2026 年 10 月 2 日 · 周五

称已将全部 coding agents 切回 Fable 5.1，认为它明显领先其他选择，尤其需要的人工监督最少；同时强调它仍不完美，并期待 Fable 5.5。这是作者团队的使用判断，帖文未提供可复现评测。

表示 Google 已加强大规模内部测试，多数新版 Gemini 在发布前会经过数千名软件工程师连续数周使用；他希望这能切实缩小 benchmark 与实际体验的差距。

认为 Gemini Argon 发布中最吸引人的是定价，称其价格约为 Astra 的五分之一；对亮眼跑分则保持保留，暗示纸面成绩仍需实际使用检验。帖文未给出计费口径。

分享对 Gemini 4 Pro 的初步印象：认为它是 Google 目前最好的模型，3D 游戏表现接近 Astra，幻觉少于 Opus 系列，并预期速度会很快。这是初步主观评价，不是系统测评结果。

称 6.1 Sol 是其增长最快的模型，高负载下曾出现响应偏慢，目前应已明显改善；帖文没有提供具体延迟或容量数据。

分享 Zapier 对两千多万条工作流的分析：线索收集约占 30%、通知 19%、创建记录 18%、更新记录 14%，合计 81%；工作流连接应用数的中位数为 3。AI 助手应用已出现在 4.2% 的工作流中。他主张确定性步骤保持稳定执行，把 AI 放到邮件分类、拟回复等需要判断的位置。

在回复中描述自己的使用方式：通过 OC Web UI，由主会话编排其他会话；多数情况下直接使用 OC harness，理由是速度更快。帖文提供的是个人工作方式，没有展开具体编排实现。

预测未来几年，AI Implementation Specialist 会成为中型企业最重要的招聘岗位之一，强调把 AI 真正部署进组织的实施角色。帖文是趋势判断，未附招聘数据。

分享文件系统踩坑：写时复制（COW）适合 worktrees，却给他的 SQLite 使用带来问题；表示下一版 OC 会识别这种情况，并将数据库迁移到 NOCOW 位置。这是针对其使用场景的修正预告。

称 Apple 新的开发者协议阻断了自己的开源项目发布；由于多平台采用同步发布机制，Linux 和 Windows 版本也一起被卡住，暴露出跨平台发布链的耦合问题。

对比 Quest 3 上的 Pinball FX 新旧版本：改用 Unreal 后应用体积增至约 40 倍，功能与环境效果更多，但多数球台会掉帧；旧版虽分辨率偏低，实际游玩更稳定。他建议按头显设置分辨率和帧率，并重申 sRGB、mip maps、MSAA 与克制高光效果等抗锯齿基础。

认为基础 LLM 与现代 LRM 的关键差异不是是否使用符号工具，而是从直接预测答案转向预测产生答案的程序或推理链，即 test-time induction。他以 ARC 1 表现支持这一论点，并将其与流体智能联系起来；这是作者对能力机制的解释。

介绍 Harvard 物理学家 Matthew Schwartz 的科学计算实践：把 LLM 当成人类合作者并非发挥其优势的最佳方式。他构建精确计算工具包，让 Claude 发现生态学、群体遗传学等领域的计算联系，再由领域专家引导值得研究的问题。

发布《Sampling to Reinforce》入门教程，围绕不依赖随机性的采样建立直觉，把方差缩减作为理解问题的关键，适合作为相关训练方法的基础阅读。

宣布面向 AI 生成生物设计的水印方法家族 SynthID Bio，称可以直接在蛋白质序列中嵌入不可感知的签名，而不影响其生物功能；具体适用范围和实验细节需以研究材料为准。

在同一发布串中解释用途：水印可作为合成蛋白质的数字身份证，帮助 DNA 实验室核验来源、维护序列数据库准确性，并在需求扩大时支持自动化生物安全检查。这是应用方向说明，不是另一项独立发布。

用反讽区分两件事：模型训练需要访问互联网，不等于可以不做监控；他质疑为了提速而放弃监控的管理选择。原帖未明确指向具体事件，本期不补充事件归因。

介绍她与 Emily M. Bender 合写的评论文章，批评把 AI 产品视为足够可靠的“超级智能”，进而依赖它作出高风险决策。帖文对相关事件后果的强烈判断未经本期独立核验，此处仅呈现其关于过度信任的观点。

推荐一项研究，讨论学术会议投稿过载这一较少被充分探索的问题；认为技术治理方案有助于恢复研究共同体对评审体系的信任，让研究者能够继续建立在彼此成果之上。原帖未展开方案细节。