AI Twitter 热点 · 2026-09-28
AI Twitter/X 热点 Digest · 2026-09-28（周一）
今日要点
- Opus 5.5 继续刷屏：从「魔法」体感到刷爆 Max 配额，再到相对 Fable 5.1 约 4–6× 的限额体感；另有人用 OpenClaw 跑 Opus，觉得任务完成度压过 GPT-6 Astra。
- antirez 谈 Astra 需要新技能集；Codex 被拿去裁 CI；UFO 多智能体 harness OS 宣布上线。
- Cline 上架 Ember-1（基于 Kimi K3，约少 40% tokens）；GitHub Copilot 强调并行 agents；另有 DeepSeek Harness 插件、Jev-as-a-Judge，以及 Claude 封禁后转向 OpenCode + DeepSeek 的讨论。
1. Opus 5.5：从「魔法」到刷爆 Max 配额
要点：@dhh 直接写「Anthropic did magic with Opus 5.5」。@theo 则说过去 5 天差不多「杀掉」约 3.5 个 $200 Claude Code 账号——Opus 5.5 很猛，Max 订阅「太划算」。同日他还拆了限额体感：Opus 更省、Fable 还有 50% 上限，从 Fable 5.1 High 换到 Opus 5.5 High 大约是 4.3× 限额提升，从 Fable xhigh 换过去约 6.6×。@AravSrinivas 把原 Fable 5.1 编排的 50–100 个工作流迁到 Opus 后差异不大，但仍有不用「更聪明模型」的 FOMO。
为何值得看：讨论焦点已从「谁更聪明」转到「单位配额能扛多久、编排层换模型有没有断层」。
- dhh：https://x.com/dhh/status/2104273594217812283
- Theo 刷爆 Max：https://x.com/theo/status/2104079585956761814
- 限额对比：https://x.com/theo/status/2104339496942948401
- 工作流对比：https://x.com/AravSrinivas/status/2104270322757509315
2. Opus 5.5 × OpenClaw：任务完成度压过 Astra？
要点：@garrytan 称 Opus 5.5 配 OpenClaw「奇怪地更聪明、更能把任务做完」，表现好过 GPT-6 Astra，并表示惊讶。这把「模型 × harness」组合又推回台前。
为何值得看：同一天社区一边吹 Opus 配额效率，一边把它放进具体 agent 运行时里比完成率——默认栈可能同时换模型与壳。
3. antirez：用不好 GPT-6 Astra，可能是技能集过时了
要点：@antirez 观察到「好程序员」说自己用 GPT-6 Astra 却拿不到好结果；他认为解释并不玄——过去的好编程与现在所需技能集已不同，虽有重叠但不再等价。
为何值得看：把「模型不行」重新框成「人机协作技能迁移」，和配额/壳层讨论形成互补。
4. Codex：让模型决定跑哪些 CI 测试
要点：面对「CI 已成为工程团队最大瓶颈」的讨论，@steipete 说赞助方 @useblacksmith 很好，但仍要分摊负载；他的计划是让 Codex 决定哪些测试真正需要跑，大幅砍掉 CI，改为按小时跑测。另有中文圈转述 Codex app 负责人 @ajambrosino：新模型一出来就让它在 GPUI + Rust 里重写 Codex app。
为何值得看：coding agent 从「写代码」延伸到「决定测什么」——CI 成本本身成了 agent 产品面。
- steipete：https://x.com/steipete/status/2104305554760114488
- GPUI/Rust 提示：https://x.com/huacnlee/status/2104157032546983946
5. UFO：多智能体 orchestrator / memory 系统上线
要点：GitHub Copilot 共同创造者 @alexgraveley 宣布 UFO 上线——面向 agent-first 业务痛点的可扩展多智能体编排与记忆系统；官方账号称它是可承载整家公司的 multiplayer agent harness OS，支持托管或开源，擅长代码与工作流。站点为 ufo.ai。这是产品公开上线叙事，不宜写成「今天才第一次开源」。
为何值得看：又一个从大厂 agent 经验里长出来的独立 harness，叙事直接对准「公司操作系统」而不只是 IDE 插件。
6. Cline：Ember-1（Kimi K3 后训练，约少 40% tokens）
要点：@cline 介绍 Fireworks Research 的 Ember-1：基于 Kimi K3，在同等基准表现下大约少用 40% tokens；做法是后训练让模型少做重复思考。真实 coding 流量 A/B 里，推理 tokens 约少 71%、总 tokens 约少 39%，成功率持平。已在 Cline（含 Desktop）可用；@omarsar0 等也把这看成 token Pareto 前沿上值得跟的方向。
为何值得看：agent 循环里「想太多」正变成账单问题，专项后训练开始直接打这个点。
- Cline：https://x.com/cline/status/2104329978146115998
- Desktop：https://x.com/cline/status/2104329981191209235
- 评论：https://x.com/omarsar0/status/2104341259540123718
7. GitHub Copilot：App 里并行跑多个 agents
要点：@github 提醒：GitHub Copilot App 可并行跑多个 agents——每个会话独立 Git worktree 与上下文，可同时构建、审查、测试。
为何值得看：大厂默认客户端也在把「多 worktree 并行」做成一等能力，和独立 harness 的多会话叙事对齐。
8. DeepSeek Harness：dsh-better-sidebar 底座插件
要点：@tianyi 继续 DSH 插件推荐，介绍 dsh-better-sidebar：为 DeepSeek Harness 增加侧边栏、底边栏、分栏、可浮动栏等 UI 定制，并作为给其它插件用的底座能力；在官方补了基础侧边栏后，该插件复用官方组件接口并继续扩展。承接此前「约 60% 用户装了第三方插件」的生态叙事。
为何值得看：国内 harness 把插件可组合性当成产品差异，而不只是模型壳。
9. Jev-as-a-Judge：用分类模型抓对齐失败
要点：@omarsar0 介绍用 Jev 做廉价对齐/失败检测：对模型回复问一个通用 yes/no，用概率当分数；无需额外训练，中位 AUROC 约 0.886；19 个基准上 Jev 一趟约 $0.30，而那些基准用的 LLM judge 约 $18.96。另帖强调 agent harness 时代，System One（分类）与 System Two（生成）混用值得认真做实验。
为何值得看：继 Jev Router 之后，Jev 又被推进「裁判/门禁」层——便宜、可校准的判定模型正在成为 harness 标配零件。
- 论文解读：https://x.com/omarsar0/status/2104295014117589053
- 分类模型回潮：https://x.com/omarsar0/status/2104235323970523543
10. Claude 封禁后：OpenCode + DeepSeek 成备胎栈
要点：@imwsl90 称账号被 Claude 封禁后反而想清楚了——日常大量其实吃的是 DeepSeek API；没有申诉计划，后续打算走 herdr + OpenCode + DeepSeek，整体比 Claude 便宜很多，并展示把 Omarchy 系统从 Claude 切到 OpenCode 只需几句话。这是中文时间线里「默认 harness 可替换」的现场样本。
为何值得看：当订阅账号成为单点故障，开源 harness + 国产/开源模型的可迁移性，比单一 SOTA 更有现实价值。
