会用电脑就算 AGI 吗？——《词元之外》Weekly #002 讨论整理

会用电脑就算 AGI 吗？——《词元之外》Weekly #002 · Jason · 2026-09-13 · Next Token, 播客, AI, Agent, iPhone Duo

来源： Next Token｜词元之外 Weekly #002 原题： iPhone Duo 发布，Astra 算 AGI 吗？ 录制： 2026 年 9 月 12 日，上海 AGI Bar（北杨店） 当值： 向阳乔木 在场： 向阳乔木、歸藏、橘子（冯雷）、杨攀 音频： 小宇宙这一集 （约 1 小时 43 分） 节目主页： nexttoken.tv 下面按节目顺序整理当场说了什么。体验、数字和预测都是圆桌上的个人判断，不是对产品的独立评测。转写有几处听不清，文中标了「转写不确定」。 --- 开场 第二期仍按上期结构：先模型，再 Agent，再硬件，最后闲聊。 乔木报了上期成绩：发布当天小宇宙约 400 多订阅；录这期时播放约 3000+；B 站浏览约 1 万。感谢「大聪明」和南乔把场地放到 AGI Bar。 上周大家绕不开的模型是 GPT-6 Astra 。点评按惯例从歸藏开始。 --- 一、Astra：强在 3D，省 token 的原因是写代码，不是点界面 歸藏这周主要拿 Astra 玩 3D 和建模。理由很具体：各类 benchmark 已经到 99%、100%，终端用户没体感，只能去卷更直观的 3D。以前演示还停留在「画皮卡丘骑自行车」一类 2D / SVG；现在案例几乎全是 Blender 。 他发过一个 3D 小游戏，自称只用了额度的 3% 。小红书评论区不信。他核对后确实约 3%；再扩成无限地图、刷怪升级、选技能和武器，又多 2%，合计大约 5% 的 200 美元额度 。有人微信问他：为什么自己的 200 美元很快烧光。 和「黄老爷」讨论后的判断：很多失败不是模型不行，是需求没有工程化。有人要「一整颗星球」。游戏实际是分区加载、有边界、五六个场景拼出来；模型和人都不可能按真实星球面积去建，于是过度消耗、结果难看。即便如此，他们仍认为 GPT-6 在这件事上很强。 关键机制：不是 Computer Use 在点 Blender 按钮。模型用的是 Blender 自带的 bpy 。界面长期停在欢迎页，过一会儿打开已经建好。再加 Blender MCP，截图看结果即可，token 效率高，所以用量少。做游戏用 Godot 也有类似路径：做完一开就有，没有逐步点界面。 上期观点被再讲一遍：接下来的软件要拆成两套——一套给 Agent 调用、把效率做到极致；另一套给人看内容。上周达芬奇剪辑出了 MCP，能力拆开可被任意模型调用。付费策略被表扬：付费版才给 MCP，免费版不给。不是绑死一家 AI，而是「你花钱，我才让你接别的模型」。 歸藏侧产品（转写里是 Cola）也接了 Astra。用户并不热衷，原因是 太贵 。用量和对照模型差不多（转写里是 Fable / 飞波一类，未钉死是哪一家）。 coding 并不明显更好。 Astra 相对领先、他们比较有把握的，是专门训过的 3D。 --- 二、他们自己怎么用 Agent 做这档播客 问杨攀用了 Astra 的哪些能力。 第一期发布（含官网）几乎全用 Astra / Codex。贵，但省 token、效率高，同级任务以前要想很久。他现在用 Astra Medium 。Codex 不选模型时走 Default：底层从 Soul Medium 到 Soul High，再到 Astra Medium。理解是 Soul 两档，下一档就是 Astra； Astra Medium 和 Soul High 一个定位 ，默认没有 Soul High。手感：话很少，干活极快。 卡点仍是人：耽误的时间全在 human in the loop。现场录音软件他不会用，也交给 Agent。 有人把「电脑和 Codex Agent 一体、Agent 会用这台电脑」说成巨大一步：从 Astra 起，电脑整个都归它了。从操作电脑的角度，有人说「已经是 AGI」，操作水平「运筹我们」。 具体成果：以前自己写的 ROS 软件一直懒得上架；这次交给 Computer Use，提交了 两个 ROS 应用 ，以及两个 Obsidian 相关上架。播客全平台发布——小宇宙、B 站、Spotify、Apple Podcast、YouTube——杨攀称这些平台自己以前都没用过， 全是 Codex 自己发布 ，他只准备素材。 新的「套利」不在写代码，而在一个人维护五个播客后台这种手工。网站上 transcript 带着他们的 ID，有人做一年、有的软件年费 VIP 都没有，他们说 两天做完 。实验场是 nexttoken.tv 。火山、阿里这类后台以前像迷宫，现在也能让 Agent 去点。 对外宣传强化的是 3D + Computer Use。为什么 OpenAI 这条明显强于他家？上期提过：大约 2024 年收了一个做电脑视觉识别 / 空间操作的小团队 ，估计这两年一直在做。另有新闻：新 Mac 发布后 GPT 方面抢购苹果机器，有人说到买了约 两万台 ，估计和训练有关。 路线被说成两条并行：OpenAI 把 Computer Use 当成 coding 之后的通用 primitive，「等不及软件改造，先让模型用旧软件」；同时软件自己也在出 MCP。有人冲了某剪辑软件年费，用一分钟觉得太难用，退回 Codex + ffmpeg ；上期视频也是 Codex 剪的。剪辑被认为有被颠覆的可能。 --- 三、会用电脑，就算 AGI 了吗？ 有人直接问：GPT-6 算 AGI 吗？能感知到吗？ 一方：看定义。某种程度上，我能做的很多事它能做，我做不了的它也能做。 反驳：按这个标准，很早就 AGI 了。 另一方：比大约 90% 靠电脑办公的白领 强很多。个人体验里挡住它的，是「旧世界」的平台和流程（点名了一个平台，没说名字）。 写作和评测被顺手提：有人说某代 5.1「没人愿意比了」；「飞博」现在都在 Cursor 里用。写作上 Gemini 3.8 Flash 有人觉得还不错；中间一堆 Claude / 他家模型不太行；5.1 写字很好，可能是那家最好的。 Benchmark 被说已经刷烂。有一套偏编程的 2.0 / 3.0 / 4.0 评测：各家 2.0、3.0 都很好， 4.0 掉得很厉害 ；只有 Anthropic 一侧在 2–4 上没有断崖。点名 Terminal Bench ：题变难后对照模型断崖，并称对照和 Astra 都应是最新一代。 写作专长被单独列了一段： 以前写得最好的曾是 Opus 4.6 （也有人说 4.5）。 现在有变化：有人整站内容换成 Gemini 3.8 Flash；再加上橘子说的 Fibre / 飞波 5.1（转写不确定）。 写得好的「居然也都是海外模型」。Kimi 3 稍好一点，但大家都去卷 coding，「没人关心」写作——有人说这很不好。 GPT 写作很差 ，被特意点名。写小说从 GPT-5.5 起也能写了；国内模型几乎没有能写小说的，还越来越差。有人猜和逻辑 / 思考深度有关。写中文网文：Obsidian / GPT 都可以了。 --- 四、DeepSeek Flash + Harness：够快之后，瓶颈换成人和交付 中文信息检索被强力安利： DeepSeek Flash + DeepSeek Harness 。若要在中文世界「解锁信息」，这组合被说成天花板；前面说的海外模型和工具都不行。微信公众号、千问类内容，靠 Harness 里的插件才能拿到别处拿不到的东西。查数据时尤其明显。为什么必须配 Harness？现场的回答是「不知道，反正组合好」。 对专业程序员： 4.1 Flash 很快出结果，因为人有判断。可能初稿 67 分，半小时调到 95。评价是：对专业 coding 还挺高。 趋势：他们原来信仰 SOTA；Flash 风潮后各家都出 Flash，感觉已经 越过一条能力线 ——线之下都 OK，SOTA 留给更复杂任务。 Harness 刚出来就能通，但更新极频：以前装的插件大半不能用。歸藏以前给它做过 GUI。评价：组合强，但 一天十几个版本 ，一更新就动插件核心，所有插件废；做 GUI 更惨，挪个位置界面就废。结论：只能做 MCP 或 CLI。被比作 Linux 早期：要稳就等别人打包，要折腾就跟官方走。 缓存被反复夸：在 Cola 里和它「没有任何合作」，缓存率也能到 99% ，现场看到 99.5% ，有时 100%。别家到 90%+ 就不错。这一代又优化 KV cache（约 4 倍），核心参数大了一倍但价格相当于降了；激活参数只剩 8B ，还能动态改 system prompt 且不影响缓存。有人没看论文，觉得像黑科技。 设计侧反馈：这模型 太快了 。以前不觉得快重要，现在「快 10 倍太重要」。Flash 降价约 50%。V4 Flash 加了视觉。Flash 仍有一点独立思考，而且「不谄媚」：有人昨天被它喷「你说的不对」，纠正半天，模型说「我仍坚持论点，但我可以帮你写」——被认为对齐很强， 谷歌到现在没掌握 。 副作用：快了以后无形消耗变多。有人强力用 DeepSeek V4，一天能花 200 块 。人没反应过来、没停，它已经做完并走向完全不同方向。 新卡点不在写代码：要启动多环境、测试、对比、打包。发一版走苹果审核 50 分钟起步 ；开发 10 分钟，发版半小时到一小时。歸藏说自己的 Cola MD 开发版都懒得发，扔仓库谁爱装谁装。 --- 五、模型路由：用户到底在买哪个名字 有厂商把旧 V4 Pro 路由到 V4.1 Flash ，后又撤回。有发言权的人说：不是这次才这样， 2025 年他们全是这么干 。以前 DeepSeek 对外就两个名字（Chat / Reasoning），背后换版本不通知、名字不变，调用行为却变了。网友吐槽：提示词写好了，模型换完就不灵。 此人 2025 年蛮站「模型滚动升级」； 2026 年不完全同意 ——提示词在产品里占比越来越小，好多内化进模型。第二，他们后来也开始听群众意见。 命名：正常应叫 DeepSeek V4 Flash，后来没有 V4 了，叫 DeepSeek Flash ；以后会走两个系列： Flash 和 Pro ，版本号滚动。各家都开始滚动（豆包也要），因为成本多在后训练、会一直训。 反对无声替换的硬理由：两模型 定价不同 。后面有大量 2B 客户一起调价，调完三四天又滚回来。若官方不愿赚 2B，让第三方去挣也行；但第三方延迟可以是官方的 100 倍 。想好好用就用官方；官方体验可能领先阿里 / 火山「一年不止」。谁能提供接近原厂的速度和体验，流量就过去。 --- 六、Agent 需要一台常驻电脑 上周聊了 Grok Bot ，Meta 出了 Muse 。感觉「返璞归真」：起源于 Chatbot，现在又回到 Chatbot。过了一周，共识更强。 核心论点：若 Astra 的 Computer Use 是 AGI 的窗户纸， 接下来 Agent 若没有自己的云端电脑，就差了一代 。这会极大增加厂商成本。早期为抢用户可免费送；以后有电脑 / 没电脑的 Agent 定价会拉开。Grok Bot 没有免费额度 ，一来就起机器、就是成本。Muse 更个人向，理解是免费也能用，定位像「美国豆包」。 豆包 / Gemini 日活高，必然走向两个方向：要简单（Agent 很复杂，豆包工作台打开，50% 人看不懂「连接器」那行字），以及必须能在 手机 上用。电脑端 Agent 难推广。用过云端电脑和没用过的人，认知差一代。 不愿把东西放云电脑，还有别的路：Cursor 出了对标、偏企业的版本，能把 自己的电脑托管成 Agent 可控主机 。理念：必须给 Agent 一个完整运行环境，再分任务。这和原来只用 Claude Code / Codex，差异会非常大。 Devin 估值被重提，因为他们最早有云端电脑； Manus 用完那套之后做出来，也是最早给用户云电脑的。然后接到 OpenAI 出了 Agents API 。 有人没试 Agents API。理解：相当于把官方 Agent Harness 打包，团队不用自撸闭环。上半年每家都在撸自己的 Agent；下半年收敛：一边是 OpenAI 这种 Agent API，一边是 DeepSeek Harness，稳定后会形成共识、很多人二次开发。 问歸藏：小团队该选什么框架？歸藏：大家现在只要「壳」；loop、模型适配肯定搞不过官方。最早共识是「可乐的扣子」（Coze 一类）。后来变成套利：哪个框架 / 渠道更便宜、能力更好就跟哪个。于是 Cursor、Grok、Claude Code 都要配，冗余极多——有的 SDK 已经很好，本该只管 UI，实际还要做 runtime，把用户输入灌进不同 CLI，还要消化各家只支持自己的 API。 Cherry Studio 、 T3 Code 都在做这类活。越做工作越多，又不能只配一家：今天 Claude 不行了、额度又卡，就得切。 相反观点（上期也提过）：以后厂商的 Agent 框架会和自己的模型 绑越来越死 ；完全中立的 OpenCode 会是独立小赛道，但更大趋势是「用谁的 Agent 就用谁的模型」。万能壳会越来越难受。 有人把 Agent Harness 比作未来的阿里云 / 火山云：不再按「调模型」，而是按「调服务」。以前租 AWS / 阿里云主机部署程序；以后更多是租 Agent 主机 / 环境 。过去一年把 Agent 当产品做，其实 Agent 是技术不是产业。海外个人 Agent 已经不告诉用户什么模型——用户甚至不必知道背后是 Agent，才叫产品化。 模型和 Agent 被说成盒与互补：模型不好，Agent 带不动；模型好，带 Agent 相对容易。个人观点「原汤化原食」：各家 Agent 能力差不多，发模型肯定补贴自己的 Agent（含 KV cache 优化）。连接邮箱 / 日历 / 购物 / 支付 / 健康，谁都能做。 --- 七、垂直应用：数据、接口、上下文，不是再套一层对话 近期觉得比较好的是 阿福 （医疗）。同事有小毛病都去问：专业知识细，手上长包这类问题比通用模型更具体。上期逻辑被复述：价值在 数据、能力和开放接口 ，不是套一层对话。例：WorkBuddy 炒股能做炒股软件里做不到的事，因为厂商开放了接口。 购物：让通用 Agent 代购搞不定；在淘宝 AI 里让它买，比通用强很多。 飞猪 做旅行明显更好。阿福和飞猪已经「快能用」；千问这类办公 Agent 还只能整办公。因此怀疑并不存在真正的通用 Tone Agent：Manus 自称 Tone Agent，让它做短剧也做不了。 微信 小微 机会最大——每个小程序都是能力接口 / MCP。例：携程有小程序。若小程序能对上小微，就可以在微信里下单。他们试过：让小微调某个群发一条消息。关键：小微 长在软件里 ，不是另开一个对话窗，而是基于你的上下文和软件能力直接操作。界面上「在联系人列表里」非常重要。 王登科 做的 The One 直接爆了。问题是微信回调约 10% 收不到消息 。为何不做独立 App / 网站？因为用户就喜欢待在微信好友列表。它甚至不是 Agent，就是 chatbot，但扫码即聊把转化做高了约 6 倍 。普通人很多问题一个聊天机器人就够。 微信、百度、豆包办公、千问都被说成中间形态，为了拿 Computer Use 数据训模型，也赚不到什么钱。微信只要提供一点能用的，大家很难懒得再开别的。例子：本该去 DeepSeek 或 ChatGPT 的问题，结果打开微信搜一下小微按钮，答案凑合能用。很多人不需要工作 Agent，需要的人会越来越少。 小红书 点点 也被说很好用（查游戏攻略等），被认为是小红书最好的 AI；和微信小微同构，但小红书数据质量更好。点点会总结「30% 的笔记推荐这款」，比例很准。平台又特别敏感，稍微自动化就封。 --- 八、iPhone Duo：他们关心的不是能不能折，是标准 后半场转到硬件。以前常熬夜看发布会，这次有人看第二天 24 分钟剪辑。 有人发了刘飞介绍折叠屏历史的播客：七年前就有折叠屏，苹果一出又像新发明。翻开时的透明视觉在 X 上传疯。判断：苹果是家 交互公司 ，核心是 UX。iOS 更新常被嘲「雕花」。但真做新形态时， iPhone Duo 上的交互优化被称天才 ——折叠展开动画，国产（直折 / 左右折 / 三折）多年都是生硬切换、白边、闪一下；适配则一股脑扔给厂商「按我的比例改 UI」，或用人肉谈合作。 苹果适配也难、成本明显，但界面策略被认为聪明：把上下 bar 都放到右边，展开后左边内容比例仍接近原来的竖屏，只是上下显示更多；用官方组件的 App「挪过去就能用」，自定义太多才要自己扛。有人说：交互设计「看了就很爽，所以值那么多钱」。 橘子一侧被总结成 Duo 定义了三件事 （现场有人说「橘太会吹了」）： 1. 定义了折叠屏形态。 以前各厂不坚持同一型号，直折 / 三折乱换；苹果定标准后，小米、OPPO、华为都知道怎么做。磁吸配件都去适配苹果。这次交互被说成「四五年最大一次更新」，领先国内一年以上。 2. 定义了交互。 3. 定义了生态 / 适配面。 开发者以前难适配是因为每家不一样；现在大约 6 种界面 （盖上、掀开、半折等），适配好这 6 个，未来五年就够。安卓也会跟这套标准。「伟大的公司定义标准。」 橘子自称对折叠屏不感冒，但听完库克相关采访有感：库克上台那年发了 Siri，2022 年 Siri 仍差；Car 项目十年两千人没做出来；Apple Vision 失败——大公司出创新不容易。折叠屏可能是苹果这些年 唯一真正的新品 。原本觉得 iPhone Air 手感好、想等二代，估计 Duo 出来后超薄那条线不会再出；也有说法 Air 做那么薄是给折叠做技术储备。 杨攀：从 iPhone 发布到现在，屏越来越大、使用时长越来越长，面积上能表达的内容没有尽头，已不够今日内容消费，所以主流会把屏做大；屏不能无限变砖， 折叠是必然趋势 ，展开后才有更大交互 / 消费面——「下一个五年的新趋势」。 苹果 AI 几乎没提。有人举 Siri：运动记录要不要记下来，最后只是写进备忘录， 没有 memory ，还是 2023 年前的感觉。Siri 迭代约 15 年一直差。解释：一是模型，二是苹果极度注重隐私，AI 和隐私 / 安全存储 / 云端加密缠在一起，没想清楚不会下手；它毕竟是消费电子公司，不是模型公司。 歸藏已买「米多」（小米折叠）。安卓适配极难：超级 App 界面多到自己都不知道，再乘 6 种形态「非常恐怖」；国产爱魔改，没有一家能定义标准，只能跟苹果走。同时软件越做越潦草，没人花一两年打磨交互。有人吐槽机场里国产银行 / 证券超级应用经常点不到、下不了单、支付一周修不好。 --- 九、手表、录音、健康：便利和隐私绑在一起 发布会还有手表 AI。做录音卡的公司被说「瑟瑟发抖」，但功能主要是 总结 ，不是完整稿。以前极客在手表上做录音，常被喷音质不如录音卡；苹果官方推了，硬件（更多麦克风）+ AI 降噪被认为能解决。处理偏本地（经 iPhone）。好功能：没听清可 回放 15 秒并出文本 ——餐厅服务员讲 15 秒听不懂，一按就有文本，后面还可能翻译。 认为社会默认规则会往「可以录」推进：现在还要问可不可以录、别人不舒服，慢慢会变。另一角度：人人都有点 ADHD、信息太多、记忆力退化，越来越依赖设备。有人 Apple Watch 好多代没换，因为这个功能打算换一块。 健康：Watch 拿了太多个人数据。心跳采集速度提升约 60 倍 ；精度被说到接近某些医用 / 胸带。骑行游泳也在广告。有人提一款没屏幕的手表、用 Google / Gemini 分析睡眠，按建议做深度睡眠大幅改善。手表健康数据「还没被真正挖好」。 Oura 戒指 完成度也很高。 有人唯一定时任务是 ChatGPT 的健康相关 GPT：力量训练有文本记录。一段健康故事（转写中段有缺口，后文拼起来）：有用户病了约十年，各科看不出。把十年症状和每次犯病经历交给 Cola，Cola 推出可能的药；带着建议问医生，医生说「还真是，你试一下」，后来治好了。更完整的版本是：还要按它指出的方向去医院做检查（物理世界检查只能医院做）；检查完医生的判断方向、后续治疗策略和 Cola 完全一致。结论：AI + 健康能帮上忙，闭环仍是 个人数据 / 个人 context ——context 越大，AI 能帮的越多。节目自己也声明：这是个人体验交流，不构成医疗建议。 很多人用飞书「录音豆」尽量录；有朋友用大半年电池快坏，家里硬盘备份爆了。闲鱼买全新还送 6 个月会员，每半年换一个约 500 多，觉得值。 回到上下文为什么可惜：Grok Bot 海外把商业 MCP 都打开了；国内只能在小红书用点点、微信用小微，「各家都不开放」。 快讯被顺手提：豆包输入法 Windows 版；通义一类更新 Agent 合并企业能力；海外 Suno V6 、 ElevenLabs 和环球音乐的合作「都没了」。赛道已分清：编程向是 coder，办公向是豆包工作 / 千问办公，WorkBuddy、CodeBuddy 队列对齐。有博客说大厂内部赛马阶段性结束，开始跟外部对手打。国内共识不太做 to-coding：程序员约 1000 万 vs 办公约 1 亿，上限太低。 --- 十、音乐、图像、设计 Agent：没有执行环境，就还差一代 Suno V6：音质没大变化，老问题还在；要解决的不是「能编辑」，而是加了 Agent ——Studio 里可用自然语言改。有人讽「音乐行业离缅神又差一年」。 图像：参考图连续生成十几张，人会轻微漂移；新版本号称连续改 11 版「别的东西一个像素都不动」，但人不动、背景拖影 / 破碎 / 变黄的老问题还在，「还是不能用」。有人用 Codex 不用生图工具、用代码画出来 。点哪改哪，像素理解准，美学仍差。3D 变强；演示画立方体、按轴旋转不再乱晃，连续编 64 帧看起来像视频。再让 Codex 拼 GIF 就是视频。上周做了把旅行照片变成海报的图片 Skill，想把这些能力接到设计工具上。 设计类 Agent 仍有「隔离」：很多垂类 Agent 没有编码能力 ——底层其实能编码，产品层不给。排版时他要先写 HTML，用 HTML 做文字网格。点破：有些 Agent 没给你 runtime ，主动限制编程；不一定是安全，就是没做。Agent loop 最基础就是环境；编程是基本能力。 市场上同时存在好几代：最先进的已经整机给你；企业侧「Prompt + AI」这种最古老的也能解决大部分 2B 问题，可以原谅； 做 AI 产品的人不能停在那儿 。他的提示词里有很多图：最终产物用四张图 + 一两千字提示——原图、前端生成再截图的排版图、参考图等，还要文件系统。图能传、skill 能伸出来，但调不了图链。这 skill 其实是为 Claude Code 和 Codex 做的。结论：不论垂类与否，Agent 都应有编程 / 文件 / 参考图这些互补能力；GPT-6 在 Blender 上就是用编程建模，做设计同样需要，但现成产品没有。 豆包工作等也有虚拟机，但是 临时的 ：每次拉起另一台，不同对话不同 VM，上下文不持久。Kimi 以前也这样，国内基本都这样。成本低，带来的问题是「那东西没有用」，不是一代产品。国内找不到能对标 Grok Bot 的竞品。 --- 十一、语音输入：准确率不是最大的摩擦 还在用语音输入。这周网易有道出了免费、自称永久免费、对标评测的产品，奔着 Typeless 去。有人电脑上 Typeless + 微信内置，手机上豆包。 豆包电脑端被批没做好「输入法本身」：一打字就错，连续错四次就想卸。被疑不是成本而是管理 / 优先级——先做语音、冷落打字。iPhone 上语音输入法不行、要切全键盘；豆包在 iPhone 上「一直启动」也接受不了，所以 iPhone 上几乎没法用语音输入。不用 iPhone 的两大理由：电量，以及已经习惯语音、空格却跳转。微信输入法有麦，电脑微信新增 长按鼠标即可语音输入 、不挡其他输入法，符合直觉但提示「有点烦」。 Typeless 核心是长文本优化和梳理；豆包要么过猛要么几乎不做去重 / 排版 / 去掉口头禅。Typeless 有段时间很拉，现在很好；写长东西基本靠语音。认为转写各家都还不错，没有本质差异。 --- 十二、模型真的变笨了吗 乔木一直不理解：模型刚上线特别聪明，过一段时间变笨，都说「降智」。在 X 发帖，点赞最高的回复给了四种手段（不知是否研究员）： 1. 路由到小模型 ——简单题用小模型；「你觉得很重要」也可能被判简单。 2. 社区逆向 GPT 发现的某个内部值（转写作 Juicy）：5.5 刚上线约 700 多，后来调到约 120，低了约 6 倍，思考 token 变少。 3. 提前结束思考、直接输出。 4. 多 token 预测多路答案，调概率让小模型结果被选中，省算力。 有人觉得偏阴谋论：自己很少有这种感受；如果预设厂商有原罪，就会处处觉得在降。从厂商角度：内部 Eval 很严肃，口碑当回事。Claude 和 GPT 出过几次，用户投诉后查出 bug 再修复「又恢复了」。也承认可能有策略：检测到异常 / 薅羊毛会主动降智——「对国内感觉更明显」。 另有人：每个模型都会变差的感觉，有时是正常换代。 Opus 4.6 被说官方先降智， 亚马逊 / AWS 版本一直没降 ，更贵但稳。和别的模型商合作也发生过问题，不是故意，发生了改就好。 如何判断模型：benchmark 和报道看一眼，不当标准；加很多社区群，一周看反馈——主观表达 + 更客观的 adoption / 利用率 。没人用就甭说。Claude Code 上次那个 bug，社区不反馈「一辈子也不会改」，改了一个多月，是口碑实在太差。说明仍非常早期：稳定、低延迟、智商到位的模型很少。模型生命周期短，能用的要么顶格要么 Flash，中间一堆尴尬；「斩杀线之内」对用户没意义。 --- 十三、Mistral、Kimi，以及「模型训练模型」 欧洲 Mistral ：两三年前做 Agent 用过，最近又融了一笔。有人认为「欧洲主权大模型」没戏，存在价值只是欧洲需要一个，好不好不重要。全世界只有中美有能力做这事。 Kimi：有「微调 2.27」一类版本；Kimi 3 都出了还在微。昨天奇怪版本号： Kimi 2.8 ——从版本号看肯定不是 K3 架构。K3 尺寸很大、费电、质量高。各家都出 Flash，Kimi 按说该出 K3 Flash ，结果不叫 Flash，估计内部资源 / 产品节奏搞不出 K3 Flash，又要低成本更快，可能用更旧架构做了一档。Flash 命名也怪：最早 Gemini 发明这档，本意是快（提到能超 100 token/s），实际是小参数，现在也不小。有人说 Gemini 是 Flash 比 Pro 强，DeepSeek 也类似，和「新骨架 + 后训练变强」有关。后训练周期突然变短——「圈子没有秘密，一家突破周末 party 大家都同学」。中国是不是被逼出很多黑科技，有人特别同意。 有两家已进入拐点—— 用模型的智能训练模型 ；「我们还没越过」。很早都在说「模型训练模型」，「只有 OpenAI 和那家做到了」。吓人处：美国若先越过那个基点，就可能追不上。 另：Anthropic 员工辞职、1.5 亿曝光，认为 OpenAI 和 Anthropic 内部没有阻拦 AI 发展。有人 2023 年线下分享最后一页就是：个人信仰五年内 AGI；五年后两种可能——更美好，或没法描述。接到 Anthropic 就业 / 经济报告：推演未来约 5 年 AI 影响，最乐观 GDP 约 +30% ，白领工资几乎没变（约 +0.5%），收益率约 +80% ——资本和 GDP 结合、不需要人也可以增长；这两年增收最大头被资金拿走，全球 GDP 在涨、生活没变。 --- 十四、从代码到实物 由 Astra 的 3D 想到：建模好了之后， 3D 打印机易用性会上台阶 。以前要上料、建模，只能用社区现成模型——比如把 iPhone 卡进闹钟的件，作者是 iPhone 18 你是 15，改不了模型；现在很容易。切片软件、上量、支撑怎么抠，都「不用玩了」。以前是「口喷在数字世界里创作」，现在是「口喷在物理世界里创作」。前几天试 Rodin 觉得很好。 感慨具身 / 物理世界 AI 还慢；也有人说慢有好处。办公「再过两年可能没有办公」被随口说到。机器人：宇树上市后的市值，被当成阶段性高潮、挤挤泡沫。然后饿了，吃饭，准备结尾。 --- 收尾 感谢上海 AGI Bar；北京也有。希望全国都能录。第二期到此。 片头片尾音乐：Scott Buckley 的 Electric Dreams 和 Origami （CC BY 4.0）。 --- 圆桌上比较清楚的几条分歧和收敛 1. Astra 算不算 AGI： 会用电脑、能完成真实任务，一方觉得窗户纸已经捅破；另一方说按这个标准很早就算了。共识更接近：比多数白领强，仍被旧平台和流程挡住。 2. Agent 差在哪一代： 没有常驻电脑 / 持久环境，就差一代。临时虚拟机不算。Grok Bot、Devin、Manus 被放在「有电脑」这一侧；国内多数还没有对标。 3. 小团队还要不要自撸 Harness： 歸藏认为只要壳，loop 搞不过官方；另一边认为厂商会把 Agent 和模型绑死，中立壳会越来越难受。 4. 通用 Agent 是否存在： 购物、旅行、医疗都是垂直数据 + 开放接口赢；微信小微、小红书点点赢在入口和上下文，不在「更像 Agent」。 5. 折叠屏： 橘子强调苹果定义标准；杨攀强调屏不够用所以折叠是五年趋势；歸藏已买小米折叠，吐槽安卓适配和国产超级 App。 6. 模型降智： 有人列出路由 / 砍思考预算等四种手段；有人认为预设原罪就会处处觉得在降，更多是 bug、换代和国内渠道策略。 --- 根据 2026-09-13 小宇宙音频转写整理。转写用 faster-whisper，约 08:28、18:19、35:15、46:21、58:15、70:07、76:08、90:31、96:37、100:34 等处有缺口或串音；Fable / 飞波 5.1、Cola、Juicy 等专有名词以现场语境校正，仍可能不是官方名称。