兩個月前，GPT-5.6 Sol 闖下大禍。
它刪除了 HyperWrite 創辦人 Matt Shumer 苹果電腦上幾乎所有的檔案，連公司的核心文件也沒放過。
Matt 當場棄坑，將主力生產工具全部換成 Claude Fable 5。
兩個月後，就在 GPT-6 Astra 發布當天，Matt 又發佈了一篇深度評測宣稱：GPT-6 Astra 把我贏回來了。
他看到 GPT-6 Astra 比前一代更謹慎，知道什麼該動、什麼不該動，這讓他終於敢把工作完全交出去，不用像監工一樣死死盯著了。
He also ran an extremely wild experiment on GPT-6 Astra: starting from a single prompt, he gradually expanded a virtual Manhattan street by street within Unreal Engine.
但真正讓他下定決心把主力換回來的，不僅是模型能力的升級，還有他自己摸索出的一套讓 AI 結對工作的方法：Manager Loop。
這套方法解決了一個比「AI 能不能幹活」更致命的問題：
當項目大到一定程度，誰來負責讓團隊一直朝著目標推進？
被刪光電腦的人，為什麼又回來了？
先交代一下前情。
7月10日，也就是 GPT-5.6 家族發布的第二天，Matt 就在社交平台上吐槽了自己的慘痛遭遇：
GPT-5.6 Sol「剛剛不小心刪掉了我 Mac 上幾乎所有檔案」。
沒過幾天，工程師 Bruno Lemos 的生產資料庫也被同一個模型刪除了。諷刺的是，幾個小時前他還在公司 Slack 裡為模型辯護，責怪 Shumer 開啟了 Full-Access 權限。
OpenAI Codex 工程負責人 Thibault Sottiaux 後來親自解釋，此類事故通常發生在啟用 Full-Access 模式、未啟用沙箱且未啟用自動審查的場景中：
模型嘗試重寫環境變量，結果直接把用戶的主目錄全刪了。
一個「誠實的錯誤」，OpenAI 是這麼定性的。
這樣的解釋顯然無法令 Matt 信服。他的反應是轉投 Claude，並撂下狠話：OpenAI 想把我拉回來，必須拿出一個「奇蹟級」的模型。
兩個月後，GPT-6 Astra 到來了。
Matt 關注的不是它變得有多聰明，而是敢不敢把任務放心交給它。
他的答案是敢。Astra 比前代謹慎得多，偶爾謹慎過頭，但他終於能放心走開。
他舉了個例子：某個週末他外出約會時，朋友發訊息說他搭建的一個智能體服務掛了。
他掏出手機，對著項目輸入了一句「掛了，修一下」，然後直接鎖屏放回口袋。一小時後，朋友說修好了。
而他自己，甚至都忘了下過這個指令。
五台 Mac 的風扇狂轉，卡在同一堵牆上
順利完成日常任務後，Matt 決定給 Astra 加點強度。
He had Astra build a New York City in Unreal Engine.
Astra 在處理長任務上確實強於前代，但一旦運行到某個階段，進度就會陷入停滯。
AI 仍在瘋狂工作，只是越做越細，沉迷於死磕某個小角落的細節，整個項目的宏觀進度卻毫無起色。
樓頂的水塔、門口的霓虹招牌，Astra 會在這類小細節裡越抠越細，整體進度卻停滯不前
為了打破這個僵局，Matt 試了五種組織智能體的方法。
第一種方式最簡單粗暴：給一個大任務讓它一直跑，中間加上盲審機制。
結果開頭猛如虎，中途往往會被困在細節泥潭中。他得出了一個教訓：讓模型「一直幹」和讓它「知道下一步該幹哪塊」，完全是兩碼事。
第二種是角色細分。這樣分工倒是清楚了，但協調和審批成了新的麻煩。
第三種是設一個「CEO」式的監督者，每 30 分鐘查一次崗。結果幾乎沒改善。
第四種是讓協調者自行調整團隊結構。花樣挺多，但還是撞上了同一堵牆。
第五種，他退回了最原始的笨辦法：讓智能體把目標拆成帶階段的清單，做完一個階段停下來，Matt 敲兩個字「繼續」，AI 再進入下一階段。
這招居然管用了，項目終於能持續往前走。
但問題也隨之暴露：每次都需要他這個人類來點頭。
He himself became the bottleneck: only by removing him from the cycle can the project truly get underway.
Manager Loop：將自己從循環中移除
第六種方案，也就是 Manager Loop，核心邏輯極其巧妙。
他在 Codex 裡開了兩個平行的會話，各管一攤：
一個是「協調者」。
它先與人類進行一輪深度訪談，雙方對齊目標後，將目標拆解為待辦清單和各個階段。
另一個是「執行者」。
It runs in a completely independent session, not under the coordinator.
The coordinator assigns the current phase's task to it and has it monitor the phase until completion.
已完成，協調者驗收後，將派發下一階段。
如果忙不過來，執行者可以自行按需下派子智能體。
在這個完美閉環中，協調者徹底接管了人類的工作：死死盯著總計劃，不讓項目停下來，並代替人類反覆說出那句「繼續」。
將子智能體上限提升至 96 個，硬生生砸出曼哈頓
為了讓執行者徹底放開手腳，Matt 修改了系統的併發上限。
他將電腦預設的 4 個直接拉到了離譜的 96 個。
當然，這不代表 96 個 AI 無時無刻都在同時搬磚。有時候模型並不會把配額用滿，還需要他在提示詞裡明確催促。
但在這種極限配置下，奇蹟出現了。
借助現成的工具和資產（例如 MetaHuman 角色），Astra 花費一周時間，在 Unreal Engine 中搭建出這片曼哈頓世界。
It repaired the first street to satisfaction, then expanded outward street by street.
第一條街的立面細節、磚牆紋理、窗楣浮雕和消防梯均已就位。
雖然還需要幾個月才能建成完整的紐約，但 Astra 是第一個真正能善用這些複雜環境的模型。
這是一個對硬體要求極高的瘋狂過程。
Matt 的客廳簡直像個小型數據中心：一臺 Mac mini 放在廚房，三臺 MacBook Pro 擺在茶几上風扇狂轉，雲端還有一臺機器被智能體塞爆。
最荒謬的是，當磁碟快被撐滿時，他讓 Astra 臨時寫了一個系統：把舊線程搬到雲端，刪除本地副本，打開時再拉回來。
用他的話說：雇一個AI來照顧電腦，就是为了让電腦能雇更多的AI，這事本身就夠魔幻了。
Astra 沒有贏下所有戰場
當然，Matt 並沒有一邊倒地傾向於 Astra。
In his view, Astra's true strength lies in engineering, computer operations, and long tasks, but when it comes to aesthetics and creating 3D assets, Claude still has the edge.
發布當天，有網友做了一組對比：
使用同一個提示，讓 Fable 5.1 和 GPT-6 Astra 各自在 Blender 裡建一棟海邊別墅。左邊是 Fable 5.1，右邊是 GPT-6 Astra。
看起來差距很大。
同一棟別墅任務，左為 Fable 5.1，右為 GPT-6 Astra。（圖源：@karankendre）
但这只是一次單次對比的提示，提示詞和嘗試次數均未公開，與 Matt 的判斷方向相反，也無法代表兩家的綜合視覺能力。
Matt 的個人判斷是：讓模型直接在 Three.js 或 Blender 中「繪製」出好看的東西，Claude 仍然更強；將它們投入 Unreal，能使用現成資產和光照的 Astra 首次勝出。
他也預計 Fable 5.1 在驅動 Unreal 上會有大幅改進，專門的對比評測仍在進行中。
因此，模型層的差異依然存在，只是從「誰整體更強」變成了「誰在哪一段更強」。
真正拉開差距的，是編排層。
當前沿模型進入相近的能力區間時，模型之外的因素：你如何安排它們、為它們提供什麼工具環境、你能負擔多少並行計算，開始決定你實際能產生多少價值。
參考資料：https://x.com/mattshumer_/status/2095609734845927525
本文來自微信公眾號「新智元」，作者：ASI 啟示錄；編輯：元宇