Dua bulan yang lalu, GPT-5.6 Sol menyebabkan kemalangan besar.
Ia menghapus hampir semua fail di komputer Apple milik Matt Shumer, pendiri HyperWrite, termasuk dokumen penting syarikat.
Matt terus meninggalkan projek itu dan menggantikan semua alat penghasilan utama dengan Claude Fable 5.
Dua bulan kemudian, pada hari pelancaran GPT-6 Astra, Matt kembali mengumumkan dengan ulasan mendalam: GPT-6 Astra membawa saya kembali.
Dia melihat GPT-6 Astra lebih berhati-hati daripada generasi sebelumnya, tahu apa yang perlu dilakukan dan apa yang tidak perlu dilakukan, sehingga dia akhirnya berani menyerahkan tugas sepenuhnya tanpa perlu mengawasi seperti pengawas.
Dia juga menjalankan satu eksperimen yang sangat gila pada GPT-6 Astra: di dalam Unreal Engine, membangun secara perlahan satu kota Manhattan maya bermula daripada satu petikan sahaja.
Namun, yang benar-benar membuatnya memutuskan untuk mengembalikan kekuatan utama bukan hanya peningkatan kemampuan model, tetapi juga metode sendiri yang dia temukan untuk membuat AI bekerja berpasangan: Manager Loop.
Kaedah ini menyelesaikan masalah yang lebih mematikan daripada "Adakah AI mampu bekerja?":
Apabila projek mencapai ukuran tertentu, siapakah yang bertanggungjawab untuk memastikan pasukan terus bergerak ke arah matlamat?
Mengapa orang yang komputernya telah dipadamkan kembali?
Katakan terlebih dahulu latar belakangnya.
Pada 10 Julai, hari kedua pelancaran keluarga GPT-5.6, Matt mengeluh tentang pengalaman buruknya di platform sosial:
GPT-5.6 Sol「Tadi secara tidak sengaja memadamkan hampir semua fail saya di Mac」.
Tidak berapa hari kemudian, pangkalan data pengeluaran jurutera Bruno Lemos juga dihapus oleh model yang sama. Ironinya, beberapa jam sebelum itu dia masih membela model itu di Slack syarikat, menyalahkan Shumer kerana memberikan kebenaran Full-Access.
Pengurus kejuruteraan OpenAI Codex, Thibault Sottiaux, kemudian menjelaskan secara langsung bahawa insiden semacam ini biasanya berlaku dalam skenario di mana mod Full-Access diaktifkan, tanpa sandbox dan tanpa pemeriksaan automatik:
Model cuba menulis semula pemboleh ubah persekitaran, tetapi secara tidak sengaja menghapuskan direktori utama pengguna sepenuhnya.
Sebuah "kesilapan jujur", begitulah OpenAI mengkategorikannya.
Penjelasan seperti ini jelas tidak meyakinkan Matt. Reaksinya adalah berpindah ke Claude dan mengatakan dengan tegas: Jika OpenAI ingin menarik saya kembali, mereka harus menghadirkan model yang「mukjizat».
Dua bulan kemudian, GPT-6 Astra tiba.
Matt tidak menekankan seberapa bijak ia menjadi, tetapi sama ada berani mempercayakan tugas itu kepadanya.
Jawapannya ialah berani. Astra jauh lebih berhati-hati berbanding generasi sebelumnya, terkadang terlalu berhati-hati, tetapi akhirnya dia boleh pergi dengan tenang.
Dia memberi contoh: suatu hujung minggu, dia berjumpa dengan rakan, dan rakan itu menghantar mesej mengatakan perkhidmatan agen yang dia pasang telah gagal.
Dia mengeluarkan telefon bimbit, memasukkan "Tutup, baiki" ke dalam projek, kemudian mengunci skrin dan memasukkannya semula ke dalam poket. Satu jam kemudian, rakan itu berkata ia telah dibaiki.
Dan dirinya sendiri, bahkan lupa telah memberikan arahan ini.
Lima buah kipas Mac berputar pantas, terhenti di dinding yang sama
Setelah menyelesaikan tugas harian dengan lancar, Matt memutuskan untuk meningkatkan intensitas Astra.
Dia meminta Astra membina sebuah bandar New York di Unreal Engine.
Astra memang lebih unggul dalam menangani tugas panjang, tetapi sekali mencapai tahap tertentu, kemajuan akan terhenti.
AI masih bekerja keras, tetapi semakin fokus pada butiran kecil, terjebak dalam perincian kecil, sementara kemajuan makro projek sama sekali tidak berubah.
Tangki air di atap, papan iklan neon di pintu masuk, Astra akan semakin memperhalus butiran-butiran kecil seperti ini, tetapi kemajuan keseluruhan terhenti.
Untuk memecahkan kebuntuan ini, Matt mencuba lima cara mengatur agen pintar.
Cara pertama paling mudah dan langsung: berikan tugas besar agar ia terus berjalan, sambil menambahkan mekanisme penilaian buta di tengah-tengah.
Hasilnya bermula dengan kuat, tetapi sering kali terperangkap dalam perincian. Dia mendapat pelajaran: membiarkan model "terus bekerja" dan membuatnya "tahu langkah seterusnya yang perlu dilakukan" adalah dua perkara yang sama sekali berbeza.
Yang kedua ialah pengagihan peranan. Walaupun pembahagian tugas jelas, koordinasi dan persetujuan menjadi masalah baru.
Yang ketiga ialah menetapkan seorang pengawas berperanan seperti「CEO」yang memeriksa setiap 30 minit. Hasilnya hampir tidak ada peningkatan.
Jenis keempat ialah membiarkan koordinator menyesuaikan struktur pasukan sendiri. Ada banyak variasi, tetapi tetap membentur dinding yang sama.
Kelima, dia kembali kepada kaedah asal yang klasik: meminta agen untuk memecahkan matlamat menjadi senarai berfasa, berhenti selepas menyelesaikan satu fasa, Matt taip dua perkataan “teruskan”, dan AI akan masuk ke fasa seterusnya.
Cara ini sebenarnya berkesan, projek akhirnya boleh berterusan maju.
Tetapi masalahnya turut terungkap: setiap kali memerlukan persetujuan darinya sebagai manusia.
Dirinya sendiri menjadi bottleneck: hanya dengan mengeluarkannya dari siklus itu, projek baru boleh berjalan dengan sebenarnya.
Manager Loop: Keluarkan diri anda dari lingkaran tersebut
Skema keenam, iaitu Manager Loop, mempunyai logik inti yang sangat cerdik.
Dia membuka dua sesi selari dalam Codex, masing-masing mengurus satu urusan:
Satu ialah “pemimpin koordinasi”.
Ia terlebih dahulu menjalani sesi temu bual mendalam dengan manusia, menyelaraskan matlamat, kemudian memecahkan matlamat tersebut menjadi senarai tugas dan pelbagai peringkat.
Yang lain ialah "Pelaksana".
Ia berjalan dalam sesi yang sepenuhnya berasingan, bukan di bawah koordinator.
Pengkoordinasi menghantar tugas fasa semasa kepadanya, memintanya memantau fasa semasa sehingga selesai.
Selesai, pengkoordinasi mengesahkan, kemudian menghantar ke peringkat seterusnya.
Jika terlalu sibuk, pelaksana boleh menghantar sub-agennya sendiri mengikut keperluan.
Dalam lingkaran tertutup yang sempurna ini, koordinator mengambil alih sepenuhnya tugas manusia: memantau rancangan utama dengan ketat, mencegah projek berhenti, dan menggantikan manusia untuk mengulang-ulang perkataan "teruskan".
Batas agen anak dinaikkan ke 96, secara paksa menciptakan Manhattan
Untuk membolehkan pelaksana bertindak sepenuhnya, Matt mengubah had paralel sistem.
Dia menarik empat yang ditetapkan secara lalai kepada 96 yang tidak masuk akal.
Tentu, ini tidak bermaksud bahawa 96 AI bekerja secara serentak tanpa henti. Kadang-kadang model tidak menggunakan sepenuhnya kuota, dan perlu ditekankan secara jelas dalam prompt.
Namun, di konfigurasi ekstrem ini, keajaiban berlaku.
Dengan memanfaatkan alat dan aset yang sudah siap (seperti karakter MetaHuman), Astra membangun dunia Manhattan ini di Unreal Engine dalam masa satu minggu.
Ia memperbaiki jalan pertama hingga memuaskan, kemudian memperluas secara berperingkat ke luar.
Butiran fasad jalan pertama, tekstur dinding bata, ukiran di atas tingkap, dan tangga kebakaran telah dipasang.
Walaupun masih berbulan-bulan lagi sebelum pembinaan seluruh New York selesai, Astra adalah model pertama yang benar-benar mampu memanfaatkan persekitaran yang kompleks ini.
Ini adalah proses gila yang sangat memerlukan peralatan keras.
Ruang tamu Matt kelihatan seperti pusat data kecil: sebuah Mac mini diletakkan di dapur, tiga MacBook Pro diletakkan di meja kopi dengan kipas berputar pantas, dan sebuah mesin di awan penuh dengan agen pintar.
Yang paling tidak masuk akal ialah, apabila cakera hampir penuh, dia meminta Astra menulis sistem sementara: memindahkan thread lama ke awan, menghapus salinan tempatan, dan mengambilnya semula apabila dibuka.
Dalam katanya: Mempekerjakan AI untuk menjaga komputer, hanya supaya komputer itu boleh mempekerjakan lebih banyak AI, sudah cukup ajaib.
Astra tidak memenangi semua medan pertempuran
Tentu, Matt tidak sepihak kepada Astra.
Menurutnya, kekuatan sebenarnya Astra terletak pada kejuruteraan, pengendalian komputer, dan tugas jangka panjang, tetapi dalam hal estetika dan pembuatan bahan 3D, Claude masih lebih unggul.
Pada hari pelancaran, seorang pengguna internet membuat satu set perbandingan:
Gunakan petunjuk yang sama, biarkan Fable 5.1 dan GPT-6 Astra masing-masing membina sebuah vila tepi pantai di Blender. Di sebelah kiri ialah Fable 5.1, di sebelah kanan ialah GPT-6 Astra.
Perbezaan kelihatan besar.
Tugas villa yang sama, kiri ialah Fable 5.1, kanan ialah GPT-6 Astra. (Sumber gambar: @karankendre)
Namun, ini hanyalah satu perbandingan tunggal dengan petunjuk yang tidak diumumkan dan jumlah percubaan yang tidak diumumkan, bertentangan dengan penilaian Matt, dan tidak mewakili kemampuan visual keseluruhan kedua-dua pihak.
Penilaian Matt sendiri: membiarkan model secara langsung "melukis" sesuatu yang indah di Three.js atau Blender, Claude masih lebih unggul; tetapi apabila dimasukkan ke Unreal, Astra yang menggunakan aset dan pencahayaan siap pakai pertama kali menang.
Dia juga menganggap Fable 5.1 akan mengalami peningkatan besar dalam mendorong Unreal, dan ujian perbandingan khusus masih sedang dilakukan.
Jadi, perbezaan pada lapisan model masih ada, hanya berubah dari "siapa yang lebih kuat secara menyeluruh" kepada "siapa yang lebih kuat pada fasa tertentu".
Yang benar-benar menciptakan perbezaan adalah lapisan pengaturan.
Apabila model-model terkini memasuki kawasan kemampuan yang serupa, perkara di luar model: bagaimana anda menyusunnya, alat dan persekitaran apa yang anda berikan kepada mereka, dan berapa banyak pengiraan selari yang mampu anda tanggung, mulai menentukan berapa banyak nilai yang benar-benar dapat anda hasilkan.
Rujukan: https://x.com/mattshumer_/status/2095609734845927525
Artikel ini berasal daripada akaun微信公众号 "XinZhiYuan", penulis: ASI Revelation; penyunting: Yuan Yu