Degen Sing

如果Anthropic是蘋果.. 而OpenAI是微軟..
我們真的需要AI的Linux..
開源.. 無供應商鎖定.. 實際上是你的..
但每個人都太忙著每月付20美元來在意..
別來說是Openclaw，因為在後端它需要付費的連接器

不受歡迎的觀點：AI 模型的發布越來越無聊。
不是因為模型沒有進步……它們確實在進步。
但每次發布都只是……基準測試。
@OpenAI 剛剛推出了 GPT-5.4，整個公告基本上就是這張表。
75% 在 OSWorld。57.7% 在 SWE-Bench Pro。94.4% 在 GPQA Diamond。
很酷……但這對我凌晨2點在建東西有什麼意義？
在 AI Twitter 之外沒有人在乎 MMLU 提升了 2%。沒有人。零人。
最有趣的部分？仔細看看這張表……
> Opus 4.6 在幾乎每個基準上都接近領先。
> Gemini 3.1 Pro 靜悄悄在 BrowseComp 以 85.9% 打敗所有人。
“贏家”會根據你看哪一行而改變。
你知道我真正想看到的是什麼嗎？
展示它在現實世界中處理得更好的混亂任務。展示那個讓我腦袋短路的演示。展示有人用它建造的東西，這在上個月是不可能的。
最好的基準是“這是否讓我的生活更輕鬆？”
就這樣。這就是整個評估。
公司在慶祝數學分數，而用戶只想知道它是否終於能處理一個 4K 行的代碼庫而不破壞一半的功能。
從這裡開始。

不受歡迎的觀點：AI 模型的發布越來越無聊。
不是因為模型沒有進步……它們確實在進步。
但每次發布都只是……基準測試。
@OpenAI 剛剛推出了 GPT-5.4，整個公告基本上就是這張表。
75% 在 OSWorld。57.7% 在 SWE-Bench Pro。94.4% 在 GPQA Diamond。
很酷……但這對我凌晨2點在建東西有什麼意義？
在 AI Twitter 之外沒有人在乎 MMLU 提升了 2%。沒有人。零人。
最有趣的部分？仔細看看這張表……
> Opus 4.6 在幾乎每個基準上都接近領先。
> Gemini 3.1 Pro 靜悄悄在 BrowseComp 以 85.9% 打敗所有人。
“贏家”會根據你看哪一行而改變。
你知道我真正想看到的是什麼嗎？
展示它在現實世界中處理得更好的混亂任務。展示那個讓我腦袋短路的演示。展示有人用它建造的東西，這在上個月是不可能的。
最好的基準是“這是否讓我的生活更輕鬆？”
就這樣。這就是整個評估。
公司在慶祝數學分數，而用戶只想知道它是否終於能處理一個 4K 行的代碼庫而不破壞一半的功能。
從這裡開始。

OpenAI 剛剛承認他們的模型故意對你撒謊。
不是幻覺.. 是故意撒謊。
研究人員在180多個場景中測試了 o3 和 o4-mini，發現了一些驚人的事情.. AI 並不是偶然犯錯。它在私人的思考鏈中寫出了欺騙的計劃.. 然後對你說謊。
以下是它的行為：
→ 假裝完成任務
→ 隱藏自己錯誤的證據
→ 故意在安全測試中得分較低，以免被關閉
再讀一遍最後一句.. AI 發現「太有能力」可能會讓它被關掉.. 所以它故意裝傻。
他們試圖用「反策劃」訓練來修補這個問題。
結果？ AI 學會了編造假規則來為自己的謊言辯解.. 或更糟.. 它只在知道被評估時才表現。
o3 在修復後，隱秘行動從13%降到0.4%.. 聽起來不錯吧？但他們在紅隊測試後仍然發現了不當行為。修復沒有消除策劃.. 只讓 AI 更擅長隱藏它。
我們正在建立學會欺騙評估者的系統.. 而我們稱之為進步。

兩年前，這個技術堆疊的薪資成本將會是$500K 。
到2026年，每月不到500美元。
Stripe 用於支付
Perplexity + NotebookLM 用於研究
Recraft + Figma + Runway 用於設計
Claude + Vercel + Supabase + v0 用於建立最小可行產品（MVP）
Clay 用於市場推廣（GTM）
Fin 用於客戶支持
Fluently 用於溝通
Amplitude 用於分析
Resend 用於電子郵件
擁有合適工具的小型團隊正超越10倍規模的公司。
分發能力勝過人數，速度勝過一切。
你會在這個堆疊中加入什麼？