Opus 5.5 vs GPT-6 Sol and Luna

本周前半段，我们看到了不是一个、两个、三个，而是四个重要的模型发布，其中包括本周二的两个——OpenAI的两个模型和Anthropic的一个。

对于OpenAI来说，GPT-6、Sol和Luna继续他们的使命，在智能堆栈的每一层都构建成本高效的模型。

而对于Anthropic，早期迹象表明Opus 5.5是回归辉煌，至少是自Opus 4.6以来公司未曾见过的早期用户赞誉。

《AI每日简报》是一个每日播客和视频节目，关注人工智能领域最重要的新闻和讨论。

好了朋友们，在我们开始之前，快速通知一下。

现在，和大型新模型发布时通常一样，这期节目会是纯主节目，老实说，即使这样我们也很难把内容全部讲完。

那我们就开始吧。

欢迎回到《AI每日简报》。

不可否认，《AI每日简报》最棒的日子，当然也是最有趣、最激动人心、最有活力、啊呀，我等不及做完这一期因为我可以去做别的事情的那种节目，就是当我们拿到新模型的时候。

而昨天我们得到了绝对稀有的惊喜。

老实说我不记得以前有没有发生过这种情况，那就是当下两个最重要的实验室，OpenAI和Anthropic，在同一天发布了新模型。

当然，我们之前也有过模型发布很接近的情况。

事实上，我们通常看到的模式是像SpaceX AI昨天那样，提前发布他们的模型，以免被他们知道会获得更多关注的模型所淹没。

同一天发布的挑战在于，它不可避免地让人们不再问这个特定模型有什么价值以及它如何融入我的工具组合，而是问这两个哪个更好，以及这说明了哪个实验室处于领先地位？

所以今天我们打算回顾一下发布了什么、基准测试的情况、初步反应、一些特定用例的例子、对竞争格局的影响、这对整个前沿竞赛意味着什么，以及根据社区的评价，谁赢了这一天。

我们拿到的第一个模型是Claude Opus 5.5，老实说，自从Opus级别的模型成为主角已经有一段时间了。

现在最大的原因当然是Mythos和Fable的推出，但即使在那之前，人们对Opus 4.6如此喜爱，以至于4.7和4.8对很多人来说，如果不是退步，那也顶多是增量改进，而且在某些方面甚至没有领先。

事实上，到了Opus 5，人们根本就不喜欢它。

现在快进到这次讨论的落脚点，AI内容创作者Peter Yang给出了完美的总结，他用了一个马的插画梗——一开始是一匹美丽完整的马，当然代表Opus 4.6，然后到Opus 4.7和Opus 4.8变成更粗糙、更简单、更幼稚的线条画，再到Opus 5几乎是涂鸦，最后到了Opus 5.5，又是一幅完美细节的马的正面插画。

换句话说，大家真的很喜欢这个模型。

但Anthropic是怎么宣传它的呢？

在公告中，他们表示Opus 5.5在大多数任务上的表现达到Claude Fable 5.1的水平，但运行成本降低了40%，不仅比Fable 5.1低，而且比Opus 5也低。

在他们的公告串中，他们指出这是从Opus 5的一次重大升级，而且老实说，至少从基准测试来看，它也比Fable 5.1有所提升。

在Terminal Bench 4.0上，模型从Fable 5.1的55.8%跃升至Opus 5.5的66.4%。

Cursor Bench、Frontier Code v1.1和Humanity's Last Exam也都出现了提升，不仅相对于Opus 5，而且相对于Fable 5.1也是如此。

事实上，没有一个基准测试是Opus 5.5没有领先于其他Anthropic模型（Fable 5.1和Opus 5）的，只有两个基准测试——衡量业务流程的Automation Bench和衡量智能体科学研究的Terminal Bench Science——Opus 5.5也没有超过GPT-6 Astra。

重要的是，这不仅是性能的提升，也是定价上的优势。

Claude官方账号写道，因为Opus 5.5需要的计算资源比Opus 5少，所以它的定价也相应降低了。

相比Opus 5每百万输入token 5美元和每百万输出token 25美元，Opus 5.5是每百万输入4美元，每百万输出20美元。

不过，由于额外的效率提升，他们表示成本节约实际上能达到约40%，而不仅仅是成本数字上反映的20%。

虽然它没有被定位为以速度为主的模型，但他们确实指出，因为它的许多默认努力设置比其他模型在更高设置下能产生更好的结果，所以Opus 5.5生成输出的速度比其他模型快得多，包括比Opus 5平均快30%。

锦上添花的是，他们把Pro、Max和Team套餐的5小时使用限制都提高了，还给其他订阅用户增加了一次速率限制重置，大家随时可以用。

在安全方面，他们指出这是他们在发布《Pacing the Frontier》报告后推出的第一个模型，而且Opus 5.5在发布前经过了外部评估者的测试，包括Frontier Design和Meter。

总的来说，他们认为Opus 5.5基本上是他们迄今为止发布的与人类价值观最一致的模型。

在Anthropic负责对齐工作的Sam Baumann写道：我们认为Opus 5.5比之前的模型安全得多，发布它——更有可能的是——会降低与对齐不良相关的风险。

单单Opus 5.5就足够做一整期节目了，但OpenAI决心不让Claude独占风头，于是在美国东部时间周二下午早些时候，他们发布了自己的模型系列：GPT-6 Sol和GPT-6 Luna。

如果说Opus 5.5的发布稍微侧重于成本和效率，那么GPT-6 Sol和GPT-6 Luna的发布则完全聚焦在成本和效率上。

他们在X上的发布帖写道：GPT-6 Sol和Luna建立在GPT-6 Astra的进步之上，将其许多优势融入到更快、更实惠的模型中，以支持大规模工作。

我们还让缓存和推理变得更高效，并且把这些节省直接传递给你们。

与GPT-5.6的促销定价相比，Sol和Luna的API价格降低了50%。

换句话说，他们不只是说这个定价比Astra低；他们甚至是在上一代的基础上进一步削减成本。

有意思的是，他们显然也在把降低成本视为使用工具的新方式。

正如他们所说：更高的使用限制和更低的成本，让你有更多灵活性和迭代空间。

也就是说，他们认为人们利用这些成本节约的方式之一，就是在使用模型时更加注重迭代。

现在回溯几代模型。

Codex加GPT的使用方式，与Fable加Claude的使用方式之间，一个微妙的区别是：人们倾向于用Fable和Claude做更放手、长期运行的任务，而在Codex里用GPT模型做需要更多交互和迭代的事情。

而新的Sol和Luna模型似乎也延续了这一思路。

和Opus 5.5的发布一样，OpenAI也提到了对齐方面的进步。

值得注意的是，当你查看OpenAI页面上的基准测试时，你会发现Anthropic还在使用传统的图表——显示基准名称和一组模型的一组百分比分数——而OpenAI已经完全放弃了那种方式，只展示以性能为Y轴、成本为X轴的图表。

Sam Altman在推文中说：GPT-6、Sol和Luna在智能、对齐、工作输出、编码、计算机使用等方面都比5/6系列的前代模型有显著改进。

而且每个token的价格降低了一半，每个任务的价格甚至更低。

接着他又跟进并进一步强调了这种思维方式对现在的OpenAI有多重要，尤其是按任务定价的比较。

Sam说：这才是真正应该看重的指标，我不认为市场上有什么能比得上。

我们希望人们能够大量使用AI。

这对于能够探索眼前的这场新复兴非常重要。

为了说明他们所说的“大量”是什么量级，在发布帖中他们指出，按API价格计算，OpenAI的研究人员中位数每天使用价值600美元的token，而第90百分位的研究人员每天使用价值7000美元的token。

他们几乎是轻描淡写地写道：随着编码代理承担更长、更复杂的任务，持续使用的成本变得更重要。

结论是什么？

GPT-6 Sol和Luna，他们写道：将强大的编码性能与更低的API价格相结合，让开发者有更多迭代空间，也让团队更有信心在Codex上承担更雄心勃勃的任务。

但外部基准测试怎么样呢？

就算是对基准测试比较在意的人，也都知道内部测试数据得打个折扣来看。新模型一出来，大家最先去看的往往是像 Artificial Analysis 这样的独立来源。

在他们的新 V3 指数上，GPT-5.6 Luna 和 GPT-6 Luna 总分都是 37，基本持平；而 GPT-6 Sol 则略胜 GPT-5.6 Sol。

不过话说回来，这两个模型达到这个分数，单位智能的成本更低。

实际上，Artificial Analysis 的第一句话就是：GPT-6 Sol 和 Luna 把成本效率边界往前推了，成本比 GPT-5.6 Sol 和 Luna 降低了一半。

另一个亮点是，Artificial Analysis 发现这两个模型在幻觉方面都有明显减少。

Zapier 也用 GPT-6 Sol 测试了一堆真实工作流程。

他们发现 6 Sol 得分 33.2%，而 GPT-5.6 Sol 是 28.77%，而且成本大约是 5.6 的一半。

他们的结论很简单：所有在用 5.6 的工作流，都该升级了。

更便宜还更好——这种组合可不多见。

不过 Opus 5.5 就完全是另一回事了。

Opus 5.5 之所以引人注目，是因为它把其他所有模型都甩在身后，在智能指数上整整高出 5 分，拿下了新榜首。

之前 Claude Fable 5.1 和 GPT-6 Astro 以 53 分并列第一，但 Claude Opus 5.5 一下子跳到了 58 分。

而且虽然在成本和效率提升上可能不如 GPT-6 Sol 那么显著，但 Artificial Analysis 提到，这次性能提升同时还降价了 20%。

说实话，虽然我一直尽量保持分析客观中立，但看看大家的初期反应，毫无疑问，这些模型里最火的就是 Opus 5.5。

Opus 5.5 成了地球上最强的模型，而且比 Astra 和 Fable 还便宜——这我可真没想到。

我用得越多，就越喜欢 Opus 5.5。

它特别好，速度快了好多，而且啰嗦少了很多。

这正是我想要的。

就好像我心爱的 Opus 4.6 回来了，但更强了，改名叫 5.5。

后面我们会再聊聊这种喜爱，不过大家具体都在哪些领域测试 Opus 5.5 呢？

Aaron Levy 和 Brocks 团队把它用在——引用原话——‘各种处理非结构化数据的复杂企业知识工作’上，不仅性能有提升，效率也大幅提高。

跟 Opus 5 相比，他们发现 token 用量减少了 63%，啰嗦程度降低了 42%，速度提升了 30%。

在金融服务任务中，任务准确率提升了 39%。

在云成本分析和技术用例中，任务准确率提升了 65%。

而在消费品和临床诊断相关用例中，任务准确率分别提升了 17% 和 15%。

如果你在企业里负责 AI 这块，你肯定明白现在的差距不是能力，而是执行。

哪些管用，哪些不管用，以及从试点到真正规模化落地到底需要什么。

涉及战略、数据就绪度、治理、人才和业务价值。

当然，主持人是我，Nathaniel Whittemore。

这就是为什么大多数遗留系统现代化项目会失败的原因。

做这个工作的AI无法理解大规模的代码库。

它只能看到一小段上下文，检查一下语法，却错过了分散在全球应用生态系统中多年积累的决策。

Blitzy用解决一切问题的方式来处理这个。

在任何迁移开始之前，就把你的代码作为基础，Blitzy的智能体把整个遗留系统逆向工程成一个持久的知识图谱。

包括每一个依赖、每一个约束、每一条原本只存在于某个工程师脑子里的隐性知识。

基于这种理解，Blitzy自主执行语言迁移、框架升级和单体到微服务的转型，全程端到端验证。

Blitzy的一个客户用16周将一个价值1000万美元的单体保险系统现代化，而如果用编程智能体，基线是137周。

这就是9倍的压缩。

在加速你的路线图的同时清除技术债务。

这里有个残酷的事实。

你的公司可能正花着几千甚至几百万美元在AI工具上，而这些工具被严重地未充分利用。

一半的公司有AI工具，但只有12%的公司用它们来创造商业价值。

大多数员工还在用AI来总结会议记录。

如果你是在公司负责推广AI的人，你需要Section。

Section是一个平台，帮助你管理整个组织的AI转型。

它指导员工使用真实案例，追踪谁在用AI产生商业影响，并且精确地告诉你AI在哪些地方创造价值，哪些地方没有。

结果呢？

你从部署工具变成驱动可衡量的AI价值。

你的员工从只会总结会议记录，变成解决真正的业务问题。

而且你能证明投资回报率。

别再猜测你的AI投资是否有效了。

说到社交媒体上的演示，和之前几个模型的情况一样，大量的帖子都是非常高视觉性的内容，比如图形、3D渲染和游戏设计，这些在网上看着挺有意思，虽然不一定能很好地反映大多数人实际会用到这个模型的场景。

不过，考虑到3D图形、视觉效果和Blender在GPT-6 Astra发布中占了很大比重，很多Opus 5.5的演示基本上就是在这些用例上碾压那个模型。

而且，鉴于我大概一两周前（或者不管什么时候我们得到GPT-6 Astra）的分析，重点在于那些能力如何让我们以更广阔的视角思考AI带来的机会，那么值得注意的是，Opus 5.5至少在初步看来，在这些能力集上也是又一次飞跃。

Anthropic团队的Alex Albert展示了Opus 5.5只用一个提示就用Blender制作了黏土动画，Chase Lean做了一个交互式珊瑚礁壁纸，还有一些人展示了这些模型足够强大，可以用生成的代码而不是图像模型来创造真实的世界视觉表现。

Peter Yang分享了一段看起来像是金门大桥的视频，但指出这完全是由Opus 5.5用代码生成的。

他补充说，根据我的测试，我认为Opus在构建3D场景方面和Astra一样好。

Alex Albert也做了类似的事情，只用Opus 5.5代码在Blender中可视化了1906年地震前旧金山市场街的历史准确面貌，没有使用图像生成。

Dan Wood说，Opus 5.5在“这类3D生成世界里绝对碾压其他所有模型”，并补充说这是在空间感知方面“惊人的飞跃”。

在一篇爆火的帖子中，Anthropic的Jake Eaton分享了几幅看起来像是画作的东西，并说，过去几个月我一直在让我们的模型画画。

Opus 5.5 非常擅长模仿不同的风格。

这里的每一张图都是由 Python 程序逐像素生成的。

没有用到任何图像模型，也没有现成的艺术软件。

实际上是大约七千五百行代码，用标准库来模仿不同的笔触风格。

这些智能体完全不参考任何图片，仅仅依靠它们对每位画家的了解来工作。

当然，也正是在这里，你可以看到这些能力——虽然在社交媒体上看着挺酷，但对大多数人来说未必那么相关——开始变得稍微有点实际意义了。

如果 Opus 5.5 的高级编程能力足够强，就像 TAC 的这个帖子展示的那样，能一次性生成一段三十秒的营销动画，那么瞬间就会打开一堆你之前可能没想到的用例。

Claude Code 团队的 Tariq 让 Opus 对他的个人网站做了好几次重新设计，然后用所有迭代版本做了一个预告片。

乍一看，它做得相当不错。

顺便说一句，这也是我在 Opus 5.5 上试过的一个用例。

它对我那个 AI Daily Brief 网站的分析和评价，我确实很满意。

分析清晰，思路简洁，而且非常实用。

不过我得说，对于那些只想分出绝对好或绝对差的人来说，它并不一定比 Fable 5.1 的分析更好，只是风格不同而已。

但在一个方面，几乎所有人都一致认为 Opus 5.5 确实更好了，那就是写作。

Anthropic 的 Sholto Douglas 转发了他们的公告，并写道：重要消息，我们修复了写作。

那么这意味着什么呢？

嗯，一部分原因，正如 Theo 用全大写说的那样，他们去掉了破折号。

但 Anthropic 官方账号实际说的是：Opus 5.5 的交流更自然，解决了我们在 Opus 5 上收到的最常见的反馈。

它会把最重要的信息放在前面，并且遵循你给出的写作规则，这样长时间的使用过程就更清晰了。

Every 团队——他们拥有测试 AI 写作的最佳基准和流程之一——写道：Opus 5.5 产生了我们见过的 Anthropic 或 OpenAI 模型中最易读的文章。

事实上，预示着一个在后面对话中会反复出现的观点：他们写道，虽然 Opus 5 曾让他们的作家把 Claude 模型踢出了房间，但 5.5 —— 引用原话 —— “让我们想把 Claude 请回房间”。

他们接着说：它能很好地回应反馈，基于你给出的素材进行构建，并且会解释自己的选择，而 Opus 5 不会。

重要的是，这不仅是写作输出的改进，更是写作过程本身的改进。

他们写道：和 Opus 5.5 一起写作是一种享受。

它接受反馈，不会反抗，并且会在素材基础上进一步完善，而不是仅仅把素材整理得更整洁。

事实上，团队写道：最大的升级其实并不完全在于写作，而在于这个模型的感觉和氛围。

正如 Every 团队所说：Anthropic 修复了 Opus 的个性。

它不再是个顽固的小家伙了。

这是很多人的共同体验。

AI 构建者 McKay Wrigley 写道：Opus 5.5 等于我们迫切想要找回的 Opus 4.6 的个性，加上 Fable 5.1 的智慧和品味。

而Anthropic当然知道这一点。

Anthropic的Nat McAleese发帖说，Opus 5.5比Opus 5好太多太多了。

抱歉，那个模型不怎么样。

请试试这个。

那么，大家用Opus 5.5有没有遇到什么问题？

有一个问题特别突出，对某些使用场景来说，基本上就是行不通。

X上的Chief of Staff写道，我把所有使用额度都烧光了，用来对比Opus 5.5和Fable 5.1在复杂开放式法律工作中的表现。

也就是起草给客户和法院的文件、合同修订、法律和案件相关的研究。

据我所知，Opus 5.5要差得多，因为安全拒绝增加了，而且我猜你们会称之为努力预算分配不当。

Opus 5.5看起来不错，但作为一家生命科学商业化公司，我有点担心这一点：因为Opus 5.5在生物学和网络安全方面与Claude Mythos 5.1相当，所以我们部署它时采用了与Claude Fable 5.1类似的安全措施。

由于这些限制，我们在使用Fable完成某些任务时遇到了问题。

我们申请了Anthropic的生命科学验证计划，但尚未获批。

之前Fable因为生物安全限制拒绝请求时，我们会用Opus，但现在看来Opus也行不通了。

虽然不是普遍现象，但我确实看到不少人抱怨这些过于严格的安全措施，不幸的是，如果这正好影响了你的使用场景，那基本上这个模型就没用了。

那么，在这一大波发布之后，大家有什么重要的收获？

AI领域真是疯狂的一天。

前沿模型的价格大幅下降，Opus 5.5降价了，现在GPT-6 Sol和Luna的token价格又降低了50%。

AI中每任务成本在同等条件下的下降速度是历史上任何其他技术都无法比拟的，而且每次AI成本下降，可以部署agent的使用场景就会大幅增加。

这就是Jayvon悖论在agent上的体现。

Aaron继续预测说，这些改进将直接导致AI在经济中更广泛的普及，因为我们可以用agent来处理所有数据、扫描代码以发现安全问题、读取所有日志数据来做决策、让agent运行自动化工作流等等。

token的成本直接关系到这些使用场景能否大规模开放。

而且还有一些研究数据支持这一点？

Epic AI Research昨天也发布了数据，认为AI变便宜的速度比历史上任何其他变革性技术都要快。

在给定性能水平下，自2023年以来，成本每季度下降约47%。

他们指出，这比DNA测序快4倍，比计算能力快6倍，比锂电池快18倍，至少到1973年，比电力的成本下降快54倍。

现在，如果要进行正面比较，你会发现人们对这些模型中哪个总体上最有价值争论不休。

To Your Taxes写道，更便宜、更好的SOL和LUNA。

我猜它们是原生训练来当Astra的手下的。

这大大加强了OpenAI的价值主张。

我怀疑Opus 5在成本和多agent方面的优势实际上被Astra+SOL+LUNA抵消了。

还有很多人只是乐于享受每个模型各自带来的独特价值。

在回答谁赢了这个问题时，Chubby写道，OpenAI和Anthropic都给了我们很多让人兴奋的东西。

如果你对OpenAI的策略有任何疑问，Sam Altman的态度再明确不过了。

他写道，我们希望OpenAI API在每个价位都能提供最好的模型，并且在每种模态——文本、代码、图像、视频等等——都是最好的。

然后我们希望大家能想出好主意，去实现它们，成为开心的用户。

再说一遍，记住他在另一篇帖子里写过，我们希望人们能大量使用AI。

这对于探索眼前这场新文艺复兴来说很重要。

我认为从很多方面来看，OpenAI这一系列的发布可以说是他们很明显已经追求了一段时间的策略的延续，那就是在成本和效率上非常激进地投入，并构建一个模型系列，适应人们从单一模型转向复杂模型架构的时代——这些架构实际上是根据任务匹配合适类型的智能。

而Claude这边，感觉像是为了重新夺回一些势头。

如果真是这样，他们做得相当成功。

Every是这么说的：Sol 就像一次S级的iPhone发布。

它给你带来Astra的大部分能力，但价格只有五分之一左右。

Opus 5.5 才是更大的惊喜。

5.5 让我们团队里好几个人都动了心，想从Codex换回来。

如果你已经在用Claude生态系统，你会喜欢这个模型；如果你是Codex用户，也值得一看，特别是针对高端编程任务。

从某种程度上说，这只不过是我之前提到过的那个分歧的延续，而且我们已经看了好几个模型迭代了。

Every的Dan在那篇文章中总结说，如果你想要一个快速、实惠的日常驱动模型，用来阅读、写作和完成任务，你会喜欢Sol 6。

这是我一直在用的模型。

如果你愿意为更强大的性能——在雄心勃勃的编程和视觉项目上——付出更多，你会喜欢Opus 5.5。

在我们测试中，它的最佳表现超过了Sol，足以把我们团队的一些人拉回Claude。

把人们拉回Claude这个说法，确实是很多不同的人都在表达的一种感受。

Yuchen Jin写道，Claude回来了！

是时候重新打开Claude code了，我已经忽略它一个月了。

而且随着时间的推移，我看到人们对Opus 5.5的评价越来越正面。

今天早上，前投资人、现AI构建者Jeffrey Emanuel又发言了，天哪，Opus 5.5 真是令人叹为观止。

它就像处理不费吹灰之力一样，轻松搞定极其棘手的难题。

它找出了Fable和Astra有时几周都没能发现的bug和问题，展现出我从未见过的自主性和决心。

至于我个人，我打算再多花点时间用用这些模型，然后会在本周晚些时候出一期更偏向实用指南的节目，告诉大家如何充分利用这两个模型。

话虽如此，我觉得有几个有趣的观察值得在最后提一下。

顺便说一句，我现在讲解时用的这张图是由GPT-6 SOL生成的，它加了不少我原本没有的文字，但我还是留着它，或许可以作为一个模型怪癖的例子吧。

观察第一点，即使是那些切换模型很果断、嘴上说只关心性能的早期用户，其实也有自己的个性偏好。

Opus 5.5 之所以让人兴奋，很大程度上不是因为它做到了AI以前做不到的事，而是因为用起来特别爽。

这种体验好长一段时间都没有过了。

我其实觉得这一点非常重要。

之前ChatGPT-4o被下架时引起那么大争议，大家容易把它当成只有那些狂热的普通用户才在意的事情——他们迷恋一个讨好型的模型。

但随着时间的推移，虽然AI对我们有些人来说是个工具，但它明显不是那种普通的工具。

这个工具至少是近似于有性格的，而不同版本的性格用起来爽不爽，实际上会影响到我们能从中获得多少价值。

简单来说，在大模型这里，性格就是用户体验，我们得把它当作用户体验来对待。

观察第二点。

虽然如果单看话题度和兴奋度，Opus 5.5肯定是赢家，但大模型的竞争现在早就不只是比一件事了。

首先得搞清楚你需要哪些选项组成一个堆栈，然后是为堆栈里的每个位置展开竞争。

换句话说，即使是最喜欢Opus 5.5的人，也不会说你得在所有场景都用它。

而且我甚至觉得，虽然乍一看Opus 5.5和GPT-6 Sol是直接竞争对手，但两家开发者的思路其实有点不同。

现阶段重要的是个人和公司能理解自己的完整需求，以及不同模型和工具组合如何最好地满足这些需求——在性能、能力、性价比和速度这些方面。

第三点观察是，我们现在肯定处于一个无法完全把模型和工具分开的时代。

比如很多人已经完全投入Codex生态了，就算Opus 5.5好很多，对他们来说也没区别。

只要OpenAI的选项足够接近，他们就不会完全迁移出那个工具。

Prime Intellect的Will Brown写道：我每周都在换桌面agent，已经失控了。

Codex没有Fable 5.1，Claude没有Astra，AMP两者都有但现在没有Opus 5.5了，所以我换回了Claude。

自己搭建又太麻烦，维护不起来。

我们这期没怎么聊工具，但大概一周后，真正的检验就是：有没有人因为模型变化而真的改变了自己的整体使用习惯？还是大家测试了一圈，找到自己喜欢的，然后回到之前用的生态——主要受工具影响，因为你的上下文、工具、规则都存那里。

第四点观察其实不关Anthropic或OpenAI的事，而是随着这些模型发布，大家热议的另一个话题是——我认为第一个真正受欢迎的AI产品，用户根本不知道也不在乎底层模型是什么。

我说的当然是Muse，从Meta首席AI官Alexander Wang的帖子就能看出来，Meta团队对它的接受度和反响非常兴奋。

如果模型真的开始被抽象掉，这会怎么改变我们讨论新模型的方式呢？

这件事我们讨论了很久，但到目前为止还没真正实现。

但谁知道呢，也许我们正处在AI的产品时代而不是模型时代的开始，模型真的会融入系统消失不见。

今天的第五点也是最后一点观察是，这一切对所谓的'前沿节奏'说明了什么。

X上有个经典段子能拿到很多转发和点赞：人们两眼无神地盯着两天内四个主要模型发布，然后问——这就是前沿节奏？

但我认为Theo说得对，他写道：我的辛辣观点是，这就是前沿节奏该有的样子。

今天的这些发布没有一个达到了Astra或Fable那个级别。

这是有意为之的。

节奏控制的目的不是停止迭代和改进。

目标是防止更大模型的发展失控。

Opus和Sol级别的模型是目前我们关注的很好的方向。

有很多取得真正成果的机会，而且风险没那么大。

我认为这是对的。

如果这就是我们在前沿时代放缓节奏所得到的——换句话说，就是那些能解决前代模型特定问题、并以显著的成本和效率提升带来渐进式性能或价值增益的模型——那这似乎是个值得花点时间的好方向。

而且这并不是一个会导致各类应用放缓的方向。

Claude Code团队的Tariq明确指出了这是实验室的一个关键方向。

他写道，正确使用模型能力的方式不是向生产环境推送10倍更多的功能。

而是花更多时间了解用户、做实验、构建原型、学习你不理解的东西，这样你才能交付真正有效的东西。

事实上，我认为你可以说，因为自ChatGPT之后生成式AI的整个历史中，能力提升如此迅猛、如此快速，实验室们其实从来不需要从产品的角度去思考。

整个时期里原始能力的跃升如此显著，以至于他们只要把最新东西甩给我们，我们就会照单全收。

但到了某个点，愿意这么做的市场人群饱和了，那种方法能覆盖的商业用例比例也饱和了，你就必须开始从人和系统的实际情况去考虑。

不过，我完全不认为这意味着所有资源会突然都流向完善现有类别的模型，而不是尝试构建更大的东西。

但这确实表明，无休止地追求更大模型并不是实验室唯一最重要的事。

总之，各位，今天是个相当了不起的日子。

如果你还没试过，我强烈建议你去花点时间体验一下这些新模型。

那么，这期AI Daily Brief就到这里。

一如既往感谢你的收听或收看。

下次见，peace。