半年后重跑 autoresearch 实验：模型约聪明 10 倍，再拿 5 项改进
MParakhin · x · 2026-09-21
开发者 MParakhin 半年前用 GPT-5.4 xhigh 在真实规模项目上跑 autoresearch：103 个实验只有 1 个带来改进，但属「免费」收益。半年后他用相同设置、以 Max effort 重跑 GPT-6 Astra 和 Fable 5.1，结果在原有改进之上又新增 5 项改进。
他据此判断：每一项改进都比上一项指数级更难，意味着模型比 6 个月前聪明了约 10 倍。作为有本职工作的开发者，他把 agent 跑实验当作近乎免费的改进来源。
「模型」频道最新
- 11 个 LLM 剑桥辩论社对决 1168 场：Claude Fable 5.2 压倒性夺冠 — AymericRoucher · 2026-11-12
- 用户实测 Claude App：widget 模块看不到用户编辑、移动端也不显示 — petergyang · 2026-11-12
- OpenAI 将下线 Standard Voice，用户发帖纪念这个「没人测的基准」 — aesthetic_legume · 2026-11-12
- Allen-Zhu新论文：Canon层随机卷积权重也能提升模型推理 — teortaxesTex · 2026-11-12
- Ricursive 发布开源权重 Ripple-65B：TerminalBench 称霸美国开源榜 — StanfordAILab · 2026-11-12
- 被严重低估的资源：跨模型跨厂商的工具调用可靠性实测 — ricklamers · 2026-11-12