SandBase 博客

关于 AI 智能体、模型路由以及构建生产级 AI 系统的洞察。

GPT-6 Astra 多模态实测：3D 迷宫、建模与空间推理表现

MazeBench 14% 的纪录，与 Fusion 360 建模、频谱识别、分子演示和 48 关游戏放在一起看：GPT-6 Astra 已能做什么，哪些结论还不能下。

GPT-6 Astra 的 Plus 额度为什么消耗这么快？结合官方使用限制、创作者案例与三次游戏生成账单，分析订阅额度、Fast 模式和 API 实际费用。

Claude 将费马大定理的已有证明写成了 Lean 可检查的代码。这项研究验证了什么？如何用一道小定理测试模型，并识别偷换命题与未完成证明？

SandBase 的 GPT-6 Astra vs Claude Fable 5.1 实测：用同一道 3D 游戏题，比较原始代码、启动失败、通关检查、返回耗时与实际 API 账单。

OpenAI AI 研究实习生能接哪些任务？看清 3.1 倍运行时长、按 API 价格折算的用量与人工干预数据，再用一份训练日志分析任务说明怎样委派、验收和记录实际产出。

旧模型帮助训练 GPT-6 Astra，是否等于递归自我改进？区分已披露事实与研究者判断，用训练数据过滤的示例说明还需要哪些实验记录，才能证明下一代模型确实变好。

按任务、预算与失败方式比较 GPT-6 Astra、Claude Fable 5.1 和 Gemini 3.8 Flash，给出代码 Agent 的重试、升级和人工审批示例，不把不同跑分当统一排名。

Codex Persistent Mode 的公开代码说明了什么？区分 8 月报道、后续任务与休眠机制，核对权限、记忆和费用边界；代码存在不等于产品已经普遍开放。

WorkBuddy 是把自然语言任务转成文件、报告、分析和代码的桌面 AI 工作台。本文解释它适合什么，以及不适合什么。