寓言 5 – 八月中位数思维下降

【HN用户评论摘要】我没有确凿的数据，但今天早上我有一种强烈的感觉，与周五晚上相比，《神鬼寓言 5》有问题。就在一个小时前，我让《神鬼寓言》正确识别了一个可以删除的未使用方法。然后我立即得到一个精确重复方法的差异，然后 Fable 输出，“我不小心重复了而不是删除它。现在删除两个副本。”剩下的早上抱怨让人感觉有些不对劲，因为它会做很多“思考” 有趣的是，我也发现了同样的情况。我花了很多时间研究这些前沿模型、集思广益等，从第一周到第八周，性能下降通常很大。一开始，它看起来像是一个能干的研究助理，到了第 8 周左右的时候，它开始表现得像一只小狗，渴望让它的“主人”开心一些。我似乎记得 Anthropic 曾公开表示，他们没有对性能进行任何建模来扩展其计算能力。有趣的是，我注意到每周的表现都会出现巨大的高峰和低谷（尽管是 Opus，而不是 Fable）。我想知道他们对这种行为的官方解释是什么。现在我很清楚，Anthropic 一直在努力寻找一种“自动”降级，也许是为了在它认为不需要高度推理的工作上节省资金。我总是使用最大推理，我可以清楚地看到模型发布时和 3-4 周后之间的差异。我认为它们也为新帐户提供了一种智力提升。就在昨天，我还在考虑 gpt-5.6-luna。在爱马仕推出的第一周，我就将其设为我的默认型号。它和我之前的默认值 5.5 一样好。但在过去的两三周里，我发现现在的做法是多么愚蠢。我必须对此非常明确。例如，我曾经能够提示“检查<服务器>上的系统日志......”，它就会弄清楚。昨天我问“<服务器>上的<服务>是否完成了通宵工作”，它只说“该服务是原始链接：https://twitter.com/Lon/status/2101793422487204027

订阅66必读