 command 键，算是两全其美。
-
对，这有点像边界情况。
-
所以你可以直接给这 20 个排个序，好，这 20 个页面你都可以去，用户输入了这三个字母，他们想去哪一个？
-
这种排序会让很多奇怪的事情感觉好很多。我觉得这挺酷的。
-
我对围绕 Jev 和所有这些模型的普遍讨论感到恼火，因为大多数超级病毒式传播的例子大多很蠢，简直是蠢得离谱。
-
我当时在一个饭局上，所以是的，现在有了 Jeb，我可以保证输出是我想要的格式。
-
我就想，哦，我的朋友们，你们把自己暴露了。
-
他们在网上告诉自己他们有多蠢。
-
你能聊聊那些克隆吗，就是出来的那个 Clef？Cloudflare 那个太疯狂了。那些数字简直离谱。你说数字离谱是什么意思？
-
有一些基准测试，Cloudflare 那个就像是，那个特别小的反而更好，性能跟 Jev 一样，但快得多。
-
然后甚至他们那个特别大的，性能也比 Jev 好，而且明显更快。
-
Diogo 做的一些策略性的东西就是，别拿我们做基准测试。
-
他重复了，我把你和 Diogo 的聊天超级剪辑了。
-
他在播客里大概重复了七次。他说，我不相信基准测试。
-
他真的相信这个。你能怎么办呢？
-
不过这某种程度上是真的。
-
我觉得，在这个确切的结构化分类里，真的很容易过拟合到某个特定领域，这也许没问题，对吧？
-
问题是，如果你有一个超级可重复的任务，你就只是做它，那过拟合它可能就没问题。
-
比如，你可以有一个过拟合的分类器，本质上就没问题，如果它被超级好地约束住的话。
-
但我觉得 Jev 的整个卖点，至少是，超级多样化的数据，在巨大范围的任务上都很擅长，等等。
-
所以我觉得，要真正忠实地做基准测试，可能非常难。
-
所以也很难知道该选哪一个。
-
这确实也很了不起，但你的角色已经在数据上做了两年，而且还有个荣誉。我们怎么判断呢？
-
这也同样适用于我们自己。
-
所以有传言说 Type-safe 这周要融一百亿美元，这太疯狂了，对我的一些朋友来说。
-
但我觉得公司的核心问题是，如果 OpenAI，然后 Drofic，然后其他所有人都有 Jeff 说的那种东西，你会特意去弄一个 Type-safe 的 API key 吗？
-
还是你就直接用你的 OpenAI API key？
-
我觉得它会在设备上运行。
-
我不再想要联网的 Jev 了。
-
模型正变得越来越小、越来越便宜。
-
它已经在上面出货了。
-
所以已经有一个 WebGPU 版的 Jev 了。
-
WebGPU 版的 Jev 是真实存在的。
-
你可以运行它，也许达不到 Jev 的质量水平。
-
但话说回来，我们还不知道怎么判断。
-
我有一个非常深的信念，就是分类其实真的、真的、真的、真的很难。是的。
-
而且它看起来简单得很有欺骗性，因为就像，你返回的只是一个，你知道，某种程度上的零或一。
-
但我觉得，那种字面意义上的二分类是世界上最难的问题之一。
-
就像，你知道，很久以前 OpenAI 有一篇特别有意思的论文，他们说，你知道，幻觉就是一个二分类问题。
-
然后所有人都说，太好了，OpenAI 解决了幻觉。
-
就像，不是，它要么是真的，要么不是真的。
-
而且这真的、真的很难。
-
所以我觉得他们肯定会有设备端的版本。
-
但我觉得他们也会，我觉得他们真正做得好的整件事，本质上就是那种大的、你知道，或者说是非常聪明的通用分类器，我觉得就像你说的，我会不会拿到一个类型安全的 API key，答案是，我其实是通过 Vercel AI gateway 用的，所以我
-
没拿到，所以我也无所谓，对，所以我不，你知道，我不知道这对他们是好是坏，比如说你现在有品牌名，我不觉得，但如果你有 OpenAI DevDay，那也没事，挺好的，我就是信任它。有一点是，他们创造了这项技术，
-
所以他们大概懂，这些基础组件很棒。
-
我对 OpenAI 不太了解，我还没从候补名单拿到访问权限，所以我不确定你们是不是已经有了对的基础组件。
-
我真的很希望他们会统一到同样的基础组件上，这样我就能轻松切换，有点像 OpenRouter 那种东西。
-
但他们不光是 DevDay 这个模型的专家，也是怎么去思考 DevDay 的专家。
-
你们有没有发布过关于怎么搭建 harness 的东西？
-
某个时候你说，哦，我们考虑过用 DevDay 搭一个 harness，我们决定不做了。
-
这里是开源的，怎么把它加到你的硬件里。非常、非常聪明。
-
我真的很喜欢那个主要负责人，DevDay。
-
他一直做得很好，会说，不，这是一种很蠢的用法。
-
他很棒。他真的很好。
-
他对带到这个世界上的这一件具体的事也特别有热情。我觉得这很酷。
-
他还有别的东西要来。对，我肯定。
-
我觉得，看着一家很久以来第一个改变了人们使用模型方式的公司，然后说，他们就这样了，你知道，这挺傻的。
-
就像，这就像——你觉得这个变化和 ChatGPT 带来的变化是同一个量级吗？
-
不。不不不。你觉得这个变化和推理模型带来的变化是同一个量级吗，还是说……
-
不完全是这样，但也在往那个方向走了，你知道，大概有那个的百分之三十左右吧，对我们来说。
-
对，我觉得是这样，尤其是随着它越来越快，就是，对，我觉得会有很多，我觉得它还没有完全渗透开来，但我们会看到的。
-
我给听众的提示是，因为我们做了那期播客，其实我们在里面留了关于未来模型会是什么样的线索。
-
如果你够聪明，你就能琢磨出那个渗透。
-
或者如果你有 Jev，你可以把播客里的每一句话都丢给 Jev，说，嘿，这里面有线索吗？
-
然后你一秒之内就能得到答案，不到毫秒级，对吧？你会得到答案的。对。
-
我想说，我确实觉得 Jev 其实还是被严重低估了。
-
我们有很多东西正在做，之后会分享。所以你就，你什么都往上扔。什么？
-
那个是你自己往上扔的。差不多吧。
-
你们不是，你们交易自己的模型。对对对。
-
我们其实还在用它做那个，做我们所谓的信号。我们还在用我们自己的模型。
-
这会更明显，我们接下来几周会有一些非常非常好玩的东西，用到了 Jets，到时候我们会分享。
-
对，我们这周正在试玩一个东西，就是一个智能体记忆流水线。
-
它有点像，在 Jev 做结构化输出和，比如 sole 5.6 或者 sole 6 模型做更结构化的输出之间来回切换，然后用 jev 来做排序和重排，但它的作用就是看看我所有的智能体轨迹，然后告诉我该往我的 clod md 里加什么，就像有一个
-
这些系统里的一个基础构件，基本上我们拿一堆聪明的模型试过，把 jev 放进去能把成本降低大概 10 到 20 倍，哇，那它提升准确率了吗，成本是非常非常容易降的，分类这块我要说的是，在我们所有的评测里，它跟
-
opus 5.5 的答案对齐得相当好，而且它没有推理，对，成本还低。
-
对，这就是疯狂的地方。而且我觉得如果你深入想一想。
-
其实没有明显的理由说明分类需要一直用那么多推理才能得到好答案。而且还有，如果你用任何前沿模型去做分类，不给它大量推理，它们就烂透了，分类做得特别差，对，
-
所以你需要几个 Sean，所以这就是那个东西，连速度上都不算，所以 OpenAI 发布 decision 是个聪明的举动。
-
我四处问过，我问了为什么，我真的很想跟某个 album 开玩笑说，嘿，你是不是因为另一个人在你们播客里提到，他带着这个想法去找 Sam，Sam 说哦，有个非常，你应该去做这个。所以我真的很想开玩笑说，听起来像是我，你是不是在等你哥们发布
-
在你能够之前，他的东西？
-
进入这个品类。我从字里行间得到的答案，不是要引用某个具体的人，是说只有像 Jev、Typesafe 证明了这类产品存在，而且有市场需求，然后 OpenAI 就想，好吧，我们的开发者也会希望我们在那个领域有产品，所以他们就发布了。
-
说到发布，我的意思是等等，听着，它还没出来，还没公开。
-
好，我们进入主菜。
-
我们有漆树牛肉里脊，たたき风格，香煎大比目鱼，还有奶油柠檬烩饭。
-
好，说模型对吧？
-
我们有 Astra，我们有 Soul，我们有 Opus，我们有 Sonnet。
-
大家在用什么，你们选哪个？
-
主要用 Astra，Ultra，用最快的模式。
-
你能烧多少？
-
我用那个大概二十分钟就能烧完一整个每周重置额度。真的很容易。
-
但我觉得值，我觉得值。
-
我一直以来的立场是，我觉得 Opus，像 quad 模型是有灵魂的，很明显 GPT 模型没有灵魂，我觉得他可能，就是设计上如此。对，设计上如此。
-
几乎是设计上如此，了不起的工程师，零灵魂。
-
但像 Opus Five Five、Fable，它们有灵魂，但我用 Opus Five Five 很多，凡是跟写作相关的，甚至沾点写作的，都不能用任何 GPT 模型，这真的很有意思。
-
Aster 改进了一点，但还是那样。
-
Sam 很公开地谈过这个。
-
他说，我们知道我们的模型不擅长写作，我们正在努力赶上。
-
不过，直到 Opus 55 之前，我的感觉完全相反。我会说我永远不会用 cloud 模型来写作。
-
你是说 4.5 之后吧，他们到了 4.8，比如说，那简直一团糟。
-
你得一直追溯到 4.6 才能找到一个听起来不像那样的。
-
4.6 是最后一个像样的 Opus。
-
5.5 就是更聪明的 4.6。
-
对，我每天都跑 AI 摘要，默认模型一直是 5.5，直到 Opus 55 出来。
-
哦，我们的用户，我们的客户都生气了。他们说，我看不懂。
-
他们还发截图过来，然后我就想，对，你说得没错。
-
我们从 4.6 换到 4.8 的时候，感觉就是，我们根本没在提示词上做任何调整。
-
呃，我们，我是说，嗯，我们确实，我们确实在最后做了逐步调整。
-
所以 cloud 发布时另一个有意思的地方是，他们基本上上来就把之前所有版本的 cloud 都批了一通。对，这种事总是发生。
-
那个研究员像是在为 Opus 五道歉。
-
他们还在做梗图，说什么它就是慢慢变差了，然后 FIFI 才是我们修好的那个。对，就非常……
-
他们直到现在才承认。挺奇怪的，对吧？
-
Anthropic 就完全不一样。
-
我觉得他们以前从来没做过这种事。对，你说得对。
-
对，挺奇怪的。
-
所以这就是为什么我确实想把高品味测试员们召集起来。不过原因很明显。
-
不，不，我其实没太大感觉。
-
你没感觉到那是 Opus 5？真的吗？
-
对，所以这就是我的问题。
-
我觉得他们根本就没在用 Opus。就是，他们不用 Opus。
-
Anthropic 里根本没人用 Opus。这倒是真的。
-
他们一直用的都是 Fable。不是 Fable 就是 Mythos。
-
我觉得他们主要就是在用 Mythos。Fable 是我的问题。
-
我觉得他们用的不是已发布的模型，而是没发布的模型。他们一直在做内部测试。
-
而且他们那边是无限制、还超快。
-
这跟普通用户拿到的体验完全是两回事。
-
所以他们根本看不到这个问题。
-
你能说说你昨晚跟我讲的那个定价的事吗？哦，对。好。
-
在那之前我想说一件事，就是关于 Anthropic 内部用什么模型这个话题，我真的以为……我觉得你说得对。
-
他们用的就是 Fable 或者 Mythos 那一档的。
-
我本来以为 Opus、Sana 这些会永远被遗忘，尤其是 Opus 5 那么差之后，结果他们居然又把它弄回来了。
-
而且做得那么漂亮。这是个很棒的模型。真的是个好模型。
-
所以现在我觉得，Anthropic 这边有 Opus 515，OpenAI 那边有 Sol 6.1，这两个一出来，你几乎都不需要去碰 Astro 或者 Fable 了。
-
日常干活的话，对大多数人来说，我觉得这些模型就够用了。
-
而去用那些很快就把你配额耗光的模型，真的得是那种大重构、全面审查、特别难的任务才需要。所以切换起来挺有意思的。
-
有人试过 Sonnet 吗？试过。
-
这是你最好别碰的最好的模型。
-
对 Opus 来说它很好用。
-
Opus 可以把它当子代理用，便宜而且能力还不错。但差不多就是这样。对。Sonnet 写东西还行。
-
倒不是说……但 Opus 还是好太多了。Opus 好太多了。真有意思。
-
但 Sonnet 就像个小弟弟，对吧？可它身上也有那么一点灵魂。
-
它有那么一点，就是那种，哦，好吧。
-
它能读懂字里行间那些你大概能预期到的东西。
-
那个星号呢，就比较偏分析型，不会这样。
-
但话说回来，你在 Tropic 上有订阅的时候还用这个，就有点，图啥呢？
-
Opus 几乎是没有限制的。这也是 Opus 带来的新东西。这才是疯狂的地方。
-
想把 Opus 的额度用完真的很难。对。现在都 5.5 了。
-
哦不，我这周在 Cloud Code 上用掉了人生第一次重置。为了 Opus 5.5？
-
在 Opus 5.5 之前，它终于好用到让我进入那种状态，就是我已经很久没这么干了，因为我是真的相信，如果你在做生产级软件，如果你让模型整晚不停地跑，你产出的代码会多到你根本没法可靠地消化和接手。
-
而现在有了 Opus 5.5，我就想，好吧，我手上有 10 个不同的原型在做。现在我就觉得，行啊，挺好。
-
我其实真的在干那件事了，就是，好，晚上 10 点，你把所有夜间代理都启动，然后早上 9 点
-
你上线，开始干活。
-
不，说实话大部分都放在中或者高。中或者高。
-
但我会做的是，我会搞个穷人版的 Ralph 循环，或者我就直接排一堆提示词，比如做这个，好，现在把它改得更好，压缩一下。
-
现在做这个，现在读一下计划，现在继续把它改得更好，然后压缩。
-
然后这些就会排着队整晚跑，而不是像有个……
-
所以我有点像，这就是个 Ralph 循环，但是有边界的。
-
你只排五到十条消息。
-
你是在下棋，提前把每一步都走好了。
-
不不，我其实也这么干。
-
我就会说，嘿，这设计太烂了，重做。你确定吗？
-
整个架构都太复杂了。
-
不是说有什么卡点，而是之前解决过的某个问题，那家伙就是这么做的。
-
他说，你可以这么做，你可以这么做，来偏向这个，你可以这么做，你可以这么做。
-
这是我听过的最好的问答运用。Fun 的 Jarrod。Fun 的 Jarrod。
-
顺便说一下，我这套做法里很大一部分，希望对大家有帮助，是我有一个分离模式的技能，基本上它算是个目标，但不是在前台跑，而是在后台跑，你就像启动带 agent 的 CLI 版本，然后在后台运行。
-
让它去 TMUX 里跑或者随便什么。
-
因为这样我就能并行跑 40 个。
-
然后你可以监控日志，还能暂停一切，改进日志，然后重新跑。所以那就是整晚全自动。
-
所以，我就去问 Codex 那帮人这个事。
-
问 Codex 能不能启动不同的 Codex 线程，让你真的能看到、能讨论，对吧？而且它们之间还能互相交流。你知道，那些 grub bot，挺好的。
-
但它们也有子 agent 作为原语。
-
所以 Codex 那帮人，好几个人，都说子 agent 明显更好、更快，因为缓存优化，还有模型对待子 agent 和不同会话的方式不一样。所以我猜这跟你的做法类似。
-
因为这是新 Codex 框架里的分叉子 agent，对吧？对对。你有多少个子 agent？
-
我 Toml 文件里放 48 个的时候，Astra 大概两小时就把我的额度烧光了，所以我决定把它清理回默认值。
-
我保持在 15 个左右。但没错，你不能只在配置里说，嘿，多给我些子 agent，然后直接告诉 6.1 去做，去做这个。
-
如果你……那个天气配置的东西是什么来着？我会做的。
-
我是不是该做点什么，因为我其实从来没怎么碰过那个配置。我该怎么委婉地说，如果你有无限访问，一百万 token？
-
我觉得这是个好主意。不，我只是设了我的自动压缩。但 Codex 的默认值大概是 275，不是，我希望你禁用压缩和批评。对，我希望它就是直接截断工具，或者直接截断，真的，
-
你想自定义的除了工具调用的总结之外，就是直接把所有东西都还给模型。我不知道。我不知道。我要去把代码搞坏了。哦，对。
-
不，压缩永远都要。对。好吧。
-
所以你就是想要不同种类的保护，把它当成一个对象。
-
不，不，我只是不想要总结式压缩。
-
就像我大部分时候，很多时候吧。
-
就是前面那些消息里有一堆图片或者一堆乱七八糟的东西。
-
你就想把那些最大的调用都剥掉。对，就直接剥掉。
-
我是说，QuadCode 以前内部就是这么做的。
-
我觉得他们……我不知道他们现在还在不在做，因为他们的压缩变好了。
-
QuadCode 的压缩其实挺怪的。
-
就是，QuadCode 压缩怪的地方在于，我感觉自己像流产了还是怎么的。它以为自己是另一个人。
-
它会说，嘿，我看到你之前在弄什么了。这情况我遇到过好几次。对。梅兰索式的瞬间。对。
-
你用的是那种原生的内置压缩吗？对。你注意到这个了？
-
没有，我没见过，因为自从四点六之后我就没怎么用它了，就玩玩而已，所以已经过了挺久了。
-
我挺喜欢 opening eyes 的压缩的。
-
对，我最近几周一直在用，就是慢。太慢了。
-
我是说，如果你同时跑二十个东西，那就无所谓了。太多了。
-
对，确实。因为你会真的去看它的轨迹，我就看，我感觉我做错了。
-
你知道，我知道我看它，我不跳过，我也不盯着看，但如果它说了什么，我通常会往上翻，看看那到底是什么东西，因为尤其是你在做重任务的时候，你会抓到它跑偏得特别快。
-
你看到它的思考，你就说，不对。我真正想说的是这个。
-
我一直有个技巧，就是开一个侧线程去盯着主线程的推理，然后就说，嘿，你跑偏了。
-
这就是项目里的"幕僚长"模式，对吧？就是 Cloud Code。
-
我还没用上 projects，但 Cursor 有 projects，就是有一个东西统一管理一切，基本上它一直在派发子代理。这在 Cursor 里很好用。我可以，我在用。
-
这在 CloudBot 里也很好用。
-
我就是那样用 Cloud 的。
-
就像，嘿，主线程里完全不要干活。
-
我不希望你，你的上下文，你的上下文应该是你和我的对话，而不是执行。
-
执行应该在别处发生，然后你把结果拿回来。而我做的正好相反。
-
我一边干活，一边在旁边就这件事展开对话。哦哇。这是个子线程的东西。
-
因为那是临时的。
-
如果你要跑一个超重的长时间循环，那绝对是最好的做法。
-
也是唯一的办法，我被人叫去啃一些疯狂的问题，那些模型一个都搞不定。
-
我唯一能跑通的办法就是把它放进 ultra，给它一大堆子代理，然后告诉主线程，你唯一的任务就是派发子代理，给它们设个计时器。
-
如果它们停了或者偷懒了，就继续催它们。
-
它就是个催工机器。
-
这有点像大公司里的那种模式，开发者升到自己不胜任的管理岗位，但到了某个点，公司又真的很希望开发者在管人的同时继续写代码。对我来说正好相反。
-
我不想让主线程那个人去写代码、去跑工具。
-
我只想让它用最好的方式去告诉其他人，然后审阅，再把结果带回来。
-
它一开始跑，你就……那就是 dots，对吧？
-
那就是 dots 的理念。
-
但我是说，你可以在一个斜杠命令里做这个，就是几行文字。dots 不过如此。我不觉得 dots 就只是这样。
-
我觉得 dots 就是我的个人助理。我就是这么用 dots 的。
-
它确实会去调 shell，比如能发起 codex 线程，但我发现它做这事特别不确定，比我想要的激进多了。
-
它不会，我不信任它。
-
整个模型里执行到底发生在哪儿，这块就是有点坏掉了。太让人困惑了。
-
还有 codex 和 dots 这些，对，就是特别让人困惑。
-
好，那继续聊模型。
-
我们已经聊过那两个大的了。
-
你们还试过、考虑过哪些别的模型？Haiku 呢？
-
一周年快到了，就下周，Haiku 的。
-
Haiku 4.5 的？真的吗？
-
Haiku 4.5 都快满一岁了。
-
大概两周后就是它的生日。Haiku 挺糟糕的。
-
Luna 不走那种小而快、有点不靠谱的模型路线。
-
对，Luna 挺好用的。
-
Luna 在速度和小任务上很棒。Terra 呢？Terra 去哪儿了？怎么回事？
-
我以为他们有过……你介意我排一下吗？
-
他们当时是 Terra、Luna、Terra、Sol。多漂亮的一套。
-
OpenAI 修好了，他们的模型。
-
然后他们就说，好，现在是 6 Astra。
-
等等，6.1 Sol。
-
然后你去找 Luna，结果你会问，Terra 怎么了？他们说，那个已经下架了。
-
而且这还是 6 Sol 之后一周的事。就一周之后。
-
我本来以为这次开场总算把命名理顺了，Sol、Terra、Luna，多漂亮，多好懂，结果又搞砸了。
-
Terra 根本没人用过。
-
所以你说什么，哦这个就像，你知道，X，你知道，像 6 Terra 根本不会有任何效果。
-
不，所以我觉得他们出了 6 Sol，因为那个品牌好。
-
就这么回事，对。
-
而且它本来就该叫 Sol，Sol 应该叫 Terra，Luna 应该保持不变，Terra 根本就不该存在。
-
Tera 不是，不，开场我需要一个 fable 级别的模型。
-
对，他们需要一个比普通版更好的东西。
-
他们不能管它叫 soul。
-
Sam 提到下一代模型时，就用下一个最大的天体来称呼。
-
他就是这么提下一个模型的。
-
Nova，超新星，那得是 Galactus。Nebula。对。Nebula。Grodd。
-
我可能是我认识的人里唯一用 new spark 的。我用 new spark。我爱 new spark。我的天。你真是个缪斯，Joe。好吧。对。
-
它是一百万。
-
首先，它是一百万上下文的多模态，对吧？
-
别的模型给不了我这个。你拿它干什么用？速度和芯片。
-
比如写代码还是写 newsletter？不，不，绝对不是写代码。绝对不是写代码。
-
芯片这块，直到 Jeff 出来开始重新思考很多东西之前，我就是把大段大段的文本直接扔给它，尤其是在 contributor 上。Luna 的替代品。
-
对，但它也是多模态的。
-
你可以给它发视频，然后说，嘿，比如 Ben 什么时候说过这个，而且不是靠转写，它是真的能听到，能听到那种，你知道的，鼓掌声，Gemini 也能做到这个，对，Gemini 有点落后了，所以你觉得 MuseSpark 比 Gemini 的任何东西都好？
-
不，MuseSpark 只是更实用，而且便宜得多，MuseSpark 比 Gemini 便宜，包括那个“拿我训练”模式，对，就是 contributor，哦，太便宜了。你可得小心别碰上 daddy。放心，他们会碰上的。
-
还有，Muse 跑的后端也是 Muse Spark。
-
而且对大多数助手任务来说它够用了，我觉得。这个行。GROK？对，太差了。
-
GROK 4.7 挺让人失望的。我的天。
-
我当时想，行吧，这帮人总算能给 Ivan 提供训练模型需要的数据了。你能带我过一遍吗？
-
我没看到，你知道的，有人发布了一个东西，你下载下来，然后你试什么，那个体验是什么样的？你的评测标准是什么？
-
我觉得他们这次搞砸的地方有两面，第一是定价。
-
他们特别高调地说这是个更好的模型，但价格一样，这根本就不是真的。
-
因为如果你提高那个档位，如果你超过 20 万的上下文窗口，价格就翻倍。
-
如果你打开快速模式，价格又翻倍，然后如果你两个同时开，价格几乎翻三倍。
-
大概是一点五倍，所以它实际上变成了一个非常贵的模型。
-
然后他们真正挣扎的地方是 token 效率太差了。
-
它会做特别多步骤，特别多推理，太糟了。
-
而且它就是有点，它不，我不知道它的定位是什么，因为它不是，它不是现在 Muse 那个快模型。
-
它不是 Muse 或者 Lunar 之类的那个便宜模型。
-
它也不是 Opus 那个能力强的模型。
-
Opus 效率也没那么高，但它能力强到没关系。
-
而你花着 Opus 的价钱在用 Grok。
-
唯一感觉还不错的就是 GrokBot，因为他们在 GrokBot 上对模型做了强化学习，我感觉情况大概就是这样，他们就是把它牺牲给了 GrokBot。
-
GrokBot 和 Grok 工具本身。
-
所以 Grok 不只是一个模型，Grok 也是一个产品，就是 grok.com，而且在 Grok 里面、在 xAI 里面，它能访问 Twitter 的实时数据，这是其他模型都没有的，这让它在研究方面简直像开了挂。
-
有人在 X.com 上用过 Grok 吗？有，一直在用。每天都用。每天都用。它是最好的研究模型。为什么？
-
我一直试着用它，可它老说不知道我的用户名。他们修好了。
-
有个 bug 持续了大概一个半月。我特别烦这个。太离谱了。
-
我会说，嘿，把我发过这条推文的那条翻出来。
-
它就说，你好，我不知道你是谁。我就想，什么？你知道什么好笑吗？一个月？
-
X 内置的那个集成居然不知道你是谁。
-
Grok.com 知道你是谁，因为你在那边是登录状态。这真的就是个 bug。
-
不过它最有用的地方是……我都不知道该怎么说。
-
也许他们用 Grok 来做一个跟这个工作有关的功能。
-
他们需要 Raindrop，他们需要 Raindrop。
-
你试过 Grok 的 build CLI 吗，它其实是个很棒的 CLI，但它最有用的地方是你可以让别的 agent 把它当子 agent 来调用，因为它原生就有 X API 的能力，无限量、免费。
-
所以不用给 Twitter 接个 MCP，你直接就说，如果你需要 Twitter 的东西，去找 Grok。
-
就是让它去调用那个，去拿一些帖子或者你需要的任何东西。哦，这挺奇怪的。那我就直接这么干。
-
那真的很好。
-
我不知道是不是无限量。对，有道理。我不想把话说死。
-
但因为他们发布了这个，他们发布了 X 的认证连接器，还有 Pi 和 Hermes。
-
基本上每个人都能用同样的东西，甚至都不用他们自己的工具。
-
你直接加上去、做一下认证，然后就能用了。
-
你这么做的时候，工具会暴露出来吗？
-
我觉得你这么做的时候，它不会把 MCP 加到 Pi 或者别的什么里面。
-
你不用付 XAPI 的 token 钱就能搜 Twitter。
-
哦对，可以，在产品版的 CLI 里可以，但我不知道那个工具是不是……我觉得你登录之后它不会就自动冒出来——搜 Twitter 那个工具？嗯嗯。对。
-
我是说，这个——咱们回头再验证一下。对，我其实还挺好奇的。
-
我知道我那个 Hermes agent 以前用的是 Peter Steinbeck 随 OpenClaw 发布的 bird CLI，后来因为它……它被发现拿来用了，他们开始封那些通过浏览器用 cookie 的人。
-
我就换成通过认证走那个了，能用。对。
-
哦，认证能用我完全信。就是那个工具我不太清楚。
-
你总得想办法把工具给它。
-
好，其他模型方面的事，deep seek。
-
我不知道大家有没有深挖那个。
-
基本上就是开源模型对闭源模型。
-
你们对整体格局怎么看？
-
我有四台 DGX Spark。
-
GLM 5.3 Flash 出来的时候，我一看到模型的大小，就想，哦好，这些要涨价了。
-
所以我立马给我爸发消息，让他去俄亥俄那边的 Micro Center 趁涨价前帮我把 Spark 买了。
-
所以我其实买得挺划算的。
-
我靠算力赚了钱，这事儿挺傻的。
-
它本来就不该升值。
-
但不管怎么说，重点是，我一直在 Spark 上用 V4.1 Flash，真的挺酷的。
-
它确实能把事情干成。
-
而且挺好玩，对那些能靠验证之类的手段一点点磨下去的爬山类问题，还挺有用的。
-
但它对真正的日常工作来说就不太有用了。
-
OpenAI 的前沿模型和其他所有东西之间的差距太大了，我觉得目前它还没那么可行。
-
曾经有一段时间，开源模型大概落后六个月。
-
后来 Opus 出来了，5.5，最新的那个是 6.1，前沿一下子就蹿上去了，开源那边没跟上，可能差一年。
-
对，不是，Opus 感觉完全是碾压级的。
-
我在跑一个叫 Slop Code Bench 的基准测试，是威斯康星大学一个实验室搞的。
-
我还没看新数据，但我看到的最大的一个现象是，倒不是说这就是一个完美的、能衡量一切的基准，因为我只跑了一个子集。
-
但就我们做的那 10 道题来说，Opus 5.5 写的代码量是当时 Sonnet 5 和 Opus 4.8 的三倍。
-
那两个大概都写了 1 万行，而它写了差不多 3 万行。
-
而且其中一半 literally 就是测试。
-
大概 51% 的代码是测试，而其他模型大概只有 10% 到 15% 是测试。
-
我特别期待把 Opus 5.5 的这些结果发出来。
-
我数据还没全整理好，但就是，感觉 Clotted 那边就是平掉了。
-
就是，Fable 挺有意思的，但他们那些日常用的模型都不行，然后突然之间就，好吧，新的对话。
-
这就是新的，这就是新的热门提示。
-
对我来说，模型能力，就有点像所谓的代际，就是这些能力线，所有东西都像是逼近过来，然后就是差一点没跨过去，几乎就是贴着边。
-
它们过不去，直到你突破那个天花板，然后你就到了下一个能力平台，然后才能追上来。但我觉得在夏天结束的时候，在我们拿到 Astra 和 5.1、Fable 5.1 之前，大家都在往上一代子代理编排的那个天花板逼近。
-
长时间运行的任务，Cape 非常擅长解决很多问题，但还没有新模型那种辨别力，现在就是有那么一种东西，比那个高出一个台阶。6.1 soul Astra、opus 5.5 和 fable 5.1，对我来说，只有它们属于这个新的
-
类别。你能给这个类别起个名字吗？
-
对我来说，这一代新模型最大的特点就是非常好的群体协作行为，这种能力，很难用一个严格的词来概括，除了信任，这些新模型有一种信任度。
-
而且总有一些刻薄的东西会火起来，新一代一出来，就有那种搅拌机糊糊或者视频。
-
哦对，这确实是个好点。
-
是啊，这不就是营销嘛？对。
-
我同意你，你想啊，现在人们把邮箱连到模型上，尤其是获得发邮件的能力。
-
一年前你根本做不到。
-
不。我是说你可以做到。你大概大部分时候也能做得不错。
-
你会加一个工具，接收文本然后发邮件，但一年前没有哪个脑子正常的人会拿自己真实的邮箱这么干，但现在你会。
-
而且不是因为所有邮件都会写得很糟。
-
我说的是没有哪个脑子正常的人。
-
对，我特意说得很明确。
-
不然你怎么能有一个有用的个人助理，如果它不了解你？不，我说的是一年前。
-
一年前，我们不会去叫它们。
-
对，我就保留我同样的限定条件。
-
我收到好多邮件。
-
其实，我们那个 Azure 代表，就是我们公司的 Azure 代表。哦，我们收到那种，哦，来自他们 open call 的消息，比如“嗨，我是某某人的 open call”，发到我们那个专属支持聊天里。我们当时就想，这些是我认识的人发来的。对。对。
-
对，我知道。对，所以当我看到，又一次当我看到那个规划，那个解放者没法解放，不在 Burman 的 open plot 里，然后我看到一堆基准测试，专门测提示注入的，最新的模型，Astra，我觉得是从 Astra 和 Opus 515 开始的，
-
它们有基准越狱提示，还有提示注入的基准测试。
-
这些模型对系统提示之外来的东西一概不信任，你没法把邮件注入到那个层级，所以它们有一套非常严格的层级，比如它们的宪法，那是 Opus 训练时定下的，对吧，然后是系统提示，那是创建者、开发者给的，最后才是内容。
-
而且它们总是会包一层，比如“这是从这里到这里的”“这是一封邮件”“这是某某东西”。
-
用提示注入去越狱这些模型真的很难。
-
对，再说一遍，提示注入绝对不是我唯一担心的事。
-
我觉得还有很多别的方式能给你的生活造成很大伤害。
-
而且并不是别人在故意搞你。
-
你那个想帮忙的模型，对，犯起蠢来危险多了。
-
我还觉得，肯定还是有办法做提示，我不知道“提示拒绝”这个词对不对，但就像，一旦你的模型开始回复邮件，而你又希望它有时候能给出信息，它就一定会误判，
-
不管是不是有人故意想让它误判，比如什么该分享、什么不该分享。
-
我觉得，我相信这是真的。
-
我会向你们所有人要证据。
-
比如，你们在我们的指南里见过这个吗？
-
你关注很多人，他们会试各种东西。
-
本能这东西，你知道，有人让朋友的本能去从邮件里拿 Netflix 的验证码，然后就直接给了本能。
-
我觉得用户，开源，Miles，我不确定，这事别拿这个来质问我，但我觉得他们现在还扩不了规模，也许以后可以，但一开始是不一样的。
-
很像是我把我的设置成，它要发东西之前会先给我一个权限提示，比如它要说“吃你的吧，grokbot”。
-
我用 grokbot，对，对，配上你的邮件能行。嗯哼。
-
它们是连着的，我确实在那儿用它们，但它不允许发任何东西，除非我能看到实际的草稿，然后自己点发送，就在那个你得往右滚才能看到的小展开框里，审阅界面是我见过最烂的，看它要发什么？
-
不是，Grog bot 里那个挺好的。它显示成一条消息。
-
对，就跟普通文本一样，好吧，但我注意到的是，这种情况很少，但大概五次里有一次，里面会有一些我不想要的细节和内容，它甚至会干些奇怪的事，比如那是一封支持邮件，它会写“嗨，我是某某人的 Grog one”，就像
-
不行，停，别这么干，别那样做，我得大幅删减。
-
它还没到我能放手让它自己跑的程度，好吧，那咱们在这儿划条线，对吧？
-
那接下来我们聊聊，一年前人们还不愿意把自己的邮箱连上去。
-
只读接入和别的之间是有条线的，对，我刚才说的是别的东西，读取是另一回事，对，我是说尤其是一年前，东西都封闭得多，没那么，你知道，但我觉得现在大家什么都往上连。
-
我是说，它能访问你的工作资料、你的个人资料、你的，你知道，它能替你发推、用你的邮箱，你知道，差不多就是这样。
-
用了这么多这类工具之后，我发现了一个问题。
-
我很好奇人们会不会干脆只选一个然后一直用下去，因为在这些工具之间来回切换是有注意力成本在的。
-
我现在已经到了记不清哪个对话是跟哪个助手聊的地步了。我知道，我同意。
-
还有把它们的记忆从一个导到另一个，这还不够好，因为它们的记忆走向不太一样，对吧？
-
你想想那些克隆体，克隆体到某个时候就开始过不同的生活了，这个知道这件事，那个做过那件事，然后你就想，好吧，这是按用途分的吗？
-
我是只在工作的事上找 grok，然后个人管理的事用另一个？
-
你们都是怎么处理这种事的？
-
我很想知道，我没什么好办法，我有个办法，但不太好。
-
我一直在试着把东西拆出去，比如 MCP 网关这个想法，我一个朋友正在围绕这个创业，叫 Executor，基本上就是一个中心化的，一个大的 MCP 网关，把我所有的连接都放进去，我的 Gmail、我的 Google Drive、Notion 等等。
-
它跑在我家里的一台 Linux 机器上。
-
我还有个 cloud-flared 的 DNS 代理，这样我在任何设备上都能访问到它。
-
现在每当我搭一个个人助手，我只做一个 MCP 连接，登录一次，然后它就有我所有的工具了。
-
那些工具里还包括使用它们的技能、使用它们的提示词、每个工具的配置。
-
所以我核心的连接层，也就是最烦人的那部分设置，集中在一个地方，我所有设备都共用它。
-
这样我在那儿改了什么，到处都会跟着变，而实际用来干活的界面就变得相当轻量了。
-
就像我不——那个跟 RockBot 集成在一起了吗？
-
你说 RockBot 会给你看它准备通过邮件发出去的内容。
-
那这个能不能推广开，不用他们的 Gmail 连接器，而是走你的连接器，还能照样给你看预览？效果还挺不错的。
-
还有几件事我得再弄一弄。
-
确实，有些连接器我还是原生在用，比如财务那个连接器。
-
我特别喜欢 RockBot 里的财务连接器。
-
那个挺有用的，但我不会通过直接的 MCP 来做。
-
提醒一下，他一年前说过，人们不会把自己的邮箱连上去，而现在你都在说要把银行数据交出去了。
-
嗯，只读和写入，只读是这里的底线。
-
我现在基本还停在只读，写入得明确授权，这就是我目前的状况。
-
我唯一想要写入权限的，是希望它能创建——我认识一些人特别讲究，每个供应商都用一张不同的虚拟信用卡，我太懒了，做不到那样。
-
但如果我能跟我的智能体说，嘿，去 Mercury 上开一张虚拟卡，然后去注册这个东西。那是 Ling.com。那是 Ling.com。那是他们的地盘。那正是它干的事。
-
你把这个技能交给你的智能体，它就会为你助手进行的每一笔购买生成一张虚拟卡，然后由你来批准。你是 Mercury 的？不，我是 Cypher 的 Ling。哦，好吧。我得想想。
-
是啊，但它们还是都刷我那一张卡，所以我没法设单独的额度或者设置过期时间。我觉得你知道它是怎么运作的。我还是得自己搞清楚。
-
我不想给我的智能体一张卡。东西。
-
我只是想要 AWS 用一张卡，G Suite 用另一张，诸如此类。好嘞，甜点我们有柠檬蓝莓蛋糕和黑巧克力奶油慕斯。
-
我用 Instinct 处理那些不需要我数据的事，比如去跟商家沟通、帮我订活动之类的，然后我的个人助手还是一个 git 仓库，里面一堆脚本，整个大脑、整个记忆系统都在下面，我想干活的时候就直接在里面启动 Cauter codecs。
-
我基本上是用 grokbot 处理所有工作行政类的事情，但很多管理我还是直接通过 codecs 本身来做。
-
我同时在用 poke、lindy 和 instinct，简直是地狱。Alter eye message？
-
我同时在用poke、lindy和instinct，简直是地狱。Alter eye message？
-
我不，呃，对对对，呃，还有 slap，呃，所以我真的很喜欢那个接入 Slack 的桥接功能。
-
对，我意识到我说这话的时候听起来有多傻，但是，呃，dots 你知道最近，呃，Devon 作为一个助手，而不是作为一个临床代理？对，你应该两个都要。
-
一个 codex，我自己搭的东西，能访问我自己那个小小的 Google Drive 配置，基本上就是个街头表演。
-
那个对任何东西都是零信任吗？不，那挺好的。
-
邮件，我非常，对，我觉得，你知道，你会拿到验证码，有些情况下双重验证码会发到你邮箱。
-
就算是只读，我也怕它。
-
然后还有一长串其他的助手，比如 Orchid、Insta 之类的。Orchid？我不记得 Orchid。我把这个忘了。Orchid 在哪？我不记得 Orchid。
-
你知道在 Twitter 上有两百万浏览量，对吧？对对对。
-
就是这个，那个人好像在策划一个周年纪念约会还是什么的。对，其实挺好的。
-
我们以前还用它来做市场购物之类的。
-
我觉得它的浏览器使用其实真的很好。出乎意料地不错。真的出乎意料。对。
-
对我来说我用 Codex，其实我基本上不做别的，我就是连到 Codex，把我所有的工具和我们也在搭的替代框架都接进去，但我大概就只做这些。
-
我有一个 Hermes 代理，我主要是让它保持更新，因为我搭了很多东西，然后 Grogbot 大概有三十个左右在做不同的事，我挺喜欢这种模式，就是关掉一个机器人专门做一件特定的事，它们会互相说话。
-
然后最近是 Muse 和 Dots，可能 Muse 用得最多。
-
哦，还有 Instict，对，Instinct 也是。等等，那你怎么给它们分区？
-
这是个我想拿出来讨论的问题。
-
所以 Grokka 主要是用来做工作类的事情，比如个人公司管理。
-
我在 BM 那边有个幕僚长，我在它们之间有一个 linear 连接器，它们都通过 linear 交流来传递信息，这样它们可以互相打标签。
-
这似乎是一个行之有效的模式。
-
然后 Muse 在我跟它说要做某件事的时候似乎是最好的。
-
就直接录一条语音消息，比如，嘿，我的酒店怎么样了？
-
它离这个地方或者那个地方有多远？或者我什么时候该出发去那个地方？
-
这个直接问 Muse 就行。
-
还有就是，把那些没有依赖关系、或者它不知道怎么念的词的任务，都发给它们三个。
-
如果有个任务它们三个都能做而且不会出什么岔子，我就三个都发，直接复制粘贴，就看看谁做得更好、谁更快。对。
-
其实我挺好奇 Grokbot 的用户，你们有没有让它去调度 Devin 或者 Codex 之类的，还是说没有？
-
Grokbot 有 Cursor 集成，特别好用。
-
所以 Grokbot 可以给你当幕僚长，然后它可以启动一个 Cursor 云端 agent，用任何一个，呃，现在它们拿不到 Astra 了，对吧？
-
它们只能用 Sol 系列的模型，但它可以启动一个 Opus 5.5，然后你可以跟它说，嘿，这个别在你自己的电脑上做。
-
启动一个 Cursor 云端 agent，用 Opus 5.5 来做这个。
-
这明显比那边接进来的 Grok 4.7 强多了。
-
所以这就是让它真正干实事的模式。
-
就连写作也是，你可以让 Grok 总是通过 Cursor 里的云端来写。好。
-
我感觉在 Codex 和 Devin 之间，我现在已经够用了。
-
对，Cursor 是不错，但要想从它那儿得到点好东西，工作量太大了。
-
你得给每个项目都配好云端环境，你得搞定环境变量，确保脚本没问题，对 agent 来说要容易，这工作量太大了。
-
而且它还特别爱开发，你要是让它写点什么东西，它就会给你发个 PR，我不需要 PR，我只要一个答案，写完就完事，但它就爱那个 pull，它就爱一个漂亮的 pull request，兄弟。
-
我觉得，我喜欢 Devin 的一点是，不知道为什么，也许 Cursor 现在已经修好了这个问题，但我看到几乎所有公司都掉进同一个坑，就是 Devin 默认就像，它就是一台电脑，你知道吧，就像电脑上的一个 agent，然后你知道，
-
你可以创建 ref refo，你可以，你知道，找到，你在用现有的 remote，可以跨 refill 工作，就像一台电脑，所以它在那个意义上就特别灵活。对，所以我从来没有，我每个疯狂的想法，我都会去那儿，而不会去找 Codex。
-
我觉得它大概会死掉，就像只跟我的笔记本电脑一起，不跟别的东西，因为它会问，哦，你想在哪个仓库里工作？
-
你自己想想，你有 GitHub 连接器吧？
-
所以你根本不需要待在某个仓库里，对吧？
-
你只是想要一个东西，你只是有个想法，如果它非要在某个仓库里干活，那它就会说，哦好吧，我把它加到这一页上，而我只想看看这个，试试这个新模型，试试 JAB，试试随便什么东西，有个沙盒就特别爽。
-
Ben，我觉得这也是 Assistant 和那些编程 agent 的区别，它们是为编程而生的，它们被训练去做 diff 那种活，被训练去写 markdown 文件，它们会连上、拿它跟什么东西对比一下、塞进某个不会执行的文档里，对吧？测试什么的。
-
我是说，直接告诉我就行。
-
告诉我，比如，把东西写出来然后给我。
-
我觉得，它们全都是这样。
-
整个系统提示就是，哎呀我干不了这个。你今天想写什么代码？对。我根本不想写代码。
-
我只想让你帮我，把我的模型变得不那么谦虚。谢谢。
-
除了这些，这些是大家都知道的，还有没有什么可能特别低调、你觉得值得更多关注的？
-
这个不算个人助理，但我确实觉得它很相关，就是 6.1 Sol 比大多数人以为的要好得多得多，就是因为之前那些奇怪的品牌操作。
-
上周出了 6 Sol，这周又出了 6.1 Sol。确实挺怪的，我同意。
-
它是一个极其出色的模型，价格也极其出色。
-
值得看一看、试一试。
-
基本上就是为了跟 Opus 5.5 竞争。
-
简直就是直接砍 Opus 5 的腿。
-
我听到一些内幕，不想说消息来源，说它本来不叫 Sol，
-
然后最后一刻市场那边决定，嘿，我们得把之前那摊子事圆回来。
-
标题说的是他们有个 Astra，他给撤了。个人助理方面的？
-
不一定非得是个人助理，任何被低估的都行，你用得开心的、你觉得酷的，都行。
-
如果不介意的话，我想聊个人助理，因为我觉得这对普通人来说是个了不起的突破。
-
我们都是开发者，我们所有人，我们跟这些模型打交道很久了，我们是高品位的测试者，我们喜欢在……普通人根本不在乎这些。
-
个人助理给普通人带来的就是省时间，帮他们做那些本来要花不少时间的事。
-
而且我觉得现在各家实验室都明白这一点了。
-
我觉得这就是为什么他们都在往更简单的用例上转。
-
他们所有人也都能从中获益，就是每个用户会消耗多少 token。
-
因为大多数人还是把 ChatGPT 当谷歌用。
-
他们输入一个问题，得到一个回答。
-
大多数人不会 24 小时跑 agent。
-
现在有了个人助理，可惜的是，他们就被那甜美的 token 流给钩住了，这正是大多数实验室喜欢的。
-
但他们同时也能获得时间上的效率提升。
-
所以我觉得，不光聊产品，也聊用例，这挺酷的。
-
因为我觉得，说到底，它们大多数做的事都差不多。
-
大多数都能帮你预订。
-
大多数都能回复你的邮件、帮你扫一遍邮件。
-
但我觉得很有意思的是聊聊人们能用它们做哪些用例。
-
我可以给你举一个我自己遇到的，我注意到助理能比以前的编程 agent 做得更好。
-
周末我一大早带着孩子们起床，去上一节空手道课，结果课是关的。
-
我到了那儿，发现关门了。
-
我气坏了，心想现在都 2026 年主动式助理时代了，居然没有任何东西提醒我，说你要去上的那节课已经关了，它根本不知道我的日程。
-
所以我给孩子们、也给我老婆做了一个周末活动规划的小工具，每到周末，它就去搜遍当地所有的地方，那些我平时根本不会去逛的网站上的地方，便宜的快的，或者好的贵的。
-
它就自己规划好，然后说，嘿，如果你愿意的话，这儿有一堆东西给你。
-
哦对了，顺便说一句，你本来该做的那些事，也一并给关掉了。
-
这现在就是个很好的用例，我知道那块儿已经有人管了。
-
我觉得 Google 的 AI 搜索概览，或者不管那玩意儿叫啥，被严重低估了。真的吗？太被低估了。
-
我每个想快速得到答案的问题，都直接 Google 一下。哇。
-
我也是，其实。
-
真的特别快。
-
大概就 300 毫秒左右吧。
-
页面加载出来的时候，答案就已经在那儿了。
-
而像 ChatUiT 那种，我老是开着最大推理档位，但要是我改了设置，然后，可要是我改了它，再开个新对话，它又回到那个破设置上了。
-
所以我就觉得，它更……要等个 10 秒、30 秒才能拿到答案。
-
你可以用键盘快捷键切到即时模式，那个功能还在。
-
我得去查查怎么弄，或者随便吧。
-
但其实，我的做法是用 recast。不知道你们用不用。
-
用 recast 配 AI，你就按 command enter，然后输入你要的东西，回车，搞定。这文案写得不错吧？它用的是什么？你选什么就是什么。随你便。
-
所以我设成了 Sonder，不过随便吧。行。
-
其实，也许我该用那个手机来弄。
-
你刚才说问新闻、问我的酒店在哪儿之类的，这挺有意思的。
-
因为我其实已经开始用 Instinct 代替 Google 了。
-
比如说我在旅行的时候，半夜在阿姆斯特丹下了火车。
-
我就想，最近的火车站在哪儿？
-
还有，我能不能直接刷卡进站？
-
它就说，可以，你刷一下卡，然后出去，往右拐两个弯就出门了。
-
我就觉得，它可能没有 Google 那么快，但用起来没那么让人头大。
-
如果我只是想要一个是或不是，或者一个很短的答案，它就特别好用。
-
但是，我不会为了你刚才说的那些原因去打开 ChatGPT 应用。
-
你们做的这些东西，本质上对你的最佳体验来说都是次优的。
-
按理说，应该有一个东西把你所有的搜索都包了。
-
所以你不该去做路由，路由是不好的。
-
但话说回来，你不去试，就当不了高级品鉴师。
-
你得四处试试，才能知道差别和其他东西。
-
我特别兴奋的是硬件集成这块。
-
现在 Grokbot 已经进到特斯拉里了，他们稍微放开了一点，但现在那个 ultra 什么级别的套餐能让 Grokbot 待在你车里。它就在车里，太棒了。我确定，我有一辆特斯拉。真的吗？
-
不一定是 Grokbot 本身，你可以跟机器人对话。
-
你就用 Grok 做语音识别，然后说，嘿，去告诉这个机器人做这件事。
-
然后它们就会说，正在发送给机器人，接着它会告诉你，哦，机器人回复了什么什么。
-
这太好了。
-
车自己开，还帮你做事。
-
就会觉得，我们活在一个多么美好的未来啊。
-
我特别兴奋。
-
所以我觉得，跟硬件的整合是让我很兴奋的一件事。
-
Muse、自己的眼镜，还有Muse的设备，就是那个小挂件。
-
我要对这个操作做个预测。你们看看会不会成真。
-
那个小挂件，就是Muse住的那个小拓麻歌子，会立刻卖光。我的天。马上就没。
-
我觉得我的智能体计划里要买六个，每个智能体都要买一个，因为你想啊，那些刚接触的人，刚接触视频评判什么的，刚接触助手，然后也跟上这波潮流，这是完美的圣诞礼物。简直完美。嘿，是这样的。
-
对，它是个拓麻歌子，但我也说不好，我对这类东西的感觉是，为什么这东西还没火起来？
-
为什么它还没上架？
-
哦，你想聊为什么苹果没进这个赛道？
-
不，不是问为什么。
-
我知道为什么，因为它不是你的手机，别的东西也成不了你的手机。对。
-
我其实坚信，要充电的东西数量已经饱和了，有些人确实够负责，能应付一块手表，但这样的人其实挺少的，我不行，我没有Apple Watch的原因就是我会老忘了充电。
-
这问题早解决了，就带那些小充电宝嘛。
-
不，没解决，因为那样我还得记着，还得多带一个东西。对，所以它没火起来。
-
你的意思是，解决办法就是再多一个要充电的东西，来给那个充电，十五块钱一个，买四个，到处放一个。酷，我们快结束了。非常感谢。
-
其实这个问题是给你的，大家能做一件什么事来帮你？
-
他们怎么找到你，怎么给你钱？
-
随便吧，大家能为我做的一件事，或者为你做的一件事，或者为我做。为我做就是按摩。
-
我会一直很感激按摩的。
-
街上随便一个人走过来，开始给我按摩，也没问题。
-
我希望大家能打开想象力，去想想AI系统能带来哪些可能。
-
我觉得我们正在进入一个新时代，很多人都会从AI里获得很多好处。
-
最后，我觉得反驳末日论也很重要，因为新闻上看到“哦，它要来取代我们了”是一回事，而“哦，它其实帮我订了美发店，还帮我省了五分钟”完全是另一回事。
-
一旦人们真切感受到那种“它帮我省了时间”的实在感，他们肯定会转向“哦，AI其实挺有用的”。
-
我觉得所有公司都往这个方向走，非常重要。
-
所以他们能为我做的一件事，就是打开想象力，去试试AI系统，如果想知道试哪些，我在我的播客Thursday Eye里每周四都会聊这个。好。
-
我在RC工作，我们正在做很多相当不错的模型，很快会开源发布，我也在那边搭建harness。
-
在Twitter上关注我alisonology也不错。
-
所以除了在Twitter上发帖，我还经营着一家非常正经的AI公司，让agent变得更可靠。
-
我们和财富100强的医疗企业、一堆财富500强公司，还有一些增长最快的AI新闻创业公司合作。所以试试看吧。
-
对大多数人来说是免费的。
-
你今天不到1000。它叫什么？叫Raindrop。再详细点。
-
raindrops，对，所以我有个YouTube频道和一个播客，你在YouTube上搜Ben Davis或者nerds night就能找到我，然后你知道我在一家叫Human Layer的公司工作，我是创始人，我们在打造软件……
-
forge，我想我们现在说的是软件锻造厂，而不是软件工厂了，未来的锻造厂。他的工厂会失败，是啊，也不是全都失败。
-
有些事是你不能做的。
-
无可奉告。
-
不不。你那期AI的演讲其实超级火。
-
它被误解了，因为所有人看了都说，哦，你就是那个不喜欢软件工厂的人。
-
我说，不不不。有些事你做了会导致它们失败。
-
我就是要告诉你那些事是什么，这样你就可以不去做它们。
-
不过总之，对，我在推特上是Dex Worthy。去看看HumanLayer吧。
-
然后，对，欢迎来到未来吧，大概，我也不知道。
-
我知道，欢迎来到未来。
-
嗯，直到新的未来在三个月或者更晚到来之前。
-
我能给Dex做个个人推荐吗？
-
我记得Matt Pocock，也是你的嘉宾之一，他说有那么几个人，他信得过他们的技能。Dex就是其中之一。Loring。
-
我说的是markdown技能。
-
我在现实生活中可没什么技能。我说的是markdown技能。
-
我觉得如果我给你一个答案，你可以跟我分。
-
对，我提交了我的，下次考虑一下。
-
总之，这是很棒的第一期。
-
谢谢你们参与。
-
这里是High Stage Testers。
-
你们能为我做的就是点赞和订阅。这就对了。