Greg Brockman@gdb
ChatGPT Work 可以直接承接周期性任务，产品入口开始从临时对话转向持续执行。
X 日报个人阅读
2026 年 8 月 3 日 · 周一
2026-08-02 08:00 至 2026-08-03 08:00（北京时间）
52/52
关注账号覆盖
22
条入选
5
个主题
晨间播报
开车或走路时直接听；会记住播放速度和上次听到的位置。下载 MP3
编辑导言
这一期最清晰的主旋律，不是模型又多答对了几道题，而是 AI 开始接管有时间跨度的工作。定时任务、求职筛选、会议整理、财务归类和邮件界面改造，都在把一次问答改造成持续运行的个人流程。真正的产品分水岭，正在从回答质量转向能否进入环境、调用工具并把结果交付回来。
另一条线索来自能力边界。Opus 5 用两小时和 5500 行代码生成《指环王》场景，展示了机器在超长定制任务上的耐力，也暴露了它无法高效观看、试玩和审计自身作品的短板。与此同时，François Chollet 把当前进展归因于 test-time adaptation，而非静态 next-token scaling 的自然延伸。模型变强了，但让它可靠地看见自己的工作，仍是下一段工程主线。
工具层也出现了更务实的分化：简单任务用便宜小模型，复杂任务再调高档位；Skills、issue、agent loop 正在成为人和 coding agent 之间的新接口。行业关注点正从“哪个模型最强”转向“怎样把不同能力编排成成本可控、能继续执行的系统”。
01Agent 进入真实工作流
AI 的价值重心正从一次性回答，转向能按时运行、跨工具执行并交付结果的持续流程。
Peter Steinberger 🦞@steipete
多年忍受 Gmail 界面问题后，他直接让 agent 安装解决方案。关键变化不是获得建议，而是 agent 能进入本机环境完成改造。
Rowan Cheung@rowancheung
一个个人 AI 招聘助手每天早晨搜索职位、评分、为最佳岗位定制简历，并在用户醒来前发送结果。
Rowan Cheung@rowancheung
本地 agent 通过 Telegram 接收会议录音，完成转写、说话人识别、行动项提取和任务归档，单次成本约 0.01 美元。
Rowan Cheung@rowancheung
Claude 构建的流程读取银行账单、自动归类支出并生成看板，用定制自动化替代每月 38 美元的 QuickBooks 订阅。
02长时生成与自检短板
长时任务把模型耐力转化为全新创作空间，也让视觉理解、试玩和结果审计成为明显瓶颈。
Andrej Karpathy@karpathy
他给 Opus 5 一段《指环王》文本、约 100 万 token 和两小时执行时间，模型写出 5500 行 Three.js 代码生成可动画场景。实验说明超定制世界的边际成本正在快速下降，但模型无法高效观看视频或试玩作品，只能依赖缓慢截图检查，导致明显瑕疵。
Andrej Karpathy@karpathy
Karpathy 随后公开了可在浏览器运行和 fork 的源码，把一次模型能力演示变成可继续改造的作品。
Andrej Karpathy@karpathy
他赞同用程序化代码负责分镜和控制，再用 video-to-video 模型处理纹理与视觉表现，组合确定性结构和生成式外观。
Greg Brockman@gdb
ChatGPT 正被用于构建交互式教育工具，生成能力从静态内容进一步进入可操作、可反馈的学习环境。
03模型分层与开源窗口
模型选择正在从单一榜单转向按任务难度、成本和使用体验动态路由。
Bindu Reddy@bindureddy
DeepSeek Flash 是表现不错的小模型，但 benchmark 优化痕迹较重，实际定位更接近 GPT-Luna，而非下一代旗舰能力。
Bindu Reddy@bindureddy
她建议按任务复杂度选择模型：简单任务用便宜模型，困难任务再升级。用 Flash 硬扛复杂任务会失败，用旗舰模型处理简单任务则可能贵 100 倍。
Bindu Reddy@bindureddy
她看好 8 月的开源模型窗口，预期 GLM 5.5 强化多模态，DeepSeek Pro 以更低成本逼近 Kimi K3，企业忽视开源路线的代价会增加。
Peter Yang@petergyang外部信号
他认为 Opus 5 的人格和写作体验不如 Opus 4.6，主要问题是回复过长、Claude-speak 增多且判断感过强。模型升级并不必然带来更好的长期交互体验。
04推理范式越过静态扩展
争论焦点已从参数规模是否继续有效，转向 test-time adaptation 如何改变系统的推理上限。
François Chollet@fchollet
Chollet 认为 AI 为绕开 deep learning 的停滞先采用了第一类补丁，并在 2024 年底快速普及；长期看，系统走向第二类补丁不可避免。
François Chollet@fchollet
即使训练规模较 2019 年增长约 10 万倍，不使用 test-time compute 的 base LLM 在 ARC-1 未见任务上仍表现不佳。他据此判断，先进推理来自测试时适应，而非单次静态 next-token prediction 的继续扩展。
François Chollet@fchollet
他明确修正了旧观点：对 base LLM 的能力上限批评不应直接套用到带 test-time adaptation 的系统，两者更像蒸汽列车与电气化高铁，共用轨道但工作原理已明显不同。
Emad@EMostaque
Emad 对 memory 路线并不乐观。这个简短判断提醒业界，长期上下文并不等于可靠记忆，具体论证仍待他后续展开。
Aaron Levie@levie外部信号
AI 在日常生产力与数学、科学、法律、编程等深领域的能力将进一步分化。深领域能力可能快速上升，但只有接入专业数据和工作流后，能力盈余才会转化为真实突破。
05Skills 成为协作接口
coding agent 的下一步不只是写更多代码，而是通过 Skills、issue 和可续跑 loop 接收边界清晰的工作。
Peter Steinberger 🦞@steipete
Peter 直接反驳对 Skills 的轻视，认为 Skills 在 agent 工作流中非常有用。
Rowan Cheung@rowancheung
一个 Claude Skill 能调查可疑的 Google Business Profile，收集证据并生成可直接提交的举报材料，把重复调查封装成稳定能力。
Nan Yu@thenanyu外部信号
他设想在 GitHub issue 中写清 spec 并质押 token，maintainer 接受后，由请求方付费的云端 coding agent 原样执行 issue，以减少缺乏上下文的低质量 PR。
Swyx@swyx外部信号
Swyx 关注面向 AI 时代重新设计编程语言，并提出“容忍 slop”可能比单纯抵制 slop 更有价值。系统需要从运行机制上吸收生成代码的不稳定性。
低信号与抓取缺口
第一类，窗口内零发帖：@Red_Xiao_、@ManusAI、@OfficialLoganK、@AnthropicAI、@tydsh、@hugo_larochelle、@drfeifei、@GeminiApp、@srush_nlp、@soumithchintala、@OriolVinyalsML、@StanfordAILab、@goodfellow_ian、@ShunyuYao12、@NotebookLM、@berkeley_ai、@KrugerSays、@AIatMeta、@wadefoster、@ilyasut、@seb_ruder、@sundarpichai、@kaifulee、@ylecun、@ThomasOrTK、@demishassabis、@lexfridman、@JeffDean、@elicollins、@BaiduResearch、@Metamind、@IntelAI、@Tesla_AI、@IBMResearch、@MSFTResearch、@GoogleDeepMind、@GoogleAI、@ID_AA_Carmack、@Yoshua_Bengio、@geoffreyhinton、@AndrewYNg、@OpenAI、@sama，共 43 个账号，审计状态均为 ok，window_post_count 为 0。第二类，有发帖但未选入主报告：@ZackKorman、@timnitGebru，共 2 个账号；两者窗口内确有发帖，但内容主要是依赖外部上下文的争论、简短评论或与本期主线关联较弱，因此属于发了但未入选，不能视为无更新。第三类，抓取失败：无，52 个账号状态均为 ok。本次关注列表主报告严格使用 2026-08-02 08:00 至 2026-08-03 08:00 的北京时间窗口；另混编 4 条 buildernews 近一日外部 builder 信号，它们不参与关注账号的窗口与缺口统计。