GPT-6 Astra的短板：可验证偏好

@ScarletKc 的实测结论很直接：用下来开始怀疑 OpenAI 的方向走错了。Astra 很擅长目标明确、有固定正确答案的任务，但碰到开放、发散、没有标准答案的事就特别别扭——自由探索一个想法、写点有意思的东西、面对模糊问题时自己判断该往哪走，这些恰恰是它明显欠缺的。他说这种感觉从 GPT-5 就开始了。 他的解释我认同：很多任务开始时，连最终想要什么都没确定，需要在探索过程中逐渐发现；而 GPT 总像在等你把题目出完整、把验收标准列清楚。可如果这些都得你先想好，最需要智能的那部分工作，你已经自己做完了。 还有个观察挺有意思：他怀疑这解释了模型为什么爱堆防御性代码、写一大堆测试——测试能给出明确的通过或失败，围着可验证的结果打转是安全的；至于方向有没有价值、有没有更好的可能，需要的是另一种判断力。 对比里他更喜欢 Claude Fable：从"理解你想做什么"出发，顺着不完整的想法往下展开，给出你自己没想到的可能性，即使没有标准答案也能把事往前推进。 我的看法是，这篇真正戳到的是"可验证性偏好"。训练和评测都偏爱能判对错的信号，于是模型越来越擅长把题做对，而不是把题找出来。日常体感里这差别很明显：你给出明确的验收标准，它交得又快又稳；你说"我想做点有意思的东西"，它就开始等你讲得更具体。 边界：这是个人使用体感，不是评测结论；他说的"Anthropic 领先"也没有数字支撑。真要判断，还是得在自己的任务上各跑一遍。