GPT-6 Astra 與 Peter Gostev 對談

🧑‍🏫 這支影片是 Peter Gostev 分享他怎麼測試 OpenAI 的新模型 Astra，以及用下來的真實感受。重點不在跑分，而在兩件每天用 AI 的人都有感的事：它講話會不會一直討好你，還有交辦的事能不能放手讓它做完。

• 00:00 他很看重 Astra 不需要一直盯著（babysit），因為自己腦容量有限，沒辦法把每個任務都想得面面俱到
  ↳ babysit 原意是「顧小孩」，這裡指模型每做一步都要有人盯著、隨時糾正。他看重 Astra 不用這樣顧，因為人能同時想的事有限，不可能替每個任務把細節都先想好。
• 00:00 評測思路：中等難度的測試現在很多模型都能完成，所以要找最難的任務來測，讓模型盡量長時間運作、充分探索
  ↳ 中等難度的題目，現在大多數模型都做得出來，拿來比看不出差別。所以他專挑最難的任務，讓模型自己跑很久、多方嘗試，才分得出哪個真的比較強。
• 00:31 他喜歡用 3D 視覺類任務來測試，因為可以直接用眼睛追蹤模型能力的進步
  ↳ 3D 畫面做得好不好，眼睛一看就知道，不用讀程式碼或看分數。同樣的題目丟給新舊模型，畫面差多少，進步就有多少，很直觀。
• 00:31 範例：用 voxel 3D 重現歷史上的倫敦，橫跨中世紀、Tudor 等不同時代，並在同一張地圖裡轉換
  ↳ voxel 3D 是用一顆顆小方塊堆出立體畫面，類似 Minecraft 的風格。他請 Astra 重建不同年代的倫敦，例如中世紀和都鐸（Tudor）時期，還能在同一張地圖裡切換年代。
• 00:31 這個作品他只多下了大概幾個 prompt，例如要求改成俯視視角，做出像 GTA 2 的效果
  ↳ prompt 就是你打給 AI 的指令。這麼大的作品，他只多補了幾句，例如「改成從上往下看」，就做出像老遊戲 GTA 2 那樣的俯視畫面。大部分工作是模型自己完成的。
• 01:01 Sol 有點怪的地方：只要給批評或回饋，它就馬上說「很棒，我也這樣想，你說得太對了」
  ↳ 他提到另一個模型 Sol 有個怪習慣：你一挑毛病，它就立刻附和「你說得太對了」。聽起來很客氣，但你分不出它是真的同意，還是只是順著你講。
• 01:01 Astra 的溝通感覺有明顯轉變：沒什麼讓人煩的地方，比較自然，會像人一樣反駁，或承認自己犯錯
  ↳ push back 就是有不同意見時會提出反對。Astra 不再一味討好，覺得你錯了會直說，自己做錯也會承認，跟它討論比較像在跟真人同事講話。
• 01:32 他有一個大約從 GPT 5.2 時期就開始 vibe-code 的小 app，程式碼品質不好又越積越多，約有 150,000 行
  ↳ vibe-code 是指不太細看程式碼，主要靠跟 AI 描述需求把程式做出來。他用這種方式從 GPT 5.2 時期一路疊出一個小 app，品質差又越堆越多，累積到約 15 萬行。
• 01:32 他一直想遷移或改善這個 app：用 5.6 雖然成功了，但事後要花很多時間除錯才能對齊
  ↳ 他一直想把這個 app 搬到新的做法上，或整理乾淨。用 5.6 版雖然也做得完，但成果和他要的有落差，事後得花很多時間找錯、修正，才能對得上。
• 02:02 換成 Astra 幾乎直接就能用，他不必再做任何處理；不用每一步都盯著，這種可靠度的躍進對他來說很重要
  ↳ 換成 Astra 做同樣的事，完成後幾乎直接能用，他不用再收尾，過程中也不必一步步盯。對他來說，這省下的是除錯時間，也是操心的力氣。
• 02:02 現在的瓶頸出乎意料是 CPU：他必須把工作從筆電搬到 Linux 主機上遠端執行，一直插著電，也不怕沒電
  ↳ CPU 是電腦負責運算的零件。現在卡住他的反而是電腦算力，不是模型。他把工作移到一台長期插電的 Linux 電腦（Linux box）上遠端執行，不用擔心筆電沒電。
• 02:32 整體感想：感覺這個模型「長大了」
  ↳ 「長大了」指的是整體變成熟：不用一直有人顧，講話不再只會附和，交出來的東西也比較可靠，比較像可以放手交辦的對象。

根據影片，Peter Gostev 使用 Astra 時，現在最主要的瓶頸是什麼？