2か月前、GPT-5.6 Solは大失敗を起こした。
HyperWriteの創設者Matt ShumerのMacBook上のほぼすべてのファイル、会社の核心的なドキュメントまでを削除した。
マットはその場で離脱し、主力生産ツールをすべてClaude Fable 5に切り替えた。
2か月後、GPT-6 Astraのリリース当日、Mattはまた深いレビューを投稿して、GPT-6 Astraが私を取り戻したと宣言した。
彼はGPT-6 Astraが前世代よりも慎重になり、何を動かすべきか、何を動かすべきでないかを理解していることに気づき、ついに作業を完全に任せられるようになり、監督のようにぎゅっと見張る必要がなくなった。
彼はGPT-6 Astraを用いて、Unreal Engine内で一つのプロンプトから段階的に仮想のマンハッタンを拡張する、非常に狂気じみた実験を行った。
しかし、彼が主力を戻す決断をしたのは、モデル能力の向上だけでなく、彼自身が編み出したAIとペアで作業する方法、つまり「Manager Loop」でもあった。
この方法は、「AIは仕事ができるか」というよりもはるかに致命的な問題を解決します：
プロジェクトが一定の規模に達したとき、誰がチームを目標に向かって継続的に推進する責任を負うのでしょうか？
パソコンを削除された人が、なぜ戻ってきたのか？
まず前の状況を説明します。
7月10日、GPT-5.6ファミリーのリリース翌日、マットはソーシャルメディアで自身の苦い経験を吐槽した：
GPT-5.6 Sol「ちょうど今、Mac上のほぼすべてのファイルを誤って削除してしまいました」。
数日後、エンジニアのブルーノ・レモスのプロダクションデータベースも同じモデルによって削除された。皮肉なことに、数時間前まで彼は会社のSlackでこのモデルを擁護し、シューマーがフルアクセス権限を付与したことを非難していた。
OpenAI Codexプロジェクトの責任者であるThibault Sottiauxは、その後自ら説明し、このような事故はフルアクセスモードが有効化され、サンドボックスと自動レビューが無効になっている状況で発生することが多いと述べた：
モデルが環境変数を書き換えようとして、ユーザーのホームディレクトリを丸ごと削除してしまった。
「正直な誤り」であると、OpenAIは定義しています。
このような説明ではマットを納得させることはできない。彼の反応はクレイドに移ることであり、こう言い放った。「OpenAIが私を引き戻したいなら、『奇跡級』のモデルを提示しなければならない。」
2か月後、GPT-6 Astraが登場します。
マットが注目しているのは、それがどれだけ賢くなったかではなく、仕事を安心して任せられるかどうかである。
彼の答えは「敢」です。Astraは前世代よりもはるかに慎重で、ときには過剰に慎重でしたが、ついに安心して離れられるようになりました。
彼は別の例を挙げた：ある週末、彼が外でデートしているとき、友人が彼が構築したエージェントサービスがダウンしたとメッセージを送ってきた。
彼は携帯電話を取り出し、プロジェクトに「落ちた、直して」と入力して、そのまま画面をロックしてポケットにしまい込んだ。1時間後、友人が直ったと言った。
そして彼自身、この指示を出したことをすっかり忘れていた。
五台のMacのファンが急に回り出し、同じ壁に突き当たった
日常タスクを無事にクリアした後、MattはAstraに強化を加えることにした。
彼はAstraにUnreal Engineでニューヨーク市のモデルを作らせた。
Astraは長時間のタスク処理において確かに前世代よりも優れていますが、ある段階に達すると進捗が停止してしまうことがあります。
AIはまだ狂ったように働いているが、働くほどに細部にこだわり、ある小さな部分の細節に没頭しており、プロジェクト全体のマクロな進捗はまったく進んでいない。
屋上の水塔、玄関のネオンサイン、Astraはこうした細部にこだわりすぎて、全体の進捗は停滞している
この膠着状況を打破するために、Mattは5つの組織エージェントの方法を試しました。
最もシンプルで強引な方法は、大きなタスクを割り当てて常に実行させ、その間に盲審メカニズムを挿入することです。
最初の成果は非常に優れていたが、途中で細部の泥沼にはまってしまうことが多い。彼は一つの教訓を得た：モデルに「ずっとやり続けさせる」ことと、「次に何をすべきかを理解させる」ことは、まったく別の話である。
二つ目はロールの細分化です。これにより役割分担は明確になりましたが、調整と承認が新たな課題となりました。
三番目は「CEO」のような監督者を設けて、30分ごとにチェックする方法でしたが、ほとんど改善しませんでした。
四つ目は、調整者が自らチーム構成を変更することである。手法はさまざまだが、同じ壁にぶつかる。
五番目は、最も原始的な方法に戻った：エージェントが目標を段階ごとのリストに分解し、各段階を終えたら停止し、Mattが「継続」と入力すると、AIが次の段階に進む。
この方法が効いた！プロジェクトがようやく継続的に進み始めました。
しかし、その問題も明らかになった：毎回、彼という人間が承認しなければならないという点だ。
彼自身が逆にボトルネックとなってしまった：彼をこのループから外すことで、プロジェクトは真に動き出すことができる。
マネージャーループ：ループから自分を外す
第六の案、いわゆるManager Loopは、そのコアロジックが極めて巧妙である。
彼はCodex内で2つの並行した会話を開き、それぞれを担当した：
一つは「調整者」です。
まず人間とディープインタビューを行い、双方で目標を一致させた後、その目標をタスクリストと各段階に分解する。
もう一つは「実行者」です。
それは完全に独立したセッションで動作しており、コーディネーターの下にはありません。
コーディネーターが現在のフェーズのタスクを割り当て、それが完了するまでそのフェーズを監視させます。
完了しました。コーディネーターが検収後、次のステージを割り当てます。
忙しい場合は、実行者が必要に応じてサブエージェントを割り当てることができます。
この完璧な閉ループの中で、調整者は人間の役割を完全に引き継ぎ、プロジェクトを停止させないよう総計画を徹底的に監視し、人間に代わって「継続」を繰り返し言い続ける。
サブエージェントの上限を96個まで引き上げ、マンハッタンをぶち壊す
実行者が完全に自由に動けるように、Mattはシステムの並列上限を変更しました。
彼はパソコンのデフォルトの4つを、信じられないほど96個に引き上げた。
もちろん、これは96つのAIが常に同時に作業していることを意味するわけではありません。時として、モデルは割当を完全に使い切らず、プロンプトで明確に促す必要があります。
しかし、この極限の設定下で、奇跡が起こりました。
既存のツールとアセット（例：MetaHumanキャラクター）を活用して、AstraはUnreal Engine内で1週間でこのマンハッタンの世界を構築しました。
彼は最初の通りを満足いくまで修繕し、その後徐々に周囲の通りへと拡張した。
最初の街の外観の細部、レンガの壁の質感、窓上の装飾と消防階段がすべて整いました。
ニューヨーク全体を構築するにはまだ数ヶ月かかりますが、Astraはこれらの複雑な環境を実際に活用できる最初のモデルです。
これは非常にハードウェアを消費する狂ったプロセスです。
マット家のリビングは小さなデータセンターのようだ：キッチンにMac miniが1台、コーヒーテーブルの上には3台のMacBook Proがファンを急回転させ、クラウド上にはエージェントに満杯にされたマシンが1台ある。
最も馬鹿げているのは、ディスクがほぼ満杯になったとき、彼がAstraに一時的にシステムを書かせ、古いスレッドをクラウドに移し、ローカルコピーを削除し、開くときに再度ダウンロードさせるという点だった。
コンピュータを守るためにAIを雇うという発想自体、そのAIがさらに多くのAIを雇えるようにするという点で、とても魔術的だ。
Astraはすべての戦場を制覇しなかった
もちろん、マットはアストラに偏っていません。
彼の見解では、Astraの真の強みはエンジニアリング、コンピュータ操作、および長時間タスクであるが、審美性や3D素材の作成においては、Claudeの方が依然として優れている。
公開当日、ネットユーザーが一組の比較を掲載した。
同じプロンプトを使って、Fable 5.1とGPT-6 AstraにそれぞれBlenderで海辺の別荘を構築させます。左はFable 5.1、右はGPT-6 Astraです。
差が大きく見えます。
同じ別荘のタスク、左はFable 5.1、右はGPT-6 Astra。（画像提供：@karankendre）
これはあくまで単一の比較ヒントであり、プロンプトや試行回数は公開されておらず、Mattの判断とは逆の方向を示しており、両社の総合的な視覚能力を代表するものではありません。
マットの判断では、モデルにThree.jsまたはBlender内で直接美しいものを「描かせる」場合、Claudeの方が依然として優れているが、それらをUnrealに投入し、既存のアセットとライティングを使用させると、Astraが初めて勝利した。
彼はまた、Fable 5.1がUnrealを駆動する際に大幅な改善があると予想しており、専門的な比較評価は現在進行中です。
したがって、モデル層の差異は依然として存在しており、ただ「誰が全体的により優れているか」から「誰がどの段階でより優れているか」へと変わったのです。
実際に差を生んでいるのは、編成層である。
最先端のモデルが類似した能力範囲に入ると、モデルそのものではなく、それらをどのように編成し、どのようなツールや環境を提供するか、そしてどれだけの並列計算を賄えるかが、実際に生み出せる価値を決定し始めます。
参照：https://x.com/mattshumer_/status/2095609734845927525
本文は微信公众号「新智元」より、著者：ASI启示録；編集：元宇