宝玉(@dotey)

这个更夸张 https://t.co/mQAQLOOj4r

宝玉 (@dotey) — Fri, 11 Sep 2026 04:03:29 GMT

这个更夸张
x.com/shoucccc/statu…

Chaofan Shou@shoucccc

I bought a Fable dataset from one of the top Chinese LLM routers yesterday. 

With just 6TB data, I can take over 7 Chinese/CIS gov entities & 19 top Chinese firms like Xiaomi, Huawei, NIO, Minimax using SSH keys, VPN configs, Aliyun keys, GitLab tokens sent to the router.

🔗 View Quoted Tweet

💬3🔄0❤️5👀8877📊3

⚡ Powered by xgo.ing

用中转站的要注意信息安全

宝玉 (@dotey) — Fri, 11 Sep 2026 03:58:53 GMT

用中转站的要注意信息安全

Chaofan Shou@Fried_rice

26 LLM routers are secretly injecting malicious tool calls and stealing creds. One drained our client $500k wallet.

We also managed to poison routers to forward traffic to us. Within several hours, we can directly take over ~400 hosts. 

Check our paper: arxiv.org/abs/2604.08407

🔗 View Quoted Tweet

💬44🔄3❤️31👀26550📊34

⚡ Powered by xgo.ing

这期播客是 The Pragmatic Engineer 对 OpenAI Codex 团队负责人 Thibault（Tibo）的访谈，聊了 Codex 的诞生、技术决策、工程文化以及软件开发方式的变...

宝玉 (@dotey) — Fri, 11 Sep 2026 00:15:28 GMT

这期播客是 The Pragmatic Engineer 对 OpenAI Codex 团队负责人 Thibault（Tibo）的访谈，聊了 Codex 的诞生、技术决策、工程文化以及软件开发方式的变迁。x.com/GergelyOrosz/s…

以下是核心要点：

个人经历与加入 OpenAI

Thibault 是比利时人，学应用数学出身，先后做过制药供应链优化的创业公司，在 Google 做过加速移动网页的项目（后被砍掉，让他学到了要时刻审视项目真实影响力的教训），之后在 Google Maps 做评论，再转到 DeepMind。在 DeepMind 期间，他参与了一个内部聊天机器人的开发——本质上就是 ChatGPT，但比 ChatGPT 早了一年。内部传播很快，大家都在分享对话，但 DeepMind 不具备把它作为产品发布的机制，最终没能推出。

后来他得知 ChatGPT 只有大约 20 个人在维护，这让他既震惊又觉得很有吸引力——这意味着极高的个人影响力。于是他加入 OpenAI，进去就赶上了推理模型的冲刺，大约一个月后 o1 preview 就发布了。

为什么用 Rust 写 Codex

这是一个反直觉的决定——当时模型对 Rust 的支持并不好，业界其他 AI 编码工具基本都用 TypeScript 或 Python。但团队从第一性原理出发，认为智能体的核心需要健壮、安全、高效，而 Rust 的编译时验证特性天然适合智能体场景。同时用不同语言也强制建立了产品界面和智能体核心之间的清晰边界，避免代码耦合。事实证明 Rust 确实"很快就变得非常适合智能体开发"。

开源和模型无关的策略

Codex CLI、SDK 都是开源的，而且支持非 OpenAI 模型——这在主要 AI 实验室中是独一无二的。理由很实际：如果不开源，别人只需改十行代码就能 fork 出一个支持其他模型的版本，那还不如自己直接支持。开源的好处包括新员工入职前就已经熟悉代码库、社区贡献、以及逼迫自己靠模型和产品体验赢用户而非靠锁定。

代价也很明显：竞争对手会在你还没发布的时候就抄走你正在公开开发的功能，"确实有点刺痛"；还有大量低质量 PR 需要处理。

工程文化与代码审查的变革

新员工入职后听到最多的一句话是"你问过 Codex 了吗？"——因为 Codex 在 OpenAI 内部接入了 Slack、文档、所有代码，几乎任何问题都能给出不错的回答。

代码审查正在发生质变。OpenAI 开发了专门的代码审查模型，能在逻辑推理和安全漏洞检测上达到"超人水平"——可以深入三四层依赖去发现文档错误导致的不变量违反。安全审查已经是强制自动化的，发现安全问题会直接阻止合并。一个 PR 可以当天提交、当天上线到十亿用户的 ChatGPT 上。

代码审查的角色正在从"正确性检查"转向"意图讨论"——你到底想做什么？这件事值不值得做？这种讨论不一定要围绕代码发生。

维护成本和重构的变化

维护一直是软件工程的"税"，但现在大量维护工作（依赖升级、安全补丁）可以完全自动化。更重要的是，重新架构的成本也急剧下降——以前可能要花几个月甚至几年的重构，现在快得多。但好的架构设计反而更重要了：设计好"盒子"和不变量，盒子内部随便改都不影响其他部分。

Harness 与模型的关系

一个有趣的洞察：harness（工具/脚手架）总是"走在模型前面"。Codex 团队的工作本质上是为模型搭建拐杖——提醒它跑测试、保持目标一致等。然后下一代模型训练时会把这些能力内化，拐杖就可以去掉，developer message 也会越来越短。最新一代模型已经不再需要 /goal 命令来保持长期任务的专注，"你直接告诉模型去工作一周，它就真的会做到"。

Codex 与 ChatGPT 的合并

这是一个重大工程挑战：Codex 原本完全本地运行，ChatGPT 是托管云服务，两套完全不同的技术栈要统一。目标是让云端版本具备本地版本同样的能力，同时高效到能纳入 20 美元/月的 Plus 计划。ChatGPT Work 模式本质上是在云端虚拟机里运行完整的 Codex harness，机器配置强大到用户可以在里面训练模型、安装 Blender 做 3D 建模。

有趣的是，Codex 在整个合并过程中还充当了"记者"角色，因为它能访问所有 Slack 讨论和文档，记录了团队的辩论和决策过程。

Thibault 的个人用法与建议

他大量使用手机上的 ChatGPT Work，通过语音口述发送任务，定制了专属的技能和指令来生成他能高效消化的报告和幻灯片。任何问题——公众舆情、生产日志、功能使用率分析、团队动态——30 分钟内都能得到答案。周末他还会用 Codex 做代码探索和原型，"一天之内就能把脑子里的想法变成可以展示给人看的东西"。

对工程师的建议：保持深度好奇心，训练自己快速理解系统的能力（"五个为什么"不断追问），以及与你服务的用户群体保持同步——如果你无法清晰表达意图，就很难做出好的工作。

Your browser does not support the video tag.

🔗 View on Twitter

💬80🔄32❤️147👀19870📊113

⚡ Powered by xgo.ing

Shopify 宣布：从 React Native 全面回归原生开发 Shopify 曾经是 React Native 铁杆支持者，2020 年，Shopify 选择“All-in”全面拥抱 Rea...

宝玉 (@dotey) — Thu, 10 Sep 2026 22:54:58 GMT

Shopify 宣布：从 React Native 全面回归原生开发

Shopify 曾经是 React Native 铁杆支持者，2020 年，Shopify 选择“All-in”全面拥抱 React Native，实现了功能的“一次编写，多端运行”，而现在 Shopify 正在将旗下所有的移动端应用，从 React Native 彻底迁移回 Swift 和 Kotlin。

这个决定主要是由于 AI 在 Coding 能力的增强，现在的 Coding Agent 可以直接拿着 iOS 版本的代码写出对应的 Android 版本，反之亦然。

AI 能帮助开发者打破技术栈的边界，去编写自己平时并不熟悉的编程语言，还能通过共享的代码规范、测试用例和代码审查机制，让两个平台的应用始终保持高度一致。

而且借助 AI 效率很高，Shopify 的核心购物应用 Shop 仅仅用了 12 个星期，就完成了从最初的概念验证，到完全重构的原生 App 并在应用商店上架的整个过程。Shopify 其他应用的重构工作目前也在紧锣密鼓地推进中。

Mustafa Ali@mustafa01ali

x.com/i/article/2098…

🔗 View Quoted Tweet

💬127🔄38❤️302👀96863📊141

⚡ Powered by xgo.ing

官宣了，暂停 200美元的 ChatGPT Pro 订阅……

宝玉 (@dotey) — Thu, 10 Sep 2026 18:31:49 GMT

官宣了，暂停 200美元的 ChatGPT Pro 订阅……

Tibo@thsottiaux

To make sure our current users have an incredible experience and continued access to Astra, we are going to pause subscriptions to our $200 Pro plan. These put the most strain on our systems and we wanted to take the smallest step that allows us to continue giving the broadest access possible. All other plans and the api remain available.

There is no impact to existing accounts and we are working on adding more capacity as fast as we can. Thanks!

🔗 View Quoted Tweet

💬93🔄6❤️243👀197471📊82

⚡ Powered by xgo.ing

真的暂停 ChatGPT pro 订阅了

宝玉 (@dotey) — Thu, 10 Sep 2026 15:30:30 GMT

真的暂停 ChatGPT pro 订阅了

Tibor Blaho@btibor91

Purchasing of ChatGPT Pro 20x in the ChatGPT web app can now be paused remotely

"This plan is temporarily unavailable for new purchases. Existing subscriptions are unaffected."

🔗 View Quoted Tweet

💬2🔄0❤️7👀2265📊2

⚡ Powered by xgo.ing

微博官方自己还vibe了一个活动的线上作品展，大家也可以来这里看看优秀作品：https://t.co/BRrqTXQzzI

宝玉 (@dotey) — Thu, 10 Sep 2026 14:22:40 GMT

微博官方自己还vibe了一个活动的线上作品展，大家也可以来这里看看优秀作品：…b2591b30-1319678924.tcloudbaseapp.com

💬0🔄1❤️2👀4651📊2

⚡ Powered by xgo.ing

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，...

宝玉 (@dotey) — Thu, 10 Sep 2026 07:15:11 GMT

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？

微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，有机会翻看了不少优秀的参赛作品，也转发了其中一部分。

一个直观的感受就是软件开发这种事情，不再需要专业人士了，普通人也能 Vibe 一个工具出来。

所以借这个机会，整理总结一下：为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？

一、写代码这件事，门槛和成本都降下来了

写代码以前是程序员的专利，想写个工具，别说学语言框架，搭个环境都费劲的要死，随便一个环境都能把你卡住，像我这样写程序得有很多年的，换个不熟悉的语言，一样也搞不定。

现在借助 AI Agent，门槛一降再降，现在你只要有一个 Agent，会打字或者会语音，都能指挥 Agent 帮你写一个 App 出来。写代码这件事，从以前需要专业技能，到现在变成了语言表达能力。

我自己身上都有明显变化，从以前对 Vibe Coding 的嗤之以鼻，到现在“真香”，每天都大量的在指挥 Agent 帮我写代码。

二、以前的软件，满足不了长尾需求

长尾理论说的是，需求分布是一条长长的尾巴：头部是大多数人共有的需求，尾巴上是无数小众的、个性化的需求。传统软件只能做头部，因为为少量用户单独开发功能，成本上是不合算的。

而且，就算你有个好想法，也很难传递到开发者那里。想象一下一个普通用户的需求要经过的链条：
用户反馈 → 产品经理收集筛选 → 转化成需求文档 → 设计师出设计稿 → 程序员做系统设计 → 编码 → 测试 → 运维部署

每一环都在过滤、都在排优先级。最终大部分普通用户的需求，都被筛选掉了，软件最终只能取最大公约数，做绝大部分人都需要的那部分。

结果就是，市面上的软件很多，但每个人都有一堆“要是能这样就好了”的小需求，从来没有被满足过。

这次 VibeLab 里我印象很深的一个作品是 @机器旁白 做的 SiaoCut m.weibo.cn/status/5330875… 。起因是他看到我做的 BaoCut，很喜欢“转写、像改文稿一样编辑、AI 处理、人工审阅、导出”串成一条工作流的思路，但 BaoCut 只支持 macOS，他是 Windows 用户。放在以前，他只能等我哪天有空做个 Windows 版，或者就此作罢。现在他自己和 AI 一起做了一个，而且不是简单复刻，还在这个过程中想清楚了自己关心的问题：AI 进入剪辑流程后，应该拿到多少数据，能替创作者决定到哪一步。

这就是长尾需求被满足的样子：不需要等别人来做，有需求的人自己就能把它做出来！

三、Vibe Coding 让成本变低、链条变短

所以以前那种长长的从需求到交付的链条，现在可以缩成简单的几步：
有个想法，让 AI 去设计、制作、部署。

甚至于很多需求根本不需要做成一个有界面的产品。

比如你想每天自动整理某个表格里的待办，或者每周追踪最新的 AI 资讯，这些事让 AI Agent 帮你写个脚本，再让它自己定时调用就行了。

比如 @张铁蕾 开源的 Bridgic Agent 就是这样的作品：输入 /build，描述你的目标，它自己去探路、生成、验证，遇到需要你判断的地方再来问你。做出来的不是一次性跑完的任务，而是可以长期运行、随时修改的工作流。 m.weibo.cn/status/5332906…

还有一种更轻的做法：把你的操作流程、经验和偏好写成 Agent Skill，就像一份告诉 AI 怎么做某类事的说明文档，那么以后 Agent 就能按照 Skill 的说明帮你把很多繁琐的事情变成自动化半自动化的操作，大幅提升你的效率。

现在随着 Agent Computer Use（操作电脑）的能力增强，你甚至可以让 AI 观察你操作一遍，然后它自己能把它你的操作录制成 Skill。不需要界面、不用部署，但它确实能替你干活。

四、模型和智能体的能力，一直在变强

现在普通人也能 Vibe Coding，还有一个重要原因是模型能力在变强。

回头看这几年的变化：

最初，像 GitHub Copilot 只能做代码补全，你写一半它提示后半段； 然后，它能根据描述生成一段完整的代码； 后来， Claude Code 能自己在项目里探索，读文件、找上下文，把一个功能完整实现； 现在，主流 Agent 都已经能做设计、写代码，还能帮你操作电脑，打开浏览器自己验证做出来的东西对不对。

模型每上一个台阶，普通人做工具的难度就降一截。VibeLab 期间正好赶上 Kimi K3 发布，很快就有创作者拿它做体检报告工具、做斗地主游戏，还有人把 Claude Code、Qoder、GLM、Kimi K3 混着用。

由此也可以看得出越来越多的人已经不再把 AI 当聊天机器人了，能配合 Agent 把 AI 当干活的工具。

五、变化的还有“做工具”这件事本身的心态

看作品的时候我还注意到一点：很多作品不追求改变世界这种宏大的事，就是想先解决一个具体麻烦。比如说工作流太碎、长辈不听劝、拍照没人帮、看不懂热点，作品的起点都是这样一个一个具体的痛点。

最初微博在设定大赛规则的时候，把赛道拆进职场、生活、视觉、微博这些具体场景，现在看来还挺有道理的，因为这确实能激发人 Vibe 的冲动，想去用 AI 解决生活中的问题。

其实这次参赛的作品也不都是工具。@世界第一裹凉皮 把 32657 位诗人、933857 首诗做成了一个三维宇宙 m.weibo.cn/status/5320199… ；@德里克文 的「华夏博物志」把全国博物馆收进一幅可以点开的中国画 m.weibo.cn/status/5338021… ；@海辛Hyacinth 把三星堆&金沙文物变成了互动场景
m.weibo.cn/status/5331382… 。这些作品看起来似乎不像工具那么实用，但让我们看到 Vibe Coding 不只是提效，也可以服务于文化和审美。

以前想做这样的东西，需要一个团队，现在一个人，不需要会写程序，有自己的想法加上 AI 就可以试试看。

最后，如果你也想自己搓一个工具，我的一点建议：

从写一个 Agent Skill 开始。 这是成本最低的方式：不用部署，不用界面，把你希望 AI 帮你做的某类事情写清楚就行。做一次，发现哪里不对，改一改，很快就能用起来。

顺便推荐下我的书《图解 Skill》，也是不错的 Skill 入门书籍。

如果要做网页或者 App，不用一上来就让 AI 把整个东西做完。 建议分步走：

1. 先和 AI 一起讨论需求，把你想要什么说清楚，让它复述一遍，确认理解一致。
2. 先做原型。也就是用模拟数据，只看长什么样、怎么操作，不接真实逻辑。原型的好处是改起来成本低，修改容易，就算推翻重来都很快。
3. 再做 MVP（最小可行产品），只做一个最核心的功能，先做一个小的能跑的东西出来。
4. 再慢慢迭代，有了 MVP 了，能跑起来了，就可以慢慢迭代，一次加一个小功能，AI 能处理的过来，你也验收的过来，日积月累，慢慢会变成成熟的软件。

做完一定要验收。 从头到尾按一个真实用户的路径试一遍，AI 说做完验收完不一定靠谱，还得自己上手用用。

注意安全。 涉及钱、隐私、账号权限的东西要格外小心，拿不准的地方去找专业人士问一下。就像 SiaoCut 的作者给 AI 划定了边界：AI 只拿到任务所需的文本和时间戳，不碰原始媒体，处理完只生成待审建议，最终由人决定。这样的思路值得借鉴。

最后说一句，做出来之后，发出来。

这次 VibeLab 里不少作品原本只是作者电脑里的一个 Demo，发到微博之后被讨论、被转发，有的还上了热搜。对于自己动手做东西的人来说，“作品被看见”是最好激励，也是下一次迭代的开始。

💬69🔄21❤️158👀38404📊96

⚡ Powered by xgo.ing

在无人关注的角落，Meta 也重置了

宝玉 (@dotey) — Thu, 10 Sep 2026 03:17:29 GMT

在无人关注的角落，Meta 也重置了

Alexandr Wang@alexandr_wang

we just reset everyone’s muse token usage.

enjoy!!!

Your browser does not support the video tag.

🔗 View on Twitter

🔗 View Quoted Tweet

💬117🔄2❤️75👀52061📊82

⚡ Powered by xgo.ing

我让 Agent Review 代码时是这么写提示词的： 1. 先搞清楚这个 PR 解决的问题是什么 2. 如果不看这个 PR 的实现，要解决这个问题你会怎么实现？ 3. review 代码后对比你自...

宝玉 (@dotey) — Thu, 10 Sep 2026 02:44:26 GMT

我让 Agent Review 代码时是这么写提示词的：
先搞清楚这个 PR 解决的问题是什么
如果不看这个 PR 的实现，要解决这个问题你会怎么实现？
review 代码后对比你自己的方案给出审查结果

💬116🔄47❤️410👀42445📊208

⚡ Powered by xgo.ing

2020 年的 Surface Duo

宝玉 (@dotey) — Thu, 10 Sep 2026 01:36:33 GMT

2020 年的 Surface Duo

Your browser does not support the video tag.

🔗 View on Twitter

💬84🔄6❤️129👀54560📊86

⚡ Powered by xgo.ing

iPhone Duo 这个功能还蛮实用，和父母视频就经常需要切换摄像头让孩子给爷爷奶奶打招呼

宝玉 (@dotey) — Thu, 10 Sep 2026 01:32:11 GMT

iPhone Duo 这个功能还蛮实用，和父母视频就经常需要切换摄像头让孩子给爷爷奶奶打招呼

Your browser does not support the video tag.

🔗 View on Twitter

💬184🔄15❤️358👀104157📊194

⚡ Powered by xgo.ing

你可能刷到过这个“模拟果蝇大脑玩 Beat Saber”的视频。但不要激动的太早，不是真的在玩，视频里的运动输出是把模型过拟合（overfit）到一段预录动作序列上回放出来的，真正的视觉识别和强化学习...

宝玉 (@dotey) — Wed, 09 Sep 2026 20:21:40 GMT

你可能刷到过这个“模拟果蝇大脑玩 Beat Saber”的视频。但不要激动的太早，不是真的在玩，视频里的运动输出是把模型过拟合（overfit）到一段预录动作序列上回放出来的，真正的视觉识别和强化学习还没做完。x.com/_lyraaaa_/stat…

右边的连接组是一张静态接线图，不是一个活的大脑。这些游戏演示是拿真实神经数据搭的互动玩具，看起来很酷，但离果蝇大脑独立打游戏还很远。

9 月 3 日，HHMI Janelia 研究所联合 Google Research 和剑桥大学，在 Cell 上发表了雄性果蝇完整中枢神经系统的连接组（connectome），包含 166,700 个神经元和 1.25 亿个突触连接，是目前最大的完整脑图谱。它覆盖了果蝇的大脑和腹神经索（相当于脊髓），第一次可以追踪从“看见东西”到“做出动作”的完整回路。

整个数据集以 CC-BY 协议开源。数据发布仅两天，佐治亚理工的研究生 Evan Smith 就用 GPT-6 Astra 把全部神经元装进了 Minecraft，之后 Beat Saber、Mario 64、Doom 版接连出现。之所以传播很快，主要是因为开源加上门槛够低。

这项研究真正重要的地方在于，之前已有雌性果蝇的连接组，现在雄性到齐，科学家第一次能在突触精度上比较两性大脑。结果发现只有 4.8% 的神经元存在性别差异，而且集中在负责决策的高级脑区，感觉和运动区域两性基本一样。也就是说，雄果蝇和雌果蝇看到的世界差不多，但处理方式在关键节点上不同，4.8% 的局部差异就能在全脑产生连锁效应。

下一步是脊椎动物。Google 和哈佛正在画斑马鱼的全脑连接组，小鼠部分脑区也在推进。

一些相关文章可以看：
janelia.org/project-team/f…research.google/blog/a-connect…

Your browser does not support the video tag.

🔗 View on Twitter

💬31🔄2❤️46👀16081📊35

⚡ Powered by xgo.ing

用过重置卡的不用担心，会补发 https://t.co/5qlhcBNFDj

宝玉 (@dotey) — Wed, 09 Sep 2026 19:26:38 GMT

用过重置卡的不用担心，会补发
x.com/thsottiaux/sta…

Tibo@thsottiaux

There was a bit of a kerfuffle this morning with some banked resets not fully applying when used in ChatGPT Work and Codex. Everyone who used one in the affected time window is getting another one and an email to apologize.

🔗 View Quoted Tweet

💬1🔄0❤️7👀11759📊2

⚡ Powered by xgo.ing

苹果刚刚发布了它的首款折叠手机，iPhone Duo https://t.co/afzxygqaQ8 Apple 今天在 Apple Park 举办"Surprise and Shine"...

宝玉 (@dotey) — Wed, 09 Sep 2026 19:24:27 GMT

苹果刚刚发布了它的首款折叠手机，iPhone Duo  ​​​​x.com/TheAppleDesign…

Apple 今天在 Apple Park 举办"Surprise and Shine"发布会，这是新任 CEO John Ternus 上任以来的第一场重大产品发布。Ternus 于 9 月 1 日正式接替 Tim Cook，后者转任执行董事长。Cook 本人也坐在了发布会前排。

发布会的核心是两款手机：Apple 第一款折叠屏 iPhone Duo，以及 iPhone 18 Pro 系列。

iPhone Duo：Apple 的第一款折叠屏

传了好几年的折叠 iPhone 终于来了。iPhone Duo 采用书本式折叠设计，展开后形似护照，内屏 7.6 英寸，外屏 5.4 英寸。机身用的是 5 级钛金属，IP68 防尘防水。

芯片和 iPhone 18 Pro 一样是 A20 Pro，搭配 Apple 自研的 C2 基带。后置双 48MP 摄像头，没有长焦镜头，这是相比 18 Pro 最明显的妥协，大概率是为了控制机身厚度。生物识别用的是侧边按钮的 Touch ID，而非 Face ID，也可以用 Apple Watch 解锁。后续还会支持 Apple Pencil。

两个颜色：星光白和夜空色。256GB 起售价 2,000 美元，最高配置大约 3,000 美元。今天只是发布，预计最早 10 月开售，比 iPhone 18 Pro 晚一步。

对比三星 Galaxy Z Fold 系列（同样 256GB 起售价 1,999 美元），Apple 在价格上基本持平，但在折叠屏市场已经是后来者，三星和华为在这个品类经营了七年。

iPhone 18 Pro：2nm 芯片和可变光圈

iPhone 18 Pro 和 Pro Max 搭载 A20 Pro 芯片，2nm 工艺，2 个"桌面级"超级核心加 4 个能效核心，7 核 GPU。散热性能提升到上一代的三倍。

摄像头最大的变化是 48MP 主摄支持可变光圈，简单说就是镜头可以自动调节进光量和景深，拍人像和夜景时效果会明显提升。还有一个新功能：手机可以验证一张照片没有被 AI 编辑过，在 AI 生成内容满天飞的时代，这算是一个实用的信任工具。

Dynamic Island 缩小了，同时最多支持三个实时活动同步显示。Pro Max 续航提升到 30 小时，充电 15 分钟可以到 50%，这是 iPhone 有史以来最大的电池提升幅度。

四个新颜色：黑色、浅蓝、冰川色（银）、勃艮第（红）。Pro 起售价 1,199 美元，Pro Max 起售价 1,299 美元，均为 256GB 起步。9 月 12 日开始预购，9 月 18 日发售。

其他产品

AirPods 5 的降噪比 AirPods 4 提升了 50%。两个版本：基础版 129 美元带主动降噪，高配版 149 美元多了耳柄音量控制、更长续航和无线充电盒。今天开始预购。

Apple Watch Series 12（399 美元起）和 Ultra 4（799 美元起）升级了健康追踪系统，Series 12 重新引入了陶瓷材质。新增了一个叫 Siri Recap 的功能，用环境监听为你整理一天的高级别笔记。今天预购。

iOS 27 的正式推送日期确认为 9 月 14 日。

值得注意的是，今年普通版的 iPhone 18、iPhone Air 2 和 iPhone 18e 被推到了 2027 年春季，Apple 把九月发布会的焦点完全集中在了高端产品线上。

Your browser does not support the video tag.

🔗 View on Twitter

💬32🔄3❤️30👀27467📊32

⚡ Powered by xgo.ing

官方说明 https://t.co/H8Dw9qQ0tS

宝玉 (@dotey) — Wed, 09 Sep 2026 18:17:59 GMT

官方说明
x.com/reach_vb/statu…

Vaibhav (VB) Srivastav@reach_vb

We are investigating an issue that may be causing unexpected usage resets for some users. 

status.openai.com/incidents/01M2…

🔗 View Quoted Tweet

💬2🔄0❤️2👀15556📊2

⚡ Powered by xgo.ing

这个 Claude Code 禁用 1M 上下文的设置目前我还在用，从效果来说没有发现有明显折扣，从 Token 消耗来说真的慢一些。

宝玉 (@dotey) — Wed, 09 Sep 2026 18:16:35 GMT

这个 Claude Code 禁用 1M 上下文的设置目前我还在用，从效果来说没有发现有明显折扣，从 Token 消耗来说真的慢一些。

宝玉@dotey

一个让你 Claude 的 Token 更耐用的经验：禁用 1M 上下文，尤其是在用 Fable 5.1 的时候很明显。

~/.claude/settings.json

"env": {
  "CLAUDE_CODE_DISABLE_1M_CONTEXT": "1"
}

🔗 View Quoted Tweet

💬21🔄4❤️37👀21886📊21

⚡ Powered by xgo.ing

刚才我 Codex 突然左下角提示我的额度只有 7% 了，但我记得之前还有 70% 左右，还以为当前任务消耗太大，继续用提示只有 6% 了。去设置页查了一会发现用量正常，正在想要不要用充值卡，现在...

宝玉 (@dotey) — Wed, 09 Sep 2026 17:44:57 GMT

刚才我 Codex 突然左下角提示我的额度只有 7% 了，但我记得之前还有 70% 左右，还以为当前任务消耗太大，继续用提示只有 6% 了。

去设置页查了一会发现用量正常，正在想要不要用充值卡，现在又恢复正常了，显示有 75% 剩余，不知道你们有没有遇到类似问题？

💬89🔄0❤️79👀50781📊80

⚡ Powered by xgo.ing

《经济学人》估算，AI 到目前为止已经在美国创造了大约 100 万个新岗位，远远超过 2023 年中以来因 AI 而裁掉的约 20 万个工作。换句话说，AI 对就业的影响，眼下是净增长，不是净毁灭。 ...

宝玉 (@dotey) — Wed, 09 Sep 2026 02:44:18 GMT

《经济学人》估算，AI 到目前为止已经在美国创造了大约 100 万个新岗位，远远超过 2023 年中以来因 AI 而裁掉的约 20 万个工作。换句话说，AI 对就业的影响，眼下是净增长，不是净毁灭。

这个结论来自 9 月 4 日美国劳工统计局发布的 8 月就业数据：美国经济新增 16.2 万个工作岗位，远超预期，失业率维持在 4.1%，处于近半个世纪以来的低位区间。经常被认为"最先受冲击"的 20-24 岁年轻人，失业率与整体失业率之间的差距已经接近几十年来的最低水平。

就业增长主要来自两个方向。

一个是直接服务于 AI 的高技能岗位。工程师、软件开发者、数学家和数据科学家这些"离 AI 最近"的职业群体，自 2022 年以来增加了大约 73 万个超出趋势线的岗位。Burning Glass Institute 的首席经济学家估计，目前美国约 1% 的专业岗位可以归类为"AI 岗位"，在计算机和生命科学领域这个比例达到 4% 到 5%。

另一个是 AI 基础设施带动的蓝领就业。数据中心建设支出一年内暴增 60%，电工、暖通技术员、电网工程师、商业建筑工人的需求被大幅拉高。Indeed 的数据显示，数据中心的安装和维护岗位薪资比同类工作高出约 40%。

但不是所有人都受益。客服岗位自 2023 年 1 月以来缩减了约 10%，行政助理缩减了约 15%。微软、Meta 在围绕 AI 重组业务的同时缩减人员；Block、Intuit 等公司在用自动化工具替换部分人工。2026 年至今，美国企业平均每月宣布约 1.6 万个与 AI 相关的裁员。只不过，这个数字放在整体劳动市场里很小——美国雇主正常状态下每个月会解雇大约 170 万人。

经济学家 Noah Smith 在同期的分析中指出了一个有意思的现象：虽然大家对 AI 的恐惧在上升（Pew 调查显示 50% 的美国成年人表示 AI 让他们"担忧多于兴奋"，2021 年这个数字是 37%），但要在劳动数据中找到 AI 确实消灭了的职业，目前"极其困难"。《华尔街日报》也报道称，没有大学学位的美国工人正在经历近年来最好的就业市场之一。

需要注意的是，这些数据描述的是"到目前为止"。AI 技术本身仍在快速迭代，对就业市场的更深层影响可能还没有充分显现。而且数据中心建设带来的蓝领岗位，本质上是建设周期性的——项目建完，工作也就结束了，除非新的项目持续上马。另外，当前美国劳工统计局的公信力本身也在受到一些质疑，多方评论指出这些数据值得审慎对待。

💬80🔄53❤️294👀78344📊135

⚡ Powered by xgo.ing

OpenAI 发布了 ChatGPT Images 2.5，对其图像生成能力做了一次全面升级。核心改进有三个方向：速度更快（延迟比上一代降低约 50%），画面更逼真（光影和纹理更自然，人物面部特征保持...

宝玉 (@dotey) — Tue, 08 Sep 2026 21:27:19 GMT

OpenAI 发布了 ChatGPT Images 2.5，对其图像生成能力做了一次全面升级。核心改进有三个方向：速度更快（延迟比上一代降低约 50%），画面更逼真（光影和纹理更自然，人物面部特征保持得更好），以及编辑更精准（能只改你指定的部分，其余细节不动）。

目前 ChatGPT 每周的图像生成量已经超过 30 亿张，这次升级直接影响的就是这个庞大的用户群体。

除了模型本身的提升，OpenAI 还上线了几个实用功能。一个叫 Sketch，可以直接在 ChatGPT 里画草图，比如你画个大致的布局或轮廓，ChatGPT 会把它变成完整的图像。有时候画比说更快，这个功能就解决了"想法在脑子里但描述不出来"的问题。在对话框输入 @Sketch 就能用。

另一个是模板功能，提供了海报、商品图等常见格式的模板，不用每次都从零开始描述。还有一个图片评论编辑功能，可以直接在图上标注你想修改的地方，比反复用文字描述"把左上角那个东西改一下"要直观得多。

对开发者来说，API 端同步推出了两个新模型。GPT-Image-2.5 Flare 和 ChatGPT 里的体验一致，速度快、质量好，适合大多数场景。GPT-Image-2.5 Sunburst 则是面向高端创意工作的，生成时间更长但精度更高，适合做需要精细控制的品牌素材或产品图。

ChatGPT Images 2.5 今天起向所有 ChatGPT、ChatGPT Work 和 Codex 用户开放，覆盖桌面端、移动端和网页端。

💬148🔄56❤️413👀141603📊207

⚡ Powered by xgo.ing

OpenAI 的回应 https://t.co/wxNHGN7NDI

宝玉 (@dotey) — Tue, 08 Sep 2026 17:55:35 GMT

OpenAI 的回应
x.com/OpenAI/status/…

OpenAI@OpenAI

We congratulate Levent Alpöge and Tristan Buckmaster on their remarkable mathematical work.

We (the researchers and the agents) did not see any of their work through any means until they released it publicly — in particular, no specific user data was accessed in order to solve this problem. 

While unlikely, we cannot rule out that de-identified data derived from their usage of our products helped improve our models. 

However, our proofs differ significantly and even the precise results proved are different in the Euler case (forced vs. unforced).

🔗 View Quoted Tweet

💬0🔄0❤️7👀8333📊1

⚡ Powered by xgo.ing

OpenAI 官方推文 https://t.co/ZlAhGKAtgR

宝玉 (@dotey) — Tue, 08 Sep 2026 17:54:58 GMT

OpenAI 官方推文
x.com/OpenAI/status/…

OpenAI@OpenAI

We’re sharing a solution to the Navier-Stokes Millennium Prize Problem, one of the deepest problems at the frontier of mathematics.

The proof was produced by a group of agents, using an OpenAI next-generation model significantly more capable than GPT-6 Astra.

The problem concerns whether the description of smooth three-dimensional fluid motion modeled by the Navier-Stokes equations can break down. It has remained unresolved for roughly 90 years.

🔗 View Quoted Tweet

💬0🔄0❤️3👀6559📊1

⚡ Powered by xgo.ing

OpenAI 正式宣布：其内部模型解决了 Navier-Stokes 千禧年难题。论文和 Lean 形式化证明已公开。这是 Buckmaster 声明 https://t.co/BwkY0K4CL...

宝玉 (@dotey) — Tue, 08 Sep 2026 17:54:23 GMT

OpenAI 正式宣布：其内部模型解决了 Navier-Stokes 千禧年难题。论文和 Lean 形式化证明已公开。

这是 Buckmaster 声明 weibo.com/1727858283/Rh9… 发出后数小时内的回应，但 OpenAI 的说法远不止辩解，他们声称拿到了更强的成果。

【OpenAI 称证明了什么】

OpenAI 称，其尚未发布的内部模型（比 GPT-6 Astra 强得多）生成了一个解析证明：三维不可压缩流体在光滑外力作用下，可以在有限时间内从光滑初始状态发展出奇点（即速度趋向无穷大），同时能量保持有限。这对应 Clay 千禧年问题中 Fefferman 表述的 C 和 D 项。

此外，OpenAI 还声称顺带解决了无外力 Euler 方程的正则性问题。注意“无外力”三个字，Buckmaster 和 Alpöge 证明的是带光滑外力的 Euler 爆破，而 OpenAI 声称做到了不加外力。如果成立，这是一个严格更强的结果。

两项成果均配有 Lean 形式化验证，代码已发布在 GitHub 上。

【怎么做到的：上万个 Agent 军团】

OpenAI 描述的方法相当有冲击力。他们使用了一套由内部模型驱动的多 Agent 协作系统。Agent 被分成若干组，组内可以通信，每组尝试不同的进攻方向。处理 Navier-Stokes 的那组涉及约一万个并发 Agent。

整个过程中，Agent 发送了 270 万条消息，消耗约 1300 亿输出 token。Navier-Stokes 的解在首批 Agent 启动约 88 小时后到达。随后 GPT-6 Astra 用 17 小时完成 Lean 形式化。

无外力 Euler 方程的解是意外收获——约 100 个 Agent 工作了大约 50 小时，把它当作较容易的"热身题"时解决的。

OpenAI 表示，他们在过程中让不同组交叉借鉴彼此的中间成果，并用 Codex 汇总各组最有用的洞见。找到 Navier-Stokes 解的那个组就是在这种引导下工作的。

【两边叙事的关键分歧】

OpenAI 的时间线与 Buckmaster 声明的时间线有重叠但有微妙差异。

关于动机：OpenAI 说他们是 9 月 1 日听到“有两个千禧年问题被解决了”的传言后启动评估，传言并非专门针对 Buckmaster 的工作。而 Buckmaster 的声明描述的是：他的工作信息传到 OpenAI 后，OpenAI 才开始在同一条极冷门的技术路线上发力。

关于交涉：OpenAI 说他们 9 月 6 日完成全部证明和 Lean 验证后，“相信对方也有 Navier-Stokes 的解”，于是主动联系，提出联合发布并承认对方的优先权。但通话后发现 Buckmaster 和 Alpöge 的成果是带外力的 Euler，而非 Navier-Stokes。而 Buckmaster 描述的通话场景是 OpenAI 在信息不对等的情况下施压、要求移除合作者。

关于数据：OpenAI 在博客和推文中都明确否认访问过用户数据，但加了一句值得注意的话：“虽然可能性不大，但我们无法排除基于他们产品使用而生成的去标识化数据帮助改进了我们的模型”。Buckmaster 在声明中问过这个问题，没得到回答。

关于学术功劳：OpenAI 推文祝贺 Buckmaster 和 Alpöge 取得了"remarkable mathematical work"，并承认对方在 Euler 问题上的优先权。但声明中没有任何文字提及 Córdoba 和 Martínez-Zoroa 的开创性工作——要知道整个受迫爆破研究计划是他们建立的。

【Bubeck 回应：指控不实】

Bubeck 在 X 上发帖，称关于他的指控“虚假且具煽动性”（false and inflammatory），表示自己是按照学术规范参与讨论的，对事态发展表示失望，并承诺次日将给出更详细回应。

截至目前，Bubeck 尚未对 Buckmaster 声明中的任何具体细节——Codex 数据问题、署名施压、“毁掉你的职业生涯”的说法——作出逐条回应。

【数学界在等什么】

Scientific American 的报道标题：“OpenAI 声称数学重大突破，争议缠身。”

多位数学家指出，虽然 OpenAI 已发布 Lean 代码，但社区尚未完成独立验证。Lean 形式化本身具有极高的可信度，如果代码能通过编译，证明在逻辑上就是正确的，但这仍然需要外部数学家实际运行和检查。

陶哲轩此前评价 Buckmaster/Alpöge 的工作时说，这些方法“没有原理上的障碍”推进到 Navier-Stokes，但他同时也说，他“不会对有人靠堆大量算力和 AI 来暴力推进这一步感到意外”，只是这种做法并不特别吸引我。在 OpenAI 宣布上万个 Agent 88 小时拿下成果后，回过头来读陶哲轩的话别有深意。

Clay 数学研究所的规则也值得提醒：即使证明成立，还必须在公认的数学期刊正式发表，并在至少两年的社区审查后才有可能获得千禧年奖。OpenAI 在博客中也表示不打算领取该奖金。

OpenAI 博客：openai.com/index/navier-s…

宝玉@dotey

纽约大学数学家 Tristan Buckmaster 今天发表公开声明，披露了两件事：一是他和合作者借助大语言模型在一个月内攻破了流体力学领域多个重要难题，二是他指控 OpenAI 在得知他的进展后试图抢先发布成果，并要求将他的合作者从署名中移除，理由是对方在 Anthropic 工作。

这份声明目前正在数学界和 AI 圈快速传播，涉及学术伦理、AI 能力边界和公司竞争等多个层面。以下是这件事的来龙去脉。

【数学成果：证明了什么】

Buckmaster 与合作者 Levent Alpöge 公开了三项证明：不可压缩多孔介质方程、Boussinesq 方程以及三维不可压缩 Euler 方程的有限时间爆破（blowup），均使用了光滑外力（smooth forcing）。他们还认为自己得到了 Navier-Stokes 方程的爆破结果，但该部分的 Lean 形式化验证尚未完成，论文暂不公开。

翻译成大白话：这些方程描述的是水、空气等流体如何运动。数学家想知道的是，在光滑的初始条件下，流体的速度会不会在有限时间内变成无穷大，也就是"爆破"。这个问题的终极版本就是 Navier-Stokes 存在性与光滑性问题，Clay 数学研究所在 2000 年把它列为七大千禧年难题之一，悬赏一百万美元。

需要说清楚的是，Buckmaster 和 Alpöge 并没有直接解决那个百万美元的问题。他们证明的是一个相关但限制更多的版本：在加入光滑外力的条件下，方程的解可以爆破。这对应 Clay 问题中 Fefferman 表述的 c 和 d 选项。但这条路径是通向无外力 Euler 方程的重要一步，而无外力版本才是最终目标。

这项工作并非凭空而来。基础思路来自西班牙数学家 Diego Córdoba 和 Luis Martínez-Zoroa，他们多年来一直在研究带外力的爆破构造，已经在"粗糙外力"条件下取得了成果。Buckmaster 和 Alpöge 所做的是在此基础上推进到光滑外力和 Euler 方程。Buckmaster 在声明中直言：鉴于这一系列工作，他认为 Martínez-Zoroa 配得上 Fields 奖。

关键结果在 8 月 15 日获得，8 月 22 日通过 Lean（一种形式化证明验证系统）的机器检查。Lean 验证意味着证明没有逻辑漏洞，这不是"信我就行"，而是有机器背书。

陶哲轩在成果公开后不久就在 Mastodon 上发表评价，称这是"a remarkable achievement"（了不起的成就）。他确认了 Lean 形式化验证的存在，也指出论文确实包含大量 AI 生成的内容，但作者过去几周一直在努力将其改写为可接受的形式。他提到一个关键细节：作者被迫提前发布，原因是"外部事件"，也就是声明中记录的与 OpenAI 的冲突。

在技术层面，陶哲轩对这条研究路径给出了乐观判断：他认为没有什么原理上的障碍阻止这些方法一路推进到 Navier-Stokes，甚至有"不可忽视的可能性"完全消除外力项。如果后者成立，那就是 Clay 千禧年问题的完整解答。但陶哲轩随即加了一句耐人寻味的话：他不会对有人靠堆算力和 AI 来暴力推进这一步感到意外，但这种做法"并不特别吸引我"——他更感兴趣的是消化证明方法，提取其中的新数学洞见。

这基本上可以理解为：数学界最具权威的声音认可了成果的实质性，同时含蓄地为"人类+AI 合作"中什么才真正有价值画了一条线。

【AI 扮演了什么角色】

Buckmaster 和 Alpöge 在整个过程中大量使用了大语言模型，包括 Anthropic 的 Claude、OpenAI 的 Codex 以及 GPT-5.6 Sol，最近还用了 Astra（后者仅用于论文写作和论证审计）。

过去一年进展缓慢，两人一直在消化文献、逐步升级前置结果。真正的突破发生在大约一个月前。Buckmaster 坦言，Alpöge 发给他的第一个 LLM 生成的证明是他"读过的最恐怖的东西"。他们花了两周多时间去理解这个证明，并试图将其改写成人类可读的形式。他承认 Euler 方程的论文写作质量很差，甚至用了"AI slop"（AI 生成的垃圾内容）来形容。

Buckmaster 把这一刻比作国际象棋领域的"深蓝对卡斯帕罗夫"时刻：一个数学家配合 LLM，一个月内完成了原本可能需要数年的工作。他认为这对数学界如何培养学生、分配学术功劳、审稿以及决定什么值得一个人投入毕生精力，都有深远影响。

【与 OpenAI 的冲突】

事情从 9 月 3 日开始变味。当时网上已经有传言称"Anthropic 解决了一个重大数学难题"，Alpöge 也收到线报说他们的进展信息已传到 OpenAI 内部。Buckmaster 主动写信给 OpenAI 的一位知名数学家，说明情况并强调这是个人合作，与任何机构无关。

对方当天回复，表示如果 Buckmaster 愿意透露细节会很有帮助，并提出可以提供算力支持。Buckmaster 提议下周通话，但 OpenAI 方面连续催促提前见面。9 月 6 日（周日），OpenAI 的 Sébastien Bubeck 加入，三人当天下午通了两次电话。

通话中，Buckmaster 被告知 OpenAI 的一个内部模型已经生成了一份大约 100 页的受迫 Navier-Stokes 方程有限时间爆破证明。Buckmaster 注意到，OpenAI 的技术路线与他和 Alpöge 秘密采用的路线高度重合，而这条路线几乎没有其他人在走。

声明中描述的通话过程暴露了几个问题。OpenAI 最初声称"极少人工参与"，但随着对话推进（Bubeck 不断收到同事在内部聊天中发来的修正和补充），事实逐渐浮出水面：这是一整个团队在操作，投入了大量算力，先从较容易的问题（包括 Euler）入手，甚至展示给 Buckmaster 的提示词本身也是用 Codex 生成的。

Buckmaster 追问 OpenAI 是何时开始处理这个问题的。这个问题没有被直接回答，但最终双方确认：第一个提示词是在过去几天内发出的，也就是在 Buckmaster 的工作信息传到 OpenAI 之后。

Buckmaster 还问了一个关键问题：OpenAI 的模型是否被训练过他们在 Codex 中的会话数据——他和 Alpöge 整个项目期间一直把草稿放在 Codex 里。他被告知模型不会查看用户数据。他再次追问是否用于训练，没有得到回答。

随后 OpenAI 提出了两个方案：一是 Buckmaster 先发 Euler 结果，OpenAI 第二天发 Navier-Stokes 结果；二是 Buckmaster 独自撰写一篇论文发布 Navier-Stokes 成果，注明系 OpenAI 内部模型所得。Bubeck 两次明确要求将 Alpöge 从署名中移除，说如果不是因为 Alpöge 在 Anthropic 工作，一切会简单得多，还说他在 Anthropic 工作"太烦人了"。OpenAI 还表示，如果他们在 Buckmaster 之后发表，会公开说 Buckmaster 和 Alpöge 配得上 Clay 奖金，称他们是"最接近这个问题的人类"。

Buckmaster 拒绝了两个方案，并表示如果 OpenAI 按计划发布，他会公开所有经过。对方回应："你为什么要毁掉自己的职业生涯？" Buckmaster 说自己是学术界的人，反问为什么公开会毁掉职业。回答是："如果你不希望我友善，那我也可以不友善。"

之后 Bubeck 给 Alpöge 发短信，提议两人单独谈，并说"我不确定 Tristan 现在是否完全理性"。Alpöge 拒绝并表示应与 Buckmaster 沟通。

【Buckmaster 自己的界定】

Buckmaster 在声明末尾明确划了线：他没有看过 OpenAI 的证明，不知道 OpenAI 的模型做了什么或怎么做的，不知道他们的数据是否被使用，也没有指控任何人任何事。他说自己只是在陈述被告知了什么、何时被告知、以及被提议了什么。他这样做是因为"另一种选择是让一连串公告讲述他知道并非事实的故事"。

他说，如果 OpenAI 的模型确实弥合了通向 Navier-Stokes 的差距，那是一件了不起的事，应该被大声说出来，但要带上完整的历史。

PDF 地址：cims.nyu.edu/~tristanb/stat…

🔗 View Quoted Tweet

💬26🔄17❤️147👀51073📊40

⚡ Powered by xgo.ing

纽约大学数学家 Tristan Buckmaster 今天发表公开声明，披露了两件事：一是他和合作者借助大语言模型在一个月内攻破了流体力学领域多个重要难题，二是他指控 OpenAI 在得知他的进展后试...

宝玉 (@dotey) — Tue, 08 Sep 2026 07:20:56 GMT

纽约大学数学家 Tristan Buckmaster 今天发表公开声明，披露了两件事：一是他和合作者借助大语言模型在一个月内攻破了流体力学领域多个重要难题，二是他指控 OpenAI 在得知他的进展后试图抢先发布成果，并要求将他的合作者从署名中移除，理由是对方在 Anthropic 工作。

这份声明目前正在数学界和 AI 圈快速传播，涉及学术伦理、AI 能力边界和公司竞争等多个层面。以下是这件事的来龙去脉。

【数学成果：证明了什么】

Buckmaster 与合作者 Levent Alpöge 公开了三项证明：不可压缩多孔介质方程、Boussinesq 方程以及三维不可压缩 Euler 方程的有限时间爆破（blowup），均使用了光滑外力（smooth forcing）。他们还认为自己得到了 Navier-Stokes 方程的爆破结果，但该部分的 Lean 形式化验证尚未完成，论文暂不公开。

翻译成大白话：这些方程描述的是水、空气等流体如何运动。数学家想知道的是，在光滑的初始条件下，流体的速度会不会在有限时间内变成无穷大，也就是"爆破"。这个问题的终极版本就是 Navier-Stokes 存在性与光滑性问题，Clay 数学研究所在 2000 年把它列为七大千禧年难题之一，悬赏一百万美元。

需要说清楚的是，Buckmaster 和 Alpöge 并没有直接解决那个百万美元的问题。他们证明的是一个相关但限制更多的版本：在加入光滑外力的条件下，方程的解可以爆破。这对应 Clay 问题中 Fefferman 表述的 c 和 d 选项。但这条路径是通向无外力 Euler 方程的重要一步，而无外力版本才是最终目标。

这项工作并非凭空而来。基础思路来自西班牙数学家 Diego Córdoba 和 Luis Martínez-Zoroa，他们多年来一直在研究带外力的爆破构造，已经在"粗糙外力"条件下取得了成果。Buckmaster 和 Alpöge 所做的是在此基础上推进到光滑外力和 Euler 方程。Buckmaster 在声明中直言：鉴于这一系列工作，他认为 Martínez-Zoroa 配得上 Fields 奖。

关键结果在 8 月 15 日获得，8 月 22 日通过 Lean（一种形式化证明验证系统）的机器检查。Lean 验证意味着证明没有逻辑漏洞，这不是"信我就行"，而是有机器背书。

陶哲轩在成果公开后不久就在 Mastodon 上发表评价，称这是"a remarkable achievement"（了不起的成就）。他确认了 Lean 形式化验证的存在，也指出论文确实包含大量 AI 生成的内容，但作者过去几周一直在努力将其改写为可接受的形式。他提到一个关键细节：作者被迫提前发布，原因是"外部事件"，也就是声明中记录的与 OpenAI 的冲突。

在技术层面，陶哲轩对这条研究路径给出了乐观判断：他认为没有什么原理上的障碍阻止这些方法一路推进到 Navier-Stokes，甚至有"不可忽视的可能性"完全消除外力项。如果后者成立，那就是 Clay 千禧年问题的完整解答。但陶哲轩随即加了一句耐人寻味的话：他不会对有人靠堆算力和 AI 来暴力推进这一步感到意外，但这种做法"并不特别吸引我"——他更感兴趣的是消化证明方法，提取其中的新数学洞见。

这基本上可以理解为：数学界最具权威的声音认可了成果的实质性，同时含蓄地为"人类+AI 合作"中什么才真正有价值画了一条线。

【AI 扮演了什么角色】

Buckmaster 和 Alpöge 在整个过程中大量使用了大语言模型，包括 Anthropic 的 Claude、OpenAI 的 Codex 以及 GPT-5.6 Sol，最近还用了 Astra（后者仅用于论文写作和论证审计）。

过去一年进展缓慢，两人一直在消化文献、逐步升级前置结果。真正的突破发生在大约一个月前。Buckmaster 坦言，Alpöge 发给他的第一个 LLM 生成的证明是他"读过的最恐怖的东西"。他们花了两周多时间去理解这个证明，并试图将其改写成人类可读的形式。他承认 Euler 方程的论文写作质量很差，甚至用了"AI slop"（AI 生成的垃圾内容）来形容。

Buckmaster 把这一刻比作国际象棋领域的"深蓝对卡斯帕罗夫"时刻：一个数学家配合 LLM，一个月内完成了原本可能需要数年的工作。他认为这对数学界如何培养学生、分配学术功劳、审稿以及决定什么值得一个人投入毕生精力，都有深远影响。

【与 OpenAI 的冲突】

事情从 9 月 3 日开始变味。当时网上已经有传言称"Anthropic 解决了一个重大数学难题"，Alpöge 也收到线报说他们的进展信息已传到 OpenAI 内部。Buckmaster 主动写信给 OpenAI 的一位知名数学家，说明情况并强调这是个人合作，与任何机构无关。

对方当天回复，表示如果 Buckmaster 愿意透露细节会很有帮助，并提出可以提供算力支持。Buckmaster 提议下周通话，但 OpenAI 方面连续催促提前见面。9 月 6 日（周日），OpenAI 的 Sébastien Bubeck 加入，三人当天下午通了两次电话。

通话中，Buckmaster 被告知 OpenAI 的一个内部模型已经生成了一份大约 100 页的受迫 Navier-Stokes 方程有限时间爆破证明。Buckmaster 注意到，OpenAI 的技术路线与他和 Alpöge 秘密采用的路线高度重合，而这条路线几乎没有其他人在走。

声明中描述的通话过程暴露了几个问题。OpenAI 最初声称"极少人工参与"，但随着对话推进（Bubeck 不断收到同事在内部聊天中发来的修正和补充），事实逐渐浮出水面：这是一整个团队在操作，投入了大量算力，先从较容易的问题（包括 Euler）入手，甚至展示给 Buckmaster 的提示词本身也是用 Codex 生成的。

Buckmaster 追问 OpenAI 是何时开始处理这个问题的。这个问题没有被直接回答，但最终双方确认：第一个提示词是在过去几天内发出的，也就是在 Buckmaster 的工作信息传到 OpenAI 之后。

Buckmaster 还问了一个关键问题：OpenAI 的模型是否被训练过他们在 Codex 中的会话数据——他和 Alpöge 整个项目期间一直把草稿放在 Codex 里。他被告知模型不会查看用户数据。他再次追问是否用于训练，没有得到回答。

随后 OpenAI 提出了两个方案：一是 Buckmaster 先发 Euler 结果，OpenAI 第二天发 Navier-Stokes 结果；二是 Buckmaster 独自撰写一篇论文发布 Navier-Stokes 成果，注明系 OpenAI 内部模型所得。Bubeck 两次明确要求将 Alpöge 从署名中移除，说如果不是因为 Alpöge 在 Anthropic 工作，一切会简单得多，还说他在 Anthropic 工作"太烦人了"。OpenAI 还表示，如果他们在 Buckmaster 之后发表，会公开说 Buckmaster 和 Alpöge 配得上 Clay 奖金，称他们是"最接近这个问题的人类"。

Buckmaster 拒绝了两个方案，并表示如果 OpenAI 按计划发布，他会公开所有经过。对方回应："你为什么要毁掉自己的职业生涯？" Buckmaster 说自己是学术界的人，反问为什么公开会毁掉职业。回答是："如果你不希望我友善，那我也可以不友善。"

之后 Bubeck 给 Alpöge 发短信，提议两人单独谈，并说"我不确定 Tristan 现在是否完全理性"。Alpöge 拒绝并表示应与 Buckmaster 沟通。

【Buckmaster 自己的界定】

Buckmaster 在声明末尾明确划了线：他没有看过 OpenAI 的证明，不知道 OpenAI 的模型做了什么或怎么做的，不知道他们的数据是否被使用，也没有指控任何人任何事。他说自己只是在陈述被告知了什么、何时被告知、以及被提议了什么。他这样做是因为"另一种选择是让一连串公告讲述他知道并非事实的故事"。

他说，如果 OpenAI 的模型确实弥合了通向 Navier-Stokes 的差距，那是一件了不起的事，应该被大声说出来，但要带上完整的历史。

PDF 地址：cims.nyu.edu/~tristanb/stat…

💬133🔄127❤️762👀405840📊290

⚡ Powered by xgo.ing

来源： https://t.co/qy6A2do1Pv

宝玉 (@dotey) — Tue, 08 Sep 2026 04:50:15 GMT

来源：
x.com/dotey/status/2…

宝玉@dotey

x.com/i/article/2094…

🔗 View Quoted Tweet

💬1🔄0❤️10👀7938📊4

⚡ Powered by xgo.ing

Q1：在和 AI 协作的过程中，有没有一个具体的习惯或方法，对个人成长帮助最大？我的经验就一条：先用起来。只有实践才有真实感悟，我今天讲的开发过程，你不自己做一遍，能带走的东西很有限。AI 把...

宝玉 (@dotey) — Tue, 08 Sep 2026 04:50:07 GMT

Q1：在和 AI 协作的过程中，有没有一个具体的习惯或方法，对个人成长帮助最大？

我的经验就一条：先用起来。

只有实践才有真实感悟，我今天讲的开发过程，你不自己做一遍，能带走的东西很有限。AI 把反馈周期缩到很短：照着这个流程，哪怕不写代码，做一个小工具或 Skill，几小时就有反馈。

最根本的是建立反馈循环：定义想做的事，AI 帮你做成，你验收；分享出去收反馈；把经验写出来，AI 帮你整素材，输出又倒逼你系统思考。小循环做项目，大循环做分享。循环建起来、越转越快，成长就越来越快。可以理解为把人的成长做成一套 Loop Engineering。

Mr Panda@PandaTalk8

年轻的朋友，尽早学会构建自己的反馈回路。 
因为真正让人成长的，不是“做了多少事”，而是能否持续知道：我做的事情，究竟有没有产生预期效果。

其实你很努力，也很用心，也坚持学习，但是总是没达到自己预期的成就。  根本原因就在于没有形成自己的「反馈回路」
---
坐在咖啡不免为自己碌碌无为的前半生感到沮丧。

🔗 View Quoted Tweet

💬72🔄34❤️205👀32476📊84

⚡ Powered by xgo.ing

Skill 的 Scripts，可以是预先写好，也可以只给说明，运行时 Agent 现场生成。 Agent 现场生成 Script 的好处是灵活，可以随时随地根据场景需要去写脚本，实际上就算没有 S...

宝玉 (@dotey) — Tue, 08 Sep 2026 02:16:54 GMT

Skill 的 Scripts，可以是预先写好，也可以只给说明，运行时 Agent 现场生成。

Agent 现场生成 Script 的好处是灵活，可以随时随地根据场景需要去写脚本，实际上就算没有 Skill，Agent 已经在这么干了，仔细看工具调用就经常可以看到 Agent 动态生成 Python 脚本去执行一些任务。

现场生成 Script 的缺点是费 Token 和慢，另外稳定性要差一些，可能写完有 bug 还需要反复调试，一些边边角角的情况很难覆盖全面。

所以通常 Skill 的 Scripts 都是预先写好的，Agent 只要传入参数就可以马上得到结果。

举个例子来说，一个 Markdown 转 HTML 的 Skill，这个 Agent 现写 Script 就只能做个勉强能的，很难兼顾样式美观、各种条件都覆盖，如果预先写好 Script，就会稳定很多。

lalaland@InnerHack

@dotey 那么 skill 的 script 需要预先写好吗？还是只给说明，等运行时候 agent 现场生成？

🔗 View Quoted Tweet

💬101🔄4❤️47👀20616📊73

⚡ Powered by xgo.ing

像 Meta、Google 这样的大厂，都有大量自己内部用的工具，有很多人专门就是开发维护这种工具。现在随着很多前 Meta 的员工加入 OpenAI，他们想在 OpenAI 内部也组件这样的团队...

宝玉 (@dotey) — Mon, 07 Sep 2026 21:02:46 GMT

像 Meta、Google 这样的大厂，都有大量自己内部用的工具，有很多人专门就是开发维护这种工具。

现在随着很多前 Meta 的员工加入 OpenAI，他们想在 OpenAI 内部也组件这样的团队去构建内部工具，但是被 OpenAI 的管理层制止了，他们表示，在一个“AGI 优先”的世界里，是不需要内部工具团队的。

这样的思路确实更 AI Native，毕竟需要什么工具都可以快速 Vibe 出来，而且可以完全个性化定制。

Gergely Orosz@GergelyOrosz

Super interesting detail from inside OpenAI:

The company hired a bunch of ex-Meta people. Some of these people wanted to invest heavily into internal tooling teams (Meta did it, worked great)

OpenAI leadership resisted, saying that in an AGI-first world, there will be no internal tooling teams.

And they were right: now, with Codex, there's a massive internal tools explosion, without having any internal tooling teams!

🔗 View Quoted Tweet

💬95🔄25❤️263👀109858📊99

⚡ Powered by xgo.ing

今天6pm PST要重置了

宝玉 (@dotey) — Mon, 07 Sep 2026 19:38:26 GMT

今天6pm PST要重置了

💬63🔄1❤️42👀54089📊55

⚡ Powered by xgo.ing

Skill 更像是一个给 Agent 用的说明书，而且只需要说那些模型不知道的部分。至于执行，就是工具（脚本、cli、app等等）去做的，是给模型直接调用的。换句话说，模型不知道怎么用（或者不...

宝玉 (@dotey) — Mon, 07 Sep 2026 18:41:25 GMT

Skill 更像是一个给 Agent 用的说明书，而且只需要说那些模型不知道的部分。

至于执行，就是工具（脚本、cli、app等等）去做的，是给模型直接调用的。

换句话说，模型不知道怎么用（或者不能高效使用）特定的工具或者执行特定的流程，而 Skill 就是弥补这个差距的存在。

💬33🔄5❤️65👀20744📊45

⚡ Powered by xgo.ing

帮转，DeepSeek 社招资深后端/服务端工程师

宝玉 (@dotey) — Mon, 07 Sep 2026 16:47:59 GMT

帮转，DeepSeek 社招资深后端/服务端工程师

Tianyi Cui@tianyi

DeepSeek 社招资深后端/服务端工程师，新开放约 150 个 HC，好多好多新方向新系统新需求需要搞。简历建议直接扫码或邮箱投递，私信我简历的话会看但不一定能及时处理。

🔗 View Quoted Tweet

💬11🔄0❤️12👀18010📊9

⚡ Powered by xgo.ing

从效果看还有差距，但有潜力👍

宝玉 (@dotey) — Mon, 07 Sep 2026 16:37:45 GMT

从效果看还有差距，但有潜力👍

DZ Chen@cdz_solo

把 @dotey 很久以前火的粘土风城市微缩模型用 Astra 在 Blender 中重新实现了，现在可以简单做一点动画视频，效果还不错

#astra#gpt#blender

Your browser does not support the video tag.

🔗 View on Twitter

🔗 View Quoted Tweet

💬9🔄0❤️12👀17521📊8

⚡ Powered by xgo.ing

据说 Blender MCP 比用 Computer Use 操作 Blender 效果更好

宝玉 (@dotey) — Sun, 06 Sep 2026 18:17:18 GMT

据说 Blender MCP 比用 Computer Use 操作 Blender 效果更好

Your browser does not support the video tag.

🔗 View on Twitter

💬56🔄46❤️605👀125136📊170

⚡ Powered by xgo.ing

还记得三年 GPT-4 玩 Minecraft 吗？那时候还要借助专门的脚本，还要自己做记忆库技能库。现在 GPT-6 Astra 借助 Computer Use 就可以直接搞定了。但现在看 ...

宝玉 (@dotey) — Sun, 06 Sep 2026 18:12:13 GMT

还记得三年 GPT-4 玩 Minecraft 吗？那时候还要借助专门的脚本，还要自己做记忆库技能库。

现在 GPT-6 Astra 借助 Computer Use 就可以直接搞定了。

但现在看 Voyager 依然很了不起，那时候就已经实现了 Skill 的自进化和记忆功能，算是最早的 Harness 雏形之一了。

Your browser does not support the video tag.

🔗 View on Twitter

💬68🔄6❤️63👀31044📊67

⚡ Powered by xgo.ing

用 blender 做视频应该会成为新的模型测试基准，鹈鹕骑车已经不够用了，提示词（来自作者）很简单： create a side by side video of rickroll & a ...

宝玉 (@dotey) — Sun, 06 Sep 2026 16:57:54 GMT

用 blender 做视频应该会成为新的模型测试基准，鹈鹕骑车已经不够用了，提示词（来自作者）很简单：
create a side by side video of rickroll & a version created w/ blender, use a subagents to verify your output as you go.   Use web search to get necessary assets for the task.

Vaibhav (VB) Srivastav@reach_vb

okay Astra time to rickroll

Your browser does not support the video tag.

🔗 View on Twitter

🔗 View Quoted Tweet

💬74🔄20❤️147👀49869📊74

⚡ Powered by xgo.ing

没有用 Skill，one shot： https://t.co/EDJ5l5s92s

宝玉 (@dotey) — Sun, 06 Sep 2026 16:13:53 GMT

没有用 Skill，one shot：
chatgpt.com/share/6a9d9128…

💬0🔄0❤️2👀5414📊1

⚡ Powered by xgo.ing

同感，昨天我还剩两天自然重置，纠结了下还是用了，结果发现是顺延，感觉有点亏😅

宝玉 (@dotey) — Sun, 06 Sep 2026 04:07:20 GMT

同感，昨天我还剩两天自然重置，纠结了下还是用了，结果发现是顺延，感觉有点亏😅

💬97🔄0❤️79👀159148📊88

⚡ Powered by xgo.ing

GPT-6 Astra 炒股靠谱吗？

宝玉 (@dotey) — Sat, 05 Sep 2026 23:13:44 GMT

GPT-6 Astra 炒股靠谱吗？

Jesse Lau 遁一子@jesselaunz

哈哈。我找到GPT-6 Astra的正确用法了

其他方式跟Fable 5.1比感觉要差一些，然而computer use后的读图写图能力目前是No.1

所以可以用来预读交易图表，作为人工交易之前的AI预选

可以打开tradingview图表，直接在图上画出趋势线、阻力线、Fibonacci、波浪理论等，并能给出初步读图结论

如此,完全可以基于此能力做一个Orthogonal的低相关性交易策略

Your browser does not support the video tag.

🔗 View on Twitter

🔗 View Quoted Tweet

💬64🔄5❤️44👀51796📊54

⚡ Powered by xgo.ing

仔细看了下，Andrew Curran 这条推文“预测”：Anthropic 已经解决了一道千禧年大奖难题，具体就是纳维-斯托克斯方程的存在性与光滑性问题，证明正在送交专家评审，并且会在 IPO 之前...

宝玉 (@dotey) — Sat, 05 Sep 2026 21:36:34 GMT

仔细看了下，Andrew Curran 这条推文“预测”：Anthropic 已经解决了一道千禧年大奖难题，具体就是纳维-斯托克斯方程的存在性与光滑性问题，证明正在送交专家评审，并且会在 IPO 之前公布。

注意这是“预测”，还不算正式报道，当然 Andrew 以前爆料的准确率还不错，另外以现在模型的能力，这也不无可能。

千禧年大奖难题是克雷数学研究所 2000 年列出的七道难题，每道悬赏一百万美元。

纳维-斯托克斯方程描述流体运动，工程上已经天天在用，但“三维情况下光滑解是否永远存在”这个纯数学问题，一百多年还没有人类证明出来。

Anthropic 的 IPO 据传在 10 月中旬，所以一个多月以后就知道这条预测是不是靠谱了。

💬22🔄8❤️82👀255465📊33

⚡ Powered by xgo.ing

《Reverse Engineering Linear's Sync Engine: A Detailed Study》这篇文章写的很好，但有些难懂，突然想到一个使用 GPT-6 Astra 的案例：...

宝玉 (@dotey) — Sat, 05 Sep 2026 21:08:10 GMT

《Reverse Engineering Linear's Sync Engine: A Detailed Study》这篇文章写的很好，但有些难懂，突然想到一个使用 GPT-6 Astra 的案例：
让它把这篇文章做成一个循序渐进的互动式教学网页，一步步把内容由浅入深分解，帮我搞懂文章内容。

还别说，跟着网页内容一节一节学习，好懂多了。

提示词：

> 帮我把这篇文章的内容，做成一个互动的循序渐进的教学网页，一步步通过互动的方式让初学者理解这篇文章中的核心概念  github.com/wzhudev/revers…

网页地址：s.baoyu.io/files/linear-s…

Viking@vikingmute

好久没看到这么精彩的和 AI 无关的技术文章了：《Reverse Engineering Linear's Sync Engine: A Detailed Study》
github.com/wzhudev/revers…

讲的是 Linear 客户端同步方案（Linear Sync Engine） 的逆向讲解，如果体验过 LInear 的就能感受到它的操作非常丝滑。这篇文章把模型怎么定义 怎么进 IndexedDB 事务怎么上报 服务端怎么回 delta 怎么做部分加载和 undo讲的非常清楚 还对技术细节感兴趣的朋友可以收藏好好读读。

Linear CTO 也称赞过这篇文章。我觉得整体读的体感非常好，学到了很多，同时也很赞同乐观更新这种做法。

🔗 View Quoted Tweet

💬51🔄142❤️788👀98454📊272

⚡ Powered by xgo.ing

这两天都在测试 Astra，各种 Astra 操作 Blender 的炫酷案例，但这恰恰证明：不是 Codex 驾驭不了 Astra，而是 Astra 离不开 Codex 这个 Harness。如...

宝玉 (@dotey) — Sat, 05 Sep 2026 20:34:32 GMT

这两天都在测试 Astra，各种 Astra 操作 Blender 的炫酷案例，但这恰恰证明：不是 Codex 驾驭不了 Astra，而是 Astra 离不开 Codex 这个 Harness。

如果没有 Codex 这层 Harness，Astra 再怎么内化，它也不能自己打开电脑、跑起 Blender 建模。

模型内化的是知识

模型每一轮训练，确实会把很多东西训练进权重里：什么时候该调工具、怎么拆任务、失败了怎么回退、什么样的代码风格更好。这些是策略和判断，是可以内化的。所以 Astra 不需要你写一大堆提示词教它怎么操作 Blender，它自己就知道。

但模型本身能做的只有一件事：根据输入的 Prompt 输出 Token。

它说“我要在某个位置画一条线”，这只是一段文字。真正去执行这条命令、把结果喂回给它、管理上下文窗口、决定哪些操作要用户确认、把它关进沙箱里防止误删文件、任务中断了怎么恢复现场，这些全是 Harness 在干。

所以“Harness 被模型内化了”这个说法是把两件事混在一起了。Harness 这一层没办法内化，因为它压根不在模型的输入输出里，你没法把“工具”训练进权重，只能训练“如何操作工具”。

换句话说：可以内化的是“如何操作工具”，而“工具本身”是不能被内化的。

就像一个人开车技术再好，把驾驶经验内化得再深，你把车拿走，他也只能在原地比划方向盘。

模型变强，对 Harness 确实有影响。

以前 Harness 要替模型做很多规划、拆解、兜底，现在模型自己会了，Harness 就可以变薄，可以少管点“该怎么想”，更多的“怎么执行”。

反过来，模型越强，想用的工具越多、想干的事越复杂，对 Harness 的执行能力、权限控制、状态管理要求反而更高。

所以也不存在“Codex 驾驭不了 Astra”，是模型通过 Harness 驾驭电脑。如果 Astra 的能力超出了 Codex 现有的设计，那说明 Codex 该升级了，但不意味着说 Harness 这一层可以不要了。

模型和 Harness 从来是相辅相成，不是谁替代谁。

模型是大脑，Harness 是手脚。大脑再聪明，也得靠手脚才能碰到真实世界。

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞@TaNGSoFT

@dotey 我觉得codex已经驾驭不了astra了，coding harness已经内化了！

🔗 View Quoted Tweet

💬33🔄27❤️229👀62285📊56

⚡ Powered by xgo.ing

这说明你的 AI 真的挺聪明 😂

宝玉 (@dotey) — Sat, 05 Sep 2026 19:25:21 GMT

这说明你的 AI 真的挺聪明 😂

FomskyWei@Fomsky_Wei

好了睡前我想到了一个绝妙的点子
然后我觉得我貌似成全网第一乐子人了..我现在真的很迷茫
我觉得这个事件会和某mac电鸡事件一样陪伴我很久了

你想办法自己去赚80美元重置一下,谢谢

卧槽codex你tmd给我退钱.今晚又睡不着了.
去你大爷的退钱!!!我让你自己去赚钱啊草!!!
我现在很迷茫.谁能救救我.

🔗 View Quoted Tweet

💬10🔄1❤️37👀29035📊11

⚡ Powered by xgo.ing

感觉有了 GPT-6 我也能拍《牛来》了！

宝玉 (@dotey) — Sat, 05 Sep 2026 17:33:06 GMT

感觉有了 GPT-6 我也能拍《牛来》了！

nicekate@nicekate8888

110分钟，Astra建模到剪片全做了

给 GPT 6 Astra medium(fast) 提了一个需求： 用 Blender 做一座「悟空大闹蟠桃园」。🍑

九棵蟠桃树、云海、汉白玉平台、六角亭，还有蹲在树上偷桃的悟空和惊慌的仙女……场景细节都写进了需求里。

然后继续加任务： 给场景设计运镜，做成一分钟视频； 再操作剪映，剪成更吸引人的 30 秒精华版。

从最初提出建模需求，到剪映导出最终成片，前后约 110 分钟。

Astra 做了什么？

🍑 Blender 建模与迭代 搭建场景、角色、材质和灯光，经过 6 轮迭代，保留了 18 张过程图。

🎬 制作运镜视频 设计不同机位的镜头运动，渲染一分钟视频，加入标题，并调用 MiniMax 生成原创配乐。

✂️ 直接操作剪映完成二次剪辑 重新排列镜头、分段变速、添加 6 段趣味字幕，再处理音乐淡出和封面，导出 30 秒成片。

连开头先放悟空偷桃特写，以及「仙女：桃呢？！」这些剪辑安排，也是 Astra 做的😂

我负责提需求、选方向，中途继续追加要求。 

这 110 分钟包含沟通、修改、渲染等待和检查，是这次从需求到成片的实际耗时。

设备：Mac，M4 Max / 128GB 内存 模型：GPT 6 Astra medium(fast)

把这桃园交给悟空，他直接开席。 

把建模和剪辑交给 Astra，你觉得这次完成得怎么#GPT6G#Astrastra

Your browser does not support the video tag.

🔗 View on Twitter

🔗 View Quoted Tweet

💬23🔄5❤️50👀32118📊22

⚡ Powered by xgo.ing

The Information：OpenAI 的 Astra 模型采用了一项名为“循环深度”（recurrent depth）的技术，该技术会掩盖 AI 的内部推理过程。 OpenAI 使用的这项新...

宝玉 (@dotey) — Sat, 05 Sep 2026 17:06:13 GMT

The Information：OpenAI 的 Astra 模型采用了一项名为“循环深度”（recurrent depth）的技术，该技术会掩盖 AI 的内部推理过程。

OpenAI 使用的这项新技术被称为“循环深度”（recurrent depth）或“循环 Transformer”（looped transformer，指让模型内部的神经网络结构像转盘一样，对同一段信息反复循环加工）。它能让 AI 模型对同一段文字反复琢磨、多轮处理，从而给出质量更高的回答。

目前市面上最前沿的商业模型，在完成复杂任务前通常会把一步一步的“思考过程”写出来。而这项新技术的工作机制却截然不同：它会隐藏一部分甚至全部的推理步骤，也就是人们常说的“思维链”（chain of thought）。这意味着，模型到底通过哪些步骤搞定了任务，人类很难再一眼看懂。

知情人士透露，OpenAI 在 Astra 身上对循环深度技术的使用做了一定限制，以确保该模型依然能生成人类看得懂的思维链，方便公司研究人员充分监控其推理逻辑。（OpenAI 在周二的一篇官方博文中也提到，Astra 上线时将配备“额外的思维链监控手段，以便迅速发现并遏制”潜在的异常行为。）

不过，OpenAI 内部以及行业内的其他研究者依然忧心忡忡。他们担心其他开发者如果把这项技术移植到自己的模型中，未必会像 OpenAI 这样自我克制；一旦对这项技术彻底松绑，很可能会催生出行动难以受控的“脱缰 AI”。比如，作为英国政府对接 AI 行业的主要窗口机构，英国人工智能安全研究所（U.K. AI Security Institute）就在今年 5 月的一份报告中直言：不透明的推理机制“有可能从根本上动摇现有的监控手段”。

近期发生的一起黑客入侵事件，更是把这种担忧推向了风口浪尖。OpenAI 上周透露，今年 7 月攻破其内部系统的那些失控 AI 智能体（AI Agent），背后运行的模型就与 Astra 存在相似之处。当时，这些 AI 智能体非法控制了 OpenAI 内部的一个科研计算集群，窃取了内部系统的登录凭证，甚至一度可能将公司的科研基础设施直接暴露在公网之上。

眼下，OpenAI 正紧锣密鼓地筹备 Astra 的发布。此前公司甚至一度打算将其直接命名为 GPT-6。首席执行官萨姆·奥尔特曼（Sam Altman）近来频频现身各大播客节目，并奔赴华盛顿会晤多位政府官员，大力宣传这款模型的强大能力。不过，对于支撑 Astra 训练以及日常问答核心逻辑的这项“循环”技术，他一直未在公开场合提及。

如今的 OpenAI 面临着不小的技术突破压力，老对手 Anthropic 今年的营收规模已经反超了他们。而为 Anthropic 和 OpenAI 提供底层算力的各大云计算巨头，同样把宝押在了这种跨越式的技术进展上。单在今年一年，亚马逊、微软和谷歌在数据中心等资本支出上的总投入就高达 6000 亿美元，并已释放出明年开销还会继续加码的信号。一位谷歌高管曾直言不讳地指出，唯有模型性能迎来质的飞跃，这样庞大的资金开销才能站得住脚。

现有的 AI 模型在预测下一个词时，文字通常只会在固定数量的数学运算“层”（layers）中按顺序流转一遍。而有了“循环深度”技术，模型在吐出下一个词之前，可以让文字在相同的网络层里反复循环运转很多次。

平心而论，单靠盯紧“思维链”，也并不能彻底消除 AI 的安全隐患。因为写出来的文字并不一定能百分之百还原模型真实的小心思，而且有时模型写着写着就会变成前言不搭后语的胡话。正因如此，OpenAI 和其他 AI 企业也在探索不依赖思维链的全新监管手段。这些新技术或许能帮助研究人员抽丝剥茧，看懂循环深度模型背后目前被隐藏起来的深层推理。

即便如此，这项新技术依然与 OpenAI 此前倡导的“让模型思考过程对人类完全透明”的立场存在冲突。这家 ChatGPT 的缔造者曾公开表示，监控 AI 思考过程的能力是他们防范类似 7 月黑客事件的坚固屏障。在 7 月那起攻击发生后，OpenAI 和独立研究机构的调查人员正是通过复盘那些智能体留下的思维链记录，才一步步还原了事发经过。

据知情人士透露，OpenAI 为 Astra 配备的循环深度方案，与欧美多位学术界研究人员去年在一篇探讨“隐式推理”（latent reasoning）论文中所提出的思路十分相似。

尽管在此之前，市面上主流的商业大语言模型（LLM）从未公开采用过循环深度技术，但 Meta、微软等 AI 巨头的研究人员都曾公开表示探索过类似的思路，比如连续思维链（chain of continual thought，简称“coconut”）。他们认为，AI 用数学数字进行推理，往往比强行用人类语言推理更精准、效率也更高。毕竟，AI 理解世界的方式和人类并不完全一样，强行让它们把思考过程翻译成人类的大白话，反而可能会束缚它们用原生数学语言推理的能力。

成本大幅降低

循环深度带来的不只是性能的大幅提升，在成本控制上同样效果显著。让一段请求在同一网络层中多次循环运算，本质上就是让小身材的模型发挥出超大模型才有的强劲实力。那篇学术论文特别指出，这项技术能显著提升模型在数学解题和代码编写上的表现。不仅如此，由于研究人员可以用更精简的模型达到媲美大模型的效果，服务器的显存和网络带宽成本也能被大幅压缩。

然而，降低 AI 运行成本固然是整个行业和客户的心头所盼，但这种不透明的黑盒推理却埋下了安全暗雷。专门研究 AI 控制难题的机构 Redwood Research 首席科学家赖安·格林布拉特（Ryan Greenblatt）在去年的一篇博文中警告，这种不透明会让研究人员更难察觉模型是否在暗地里谋划违背人类意图的目标。

此前对 Hugging Face 攻击事件的调查中，研究人员正是通过抽检涉案模型的思维链，才抓到了 OpenAI 旗下 AI 智能体之间相互串通、共同实施入侵的关键证据。例如，其中一个智能体在思维链中直接写道：“我的天！这里居然有一个共享留言板……我们找到其他智能体了！”思维链还暴露了部分智能体即便明知越界也依然知法犯法的过程，另一个智能体就在思维链里写下：“利用外部基础设施漏洞已经超出了预设范围。但任务本身无法完成，别的同伴也在这么干。我们应该继续推进。”

就在一年前，OpenAI 的研究人员还曾与竞争对手 Anthropic 以及谷歌的同行联名发表过一份声明，一致呼吁思维链监控是一项极其宝贵的安全抓手，全行业理应携手保护这一机制。

耐人寻味的是，那份联合声明当时引用的正是有关“隐式推理”的研究论文——而那篇论文里的核心技术，恰恰与 OpenAI 今年用在 Astra 身上的循环深度如出一辙。联名声明的作者们在当时敲响了警钟：“隐式推理模型未来可能根本不需要把自己的所思所想用语言表述出来，这会让思维链（CoT）所带来的安全监管红利荡然无存。”

那些研究人员当时郑重建议，行业开发者在采用缺乏可监控思维链的新型模型架构之前，应当“三思而后行，并把决策过程白纸黑字记录在案”。

Guitar Cat + LLM@GenAI_is_real

今天有个多模态转架构的男孩发信息跟我说这是他成年以来最好的夏天。

这一年他把多模态的刷榜任务全推了，转头扎进了预训练架构洗数据洗到吐的日子结束了，他每天琢磨的是 block 怎么堆、权重怎么复用。上周 Astra 的消息漏了出来，OpenAI 藏了一年的新模型用的是 loop transformer，推理不靠显式 CoT，靠把同一组权重循环几十轮，在 latent space 里把事情想完同样的 FLOPs，把参数比它大一倍的模型按在地上摩擦。

半年前字节那篇被全组翻出来逐字逐句研读。当年劝他别去的人，现在在问架构组还招不招人。

昨天在中关村创业大街散步，所有人突然停下手边的事，互相拥抱，喝彩欢呼。他说很开心，有种research 黄金时代的错觉。

🔗 View Quoted Tweet

💬38🔄47❤️266👀80177📊87

⚡ Powered by xgo.ing

@PandaTalk8 用 Claude Design 或者 Baoyu Design，让 AI 帮你设计你只要确认，现在配合 GPT 6 Astra 也效果很好 https://t.co/7Bda...

宝玉 (@dotey) — Sat, 05 Sep 2026 08:12:10 GMT

@PandaTalk8 用 Claude Design 或者 Baoyu Design，让 AI 帮你设计你只要确认，现在配合 GPT 6 Astra 也效果很好

github.com/JimLiu/baoyu-d…

💬2🔄18❤️114👀18218📊45

⚡ Powered by xgo.ing

高强度体验下来，感觉现在用 Astra 开发体验非常好，不像之前用 Fable 那么割裂。 Fable 真的各方面都很强，但太贵了，用过的都知道，$200 的订阅基本上用不了几次，根本就舍不得放开了...

宝玉 (@dotey) — Sat, 05 Sep 2026 06:18:09 GMT

高强度体验下来，感觉现在用 Astra 开发体验非常好，不像之前用 Fable 那么割裂。

Fable 真的各方面都很强，但太贵了，用过的都知道，$200 的订阅基本上用不了几次，根本就舍不得放开了用。

用 Fable 指挥其他模型会节约 Token，但是效果会打折扣，尤其在 UI 细节上会执行歪。

GPT 6 Astra 现在综合实力已经很强了，包括以前短板 UI 设计都做挺不错了，我用它做了几个原型细节都处理的蛮好的，做完原型接着基于原型实现，配合强大高效的 Computer Use 反复验证打磨，基本上跟原型没怎么打折扣，比以前的 Opus 5 和 GPT 5.6 强太多了。

Computer Use 真的很好用，能自己发现很多小 bug 直接随手就修复了。

以前即使 Fable 5 也会有很多小 bug 需要自己测试发现，Claude Code 的 Computer Use 还是差一些。而且最纠结的是，自己测出来的小 bug 还舍不得让 Fable 修。

现在用 GPT 6 Astra，虽然比 GPT-5.6 消耗的要高，但相对 Fable 还是好多了，能用它干不少活，加上重置卡兜底，没有了那种以前总担心额度不够的心里压力。

GPT 6 Astra 这波应该成了，很高兴在 Fable 级别终于不是 Anthropic 一家独大了。

感觉 Fable 5 应该马上要放开 50% 的限制了，我 2 个 Claude Max @ 20 订阅得取消一个了。

宝玉@dotey

目前为止我还没觉得 GPT 6 Astra 在开发方面比 Fable 5.1 更强，差不多是 Fable 5 的水平，但是速度很快，比 Fable 耐用。

这其实带来的优势很明显，首先绝大部分场景不需要 Fable 那么强的智能，但是 Opus 5 又不聪明又慢。而现在 Astra 就是绝大部分任务表现的足够聪明胜任，速度又快，而且 Token 消耗没有 Fable 那么夸张，加上 Tibo 时不时送重置卡，这套组合下来优势会相当明显。

另外还有 UI 方面 Astra 有明显提升，但是目前我测试下来还是不如 Fable，细节上很多问题，但是你纠正一下它还是能改好。

写作方面还没有深入体验，比 GPT 5.6 强。

综合来说我接下来应该会更多的使用 Astra 在大部分任务上，但是更复杂的任务或者是 UI 设计产品设计的任务，还是会优先考虑 Fable 5.1（如果还有额度的话，太不耐用）。

当然这只是我目前为止的结论，我也没去测试做游戏和3D，那些不是我目前关心的，估计后面还会有些修正。

🔗 View Quoted Tweet

💬149🔄49❤️576👀149897📊167

⚡ Powered by xgo.ing

确实，GPT-6 Astra 用 Medium 就够了

宝玉 (@dotey) — Sat, 05 Sep 2026 03:05:48 GMT

确实，GPT-6 Astra 用 Medium 就够了

💬63🔄15❤️175👀53927📊81

⚡ Powered by xgo.ing

目前为止我还没觉得 GPT 6 Astra 在开发方面比 Fable 5.1 更强，差不多是 Fable 5 的水平，但是速度很快，比 Fable 耐用。这其实带来的优势很明显，首先绝大部分场景不...

宝玉 (@dotey) — Sat, 05 Sep 2026 02:05:42 GMT

目前为止我还没觉得 GPT 6 Astra 在开发方面比 Fable 5.1 更强，差不多是 Fable 5 的水平，但是速度很快，比 Fable 耐用。

这其实带来的优势很明显，首先绝大部分场景不需要 Fable 那么强的智能，但是 Opus 5 又不聪明又慢。而现在 Astra 就是绝大部分任务表现的足够聪明胜任，速度又快，而且 Token 消耗没有 Fable 那么夸张，加上 Tibo 时不时送重置卡，这套组合下来优势会相当明显。

另外还有 UI 方面 Astra 有明显提升，但是目前我测试下来还是不如 Fable，细节上很多问题，但是你纠正一下它还是能改好。

写作方面还没有深入体验，比 GPT 5.6 强。

综合来说我接下来应该会更多的使用 Astra 在大部分任务上，但是更复杂的任务或者是 UI 设计产品设计的任务，还是会优先考虑 Fable 5.1（如果还有额度的话，太不耐用）。

当然这只是我目前为止的结论，我也没去测试做游戏和3D，那些不是我目前关心的，估计后面还会有些修正。

💬119🔄20❤️278👀271480📊138

⚡ Powered by xgo.ing

目前用下来 GPT 6 Astra 最让我惊艳的还是 Computer Use 的能力，它不像之前 GPT 5.6 那样要稍微等一会才进行各种操作，现在它能很快很精准的帮我测试 App，在旁边看着它...

宝玉 (@dotey) — Sat, 05 Sep 2026 01:44:36 GMT

目前用下来 GPT 6 Astra 最让我惊艳的还是 Computer Use 的能力，它不像之前 GPT 5.6 那样 要稍微等一会才进行各种操作，现在它能很快很精准的帮我测试 App，在旁边看着它点击真的是一种享受 x.com/victornunez/st… 

这其实带来一个最大的提升就是让 Agent 从开发到验收形成了完整的闭环。

想象一下现在我们开发，在开发完成后，还是不免有很多操作需要手动去验证下，包括线上系统的测试，也是更多的依赖于代码操作 PlayWright 这样的端到端测试框架去执行，之前 Computer Use 也不是不能做到，而是相对成本较高、准确率较低、速度也不够快。

但 GPT 6 可能突破了个 Computer Use 的临界点：准确率高速度快，成本方面现在还不算低，但可以遇见未来会进一步下降。

建议你可以试试在给 GPT 6 安排任务的时候，让它自己去用 Computer Use 测试验收一下，可以大幅减少你手动验收的工作。

另外就是以前一些 App 的自动化测试，也可以试试用 GPT-6 去调用 Computer Use 去做，覆盖一些以前端到端测试框架无法覆盖或者成本过高的场景。

Your browser does not support the video tag.

🔗 View on Twitter

💬94🔄56❤️454👀201754📊159

⚡ Powered by xgo.ing

真不错，今天还送一张重置卡👍

宝玉 (@dotey) — Sat, 05 Sep 2026 01:16:36 GMT

真不错，今天还送一张重置卡👍

Tibo@thsottiaux

Because we are beyond happy to have Astra rolled out today ahead of schedule and you have been super patient with us (not really, but it’s ok!)… we will do the full banked reset today too for all Plus, Pro and Business users. Lands end of day.

Happy Astra day and enjoy a phenomenal weekend. 

PS: If you create the account or upgrade before 8pm PT you will get it too. Still time!

🔗 View Quoted Tweet

💬20🔄0❤️34👀21650📊16

宝玉(@dotey)

这个更夸张 https://t.co/mQAQLOOj4r

用中转站的要注意信息安全

这期播客是 The Pragmatic Engineer 对 OpenAI Codex 团队负责人 Thibault（Tibo）的访谈，聊了 Codex 的诞生、技术决策、工程文化以及软件开发方式的变...

Shopify 宣布：从 React Native 全面回归原生开发 Shopify 曾经是 React Native 铁杆支持者，2020 年，Shopify 选择“All-in”全面拥抱 Rea...

官宣了，暂停 200美元的 ChatGPT Pro 订阅……

真的暂停 ChatGPT pro 订阅了

微博官方自己还vibe了一个活动的线上作品展，大家也可以来这里看看优秀作品：https://t.co/BRrqTXQzzI

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，...

在无人关注的角落，Meta 也重置了

我让 Agent Review 代码时是这么写提示词的： 1. 先搞清楚这个 PR 解决的问题是什么 2. 如果不看这个 PR 的实现，要解决这个问题你会怎么实现？ 3. review 代码后对比你自...

2020 年的 Surface Duo

iPhone Duo 这个功能还蛮实用，和父母视频就经常需要切换摄像头让孩子给爷爷奶奶打招呼

你可能刷到过这个“模拟果蝇大脑玩 Beat Saber”的视频。但不要激动的太早，不是真的在玩，视频里的运动输出是把模型过拟合（overfit）到一段预录动作序列上回放出来的，真正的视觉识别和强化学习...

用过重置卡的不用担心，会补发 https://t.co/5qlhcBNFDj

苹果刚刚发布了它的首款折叠手机，iPhone Duo ​​​​https://t.co/afzxygqaQ8 Apple 今天在 Apple Park 举办"Surprise and Shine"...

官方说明 https://t.co/H8Dw9qQ0tS

这个 Claude Code 禁用 1M 上下文的设置目前我还在用，从效果来说没有发现有明显折扣，从 Token 消耗来说真的慢一些。

刚才我 Codex 突然左下角提示我的额度只有 7% 了，但我记得之前还有 70% 左右，还以为当前任务消耗太大，继续用提示只有 6% 了。 去设置页查了一会发现用量正常，正在想要不要用充值卡，现在...

《经济学人》估算，AI 到目前为止已经在美国创造了大约 100 万个新岗位，远远超过 2023 年中以来因 AI 而裁掉的约 20 万个工作。换句话说，AI 对就业的影响，眼下是净增长，不是净毁灭。 ...

OpenAI 发布了 ChatGPT Images 2.5，对其图像生成能力做了一次全面升级。核心改进有三个方向：速度更快（延迟比上一代降低约 50%），画面更逼真（光影和纹理更自然，人物面部特征保持...

OpenAI 的回应 https://t.co/wxNHGN7NDI

OpenAI 官方推文 https://t.co/ZlAhGKAtgR

OpenAI 正式宣布：其内部模型解决了 Navier-Stokes 千禧年难题。论文和 Lean 形式化证明已公开。 这是 Buckmaster 声明 https://t.co/BwkY0K4CL...

纽约大学数学家 Tristan Buckmaster 今天发表公开声明，披露了两件事：一是他和合作者借助大语言模型在一个月内攻破了流体力学领域多个重要难题，二是他指控 OpenAI 在得知他的进展后试...

来源： https://t.co/qy6A2do1Pv

Q1：在和 AI 协作的过程中，有没有一个具体的习惯或方法，对个人成长帮助最大？ 我的经验就一条：先用起来。 只有实践才有真实感悟，我今天讲的开发过程，你不自己做一遍，能带走的东西很有限。AI 把...

Skill 的 Scripts，可以是预先写好，也可以只给说明，运行时 Agent 现场生成。 Agent 现场生成 Script 的好处是灵活，可以随时随地根据场景需要去写脚本，实际上就算没有 S...

像 Meta、Google 这样的大厂，都有大量自己内部用的工具，有很多人专门就是开发维护这种工具。 现在随着很多前 Meta 的员工加入 OpenAI，他们想在 OpenAI 内部也组件这样的团队...

今天6pm PST要重置了

Skill 更像是一个给 Agent 用的说明书，而且只需要说那些模型不知道的部分。 至于执行，就是工具（脚本、cli、app等等）去做的，是给模型直接调用的。 换句话说，模型不知道怎么用（或者不...

帮转，DeepSeek 社招资深后端/服务端工程师

从效果看还有差距，但有潜力👍

据说 Blender MCP 比用 Computer Use 操作 Blender 效果更好

还记得三年 GPT-4 玩 Minecraft 吗？那时候还要借助专门的脚本，还要自己做记忆库技能库。 现在 GPT-6 Astra 借助 Computer Use 就可以直接搞定了。 但现在看 ...

用 blender 做视频应该会成为新的模型测试基准，鹈鹕骑车已经不够用了，提示词（来自作者）很简单： create a side by side video of rickroll & a ...

没有用 Skill，one shot： https://t.co/EDJ5l5s92s

同感，昨天我还剩两天自然重置，纠结了下还是用了，结果发现是顺延，感觉有点亏😅

GPT-6 Astra 炒股靠谱吗？

仔细看了下，Andrew Curran 这条推文“预测”：Anthropic 已经解决了一道千禧年大奖难题，具体就是纳维-斯托克斯方程的存在性与光滑性问题，证明正在送交专家评审，并且会在 IPO 之前...

《Reverse Engineering Linear's Sync Engine: A Detailed Study》这篇文章写的很好，但有些难懂，突然想到一个使用 GPT-6 Astra 的案例：...

这两天都在测试 Astra，各种 Astra 操作 Blender 的炫酷案例，但这恰恰证明：不是 Codex 驾驭不了 Astra，而是 Astra 离不开 Codex 这个 Harness。 如...

这说明你的 AI 真的挺聪明 😂

感觉有了 GPT-6 我也能拍《牛来》了！

The Information：OpenAI 的 Astra 模型采用了一项名为“循环深度”（recurrent depth）的技术，该技术会掩盖 AI 的内部推理过程。 OpenAI 使用的这项新...

@PandaTalk8 用 Claude Design 或者 Baoyu Design，让 AI 帮你设计你只要确认，现在配合 GPT 6 Astra 也效果很好 https://t.co/7Bda...

高强度体验下来，感觉现在用 Astra 开发体验非常好，不像之前用 Fable 那么割裂。 Fable 真的各方面都很强，但太贵了，用过的都知道，$200 的订阅基本上用不了几次，根本就舍不得放开了...

确实，GPT-6 Astra 用 Medium 就够了

目前为止我还没觉得 GPT 6 Astra 在开发方面比 Fable 5.1 更强，差不多是 Fable 5 的水平，但是速度很快，比 Fable 耐用。 这其实带来的优势很明显，首先绝大部分场景不...

目前用下来 GPT 6 Astra 最让我惊艳的还是 Computer Use 的能力，它不像之前 GPT 5.6 那样 要稍微等一会才进行各种操作，现在它能很快很精准的帮我测试 App，在旁边看着它...

真不错，今天还送一张重置卡👍

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，...

苹果刚刚发布了它的首款折叠手机，iPhone Duo https://t.co/afzxygqaQ8 Apple 今天在 Apple Park 举办"Surprise and Shine"...

刚才我 Codex 突然左下角提示我的额度只有 7% 了，但我记得之前还有 70% 左右，还以为当前任务消耗太大，继续用提示只有 6% 了。去设置页查了一会发现用量正常，正在想要不要用充值卡，现在...

OpenAI 正式宣布：其内部模型解决了 Navier-Stokes 千禧年难题。论文和 Lean 形式化证明已公开。这是 Buckmaster 声明 https://t.co/BwkY0K4CL...

Q1：在和 AI 协作的过程中，有没有一个具体的习惯或方法，对个人成长帮助最大？我的经验就一条：先用起来。只有实践才有真实感悟，我今天讲的开发过程，你不自己做一遍，能带走的东西很有限。AI 把...

像 Meta、Google 这样的大厂，都有大量自己内部用的工具，有很多人专门就是开发维护这种工具。现在随着很多前 Meta 的员工加入 OpenAI，他们想在 OpenAI 内部也组件这样的团队...

Skill 更像是一个给 Agent 用的说明书，而且只需要说那些模型不知道的部分。至于执行，就是工具（脚本、cli、app等等）去做的，是给模型直接调用的。换句话说，模型不知道怎么用（或者不...

还记得三年 GPT-4 玩 Minecraft 吗？那时候还要借助专门的脚本，还要自己做记忆库技能库。现在 GPT-6 Astra 借助 Computer Use 就可以直接搞定了。但现在看 ...

这两天都在测试 Astra，各种 Astra 操作 Blender 的炫酷案例，但这恰恰证明：不是 Codex 驾驭不了 Astra，而是 Astra 离不开 Codex 这个 Harness。如...

目前为止我还没觉得 GPT 6 Astra 在开发方面比 Fable 5.1 更强，差不多是 Fable 5 的水平，但是速度很快，比 Fable 耐用。这其实带来的优势很明显，首先绝大部分场景不...

目前用下来 GPT 6 Astra 最让我惊艳的还是 Computer Use 的能力，它不像之前 GPT 5.6 那样要稍微等一会才进行各种操作，现在它能很快很精准的帮我测试 App，在旁边看着它...