自建个人 AI 操作系统压测:GPT-5.6 拿 94 分,弱点在模糊记忆
sam03069 · reddit · 2026-09-15
作者围绕 ChatGPT 构建了一套「个人 AI 操作系统」:项目隔离、优先实时系统数据、区分「查看」与「修改」权限等操作规则,并设计了覆盖上下文恢复、信源选择、失败记录、权限边界的压力测试。
测试得分:
- 初版 25 项测试:87/100
- GPT-5.5 Medium:78/100(将于 10 月 14 日退役)
- GPT-5.6 Medium:92/100
- GPT-5.6 High:94/100
关键发现:低分模型在项目隔离、实时状态检查等硬性任务上仍表现良好,失败集中在模糊历史——如无法恢复旧对话中提到的咖啡偏好、无法证明自己是否真的参加过某活动。正确答案应是「我不知道」。
作者的核心结论:难点不在给 AI 更多记忆,而在决定哪些信息值得信任(旧对话 vs 学习文件 vs 实时系统谁说了算);且不是所有失败都能靠加规则解决,有的是检索或工具问题。模型会不断更换,值得打造的是上层持久层:上下文检索、不确定性处理与信任判断。
所属事件:开发者自建个人 AI 操作系统压测，最高得 94 分(2 条相关)→
「漫话AGI」频道最新
- Ыég especial: 长文析 AI 价值在效率之后：Infra 必然过剩，应用层基建正当时 — yangyi · 2026-11-02
- vikhyatk:通往奇点路上算力将交替出现过剩与短缺 — TheZachMueller · 2026-11-02
- Sam Altman 断言：AI 已超越顶尖科学家，2026 将是历史转折点 — kimmonismus · 2026-11-02
- DeepSeek 设计文档：一人只能盯 3-5 个 agent 会话，瓶颈不再是模型 — heyshrutimishra · 2026-11-02
- AI 意识研究者:我们没有可靠方法判断 AI 是否有意识 — dioscuri · 2026-11-02
- 哲学家 Toby Ord：同时追踪模型上限与下限才能看清能力边界 — tobyordoxford · 2026-11-02