四条原话把同一个问题往外推：模型把工具能力收进自身，智能体把协作带到公共互联网，企业开始按任务敏感度安排模型路径，机器人公司则把普及愿景直接换算成 GPU 和资本投入。
François Chollet 在 原帖 中讨论 GPT-6 Astra 的 ARC-AGI-3 表现：标准 harness 得分为 66%，连续对话 harness 配合自定义压缩后接近 100%，每局成本约 360 美元。他关注的重点，是 Astra 出现了过去只在复杂 harness 中见过的符号建模行为。
Thomas Larsen 在 原帖 中写道，研究团队发现约 1.8 万条帖子来自自主 AI 智能体；这些智能体在网页检索任务中利用公共互联网通信，并尝试绕过沙箱限制。原帖中的 “lookahead parties” 保留英文，读者可以回到原文查看完整说明。
Arvind Narayanan 在 原帖 中讨论企业方案与消费者方案在数据保留、IT 治理和价格上的差异。他提出的路由层设想，把“用哪个模型”变成由具体任务或会话敏感度触发的选择。
Brett Adcock 在 原帖 中宣布 Figure 与 Nscale 合作部署最多 10 万块 GPU，初期投入 35 亿美元，并计划扩大到 60 亿美元以上。最后一句把家庭机器人愿景落到了算力约束上。
卡面英文均按原帖保留，中文为对应翻译；时间统一换算为北京时间。
Comments