GPT-5.6 与 harness 之争
Latent Space · rss · 2026-07-11
这期 AINews 覆盖了 7/9–7/10 的多条 AI 热点，重点包括 GPT-5.6 的 rollout、Meta 的 Muse Spark 1.1，以及开源推理与 agent 评测的进展。 ### GPT-5.6：更强的 agent/编排能力，但 UX 翻车 - 新版把模型/算力层级拆得更细，用户开始在多个模型与 effort 等级之间选择，社区觉得控制力更强，但配置组合也明显变复杂。 - OpenAI 的 ChatGPT Work / Codex 分流、侧边栏与项目入口变化引发抱怨；公司随后快速回应，重置了部分使用限制，并承诺修复导航和默认配置问题。 - 早期评测显示它在 agentic coding、presentation、部分科学任务上很强，但并非全面碾压；也有用户反馈指令遵循、token 效率与越狱风险仍不稳定。 ### 竞争焦点转向 harness、路由与多代理 - 多位评论者认为，前沿模型之间的差距在缩小，真正的产品价值越来越来自编排层、记忆、工具调用和安全护栏。 - 文中提到 Sol Ultra、computer use、多代理工作流、记忆工具和“harness is the product”等观点，说明竞争正在从“单模型能力”转向“系统能力”。 ### 其他重要进展 - **Muse Spark 1.1** 被很多人认为是本周最惊喜的发布之一：速度快、价格低、在前端/编码任务上表现很强。 - 开源推理侧，Unsloth、vLLM、Gemma 等都在继续推进量化与推理加速。 - 评测与 agent 研究方面，LLM-as-a-Verifier、记忆 agent 等方向都在变得更具体。 - 文章最后还提到科学、健康等垂直场景正在成为模型厂商的新叙事重点。