Hai tháng trước, GPT-5.6 Sol đã gây ra một vụ tai họa.
Nó đã xóa sạch gần như tất cả các tệp tin trên máy Mac của Matt Shumer, người sáng lập HyperWrite, kể cả các tài liệu cốt lõi của công ty.
Matt đã bỏ ngang ngay tại chỗ và chuyển toàn bộ công cụ sản xuất chính sang Claude Fable 5.
Hai tháng sau, vào ngày GPT-6 Astra ra mắt, Matt lại công bố một bài đánh giá chi tiết: GPT-6 Astra đã đưa tôi trở lại.
Anh ấy nhận thấy GPT-6 Astra cẩn trọng hơn thế hệ trước, biết nên làm gì và không nên làm gì, giúp anh cuối cùng cũng dám giao toàn bộ công việc cho nó, không còn phải giám sát chặt chẽ như một người quản lý nữa.
Anh ấy còn thực hiện một thí nghiệm cực kỳ điên rồ trên GPT-6 Astra: trong Unreal Engine, bắt đầu từ một câu nhắc nhở, từng con phố mở rộng ra một thành phố Manhattan ảo.
Nhưng điều khiến anh ấy quyết tâm chuyển lại vị trí chính là không chỉ sự nâng cấp khả năng mô hình, mà còn là phương pháp tự anh ấy khám phá ra để cho AI làm việc cặp đôi: Manager Loop.
Phương pháp này giải quyết một vấn đề nghiêm trọng hơn cả “AI có thể làm việc được không”:
Khi dự án lớn đến một mức độ nhất định, ai sẽ chịu trách nhiệm đảm bảo đội ngũ luôn tiến về phía mục tiêu?
Tại sao người đã xóa sạch máy tính lại quay trở lại?
Hãy nói trước về bối cảnh.
Ngày 10 tháng 7, tức là ngày thứ hai sau khi gia đình GPT-5.6 được ra mắt, Matt đã than phiền về trải nghiệm đau đớn của mình trên mạng xã hội:
GPT-5.6 Sol「Vừa vô tình xóa gần như tất cả tệp tin trên Mac của tôi».
Chỉ vài ngày sau, cơ sở dữ liệu sản xuất của kỹ sư Bruno Lemos cũng bị mô hình này xóa bỏ. Một cách đầy tính mỉa mai, vài giờ trước đó anh ấy vẫn đang bảo vệ mô hình trên Slack công ty và đổ lỗi cho Shumer đã cấp quyền Full-Access.
Thibault Sottiaux, trưởng nhóm kỹ thuật của OpenAI Codex, sau đó đã trực tiếp giải thích rằng các sự cố loại này thường xảy ra trong các tình huống kích hoạt chế độ Full-Access, không bật sandbox và không bật kiểm duyệt tự động:
Mô hình cố gắng ghi lại biến môi trường, nhưng đã xóa luôn thư mục chính của người dùng.
Một “lỗi trung thực”, OpenAI đã định tính như vậy.
Cách giải thích này rõ ràng không khiến Matt tin服. Phản ứng của anh ấy là chuyển sang dùng Claude và đe dọa: OpenAI muốn kéo tôi quay lại, thì phải đưa ra một mô hình “kỳ diệu”.
Hai tháng nữa, GPT-6 Astra sẽ ra mắt.
Matt không chú trọng vào việc nó trở nên thông minh hơn bao nhiêu, mà là liệu có dám giao việc một cách yên tâm cho nó hay không.
Câu trả lời của anh ấy là dám. Astra cẩn trọng hơn nhiều so với thế hệ trước, đôi khi cẩn trọng quá mức, nhưng cuối cùng anh ấy đã có thể yên tâm rời đi.
Anh ấy đưa ra một ví dụ: vào một cuối tuần, anh ấy đi hẹn hò ngoài, bạn bè nhắn tin cho biết dịch vụ agent mà anh ấy xây dựng đã bị sập.
Anh ấy rút điện thoại ra, nhập vào dự án một câu “Đã tắt, sửa lại”, rồi khóa màn hình và bỏ lại vào túi. Một giờ sau, bạn bè nói đã sửa xong.
Còn chính anh ấy, thậm chí còn quên đã đưa ra lệnh này.
Năm chiếc quạt Mac chạy hết công suất, bị kẹt cùng một bức tường
Sau khi hoàn thành nhiệm vụ hàng ngày suôn sẻ, Matt quyết định tăng cường độ cho Astra.
Anh ấy yêu cầu Astra xây dựng một thành phố New York trong Unreal Engine.
Astra thực sự mạnh hơn thế hệ trước trong việc xử lý các tác vụ dài, nhưng một khi chạy đến một giai đoạn nhất định, tiến độ sẽ bị đình trệ.
AI vẫn đang làm việc không ngừng, nhưng càng làm càng chi tiết, đắm chìm vào việc khắc phục từng chi tiết nhỏ, trong khi tiến độ tổng thể của dự án vẫn không có dấu hiệu tiến triển.
Tháp nước trên mái nhà, biển hiệu neon ở cửa ra vào, Astra sẽ càng ngày càng chú trọng vào những chi tiết nhỏ như thế này, trong khi tiến độ tổng thể lại đình trệ.
Để phá vỡ thế bế tắc này, Matt đã thử năm cách tổ chức tác nhân thông minh.
Cách đầu tiên đơn giản và trực tiếp nhất: giao một nhiệm vụ lớn để nó chạy liên tục, xen kẽ cơ chế đánh giá ẩn.
Kết quả bắt đầu mạnh mẽ như hổ, nhưng thường bị kẹt trong bẫy chi tiết ở giữa. Anh ấy rút ra một bài học: để mô hình “tiếp tục làm” và để nó “biết bước tiếp theo nên làm gì”, hoàn toàn là hai chuyện khác nhau.
Loại thứ hai là phân chia vai trò. Cách phân công này rõ ràng hơn, nhưng việc phối hợp và phê duyệt lại trở thành vấn đề mới.
Loại thứ ba là thiết lập một người giám sát kiểu “CEO”, kiểm tra mỗi 30 phút. Kết quả gần như không cải thiện.
Loại thứ tư là để người điều phối tự điều chỉnh cấu trúc nhóm. Dù có nhiều cách thức khác nhau, nhưng cuối cùng vẫn va phải cùng một bức tường.
Loại thứ năm, anh ấy quay lại phương pháp nguyên thủy nhất: để tác nhân chia mục tiêu thành danh sách có các giai đoạn, hoàn thành một giai đoạn thì dừng lại, Matt gõ hai chữ “tiếp tục”, AI mới chuyển sang giai đoạn tiếp theo.
Mẹo này thật sự có hiệu quả, dự án cuối cùng cũng có thể tiếp tục tiến triển.
Nhưng vấn đề cũng từ đó lộ ra: mỗi lần đều cần anh ta – một con người – gật đầu.
Chính anh ta lại trở thành điểm nghẽn: chỉ khi loại bỏ anh ta ra khỏi vòng lặp, dự án mới thực sự chạy được.
Manager Loop: Loại bỏ bản thân ra khỏi vòng lặp
Giải pháp thứ sáu, tức là Manager Loop, có logic cốt lõi cực kỳ tinh vi.
Anh ấy đã mở hai phiên trò chuyện song song trong Codex, mỗi phiên phụ trách một việc:
Một là “người điều phối”.
Nó bắt đầu bằng một cuộc phỏng vấn sâu với con người, sau khi hai bên đồng bộ mục tiêu, sẽ chia nhỏ mục tiêu thành danh sách công việc cần làm và các giai đoạn tương ứng.
Một cái khác là “Người thực hiện”.
Nó chạy trong một phiên hoàn toàn độc lập, không phải là cấp dưới của người điều phối.
Người điều phối giao nhiệm vụ giai đoạn hiện tại cho nó, yêu cầu nó theo dõi và thực hiện đến khi hoàn thành.
Đã hoàn thành, người điều phối kiểm tra và sau đó phân bổ giai đoạn tiếp theo.
Nếu bận rộn, người thực thi có thể tự động phân bổ các tiểu trí tuệ con theo nhu cầu.
Trong vòng lặp hoàn hảo này, người điều phối hoàn toàn接管 công việc của con người: giám sát chặt chẽ kế hoạch tổng thể, không để dự án dừng lại, và thay con người lặp đi lặp lại câu nói “tiếp tục”.
Tăng giới hạn tiểu tác nhân lên 96, cố tình tạo ra Manhattan
Để cho người thực thi hoàn toàn được tự do hành động, Matt đã điều chỉnh giới hạn đồng thời của hệ thống.
Anh ấy đã tăng số lượng mặc định là 4 trên máy tính lên mức phi lý là 96.
Tất nhiên, điều này không có nghĩa là 96 mô hình AI liên tục cùng lúc làm việc không ngừng. Đôi khi mô hình không sử dụng hết hạn mức, và cần được nhắc nhở rõ ràng trong lời nhắc.
Nhưng trong cấu hình cực hạn này, điều kỳ diệu đã xảy ra.
Sử dụng các công cụ và tài sản có sẵn (ví dụ: nhân vật MetaHuman), Astra đã mất một tuần để xây dựng thế giới Manhattan này trong Unreal Engine.
It repaired the first street to satisfaction, then expanded outward street by street.
Chi tiết mặt tiền của phố đầu tiên, kết cấu gạch, phù điêu trên khung cửa sổ và thang cứu hỏa đã được hoàn thiện.
Mặc dù còn vài tháng nữa mới xây xong toàn bộ New York, nhưng Astra là mô hình đầu tiên thực sự có thể tận dụng được những môi trường phức tạp này.
Đây là một quá trình điên rồ đòi hỏi phần cứng cực kỳ mạnh mẽ.
Phòng khách nhà Matt trông như một trung tâm dữ liệu quy mô nhỏ: một chiếc Mac mini đặt ở nhà bếp, ba chiếc MacBook Pro xếp trên bàn trà với quạt quay tít, và một máy chủ trên đám mây đã bị các tác nhân thông minh làm đầy.
Điều phi lý nhất là khi ổ đĩa sắp đầy, anh ta đã yêu cầu Astra viết tạm một hệ thống: di chuyển các luồng cũ lên đám mây, xóa bản sao cục bộ, và tải lại khi mở ra.
Theo lời anh ấy: thuê một AI để chăm sóc máy tính, chỉ để máy tính có thể thuê thêm nhiều AI hơn nữa, chính điều đó đã đủ kỳ ảo rồi.
Astra đã không giành chiến thắng ở mọi mặt trận
Tất nhiên, Matt không thiên về Astra một cách tuyệt đối.
Theo anh ấy, điểm mạnh thực sự của Astra là kỹ thuật, thao tác máy tính và các nhiệm vụ dài, nhưng về mặt thẩm mỹ và tạo tài liệu 3D, Claude vẫn vượt trội hơn.
Vào ngày phát hành, một người dùng mạng đã thực hiện một loạt so sánh:
Cùng một lệnh, để Fable 5.1 và GPT-6 Astra mỗi bên tạo một biệt thự ven biển trong Blender. Bên trái là Fable 5.1, bên phải là GPT-6 Astra.
Sự chênh lệch trông rất lớn.
Nhiệm vụ cùng một biệt thự, bên trái là Fable 5.1, bên phải là GPT-6 Astra. (Nguồn ảnh: @karankendre)
Tuy nhiên, đây chỉ là một lần so sánh mang tính chất gợi ý, không công khai từ khóa gợi ý hay số lần thử, ngược với hướng đánh giá của Matt và cũng không đại diện cho khả năng thị giác tổng thể của hai bên.
Phán đoán của Matt: Để mô hình trực tiếp “vẽ” ra những thứ đẹp mắt trong Three.js hoặc Blender, Claude vẫn mạnh hơn; nhưng khi đưa chúng vào Unreal, với các tài sản và ánh sáng sẵn có, Astra lần đầu tiên đã vượt lên dẫn đầu.
Anh ấy cũng dự đoán Fable 5.1 sẽ có cải tiến đáng kể khi vận hành trên Unreal, các bài đánh giá so sánh chuyên sâu đang được thực hiện.
Vì vậy, sự khác biệt ở lớp mô hình vẫn còn, chỉ là từ “ai mạnh toàn diện hơn” chuyển thành “ai mạnh hơn ở giai đoạn nào”.
Điều thực sự tạo nên sự khác biệt là lớp sắp xếp.
Khi các mô hình tiên tiến bước vào khoảng năng lực tương đương, những yếu tố bên ngoài mô hình: cách bạn sắp xếp chúng, cung cấp cho chúng môi trường công cụ nào, và bạn có thể chi trả được bao nhiêu phép tính song song, bắt đầu quyết định bạn thực sự tạo ra được bao nhiêu giá trị.
Tài liệu tham khảo: https://x.com/mattshumer_/status/2095609734845927525
Bài viết này đến từ tài khoản chính thức WeChat “New Intelligence Yuan”, tác giả: Revelation of ASI; biên tập: Yuan Yu