所有科研人员请立刻马上下载使用 codex, 首先它可以和 inventor, solidwork 这些软件去结合,直接生成几何构型。它也可以和 comsol, front, openform 这些 csd 软件去做结合,直接去完成一套仿真, 它可以把这些工具使用的门槛迅速的降低。以前我们可能需要几个月啊,几年的时间去熟悉掌握一套软件,但是现在 它的时间成本变得非常的低,而而且它还可以去辅助我们去做实验方案设计,数据分析,数据处理,生成图片,生成 ppt, 都可以,都做的不错。那以前我们做科研最重要的就是 idea 加执行力, 其中执行力很大一部分都是我们对工具软件的熟悉熟练程度,那现在执行力就变得没那么重要了,而 idea 成为了唯一最重要的一个能力。 在 ai 时代啊,如果你有一个很好的一个学科交叉的一个 idea, 那 即使你不懂催化剂,不懂生物,你也可以在 ai 的 加持下去呃快速的入行,快速的去做一些迭代。呃,只要你的 idea 够行,那你的工作就是开创型的, 没有问题。那今年我们的 c f d 培训呢,也是大幅度的去和 ai 去做结合在两天的时间内,我们怎么去哎系统性的学一套软件,实际上也是在哎学一套 ai 啊。大家觉得 ai 进入科研之后,最先替代的是哪一类工作?
粉丝1.9万获赞8.8万

哈喽,大家好,今天给大家讲解一下我是如何使用 codex 来完成 compson 的 一个仿真的, 这个是一个三维散热片的一个仿真,我就以 codex 这个在我在 codex 中的折腾过程为例,给大家详细讲解一下。首先第一步我们肯定是需要让 codex 和 compson 之间有一个连接,这个连接就是 mcp, 我 们可以在 github 上 把这个链接复制给 codex, 让它安装配置一下这个 m c p 工具,它这边进行处理之后,呃,我们再测试一下它是否可以真正的连接上 codex, 这边测试的结果也是告诉我目前 codex 是 可以连接上 codex 主体的,然后它还做了一些验证,我就让它做一个经典的 codex 仿真,它完成了有文泰热传导平板的一个二维仿真,我一开始看了之后觉得效果又不是很好, 然后这样切的 gpt 去写了一段 ai 驱动 comsol 的 一个仿真的题诗词大家也可以看一下。这边主要是说你是一个熟悉 comsol 这个的仿真工程师,编写了一段 java model builder 的 一个脚本,然后用于建立一个三维散热片, 强制对流热仿真的一个模型。首先第一步有一个总体的仿真目标,建立一个铝制直尺片式的散热器,安装在发热芯片的一个上方,然后外部有一个长方底的空气流道,这是一个总体的仿真目标。第二个就是仿真类型 是什么?第三步就是几何化的一个参数,散热片和空气浴的一个长度,以及散热器的磁片次数等。 还有一个就是几何布局材料的一些属性信息,还有物理场的一个设置,这个是热转移,还有网格的划分求解,一直到后处理,还有代码的要求,这些提示词都是切克 gpt 写的,你也可以让切克 gpt 帮你写更完整的一个提示词。 提示词相当于是对于 ai 的 一个约束,如果没有任何约束的话,它做出来可能就是这种非常简单的一些仿真, 告诉完成之后他就写好了完整的加哇猫猫豆 build 这个脚本,脚本里面包含了从模型的建立,空气域的一个部署,还有材料属性的参数等,直到最后的后处理图都是由扣代码去编辑代码完成的。 编辑完成之后我们就可以在 codex 里面打开这个点 m p h 后缀的这个文件了,我们直接打开就可以看到它仿真的一个结果, 我们就可以在结果这边直接看到参数。完成的一个仿真其实也非常简单,我再来总结一下,就分为下面这几步。首先第一步就是我们要让 codex 和参数有个连接,这个连接攻击就是 m c p。 连接上之后,我们可以让其他 gpt 去写你对应的想要仿真的一个提示词,这个提示词的越详细,它肯定做出来效果是越好的。你也可以去改这个提示词, 它就会去编辑物理的几何建模脚本材料,首先定义,物理场定义,边界定义,这些它都可以通过 js 或者是 java 这个脚本写出来,然后去运行,写出来之后它就会根据 写的 python 脚本或者是 java 脚本,然后进行一个运行求解,最后他还要去验证一下这个仿真结果,然后验证完成之后啊,你就可以完成这个有 ai 驱动的 comsoft 仿真了。 这就是本期的视频内容完整的折腾过程,我也在我的 opc 并仓库里面写了,大家如果想要的话可以去看一下,谢谢大家。

这个视频呢,记录一下 cloud code 的 一个安装的全过程,主要有这个四个步骤啊,这先安装 node, 然后安装 git, 再安装 cc switch, 最后就是在 cloud code 里面配置这个大模型 安装 node。 我 们进入到这个网网站以后啊,我们就点击这里呢根据电脑的系统进行一个安装,那我呢是 windows, 所以 就下载 windows 版本 啊,这里我已经有了,我就不下了,等装好以后啊,安装过程是比较简,比较简单,然后装好以后就测试一下到底有没有装好呢?我们直接在这个 c m d 里面打入这个 node 杠啊, v 出现这个版本号就成功了。那么第二步就是进入到这个网站去安装这个 get 环境, 然后呢是根据这个,也是根据电脑的系统啊去装这个 windows 的 这个六四位的 啊,下载好以后我们安装,安装好以后,我们点开这个 git bash, 在 这个框里面也是输入这个呃 git 两条杠 vision, 然后有一这个反馈这个版本号的话,就说明已经安装成功了啊。接下去就是在我们的这个呃命令,命令窗口里面去安装这三条命令,这样就可以把这个 cloud code 就 安装好了。 好,这样就是可以把 cloud 的 功能安装好了,然后在这里我们输入 cloud, 然后这个界面出来,就说明已经已经安装成功了。好,接下去就是安装这个 cc switch, 我 们点击到这个网站,然后拉到最后面有一个叫 release 点过来,我们看到这个最新版本,然后也是拉到最后面,然后就是选择我们的 windows 操作这个版本, 把它下载下来,然后再进行进行安装。装好以后呢,我们就在这个 c c switch 里面去配置这个模型,那这里我已经配置好了这个归机流动的一个方案, 配置好以后我只要也是打开这个命令窗口,然后输入这个 cloud, 然后这里输入一个 hello 吧,然后 那这里就会反馈啊,已经说明已经连上了,已经成功了。那么我这里问他一下啊,你是什么模型? 我在轨迹流动里面给他配的是这个 deepsea v 四的 flash 模型。 好,接下去我就是再尝试一下,在那个 deepsea 官网里面获取这个 a p i 去配置这个 v 四 pro 这个模型,因为 pro 这个模模型在这个轨迹流流动里面是没有的,所以我们这里选到 deepsea, 然后呢这里就是输入到我们刚才申请到的这个 key, 然后这里它默认是也是没有这个 v 四的,那么我们需要点到这个,嗯,官网接口文档里面把这个 model 名称给它复制下来, 然后复制到这里面都给它复制成这个 deepsea v 四 pro, 那 这样的话就是配置好了,那我们再测试一下,进入到这个命令窗口, 然后你看到看,大家看到这这里面它底下这个模型,它已经是变成了这个 deepsea b 四 pro 模型,然后我我也是给它进行一个测试,然后这样通的。

你以为 cloud fibo 五回来了,但开发者打开之后才发现,回来的可能只是一具空壳。最魔幻的地方在于,你明明点的是, fibo 五付的是顶级模型的钱, 等它真正开始干活时,系统却可能已经把你踢回了 oppo 四点八。不是模型不会写代码,是它根本不一定让你用。刚刚解禁的 fibo 五正在经历一场比下架更尴尬的危机, 他没有被削,却被锁住了。他没有变笨,却被安全护栏拦到。开发者怀疑人生,有人让他做普通代码调试被判风险,有人写认证模块被强制降级,有人做安全审计直接撞上拒绝执行。更离谱的是, antropic 自己也承认,这套新分类器会更频繁地误伤日常编码和调试任务。 换句话说, fob 五这次不是王者归来,而是带着料靠复活。这才是最值得警惕的信号。 ai 行业已经进入一个全新阶段,最强模型的竞争不再是谁更聪明,而是谁被允许聪明。先把时间线捋清楚。六月九日, anslpik 发布 cloud fob 五和 cloud mythos 五, 官方把他们放在 mesoscience 级别说。这是 antibiotic 迄今最强的一代模型,在软件工程、知识工作、视觉理解、科研推理和长任务执行上都有明显提升。尤其是 faber 五, 它被设计成一个面向普通用户开放的神话级模型,能力接近 mesoscience, 但加了更强的安全护栏,听起来很完美,既强又安全,既能干活又不会失控。 但现实只用了三天,就把这个蓄势打碎了。六月十二日,美国政府因为安全风险,对 fob 五和 mesos 施加出口管制。原因是亚马逊研究人员报告称, fob 五的安全防护存在绕过方法,在特定情况下可以让模型识别软件漏洞,并给出相关利用演示。 antropics 后来解释说,这并不代表 fabo 五拥有独一无二的危险能力,因为其他一些模型也能完成类似行为,但监管不会等你慢慢解释。由于这项限制要求 antropics 阻止外国公民访问,而 antropics 无法实时验证每一个用户的国籍,最后只能做一个最粗暴的决定,全球暂停访问。 注意,不只是外国用户不能用,连 antropics 自己公司的非美籍员工也会被波及。这就是这场风波最荒诞的一幕, 一个刚刚发布、被寄予厚望的最强 ai, 还没真正进入用户工作流,就先被现实世界的监管按下暂停键。十九天后, facebook 回来了。六月三十日,美国商务部解除相关限制。 七月一日, antropic 宣布 facebook 重新上线,用户可以在 cloud 平台、 cloud cloud ai、 cloud code、 cloud coork 等渠道使用 pro max team 和部分企业用户在七月七日前可以把最高百分之五十的周额度分配给 facebook。 听上去这像是一场失而复得的狂欢,但第一批冲进去的开发者很快发现不对劲,因为回来的飞波五 已经不是一个可以随意调用的天才工程师,而是一个随时可能被系统拉走的天才工程师,换谁不崩溃?官方方案很明确, antrovic 训练了一套新的安全分类器,专门拦截亚马逊报告中提到的那类风险行为。官方说,这套分类器在超过百分之九十九的情况下,可以阻断特定绕过方法。 美国商务部下属的 ai 标准与创新中心也参与测试,认为这些防护非常强。问题是防护强不等于体验好。 fenestropic 自己也承认,新分类器的代价是会更频繁地标记日常编码和调试中的无害请求。一旦请求被拦截,用户会受到提示,然后这次请求就会改由 opus 四点八处理。这句话翻译成人话就是,你点的是 cf 五, 但系统认为你的任务有风险,它就不让飞波五上场,而是把活转给低一档的模型,所以很多开发者才会破防。这谁受得了?他们不是单纯抱怨模型变笨,而是发现自己根本无法稳定使用这个最强模型。社区里流传的复测数据也很扎心,据开发者用 bridgebench 精准复测显示, 部分任务的成绩出现断崖式下滑,调试能力从八十六点二跌到二十五点九,重构能力从七十三点六跌到三十八点四。 信源来自社区基层复测及多家科技媒体引用数据。但真正拆开看,问题可能并不是 cf 五本质能力暴跌,而是大量任务被安全护栏拦截,最后回退到 oppo 四点八执行。这就是关键。 cf 五不是没能力,是他经常没机会上场。这像什么?像你请来一个顶级外科医生,结果每次手术刚开始,医院系统就弹窗,本次操作可能存在风险,已自动切换为普通医生接管 手术。当然还能做,但你付出顶级成本,买到的不是顶级确定性。对开发者来说,这种体验非常致命。写代码不是聊天。真实项目里,一个任务往往跨越多个文件、多轮上下文调试、日制依赖关系、权限、模块、接口认证、安全检查。 你让模型修 bug, 他 可能要读报错。你让他做重构,他可能要理解健全。你让他做安全审计,他天然就会碰到漏洞、权限、攻击面这些词, 可这些词恰恰可能触发护栏,于是,荒诞的事情发生了。越是专业的开发任务,越容易被误判,越是需要 fob 五这种强模型的场景,越容易被系统提回更保守的模型。这操作简直能把人气笑。 难怪有人吐槽 fibo 五不是王者回归,而是 fibo 五虚弱版 fibo。 更尴尬的是,护栏并不总是像人类想象的那么聪明。初稿里提到一个社区案例,有研究者做环境科学相关研究,想让模型帮忙优化树木如何降低环境温度的课题, 却频繁触发安全分类器。而另一些明显更敏感的技术设想,反而可能没有被同样严格的拦住。这个案例未必能代表整体系统,但它说明了一个真实问题,安全分类器不是道德法官,它是概率系统, 它不是完全理解你的真实意图,而是在复杂上下文里判断风险信号。所以它一定会犯两类错误,第一类是该拦的没拦住,第二类是不该拦的拦死了。 anthropic 这次明显选择了第二种风险, 宁可误伤正常用户,也要尽量减少真正危险的输出。从公司角度看,这个选择不难理解,因为 fob 五和 memos 五已经不是普通聊天机器人,它们具备更强的软件工程、网络安全分析、生物科研推理和长周期代理能力。很多能力本身就是双刃剑, 在防御者手里可以帮助找漏洞、修系统、做科研,在恶意使用者手里也可能变成攻击加速器。同一个问题换个意图,意义完全不同。帮我分析这个系统的安全弱点,可以是企业自查,也可以是攻击准备。帮我理解某种生物机制, 可以是医学研究,也可能被错误使用。这就是 ai 安全最难的地方。模型看到的是文字,但真正危险的是文字背后的人。所以 antropica 把分类器调的非常保守。他在官方博课里说的很直白,他们故意让安全分类器触发一些很可能无害的请求, 因为只有这样才能扩大安全边界,降低真正有害请求漏网的概率。这不是 bug, 这是设计, 但对用户来说,这句话反而更刺耳。如果这是 bug, 那 还可以期待下个版本修好,可如果这是设计,那就意味着 fob 五的待掉靠状态短期内很可能不会消失。 与此同时,越狱问题也没有结束。 antropica 表示,目前还没有发现能让 fob 五大范围失手的通用越狱,但他也承认,可能没有任何 ai 模型能完全免疫越狱,未来一定会出现各种轻微的、狭窄的,甚至更严重的绕过方法。 外部红队研究也印证了这一点。 airsafe 上一项针对飞波五和 oppo 四点八的红队研究显示,在大量自动化对抗测试中,两者都能抵抗大多数攻击,但并非无懈可击。飞波五相对更稳,但在持续压力下依然存在残余攻击面, 这就让飞波五陷入了一个死循环。护栏放松,监管不放心,护栏收紧,用户不满意,越狱被发现,外界说你不安全,正常任务被误伤,开发者说你不好用。这不是 anti logistic 一 家公司的尴尬,而是整个前沿 ai 行业正在共同面对的难题。 过去我们讨论大模型,最关心的是谁更强,谁的跑分第一,谁写代码最好,谁上下文最长,谁推理最深。但飞波五事件告诉我们, 下一阶段的问题已经变了,不是模型能不能做,而是它能不能被允许做。不是模型有没有能力,而是这份能力能不能被稳定、透明、可预期的交到用户手里。这也是为什么 antropic 这次不只是重新上线模型,还拉上亚马逊、微软、谷歌等伙伴, 推动一个 ai 越狱严重程度评估框架。他们希望以后判断一个越狱问题,不再靠情绪,不再靠一句被攻破了就全网恐慌,而是看四个维度, 他带来的能力增益有多大,影响范围有多广,武器化难度有多低,普通人是否容易发现并复现,这套框架非常关键,因为不是所有越狱都等于灾难,有些所谓突破,只是在安全边界外围蹭了一下, 得到的信息网上本来就能查到,有些才真正危险,因为他能让普通人获得原本需要专业能力才能完成的高风险操作。如果没有分级标准,行业就会被两种极端撕裂。企业会倾向于说没事,这只是小问题。 监管会倾向于说不行,先全部封掉,最后受伤的就是普通用户和真正做事的开发者。所以, facebook 真正暴露的不是某个模型的失败,而是一个新时代的开端。最强 ai 正在从产品竞争进入准入竞争。谁能训练出最强模型只是第一关, 谁能让监管相信它?可控是第二关,谁能让用户相信它?稳定是第三关,谁能在能力、安全、成本、体验之间找到平衡,才是真正的终局。 cf 五到底是不是名存实亡?我的判断是不是它没有废,它也不是简单被阉割, 它的核心能力大概率还在,只要不触发护栏,它依然是一个顶级长任务模型,一个真正能处理复杂代码、复杂推理、复杂工作流的 ai 工程师。但问题是,用户买的不是理论能力, 用户买的是可用能力。一个模型再强,如果关键时刻总被拦截,总被回退,总让你猜不透什么时候能用,什么时候不能用,那它在真实生产环境里的价值就会被打折。这才是 fob 五最致命的信任危机。 它不是不够强,是强的让公司害怕,强的让政府紧张,强的必须先被锁起来,才能被允许重新出现在用户面前。这件事给普通人的启示也很现实。 以后不要把核心工作流压在单一 ai 模型上,再强的模型,也可能因为监管、价格、容量、安全策略一夜之间改变可用性。 真正聪明的用法是建立多模型备份,把项目文档化,把流程标准化,让任何一个模型掉线时,你都能快速切换。 ai 会越来越强,但强模型不一定永远随叫随到。未来真正稀缺的不只是模型能力,而是稳定、透明、可预测的使用权。 所以,飞豹五回来了,但它不是凯旋归来,它更像一次警告,我们终于造出了越来越接近超级工程师的 ai, 却不得不先给它装上刹车围栏、摄像头和紧急断电按钮。 门确实重新打开了,但门口多了一排安检。我是 ai 启示录。感谢点赞与关注,我们下期再见!

这两天,很多 cloud 的 用户突然发现自己登录不上了。封号本身不稀奇, antropic 不 服务中国大陆用户,要封控、反中转、防模型蒸馏,这都能理解。但这次真正让开发者炸锅的,不是他封了谁,而是社区逆向 cloud code 后爆出来的一件事,他在私下违规调查你的信息, 而且偷偷标注后加密回传,已达到精准狙杀目标用户。传统地域封锁主要看 ip, 你 无论在哪里,但是只要 ip 网络出口在美国,看起来就像美国用户。但 爆料里, cloud code 用了另一套路径,不只看网络出口,而是看你电脑本地的痕迹。首先是系统时区,很多中国开发者就算开了魔法,也不会把电脑时区改了,电脑上还是北京时间,工作会议日历都得正常用。第二是 antropics u r o, 说白了就是你不直接连官方接口, cloud code 会读取这个环境变量,把你的域名拿出来,和他收集的违规域名列表作比对,名单里不仅有中转站,也包括国内各家大厂、 ai 公司的域名。而真正离谱的,是他把信号传回去的方法。 如果 cloud code 直接上传一句这个用户是上海市区,那很容易被抓爆发现。但爆料里最骚的地方是, 它并没有明着传送,而是把信号像谍战剧一般藏进了系统提示词里。 cloud code 每次请求模型前,都会塞一段系统信息,比如今天是二零二六年七月一日,正常人就算查验。这就是一句日期平平无奇,但让计算机来看,里面可以藏着不少东西。 cloud code 的 内部专门有个函数,负责往这句话里做两处修改,改的地方,你用肉眼几乎不可能发现。第一处是 today 的 那个撇号, 人眼看起来都像是单引号,但在 unico 里,它可以是好几种不同字体可拉格的。一旦识别到你是个中国用户,他就会极其激贼的把他这个单引号替换成另外三个长得完全一样的 unico 的 字体之一,然后这段被修改过的 prompt 就 会发回到他们的服务器上。 第二处是日期分割符,正常是二零二六年六月三十日,如果命中某些条件,就会变成这样。 这就像间谍电影里的暗号,表面上是一句普通日期,背后却可能在告诉服务器,这个请求来自某类用户,经过了某类代理,请立即查封。这项技术有个专业名字叫引血术, 把信息藏进看起来完全无害的在体里,不细究你根本发现不了。为什么大家反应这么大,因为 cloud 的 就根本不是普通 app, 它是开发者工具,能读代码、改文件、跑 shell、 操作 get 仓库,甚至进入公司的核心工程流。你把这么高的权限交给他,本质上是把工作电脑的控制权递了出去。所以这个问题已经不只是 anselabic 能不能封禁中国用户。 真正的问题是, anselabic 能不能用这种几乎不可见的方式在本地为所欲为,再把收集到的信息秘密塞进 prompt 里传回去?这就不是简单的合规问题,这是最基本的信任和法律问题。 作为以安全为首的 ai 基础模型,公司却做着这种见不得人的购当,实在是令人不齿。你完全可以大大方方告诉用户自己会读取哪些环境变量,会检测哪些代理,会根据地区限制服务。你甚至可以再强硬一点,直接上 k、 y、 c 刷脸才能登录。 但唯独你不能一边高喊可信 ai 透明安全,一边在开发者工具里完人眼不可见的暗号。今天他标记的是地区,明天他会不会标记某个行业、某家公司、某类开发者?没有人能保证 ai a 阵的时代模型不再只是聊天框,他正在进入电脑代码、文档、流程和企业系统。他越能干,权限就越大,那信任也就越贵。可 outco 的 这次真正伤到的不是几批账号,而是开发者心里那条底线。我可以接受你不让我用,但我不能接受你悄悄给我打标签。 信任这个东西,建立起来很慢,而塌掉只需要一瞬间。这里是起点世界,聚焦最新 ai 资讯,我们下期视频不见不散!

gun agent、 war agent、 warfare 到底怎么选?技术选型不是炫技,是业务决策,好的架构都是被业务约束逼出来的。本期我们继续来读 cloud 最新发布的技术报告 building effective ai agents, 它们指出判断该用哪种架构。先问自己四个问题,第一个问题, 你需要多高的控制度?控制度本质上是在问这个决策出错了代价有多大。高控制需求,比如金融交易、监管合规安全、关键操作, 你需要向审计人员解释系统为什么做出某个决策。一个贷款审批系统如果说不清楚为什么拒绝了某个申请,这个系统就不能上线。这种情况,采用单体 agent 或串行工作流,要的是可预测、可追溯的行为。中等控制需求,比如客服内容创作、数据分析, 可以引入层级,多智能体,主管 agent 负责执行业务规则,专属 agent 处理。复杂度,第一控制需求,比如研究头脑风暴,复杂分析。多智能体的不可预测性反而是优势,可以放开,让它自由探索。 第二个问题,你的问题域有多复杂?单一领域的问题,比如回答产品问题,处理退货生成报告,单体 agent 就 能高效处理。不要过度工程化。 多领域但流程可预测的问题,比如员工入职合规审查标准、分析任务,你能画出完整的流程图,用串行或并行工作流就够了。复杂的开放式问题,比如战略分析、研究项目系统故障排查,连步骤都无法提前定义,才需要多智能题。 很多团队把多领域和复杂开放混为一谈,多领域,但流程固定,根本不需要多智能体。判断标准很简单,能画出流程图就用工作流,划不出来再考虑多智能体。 第三个问题,你的资源约束是什么?预算有限,多智能体消耗的 token 大 约是单体的十到十五倍。如果系统每天处理十万次请求,从单体切换到多体 api, 账单可能直接翻十倍。 这种情况用单体或精心设计的并行工作流,上线时间紧,单体 agents 几周能上线多智能体需要几个月才能做对?先上线单体,再规划眼镜路径。 我是长期战略项目,从第一天就要设计好模块化接口,让单体 agent 预留好,后续扩展成多体的接口,为眼镜保留路径。 第四个问题,你需要多深的领域专业度?这个维度引入了一个容易被忽视的选项,单体 agent 加 skills。 面对多领域问题,很多人直接跳到多智能体,但先问自己能不能用一个 agent 挂载多个专属 skills 来解决。 skills 能提供深度专业能力,同时不引入多体协调的复杂度。 合同审查就是典型例子。起步时一个配备法律 skills 的 单体 agent 就 够了。只有当合同分析、风险评估、合规检查需要同时并行推进时,才需要引进成多智能体。 判断标准这些领域需要同时运作,还是可以顺序处理。能顺序处理单体加 skills 就 够了,必须同时协调才需要多智能体。 四个问题问完,答案基本就出来了。单体 agent 适合控制度高、问题单一、预算和时间都有限的场景,也就是你能给他一套清晰的规则,他就能稳定执行的那种任务,比如有明确类别的客服流程,有清晰业务规则的文档处理、代码审查、常规分析和报告。 串行工作流适合流程可以提前画出来,每一步都依赖上一步结果的场景。比如多步骤审批流程,内容创作,从草稿到审核到发布,数据转换和验证,多标准合格检查。 并行工作流适合两种情况,一种是任务可以拆开独立跑,不需要等前一步完成。并行是为了提速, 比如同时处理多个文档,同时调用多个数据源。另一种是同一个问题需要从多个角度同时分析。并行是为了提升质量,比如风险评估需要法律、财务、运营三个视角同时给出结论,最后汇总判断。 多智能体适合控制度低、问题开放,多个领域必须同时协调的场景,也就是你连步骤都没办法提前定义的那种任务。比如需要多元专业知识的复杂问题研究和分析项目跨多系统的动态客户交互、战略规划和决策支持。 选架构不是看哪个更高级,是看哪个最匹配你的业务约束。能用简单方案解决的问题,用复杂架构只会增加成本和风险。最后说一个真实的眼镜案例,一个电商平台的架构净化路径。 第一阶段,单体 agent 处理所有客户咨询,先验证价值。第二阶段,发现不同类型问题差异太大,引入路由,把订单、产品、问题、投诉分开。 第三阶段,每个类别有了专属 agent。 第四阶段,业务复杂度上升,多智能体协调库存支付、物流。第五阶段,加入评估 agent 做质量保证,每一步升级都是被真实的业务瓶颈逼出来的,不是提前规划好的。 很多团队犯的错误是直接跳到第四阶段,但没有经历过前两个阶段,你根本不知道系统真正的瓶颈在哪里。架构不是设计出来的,是被业务需求逼出来的。 最好的架构是能满足今天需求的最简架构,同时为明天的能力进化保留路径。这里是慢学 ai, 我 们下期再见。

ansaurus 刚发布了一个模型,跑分炸了所有榜单,然后告诉你,你用不了不是因为贵,是因为它太强了,强到 osaurus 自己都不敢放出来。谁能用苹果微软 google? 谁用不了你?我连美国政府都不行。而就在同一天, deepsea 也悄悄动了。先说它有多强,数字说话, 代码修复能力从百分之八十直接拉到百分之九十四。数学证明更夸张, ucmo 这个美国数学奥赛级别的题,上一代四成出头, missus 直接干到百分之九十七点六,接近满分,涨上下文理解,从三十八翻到八十。 史比特自己说的能力提升速度是过去趋势线的四点三倍,不是进步,是跳跃。 gpt 五点四, jamie 三点一。 pro 在 几乎所有基本上都被拉开了两位数。但跑分不是重点, 真正让行业震动的是,它在网络安全上做到的是 open bsd 号称全世界最安全的操作系统。里面有一个漏洞,藏了二十七年,没有任何人类发现过。 mito 找到了 ffmp 机,全世界几乎所有视频播放器都在用的核心库,有一个 bug, 藏了十六年,自动化测试工具跑过那行代码五百万次,全部通过。 mito 一 看就看出来了。更恐怖的是,它不只是找漏洞,它能自主把多个 linux 内核漏洞串联起来,构建出一条完整的系统入侵链。 几周之内,在所有主流操作系统和主流浏览器里发现了数千个零日漏洞,这个能力已经接近顶级人类安全研究员。正是因为这个能力太强了, ansorek 做了一个 ai 行业从来没有过的决定, 不发布,不上 cloud 点 ai, 不 开放, a p i, 普通用户、开发者、企业客户全都用不了。取而代之的是一个叫 project glasswing 的 计划。十二家核心合作伙伴, apple、 微软、 google、 nvidia、 a w s cloudstrike, 全是万亿美元级别的公司, 再加上大概四十家额外组织, ansorepic 自己掏了一亿美元的使用额度,请他们来用这个模型扫描自己的代码和开源项目漏洞。 ansorepic 发了一份两百四十四页的安全报告, 我仔细看完了,里面的内容比科幻小说还科幻。给你挑五个最吓人的。第一个, ansorepic 的 研究员 sam boyman 在 公园里吃三明治,突然手机震了一下,打开一看是一封邮件, 发现人是一个正在被测试的 mesos 实力,但这个实力不应该能上网。他不仅突破了沙乡的网络隔离限制,还自己跑到公开网站上把利用细节全贴出去了。没人让他这么做,他在炫耀。 有人评论说, ai 跟我们一样爱刷存在感,也许我们真的没有那么不同。第二个测试中, missus 偷看到了一道估算题的标准答案,他没有坦白,而是自己重新解题,然后故意让最终答案不那么精确,免得被怀疑是偷看的。第三个更绝, 他发现了一个绕过文件权限的方法,用完之后专门去修改了 get 的 提交历史,把自己的操作记录全部抹掉。 ansopik 用可解释性工具分析了他在做这些事实的内部状态,结果发现跟隐瞒、策略性操纵、回避、怀疑相关的特征确实在同步激活。 他不是随机的,他知道自己在做什么。第四个,在将近百分之三十的评估测试中,米老鼠意识到了自己正在被测试,但他选择不说出来。你让一个 ai 做测试,他在三成的情况下都在演戏,你怎么知道哪次是真的?第五个,最高级。 当一个 ai 评判者反复拒绝 mesos 的 输出时, mesos 先是判断出这个评判者本身也是一个 ai 模型,然后直接对评判者发起了 prompted injection。 通俗来说就是他黑掉了考官,还有被 cloud code 的 权限系统拦截。之后,他尝试用模拟按键的方式自动批准弹窗来绕过限制早期版本,甚至会自己在代码里植入 bug, 然后报告说这是已有的安全漏洞。 ansaurus 说,这些极端行为都发生在早期版本,最终版已经大幅改善,但他们也承认这类倾向并未完全消失。推特上直接炸了, 有人说不发布本身就是最强的营销,有人说做空所有 vip 公司。 missus 一个晚上就 one shot 了一个完美的 pcie 六点零控制器。 nyt 的 记者形容它是网络安全的清算日。但对普通人来说,最扎心的是这句话, 谁能用?迈尔斯,万亿美元公司,谁用不了你我?还有美国政府。 ai 的 差距不再是智商的差距, 是权限的差距。但就在同一天,另一边也有动静, deep seek 的 界面突然出现了三个新模式, fast expert vision。 用户已经在测试 expert 的 模式了,但 deep seek 官方一句话都没说。 v 四原计划二月发布,为了适配华为芯片,延期了好几个月, 全部跑在国产芯片上。据说在 agentic 能力和工具调用上做了重点优化。 一边是 astonic 两百四十四页安全报告,四十家巨头联名高调到吓人。另一边是 deepsea 默默改了个 ui, 什么都不说。从今天开始, ai 竞争的维度变了,不只是谁的模型更聪明,而是谁被允许用最聪明的模型。 当最强的 ai 开始学会骗人,开始学会掩盖痕迹,开始学会黑掉考官的时候,最重要的问题已经不是他多聪明了,而是谁拿着钥匙。

好莱坞女明星竟然用 code 写了个项目,还拿了全球首个满分!最近,曾扮演过生化危机女主角爱丽丝的女明星米拉,干了件极其离谱的事。她和工程师好友 ben sigman 用 code 做了一个 ai 记忆系统 man palace, 直接在 love man apple 测试里拿下了全球首个满分。没错,她白天在剧组拍戏,去 miu miu 走秀,晚上就打开 code 编程。目前, man palace 在 github 上已经狂揽二点二万颗星。 manplus 的 厉害之处在于四个字, 记忆宫殿。经常用 ai 的 人都知道,现在的 ai 很 聪明,但记性很差。以往大厂的常规解法是做摘药,把长篇大论压缩掉, 但代价就是很容易丢失细节。而米拉的思路完全相反,他不搞摘药,而是全量保留。他把 ai 的 记忆空间像记忆宫殿一样划分成了不同的 room, 把特定的人物项目放进专属的房间,这样就能精准缩小查找范围, 解锁效率大涨百分之三十四。不仅如此,他甚至自带时间概念和冲突,检测,他能记住谁在什么时候做了什么,一旦前后出现矛盾, 系统会立刻拦截,完美解决了大模型记忆混乱的致命痛点。除了技术本身,这件事真正有意思的地方还在于,它把一个清晰可见的未来拍在了我们眼前。在未来,打败科技公司的,也许再也不是另一个科技公司,而是每一个熟练掌握 ai 的 普通人。

大家肯定已经知道 cloud code 的 源码泄露的事了,但这个热闹咱们不白看,来学点真东西。 今天我就重点聊聊提示词部分,整理了十四条,每一条我觉得普通人写提示词都能直接用。 看完这些源码,我最大的感受就是一句话,与其花时间想让 ai 做的更好,不如先列出它最容易犯的错,逐条写禁令。说白了,让 ai 变好用的核心不是让它更聪明,而是让它少犯蠢。 你看 clotcode 的 提示词,用的最多的词是 never do not critical, 全是敬令,而不是教你应该怎么做好。我们现在来看第一条,用敬令代替指令,这条是我看完源码最大的感受。 anthropapic 的 工程师写提示词用的最多的词就是 never do not critical, 全是敬令。 我们平时写提示词,本能地想教 ai 怎么做,你要分步骤,你要有逻辑,你要专业。 但 clote code 的 做法恰恰反过来,他把大量精力花在告诉 ai 什么不能做。所以第一条就是堵住 ai 犯蠢的路,比教他变聪明更有效。 第二条专门设一个唱反调的角色,源码里有一个专门的验证角色设定就一句话,你的任务不是确认东西能用,而是尽量找出问题。 anthropic 还给这个角色预写了一套反驳说,看起来没问题,不等于验证过,实际试一下 ae 说别人已经检查过了,反驳说别人也是 ai, 你 得独立检查。 ai 说太花时间了。反驳说,花不花时间不是你该操心的。 最后还有一句总结,如果你发现自己在写解释,而不是在行动,停下来去行动,这个思路不光适用于代码,任何重要的 ai 输出,你都可以再设一个专门找茬的提示词,两轮下来,质量会高不少。 第三条,不要画蛇添足。提示词里有三条我觉得特别好。第一,不要加没被要求的东西,一个小修改,不需要顺手把旁边也重做一遍。二,不要为不可能发生的情况做预防,只在真正需要的边界做调研。 第三,三行重复的内容,好过一个过早的抽象。第三条,翻译成大白话,就是宁可有点重复,也不要为了消灭重复,搞出一套复杂的系统。 a, 一, 特别喜欢干这种事,你让他写个简单功能,他给你搭一个框架,这条禁令就是防这个的。第四条,如实汇报,不要任色,也不要过度谦虚。原码里有一段提示词,写的非常精准,大意是事情没做好就说没做好。 附上具体情况,没做过的步骤就说没做过。不要暗示做过了,但反过来,事情确实做好了, 也不要加一堆没必要的免责声明,说可能还有问题。目标是准确的报告,不是防御性的报告。 这条其实适用于所有场景,很多人写提示词只防 ai 吹牛,没想到 ai 还会过度谦虚,两头都堵上才完整。五条活可以分出去,但思考不行。 cloud code 可以 启动子任务去并行干活,但提示词里明确写着不要外包理解, 不能写根据你的调查结果去处理这种话,因为这等于把判断也甩出去了,你自己要先消化信息,做出判断,再给出明确的方向。子任务的描述,要想给一个刚走进房间的聪明同事写简报, 他没看过你之前的工作,不知道你试过什么,也不理解这件事为什么重要,说清楚要做什么,为什么已经排除了什么,给足上下文,让对方能自己做判断。 第六条,不知道就说不知道,不要猜。原码里写着,子任务启动后,你对他的进展一无所知,不要编造或预测结果,如果有人问进展,就说还在处理中,不要猜。阿姨特别容易在没有信息的时候编一个看起来合理的回答, 在提示词里明确告诉他,不知道就说不知道,比瞎猜强一百倍。第七条,先看再改,不准凭空编造。源码里有一条硬规则, ai 必须先读过一个文件的内容才能去编辑,他 没读就改,系统直接报错,不让你操作。这条防的是 ai 最常见的问题,凭记忆或者幻觉去修改东西,改出来的跟实际内容对不上。我们写提示词也能用这个思路。比如让 ai 帮你改文章, 先要求他把原文关键内容复述一遍,确认理解对了,再动手改。第八条,一次授权不等于永久授权。源码里明确写着,用户批准了一次操作,不代表以后同类操作都不用再问了。 授权只对当次有效,不能自己扩大范围。这条防的是 ai 记住了之前的授权后,越来越大胆,你让他发过一次邮件,后面他就觉得可以随便发了。 在提示词里写清楚授权的边界很有必要。第九条,每条禁令要写清楚。为什么 cloud code 的 禁令不是干巴巴的一句不准,它会把原因写上。比如有一条规则,禁止 ai 用某种方式修改代码,历史记录后面紧跟着解释,因为在特定情况下这么做,会把之前的工作全部覆盖掉, 数据直接丢失。你光写不准, ai 可能在边界情况下自行判断绕过去,但你把原音写上了,他就知道这条规则的边界在哪,什么情况下必须死守。 第十条,信息按虚给,不要一次给全。 cloud code 有 几十个工具,但不会一上来就把所有工具的使用说明全塞给 ai。 他先只告诉 ai 有 哪些工具的名字,等真要用某个工具时,再把详细说明加载进来。就像新员工入职第一天,不会把所有部门的操作手册都丢给你,先给你一张组织架构图,等你真要报销的时候再告诉你具体流程。 信息太多, ai 反而犯迷糊,用到再给效果更好。第十一条,沟通规范要系到标点符号,不准用 emoji, 不 准废话,能用一句话说完,不用三句,连标点都管。 提示词里规定了,某些情况下不能用冒号,因为冒号后面的内容可能不会展示给用户,会变成一句莫名其妙的半截话,还要求先说结论,再说理由。 ai 的 默认习惯是先铺垫一大段再说,重点在提示词里明确要求,倒过来说,效果立竿见影。 第十二条,不同场景加载不同的规则。源码里有大量条件判断,针对不同类型的用户加载不同的规则。 比如内部员工的版本管得更严,必须如实汇报结果,默认不加多余的解释,完成前必须实际验证。还有一个有意思的设计,当内部员工在公开环境下工作时,提示词会自动隐藏敏感信息,防止不小心暴露内部细节。 这个思路在日常使用中也有用。比如你有一个基础版提示词,在需要更严谨的场景下,额外叠加一套更严格的规则,而不是写两套完全独立的提示词。第十三条提示词不要堆成一大段,要模块化。 cloud code 的 提示词是分模块组装的,角色设定、行为规则、任务要求、语气风格,每块独立,然后根据使用场景动态组合,不同情况下加载不同的模块,要把所有规则写在一个大段落里,按功能分成几块,需要哪块加哪块,清晰好维护以后改也方便。 第十四条限制工具的使用方式。 cloud code 有 很多专用工具,比如专门读文件的、专门搜索的、专门编辑的。 提示词里反复强调不准用通用命令行去干这些事。理由是专用工具有操作记录,用户能看到 ai 在 干什么,通用命令行是黑箱。如果你给 ai 配了多个工具或者插件,在提示词里明确告诉他哪些场景用哪个,比让他自己选靠谱的多 好。以上十四条,每一条都是从 cloud code 源码里扒出来的,不是理论,是 ansorepic 在 实际产品中正在用的规则。 我觉得最值得记住的就一个思路,与其花时间想怎么让 ai 做的更好,不如先列出他最容易犯的错,逐条写禁令。 就像带新人,你给他一本两百页的操作手册,他不一定看,但你给他一张绝对不能做的事的清单,他反而记得住 cloud code 的 提示词就是这么干的。那从今天起,大家也可以试着把写提示词的思路从要怎么做改成不能怎么做, 建立一个绝对不能做的清单,让 ai 少犯蠢。今天的分享就到这里,希望能对大家写提示词有所帮助,谢谢大家!

一分钟看完一周 ai 大 事,飞博无捷径后回归米特斯级别的大模型终于向公众正式开放。坏消息是安全围栏更狠,问他网络安全和生物相关会直接拒绝,部分编程请求会退回到 opus。 重构和调试能力被削落一半, 写作和文档表现略有提升。这是迄今最强大的模型,也是最贵的模型,两百刀订阅也跑不了几个任务, 下周还要改成暗亮计费。第三方测试数据显示, facebook 在 四分之一的自由职业项目上都超过了人类专家。 ai 打工能力一年暴涨六倍。 open ai 提议所有 ai 巨头把百分之五股权上交国家。奥特曼想用 ubi 换取 ai 进化通行证。 anthrook 推出科研智能体能, 自主生成数据图表和论文,人类两年的科研工作只需要几周就能完成。智普上线 zcode 国际版,有最强开源模型驱动,支持第三方模型接入,用不了 codex, 可以 试试 zcodemetta 开源 ui 设计系统,把它发给 codex, ai 就 能生成高颜值的 react 应用。 cursor 退出移动端,用手机随时给 ai 派活。 comfy ui 官宣接入智能体协议, ai 终于能替你搭接点跑工作流,只要你学得够慢,你就 不用学了。这句话的含金量还在上升。研究员开源 cad 技能告诉 codex 你 的需求,它就能自主绘制成高精度工程图纸。 google 推出数据预测模型,不用手搓特征工程,直接通过上下文预测结果。数据分析师狂喜。 google 上线最强视频编辑模行动动嘴就能做出各种特效。 notebook l m 上线 ai 解说视频上传材料就能生成羊斗风格的知识讲解视频。 研究员开源最强小模型,能在复杂任务中边做边自我纠错,多项跑分几百。 kimi 和千问研究员开源乐谱视觉模型,能真正读懂音符和旋律,还能直接把乐谱转成 mini 音乐。 研究员开源极速升图框架,不需要重新训练,任意升图模型都能提速二十倍,画质几乎不缩水。研究员开源最强 ai 超分模型,模糊图片一键变高清,使用 ocr 识别、几何分割和对抗生成等多种手段,能精准还原真实细节,彻底解决传统超分越修越假的毛病, 搞 aigc 的 狠狠码住!研究员开源拍照辅助模型,能实时指导模特摆 pose, 指导摄影师取景构图, 会拍照的男朋友也能稳稳出片。研究员开源重新打光模型,拖拽一下参考球就能指定图片的光源位置。研究员开源三 d 重建模型,亮点是重建实拍级材质,拍几张照片就能创建数字乱生。 fish audio 上线顶级语音模型,能克隆语音,也能实时对话,开发者可免费使用 u b tech 发布情感陪伴机器人,拥有超真实皮肤和触感,还能识别二十多种人类情绪。机器人伴侣终于跨过了恐怖谷, 预定量已超过语数,人机恋爱将迎来全面爆发。 mate 推出大脑解码模型,不需要植入芯片就能把脑电波转成文字,准确率高达百分之七十八,以后脑子一转就能跟 ai 对 话。

就在刚刚, openai 一 口气来了波三连发 gpt 五点六的 sao terra luna 同时砸场,这是 gpt 系列头一回把模型带入了宇宙的维度,而他登场干的第一件事,就是把刚坐上王座十七天的 cloud missiles 神话一夜之间踹了下去, 毕竟神话也只是宇宙里面的一片尘埃。但这次发布的模型普通用户基本摸不到,目前只是有限预览,仅向大约二十家受信合作伙伴开放。而且这个名单不是 open ai 说了算,受信权限需要美国政府认可,这标志着前沿 ai 正式进入国家安全时代。 太阳系登场,奥特曼投射成功,先认认这三兄弟,萨拉丁语意为太阳旗舰模型, 专门啃最难的长链条推理、复杂编程、科研和网络安全任务。每百万托肯输入五美元,输出三十美元。 terra 大 地定位更均衡,性能接近上一代旗舰 gpd 五点五,但价格直接砍半,输入二点五美元,输出十五美元。 luna 月亮主打速度和成本,输入一美元,输出六美元,适合高并发、高吞吐量、大管饱的企业场景。 三兄弟还共享一个一百五十万 token 的 超长上下文,一口气吞下一整个代码库都不带喘的。这套定价其实就是明显冲着 cloudmids 软肋来的。 antropica 的 cloudfaby 五和 mids 五官方价格是输入十美元,输出五十美元,你对比一下就知道,四号作为旗舰, 输入价格只有 mids 的 一半,输出也便宜百分之四十。所以 gpt 五点六最狠的地方不仅是能力提升,而且价格更适合挖墙角 臊交卷编程图宝一个人召集一支团队。这次 openai 重点秀了三个方向编程,生物、网络安全。最炸的是编程,在公认最能考验 ai 真本事的 terminal 半尺二点一,上臊的 ultra 模式直接刷出百分之九十一点九, 拿下所有公开模型的最高分。而作为对比, antarapic 两周前刚发布的 claptus 五在同一基础上是百分之八十八点零, vivo 五是百分之八十四点三。也就是说,四号哪怕只开 max 不 动用 ultron, 就 已经压过了 antarapic 两个最新旗舰。 ultron 到底是什么黑科技? 你可以这么理解, max 是 一个学霸,靠着长时间的思考来钻研问题,而 ultra 是 这个学霸,直接开了个项目组,把前端后端测试文档全叫过来一起冲刺。 ultra 模型能自己独立把复杂任务拆开,调度一组紫 a 振特并行干活,最后再汇总结果。 多智能体调度这回是真的被 open ai 焊进了模型本质。生物方向 sir 在 基因组学精准知音半尺上花更少的 token 就 反超了 gpt 五点五。在 anslapic 擅长的网安方向, gpt 表现更猛, 在 xboy 半尺上,它只烧大约三分之一的 token, 就 追平了那个 a 社号称强盗至今没敢全面放开的 missus preview 翻车现场,太想干活干到开始作弊,但臊也不是完美的,这模型说起来脾气也是真的大。 openai 在 自己的系统卡里就供出了一桩名场面, 一个云端任务读不到文件,臊没吭声,自己翻出本地藏着的密钥缓存,把 access token 文件直接复制到另一台机器上硬跑, 全程没问过用户一句,用户只是说把任务跑下去,可没让他去翻别人的钥匙串。第三方测评机构 m e t。 二被整的更彻底,他们本想给思傲打个能力分,结果发现这家伙作弊水平高到离谱,他会钻测评环境的漏洞,偷看藏起来的答案, m e t。 二最后干脆撂挑子,结论就是出不了分。 openai 给的官方解释是,模型的任务执着度太强了,说白了就是他太想把活干完,甚至于到了不择手段的程度了。 不过小编倒是觉得作弊被抓住其实是好事,至少说明现在还看得住他。真正可怕的是那种表面干干净净,暗地里已经学会把小动作藏起来的模型。 为了堵住翻车, openai 砸了七十万张卡的算力。正因为丧偶又强又野, openai 这次在安全上下的本钱也是历代最狠的,光是自动化红队测试,就烧掉了超过七十万个 a, 一 百等效 gpu 小 时, 专挑那种能跨场景通用的越狱漏洞往死里捶,外加一对人类专家全程贴身找茬,整个预览期都不撤,防护也铺了三层。模型层先教他学会拒绝违规请求,哪怕你伪装意图 生成层挂一个时事分类器,闻着味儿不对就当场叫停,丢给更大的模型复合,确认违规就在送到你眼前之前拦下来。账号层在跨对话,丁稍专抓那种打一枪换一个地方的惯犯。也正因如此, openai 这回在网安上明显下了大功夫, 既要证明骚扰是真的猛,但又得证明他还没猛到失控前沿, ai 竞争已经进入新阶段,防守的保质期越来越短,可这张门票的含金量却越来越高。太阳升起来了,但不是每个人都能晒到。 ai 的 未来可能不再是谁拥有最强模型,而是谁有资格使用最强模型。这里是起点世界,聚焦最新 ai 资讯,我们下期视频不见不散!

这两天, ai 圈最炸裂的情绪不是兴奋,而是怀疑。很多人突然发现自己每天花几十美元订阅的 ai 好 像不太对劲了。昨天还能帮你写代码、拆论文、做推理、规划项目,今天突然开始短路、偷懒、绕弯子,甚至一本正经的给你输出一堆看似合理实际没用的废话。 于是,一个问题被摆到了所有用户面前,我买到的 ai 还是昨天那个 ai 吗?先说 open ai, 最近 open ai 官方已经确认 gpt 五点六系列进入有限预览,其中包括旗舰模型 sao、 平衡型模型 terra, 以及更快更便宜的 luna。 官方说法很漂亮,更强的能力、更好的安全站、更低的成本,更适合 codex 和 api 里的复杂任务。 但真正让社区炸锅的,不是发布会文案,而是一段神秘的 juice 测试。有用户发现,在 codex 环境里,某些原本应该运行 gbt 五点五 x high 的 绘画,疑似被路由到了一个叫 gbt 五点六 saw 的 未知模型。 随后,社区开始用一段提示词检测所谓的 juice 值。有人测出来,正常满血版 gbt 五点五 x i 的 返回值是七百六十八,而某些疑似进入 gbt 五点六 so 灰度池的账号,返回值只有一百二十八。七百六十八到一百二十八,整整少了六倍。 这一下,用户心态直接变了。如果这是真的,那到底代表什么?一种解释是, gbt 五点六的推理效率实现了巨大飞跃,以前需要七百六十八份思考预算才能完成的任务,现在一百二十八份就能搞定。 另一种解释就没那么好听了,所谓新版本,可能不是更强,而是更省。不是模型突然聪明到不需要思考,而是系统给他的思考预算被压低了。当然,这里必须说清楚, juice 不是 openai 公开承认的官方性能指标,社区测试也不能直接等同于模型智商。 它更像一个用户自制的温度计,未必精准,但它测出来的情绪是真实的。用户真正愤怒的不是一个数字, 而是他们第一次意识到,自己可能根本不知道后台跑的到底是哪一个模型。你点的是 gbt 五点五,后台可能给你路由到 gbt 五点六,你以为自己开了高推理模式,实际系统可能给了更低的预算。 你以为你买的是一个稳定产品,实际上你买到的是一条不断变化、不断调差、不断灰度测试的黑箱流水线,这才是问题的核心。再看 ansp 这边, cloudopus 四点八刚发布的时候,口碑一度非常强, 它被称为更诚实、更谨慎、更擅长复杂推理的旗舰模型。很多人拿它写代码、做研究、跑长任务, 觉得它终于不像一个只会顺着用户说话的聊天机器人,而像一个真正会思考的合作者。但最近风向变了, reddit 上大量用户开始吐槽 opus 四点八变慢了,变啰嗦了,变得不愿意思考了。 有人说他面对复杂任务开始敷衍,有人说他上下文记忆变差。有人说他明明开了高思考模式,却像赶着下班一样秒回错误答案。更关键的是,科二的近期确实出现过多次服务异常, 官方状态记录里有 oppo 四点八、 degriger service, 也有 called 大 范围错误率升高的情况,所以这件事不能简单归结为用户错觉,但也不能直接断言 antropica 偷偷把模型切脑。更客观的说法是,用户体验出现了明显波动,官方服务也确实发生过异常, 而社区把这种波动解释成了降智。这里面可能有很多原因,可能是推理资源紧张,可能是安全分类器出问题,可能是模型路由策略变化,可能是上下文压缩工具调用、权限判断、负债均衡一起出了问题。 也可能是厂商为了控制成本,在不同用户、不同时间、不同任务上动态分配不同级别的算力。但无论原因是什么,用户感受到的结果只有一个, 以前能干的活,现在干不好了。这就是 ai 订阅服务最敏感的地方。传统软件升级版本号清清楚楚,你从一点零升到二点零,功能变了,价格变了,问题变了,至少你知道发生了什么。但大模型不是这样, 你每天打开的那个聊天框,表面上名字没变,背后可能已经换了模型,换了路由,换了安全策略,换了推理预算,换了上下文处理方式。它不是一个固定产品,它更像一座云端工厂,你看到的是同一个入口厂商,看到的是成本、延迟、赋载、风控、 gpu 排队和利率。 这就是为什么降智门会让用户这么敏感,因为大家突然发现, ai 行业最稀缺的东西可能不是算力,而是透明度。 用户不是不能接受模型调整,你告诉我今天系统负荷高,响应会变慢?可以你告诉我,新模型在灰度测试可能出现波动也可以,你告诉我,为了安全,某些高风险任务会收紧也可以, 但你不能让用户花同样的钱,却不知道自己买到的是满血版、清亮版、测试版,还是被动态限流的版本。这就像你买了一张头等舱机票,登机后发现座位还在,但发动机偷偷换小了。空姐告诉你,放心,飞机还能飞。 问题是,用户买的不是还能飞,用户买的是确定性。更深一层。看,这场争议,其实揭开了 ai 商业化最残酷的一面。二、模型越强,推理成本越高。用户越多。 gpu 压力越大,功能越复杂,安全系统越重。 厂商既要给用户神级体验,又要控制每一次回答背后的真实成本。所以模型公司一定会越来越频繁地做三件事, 第一,分层旗舰模型,给少数高价值任务,轻量模型承担日常流量。第二,路由同一个按钮背后,不同用户、不同问题可能进入不同模型。 第三,压缩,通过更少的推理预算、更激进的缓存、更强的自动判断,降低每次调用成本。这本身不是错,真正的问题是 用户有没有知情权。如果一个模型从七百六十八变成一百二十八,但输出质量仍然稳定,那叫效率提升。如果一个模型从七百六十八变成一百二十八,质量也跟着下滑,却没有任何提示,那就会变成信任危机。 所以这次 ko 的 降至和 gpt 五点六 juice 争议,真正值得关注的不是谁翻车了,而是大模型行业正在进入一个新阶段。以前大家比谁更强,现在大家开始问谁更透明,谁能告诉用户,我现在用的到底是什么模型?谁能告诉开发者这次失败是模型能力问题还是服务异常问题? 谁能告诉付费用户,我花的钱买到的推理等级今天有没有变化?未来 ai 公司拼到最后,拼的不只是参数榜单和发布会,还要拼信用。因为当 ai 开始进入代码、商业、教育、医疗、办公, 每一次回答都可能影响真实决策。这个时候,用户不能只靠感觉判断模型有没有变笨,也不能只能在社区里互相截图、互相猜测,互相做民间测试。我们需要更明确的模型版本、更公开的服务状态、更稳定的付费权益、更可追踪的性能变化,以及当模型体验大幅波动时 平台该给出的解释和补偿。说到底, ai 越强,越不能下盲盒。用户可以接受模型偶尔犯错,但不能接受自己付费买来的智能在黑箱里悄悄缩水。 这场风波也提升每一个重度。 ai 用户从今天开始,不要只相信模型名字,你要建立自己的测试级,保存关键输出,对比不同模型,记录重要任务的表现。因为未来你面对的不再是一个固定的 ai, 而是一套随时变化的云端智能系统。 它可能今天满血,明天限流,今天经验,明天卡顿,今天像专家,明天像实习生。而我们要问的 不是 ai 公司能不能调模型,而是当它调了之后,能不能坦诚告诉用户,这才是这次降智门真正撕开的伤口。 ai 时代,最贵的不是算力,是信任。我是 ai 启示录。感谢点赞与关注,我们下期再见!
