硅AI 明白人|Claude Opus 5.5:赢了这一周,为什么没赢得人心?

AI 明白人|Claude Opus 5.5:赢了这一周,为什么没赢得人心?

硅谷早上好·2026 年 9 月 29 日·31 分钟
创作者写的节目说明

这一期,我们听的是 How I AI 的一期节目。

【这期讲什么】
我早起准备录制 Opus 5.5 的评测。结果 Anthropic 和 OpenAI 在同一个早晨发布了新模型,于是我决定做一件以前从未做过的事:进行 How I AI 盲测直播。我让 GPT-6 Astra、GPT-6 Sol、Claude Opus 5.5 等模型接受我真正关心的工作考验:邮件、PRD、前端原型、后端工作、长时间运行的智能体、SVG 和视频剪辑。我在不知道输出由哪个模型生成的情况下为结果打分,所以你可以看到我做出预测、改变想法,并揭示自己非常不一致的偏好。Astra 赢得了我的心。Opus 5.5 赢得了我的这一周。Sol 依然让我左右为难。有一个创意结果让我彻底判断失误,还有一个 LLM 评审与我意见相左;此外,我们回到了 Barbie Bench——这个 3D 时尚游戏不断提醒我,我们还有多长的路要走。那些手部细节惨不忍睹。AGI 还没有到来。

【你会听到】

  • 我如何进行 How I AI 盲测,以及在我甚至不知道哪个模型生成输出之前,什么会让一个输出得到低分
  • 为什么 Astra 赢得了我的心,而 Opus 5.5 可能是整体最强的模型,尤其是在长时间运行的智能体和 B2B 前端方面
  • Sol 在清晰写作、易读的 PRD 和价格方面为何依然让我心动
  • 角色 SVG 的结果如何彻底颠覆了我对 Anthropic 的预测
  • 当我让这些模型剪辑视频时发生了什么,以及为什么我认为 skills 可以解释其中一部分失望
  • 为什么一个 LLM 评审不同意我的排名,以及它奖励了哪些我没有奖励的东西

【时间轴】
直播设置与新模型发布
Opus 5.5、Sol 和 Luna 有哪些新变化
限制机制、个性与速度
How I AI 盲测与盲评流程
邮件与个人效率测试结果
前端原型的直觉检查
后端、智能体个性与长时间运行的任务
SVG 插画测试
AI 视频剪辑结果
揭晓前的预测
Barbie Bench:3D 时尚游戏测试
结果:Astra、Sol 和 Opus 5.5
写作清晰度与创意惊喜
为什么 LLM 评审不同意我的看法
每个模型真正最擅长什么

【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。

————————————
我是 Felix,在中美经营一家 AI 技术公司。
想共同探索 AI 机会,或者想加入我的团队做有意思的事,欢迎来找我:

  • 小红书 / 公众号:康康你的AI
  • X:@hereFelixK
  • 博客:https://felixk.me
  • 播客:AI 边角料

说明里标出的时间点,点一下跳过去

硅谷早上好 · 更多单集

看全部 86 期 →

硅谷早上好

硅AI 明白人|Claude Opus 5.5:赢了这一周,为什么没赢得人心?

硅谷早上好 · 9 月 29 日 · 31 分钟

AI 明白人|Claude Opus 5.5:赢了这一周,为什么没赢得人心?

创作者写的节目说明

这一期,我们听的是 How I AI 的一期节目。

【这期讲什么】
我早起准备录制 Opus 5.5 的评测。结果 Anthropic 和 OpenAI 在同一个早晨发布了新模型,于是我决定做一件以前从未做过的事:进行 How I AI 盲测直播。我让 GPT-6 Astra、GPT-6 Sol、Claude Opus 5.5 等模型接受我真正关心的工作考验:邮件、PRD、前端原型、后端工作、长时间运行的智能体、SVG 和视频剪辑。我在不知道输出由哪个模型生成的情况下为结果打分,所以你可以看到我做出预测、改变想法,并揭示自己非常不一致的偏好。Astra 赢得了我的心。Opus 5.5 赢得了我的这一周。Sol 依然让我左右为难。有一个创意结果让我彻底判断失误,还有一个 LLM 评审与我意见相左;此外,我们回到了 Barbie Bench——这个 3D 时尚游戏不断提醒我,我们还有多长的路要走。那些手部细节惨不忍睹。AGI 还没有到来。

【你会听到】

  • 我如何进行 How I AI 盲测,以及在我甚至不知道哪个模型生成输出之前,什么会让一个输出得到低分
  • 为什么 Astra 赢得了我的心,而 Opus 5.5 可能是整体最强的模型,尤其是在长时间运行的智能体和 B2B 前端方面
  • Sol 在清晰写作、易读的 PRD 和价格方面为何依然让我心动
  • 角色 SVG 的结果如何彻底颠覆了我对 Anthropic 的预测
  • 当我让这些模型剪辑视频时发生了什么,以及为什么我认为 skills 可以解释其中一部分失望
  • 为什么一个 LLM 评审不同意我的排名,以及它奖励了哪些我没有奖励的东西

【时间轴】
直播设置与新模型发布
Opus 5.5、Sol 和 Luna 有哪些新变化
限制机制、个性与速度
How I AI 盲测与盲评流程
邮件与个人效率测试结果
前端原型的直觉检查
后端、智能体个性与长时间运行的任务
SVG 插画测试
AI 视频剪辑结果
揭晓前的预测
Barbie Bench:3D 时尚游戏测试
结果:Astra、Sol 和 Opus 5.5
写作清晰度与创意惊喜
为什么 LLM 评审不同意我的看法
每个模型真正最擅长什么

【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。

————————————
我是 Felix,在中美经营一家 AI 技术公司。
想共同探索 AI 机会,或者想加入我的团队做有意思的事,欢迎来找我:

  • 小红书 / 公众号:康康你的AI
  • X:@hereFelixK
  • 博客:https://felixk.me
  • 播客:AI 边角料

说明里标出的时间点,点一下跳过去

硅硅谷早上好

硅谷早上好

聚焦AI时代科技与商业变局的海外播客编译解读节目,以早报快讯加深度拆解双轨呈现,覆盖AI竞争格局、资本运作、企业级软件与…

已收录 86 期 · 最近更新 11 月 22 日

在哪里听

https://proxy.wavpub.com/morningguigu.xml复制

内容版权归创作者,声湃按创作者开放的 RSS 收录。了解收录与 RSS →

更多单集 全部 86 期 →