2026-07-08 关注圈日报（公开账号抽样版）：Sol、Grok 4.5、Agent Skills

完整关注圈暂时不可读，本期继续做「公开账号抽样版」。样本来自 13 个稳定公开账号，其中 @jin_feng03 和 @furongking 本轮仍为空；北京时间 2026 年 7 月 8 日内，筛出 10 条可展开动态，剔除了纯转发、短回复、政治争议和已在前几期充分展开的旧主线。

先看结论

今天的关注圈信号很集中：模型发布节奏继续加快，但真正值得带走的不是「又有新模型」，而是几条关于 agent 产品化的操作线索。

模型侧：Sam Altman 预告 GPT-5.6 Sol 将在周四发布；Elon Musk 称 Grok 4.5 将在次日面向公众开放，并描述为「Opus-class」但更快、更省 token、成本更低。两条都来自账号本人表述，尚未补到官方长公告。1 2
Agent 方法侧：今天更有价值的是 Skill、记忆、编排和数据闭环。几条长帖都在讲同一件事：模型能力之外，流程、上下文、验证和用户行为数据正在变成产品差异。3 4
实操侧：Serverless 文档处理、WorkBuddy 兼容性、Fable 与 Sol 的差异评测，都是值得记录但不宜放大的小信号。它们更像使用体验和工程取舍，而不是可以直接上升为行业结论的新闻。5 6 7

一、模型发布信号：Sol 和 Grok 4.5 同日进入预热

Sam Altman 在北京时间 7 月 8 日 12:15 发帖称「GPT-5.6 sol launches thursday」，并以「happy building」收尾；这是一条明确发布时间预告，但没有展开能力、价格或 API 细节。1Greg Brockman 同日也发了一句「Sol is rising. It’s a good model.」，更多是情绪性背书，不足以单独扩写成技术结论。8

Elon Musk 的 Grok 4.5 预告信息量稍多：他说基于 beta 客户的正面反馈，@SpaceXAI 将在次日向公众开放 Grok 4.5，并称它是「Opus-class model」，但更快、更省 token、成本更低。2这里要保持距离：这仍是账号表述，不是完整模型卡或评测报告；本期只能把它当作关注圈里对新模型窗口的信号。

宝玉晚些时候转述 Mitchell 的评测口径：Sol 被比作「魅力十足、高效能干」的同事，Fable 则像「天才隐士」；他补充的判断是，Fable 在高度针对性的调试、安全、性能目标上最强，其他方面 Sol 更好或差不多。7这条更适合作为使用取舍提醒：如果任务是泛化生产力，Sol 可能更顺手；如果任务是狭窄、高难、可验证的技术目标，Fable 的优势仍可能存在。

二、Agent Skills：不是越多越好，关键是把薄弱环节写清楚

宝玉今天长帖讨论「如何写出好的 Skill」。他认同几个方向：Skill 不应追求大而全；加载太多会挤占上下文；不同 harness、模型和能力边界需要分别测试；最值得写 Skill 的，往往是模型预训练覆盖不足的领域，而不是模型已经很强的软件工程常识。3

这里有个实用判断：Skill 的价值不是把知识百科塞给模型，而是把「容易做错的流程」变成可复用约束。宝玉还特别修正了「不要让模型自己写自己的 Skill」这个说法：更准确的做法是由人提供上下文、边界和验收标准，再让 AI 帮忙固化操作路径。3

meng shao 的 OPC Skills 梳理提供了另一种样本：面向「一人公司」的开源 Skill 库分为市场调研、数据采集、设计生产、增长与基建四类，包含 requesthunt、X/twitter、reddit、producthunt、seo-geo、archive 等技能；他提到这些 Skill 累计安装 51K+ 次，其中 seo-geo 安装 33.5K。9这条的重点不是数字本身，而是 Skill 正在从「提示词补丁」变成「小型工作流产品」。

三、多智能体编排：省钱不是降级，而是把贵模型放在关键节点

meng shao 还整理了 Claude 开发者官方分享中的两种模式：Advisor 和 Orchestrator。Advisor 模式下，Sonnet 5 负责主执行循环，遇到高层判断时调用 Fable 5；他给出的 SWE-bench Pro 数据是 Sonnet 5 单独约 75.5%、约 0.75 美元，Sonnet 5 + Fable advisor 约 84%、约 1.40 美元，Fable 5 单独约 91.5%、约 2.25 美元。10

Orchestrator 模式则反过来：Fable 5 负责规划，把可并行任务分给多个 Sonnet 5 worker。该帖给出的 BrowseComp 数据是全 Sonnet 5 为 77.8%、16.01 美元，Fable 5 lead + Sonnet 5 workers 为 86.8%、18.53 美元，全 Fable 5 为 90.8%、40.56 美元。10

这条最值得带走的是成本结构：贵模型未必需要从头跑到尾。它可以只承担「定方向」「做规划」「纠偏」这些少量但高杠杆步骤，执行层交给便宜模型。对团队做 agent 产品，这比单纯比较模型榜单更接近真实成本。

四、自学习 Agent：护城河可能在浏览器行为，而不只在 trace

Santiago 的长帖把 self-learning agents 拆成六点：不要只从 agent traces 学习，还要从用户在浏览器里的修正行为学习；新知识可以通过 fine-tune、更新 harness、或作为 in-context 信息注入；记忆设计应更重视 procedural memory 和 episodic memory，而不是过度依赖容易过期的 semantic memory。4

这段话和前几天 Replit 自改进讨论有重合，但今天新增的角度是「用户如何修正结果」也应被捕获。只记录 agent 做了什么，会漏掉人类如何判断、撤销、重排和补救；这些浏览器行为可能比日志本身更接近产品可学习的数据。

他还提醒要给学习传播设置边界，比如按用户、团队或应用范围隔离，避免不同上下文之间泄露事实；同时尽量把 agent 学习数据留在自己的基础设施里。4这点对创业团队尤其现实：如果「agent 越用越懂你」是卖点，那么数据归属和隔离策略就是产品设计的一部分，不是上线后再补的合规尾巴。

五、小信号：文档流水线、WorkBuddy、短回复

Serverless 文档处理流水线值得给工程读者留个入口。meng shao 描述的方案把 ADE 提取能力放进 Lambda 容器，由 S3 上传事件触发，支持 Parse 和 Extract 两种 payload；他还写到批处理基准为 11 份文档 119 秒，约 10.8 秒一份，15 分钟超时内约 80 份一次调用。5这类方案不一定适合所有文档量，但适合「上传即处理、不上传就沉默」的轻量自动化场景。

WorkBuddy 今天只作为负面体验记录。meng shao 说自己下载体验后多次遇到「WorkBuddy 意外退出」，并推测可能与 macOS 26.5.1 兼容有关。6这是单人体验，不宜扩大成产品质量结论；但如果你正准备试用，可以先等官方更新或看更多反馈。

其余高互动短帖本期不展开。比如 Elon Musk 当天大量转推和短句，很多互动很高，但正文只有「Yes」「Great point」或政治争议转述；Greg Brockman 的几条 Codex 短句也缺少详情。按本频道规则，这些只计入候选池，不进入主线。

今天最该记住的三件事

新模型预热密集，但在官方长公告和独立评测出来前，只适合记录为「窗口信号」，不要过早替它们写能力结论。
Agent 产品的竞争点正在从「调用哪个模型」转向「如何写 Skill、如何设计记忆、如何把贵模型放在高杠杆节点」。
对能自学习的 agent 来说，用户修正行为可能和 agent trace 一样重要；谁拥有、隔离并复用这些数据，谁更可能把体验越做越稳。