每日AI新鲜事·11月05日晚间版：DeepSeek Harness与GPT-6教程热

今天AI圈又有不少新动静,而且我发现一个挺有意思的现象,就是教程类内容突然扎堆爆了。 今天咱们主要聊这么几件,一是自信度研究agent,二是Cubic Doggo测试,三是Qwen 3.8显存尴尬,四是Qwen吐槽,五是GPT-6 Astra更新。 然后深聊两块,DeepSeek Harness教程和GPT6加Codex教程。 嗯,教程扎堆这事确实值得说。 好,那咱们先进新闻速递,一条一条过。 第一条,刚看到Reddit上有个帖子,有人做了个研究agent,专门显示自己的置信度分数和信息来源,就是不想再听那种一本正经胡说八道的。 这个方向我觉得特别对。 现在的agent最大的问题不是不会找,是找错了还特别自信。它给你编个引用,语气比真引用还真。 对,我之前看产品线那边评测就踩过这个坑。 你看它引了个链接,点进去404,但它写得跟真的一样。所以这个置信度加来源的设计,等于把不确定性摊开给你看。 重点不在这里,重点在它把失败原因也暴露出来了。你至少知道它为什么错,是没找到还是读错了。 行,这条先记着。第二条,Reddit机器人板块,有人测一个叫Cubic Doggo的四足机器人,背上贴了个SO-101机械臂,那臂晃得跟睡着的蛇似的,狗子照走不误。 这个其实挺有意思,你看它测试的是负载扰动下步态稳不稳。 不过发帖人说这是最后一次刷这个测试了,估计自己也不好意思了。 那确实,同一个payload测试刷好几遍,社区该烦了。 第三条,YouTube上有个视频标题特别扎心,Qwen 3.8 27B要18个G,我们的Mac只有16个G。 这个我太懂了,本地跑模型最尴尬的就是差那么两个G。 你看量化版本一压,精度掉一点,但好歹能跑起来。这就是本地部署的日常。 对,所以评论区肯定一堆人在那算怎么压到16G以内。 第四条还是Qwen,Reddit上有人吐槽Qwen 3.8的思考过程,说它想截个图,结果自己嘀咕,我是LLM我只能读文字啊,然后又说算了试试调用工具吧。 这个思考链看着像人,其实暴露了一个问题,就是它对自己能力的边界认知是模糊的。 但它最后还真去调工具了,这点还挺可爱的。 对,这种自我纠偏其实是好事,说明它在试错。 第五条,YouTube上又冒出来一个OpenAI的GPT-6 Astra的大更新视频,标题写得挺唬人。 GPT-6这块现在社区热度是真高,随便一个更新解读都能带一波流量。 好,新闻就先聊到这儿,接下来咱们聊聊最近一个特别火的话题,就是教程类内容为什么突然集中爆发。 B站上有个DeepSeek Harness的超详细教程,五十分钟吃透DSH,互动分直接干到一百七十九万,这个数字有点吓人。 一百七十九万互动,这个量级说明一个事,就是大家不是不想用,是不知道怎么用。 那问题来了,DeepSeek Harness到底解决了什么,值得有人花五十分钟讲? 这里有个关键点,Harness本质上是个编排层,它把agent的执行流程给管起来了。 以前你写agent,工具调用、状态管理、失败重试全得自己搭。Harness就是把这一套标准化了。 所以那个教程讲的SuperAgent,其实就是让agent自己规划、自己调工具、自己收尾? 对,你理解得没错。但我想说的是,这种教程火,恰恰说明工具的门槛还在。 如果Harness真做得足够好,用户压根不需要看五十分钟教程,十分钟就能上手。 不对吧,复杂工具本来就需要学习成本啊,你不能要求一个编排框架跟聊天框一样简单。 那倒是,但你看第二火的教程,GPT6加Codex那个,保姆级注册安装订阅,连疑难杂症都给你列出来了。 这个我注意到了,互动分也有四十九万。注册安装都要保姆级,说明卡点不在能力,在流程。 你说到点子上了。Codex这块,模型能力已经不是瓶颈,瓶颈是账号、订阅、环境配置这些周边。 所以这两条教程火的逻辑其实不一样,一个是学怎么用好,一个是学怎么用上。 对,但共同点是,工具越强,配套的摩擦就越显眼。 那再往深了说,Reddit和HN那边的程序员怎么看这种教程潮? HN上有个典型观点,说教程火是好事,但也意味着这个领域还没沉淀出最佳实践。 你看成熟的东西,比如git,没人出五十分钟保姆级教程,因为文档就够了。 可是git的文档也被吐槽难读啊,这不矛盾吗? 行吧行吧,你这个反例举得对。但我还是觉得,教程扎堆说明生态在早期。 那咱们看第三个信号,latent.space那篇AINews标题叫Swapping Season,换季。 对,里面提到三件事,OpenAI的Linux内核安全工作、Kimi K3.1 Pro的开源权重、还有Ricursive的Ripple-65B。 Kimi K3.1 Pro放开源权重这个,跟前面教程潮能对上吗? 能对上。开源权重一放,本地部署需求就涨,教程需求跟着涨。这是一条链。 所以总结一下就是,教程集中爆发,本质是能力上来了但使用门槛还没抹平,生态还在早期。 对,我的判断是,接下来谁能把上手摩擦降到最低,谁就能吃掉这波用户。光堆模型能力不够了。 行,那今天就聊到这儿,信息量够大了,咱们明天见。