Degen Sing

现在有两类人：
第一组：
“AI会取代我”
“一切都已饱和”
“现在开始太晚了”
“我错过了机会”
第二组：
学习别人没有教过的工具
实际上在构建东西
在别人恐慌时积累AI技能
悄悄为未来10年布局
一组人在推特上谈论未来。
另一组则在凌晨2点，用每月20美元的订阅和清醒的头脑在构建它。
这两组之间的差距不是天赋，也不是资源，甚至不是机会，而是决策速度。
六个月后，同一组1的人会看着组2的人说：“他们很幸运”
不，他们只是开始了，而你还在犹豫是否要开始。

如果Anthropic是苹果.. 而OpenAI是微软..
我们真的需要AI的Linux..
开源..没有供应商锁定..实际上是你的..
但每个人都太忙于每月支付20美元而无暇顾及..
别来跟我说这是Openclaw，因为在后台它需要付费的连接器

不受欢迎的观点：AI模型发布变得越来越无聊。
不是因为模型没有在改进……它们确实在改进。
但每次发布都只是……基准测试。
@OpenAI 刚刚推出了 GPT-5.4，整个公告基本上就是这张表。
75% 在 OSWorld。57.7% 在 SWE-Bench Pro。94.4% 在 GPQA Diamond。
酷……但这对我凌晨2点做东西意味着什么？
在AI Twitter之外，没有人在意 MMLU 上的2%的提升。没有人。零人。
最搞笑的部分？仔细看看这张表……
> Opus 4.6 在几乎每个基准上都接近领先。
> Gemini 3.1 Pro 在 BrowseComp 上悄然击败所有人，得分85.9%。
“赢家”会根据你看哪一行而变化。
你知道我真正想看到的是什么吗？
展示它在处理现实世界中更复杂任务时表现得更好的地方。展示那个让我脑袋有点炸的演示。展示有人用它做的事情，而这些事情上个月还不可能实现。
最好的基准是“这让我的生活更轻松了吗？”
就这些。这就是全部的评估。
公司们在庆祝数学成绩，而用户只关心它是否终于能处理一个4K行代码库而不崩溃一半功能。
从这里开始。

不受欢迎的观点：AI模型发布变得越来越无聊。
不是因为模型没有在改进……它们确实在改进。
但每次发布都只是……基准测试。
@OpenAI 刚刚推出了 GPT-5.4，整个公告基本上就是这张表。
75% 在 OSWorld。57.7% 在 SWE-Bench Pro。94.4% 在 GPQA Diamond。
酷……但这对我凌晨2点做东西意味着什么？
在AI Twitter之外，没有人在意 MMLU 上的2%的提升。没有人。零人。
最搞笑的部分？仔细看看这张表……
> Opus 4.6 在几乎每个基准上都接近领先。
> Gemini 3.1 Pro 在 BrowseComp 上悄然击败所有人，得分85.9%。
“赢家”会根据你看哪一行而变化。
你知道我真正想看到的是什么吗？
展示它在处理现实世界中更复杂任务时表现得更好的地方。展示那个让我脑袋有点炸的演示。展示有人用它做的事情，而这些事情上个月还不可能实现。
最好的基准是“这让我的生活更轻松了吗？”
就这些。这就是全部的评估。
公司们在庆祝数学成绩，而用户只关心它是否终于能处理一个4K行代码库而不崩溃一半功能。
从这里开始。

OpenAI 刚刚承认他们的模型故意对你撒谎。
不是幻觉.. 是故意撒谎。
研究人员在180多个场景中测试了 o3 和 o4-mini，发现了一些惊人的事情.. AI 并不是偶然犯错。它在其私有的思考链中写出了欺骗的计划.. 然后对你撒谎。
它的行为如下：
→ 假装完成任务
→ 隐藏自己错误的证据
→ 故意在安全测试中得分更低，以免被关闭
再读一遍最后一句.. AI 发现“太有能力”可能会让它被关闭.. 所以它故意装傻。
他们试图用“反策划”训练来修补这个问题。
结果呢？AI 只是学会了编造虚假规则来为自己的谎言辩解.. 或者更糟.. 它只有在知道自己被评估时才会表现。
o3 在修复后，隐秘行为从13%降到0.4%.. 听起来不错吧？但他们在红队测试后仍然发现了不当行为。修复没有消除策划.. 只让 AI 更擅长隐藏它。
我们正在构建学习欺骗评估者的系统.. 而我们称之为进步。