予 予希斋
← 返回 X 快报
X 快报

榜单双第一，本机从不允许

9 分钟

今天关注圈像在对表三件事：评测集从 39 扩到 56 后，Claude Opus 5.5 拿下综合与编程双第一，而 Google 用同一档 Gemini 4 Argon 的 Agent 流水线，从一句提示做出会跳舞的南瓜机器人——榜单与现场各说各话，但都指向「谁更能干活」。中段是 Agent 真正进日常：poteto 的团队管理指南刷屏，范凯一边用 Cloudflare Tunnel 把本机算力接到云端 Bot，一边把「本机执行」设成从不允许，并把中文 AI 新闻收敛到四个账号。远端，Elon 拆 Colossus 2 到百万卡量级、对「数月吞行业」只回 Yup，levelsio 海边 vlog 却提醒——AI 能建一切之后，还剩 taste、分发与真实痛点。读者带走三件事：怎么读这张新榜、怎么给 Agent 设权限与信息源、以及超级智能时间表之外人还该守住什么。

榜单：56 份评测重排，现场另有戏

@Khazix0918 把 AIHOT 背后抓取的公开评测集从 39 份扩到 56 份，按原算法重算 ELO，并剔除未正式上线的模型（如 Gemini 4 Carbon）。结果他本人觉得「挺符合体感」：

站上对照 AIHOT 榜（约 11/01 20:06 更新）：综合榜 Opus 5.5 约 74.3（56 项全覆盖），其后是 Fable 5.1、Astra、Sonnet 5.5、Argon；权重仍是编程 38%、科研 19%、专业办公 19%、知识 14%、真人盲选 10%。引用区有人直接点破读法：榜单给方向，答案在你自己的任务里——办公给 Argon、知识榜不是 Gemini、DeepSeek 性价比、Muse 是否刷榜，这些争论本身说明：扩集之后争议不会消失，只会更细。

同一天的「现场」却不全站在 Opus 一边。@Google 转发 DeepMind：用 Gemini 4 Argon + Antigravity agents，从一句英文提示做出 12 自由度、会跳舞的实体南瓜机器人，无手工 CAD——万圣节 demo，但信号是「Agent 从提示到实体」。@addyosmani 另用 Opus + three.js 两段提示做出万圣节互动网页。@alexandr_wang 则在 Muse 相关语境下甩出一句：「grok might be the most truth-seeking ai after all」。把三天素材叠起来读：榜上 Opus 双第一、办公场景 Argon 有分、求真叙事给到 Grok——没有一张榜能同时覆盖「写代码、做办公、造实体、敢说真话」，读者需要的是对照，不是膜拜第一名。

Agent 团队化：少而精，先设防，再收敛信息源

@poteto 放出一份「如何把 Grok Bot 当团队管」短指南（收藏过万）：bot 不在多、教它做事时让它把做法存成 Skill（可私有 GitHub）、接连接器与 Vault、可给 bot 自建邮箱账号、把还在手动复制粘贴的步骤问它能不能接手、用「实习生入职」方式介绍自己的工作；最爱技巧是 语音脑暴完，让 bot「用自己的话复述」确认理解。跟帖补刀：routines 可定时扫 bug 或邮件触发写 Notion，但别太频繁烧额度；能写成脚本就别用 token 硬扛；Team 计划可把 bot 共享进 Slack。@indigox 同日压成中文要点转发，中文圈跟进速度很快。

权限与边界一侧，@fankaishuoai 把故事讲完整：先用 Cloudflare Tunnel + Workers VPC，把 Mac Studio 上的推理、语音识别甚至本机 PostgreSQL（约百毫秒级）暴露给云端 Agent——瓶颈变成家宽上行约 40Mbps；紧接着声明：不愿让云端 Bot 直接碰本机，于是把 Grok Bot 的「本机执行」设为「从不允许」——这是权限策略，不是「已发生攻击」的证据，也不是关掉一个开关就等于完整隔离。同一条线的信息源收敛：在 bot 协助下把关注砍到 182，改看自建列表站 + 日报整理；晚间 bot 建议中文 AI 新闻盯四个账号即可——@dotey / @op7418 / @oran_ge / @vista8；Orange 调侃「继 ChatGPT 之后又被官方认证」。团队化、隧道、从不允许、四账号——合在一起是同一张作业单：先能干活，再划边界，再收信息噪声。

算力账本与时间表：百万卡、「Yup」、还剩什么

Elon 昨夜今晨连着拆集群：

晚间回应「SpaceX 未来五季度约 $470B capex、约 2× 亚马逊/谷歌/Meta」叙事时只甩一句：「Our capex efficiency is greatly underestimated」——建造快 → 回收期短，是效率叙事，不是融资辩论场。同日 @stevenmarkryan 断言超级智能将在数月到数季吞掉大量商业与职业、物理世界更慢（需大量人形机器人），Elon 仅回 「Yup」。

对冲这条时间表的，是 @levelsio 约 13.5 分钟海边 vlog：「What's left to do when AI can build everything? Many things actually!」 续他此前「Software is dead / personal software」线；评论共识滑向 taste、分发、找真实付费痛点——能建一切之后，稀缺的不是生成，是判断与触达。把 Yup 与 vlog 并读：一边是「行业被吞」的压缩时间表，一边是 indie 仍在数「人还剩哪几张牌」。

额度工程学：Banked 1/2

@thsottiaux 凌晨丢出两字 「Banked 1/2」——接昨夜多账号 / 重置暗示。引用区共识是 Codex / ChatGPT 重置额度可「银行」：一半已入账可攒，还有一档待发；有人提到约 28 天营销窗、重置卡可延。另有网站专门盯 Tibo 下一次重置公告。对照上周 Claude Ultra 取消五小时滚动帽：一边是周池里连续干，一边是跨重置攒额度——重度用户的调度学，比功能清单更决定谁用不完。

中文工具链：局域网刚起步，设计 Skill 可装

@dotey：baoyu-design 加 局域网团队共享——设计稿 / slides 生成本机 IP+端口 URL，同事可读 / 评 / 编并实时同步，权限可改；DeepSeek Harness 插件同步支持。评论已问多人冲突，目前是直接覆盖、待完善——本地协作刚起步，别当成熟 CR 工具。@op7418 推「Twitter 设计师」向 Skill（Stageshow）：动效、交互结果与排版可优化，有页面需求可试。@indigox 另抛一句隐喻：工业革命后我们健身维持肌肉；智能革命后，思考会不会像健身一样，从谋生变成自律与奢侈？——和 levelsio 的 taste 线遥相呼应。

短讯

原文