KC

GPT-6 Astra 真的太傻逼了。刚用了一会儿 Claude Opus 5.5，你们知道我什么感觉吗？ 卧槽，这才叫人工智能啊。我之前用其他模型过的都是什么苦日子。

GPT-6 Astra 用下来，我真的开始怀疑 OpenAI 的方向走错了。 它很擅长目标明确、有固定正确答案的任务。但碰到开放、发散、没有标准答案的事情，就特别别扭。自由探索一个想法、写点有意思的东西，或者面对模糊的问题自己判断值得往哪走，这些才是我觉得它明显欠缺的能力。从 GPT-5 开始，我就有这种感觉。 很多任务开始时，连最终想要什么都没确定，需要在探索过程中逐渐发现。GPT 却总像在等你把题目出完整，把验收标准列清楚。可如果这些都得我先想好，最需要智能的那部分工作，我已经自己做完了。 我怀疑这也解释了它为什么那么爱堆防御性代码、写一大堆测试。测试能给出明确的通过或失败，它很容易…

Hi Anthropic team, I’m writing because I feel hurt and helpless about how ordinary Chinese users are being treated. I understand that you may choose not to officially offer Claude in China. But could you please reconsider how you enforce that policy? Having accounts banned after paying for a subscr…

Opus 5.5 简直是保姆级的模型，真的会替你和项目着想。它会自己判断你到底想做什么，理解你的意思，不用什么都一句句交代。太智能了，用着真的省心又放心。 而 GPT 给我的感觉就是永远不会理解你到底怎么想的，只会死板地听命令。

最近 Astra 的体感确实变差了，我怀疑服务端用了更激进的量化。 看到有人说，模型训练完权重就固定了，所以不存在降智，只是输出有随机性。这个解释漏掉了部署环节。 我自己也训过模型，对精度这些事情并不陌生。同一个 checkpoint，部署时可以使用不同精度。量化把原来的数值映射到更有限的取值范围，省显存、降低推理成本，同时也会引入误差。模型名字完全可以不变。 这些误差会影响计算结果和 token 的概率分布。一旦某一步生成了不同内容，后面的推理就可能沿着另一条路径继续。损失明显时，用户感受到的就是原来能做对的任务，现在做不对了。 这也能解释为什么有些模型刚发布时很惊艳，过几天感觉实力…