今天的模型消息更像早期用户验收，而不是发布会信息。GPT-5.6-Sol 被反复点名的不是“参数更强”，而是能不能稳定接住写作、邮件、电脑操作这些每天都会反复发生的工作。
不是热闹，是今天最该看的 6 个信号。
看点：Dan Shipper 称 Every 已测试 GPT-5.6-Sol 约一个月，短暂失去访问后“像回到石器时代”，即便有 Fable 访问也明显不够；他还单独指出 GPT-5.6 在营销邮件写作上明显好于 Fable。Theo 也说 GPT-5.6-Sol 在 computer use 上“world leading”，让他使用频率提升很多。 为什么重要：这不是官方发布稿，而是多位高频使用者在同一天给出的实际体验信号。值得写的新事实是：早期讨论不只围绕跑分，而是落到可委派的知识工作、写作一次成稿和电脑操作这三类真实使用场景。
查看原文看点：Aakash Gupta 写道，Mercor 的核心产品是医生、律师、银行家等专家按小时给 AI 任务结果打分，价格可达每小时 85 美元以上，并称每天有超过 200 万美元流向专家。 为什么重要：这条把“后训练数据短缺”讲得很具体：互联网文本不再是唯一瓶颈，能判断模型是否真正完成专业工作的专家评分，正在变成下一阶段强化学习和真实任务训练的稀缺投入。
查看原文看点：swyx 提到 Cog 团队生产化中文模型时做了三件硬活：建立多语种宣传/审查评测，在后训练中成功校正，并以低成本提供约 1000 tok/s 的服务。 为什么重要：这比“用了中国模型”更具体。真正的新信号是：agent 实验室如果要把中文模型放进商业/政府敏感场景，必须回答审查偏差、多语风险和服务吞吐，而不是只看模型价格或开源权重。
查看原文按来源分组，保留有效信息，去掉废话和重复语气。
GPT-5.6-Sol 被描述为优秀 daily driver，可委派邮件等知识工作；英文内容要点：短暂失去访问后，使用者感到现有替代模型明显退步。（https://x.com/danshipper/status/2074872845104980214）
查看原帖GPT-5.6 在营销邮件写作上比 Fable 更稳，能 one-shot 产出以前模型失败的文案；英文内容要点：Fable 容易冗长并落入自己的表达习惯。（https://x.com/danshipper/status/2074870873958265335）
查看原帖GPT-5.6-Sol 的 computer use 能力被他评价为 world leading，并称失去访问后很快感到不适应。（https://x.com/theo/status/2074720467395756499）
查看原帖Mercor 的增长被解释为“专家评分变成 AI 稀缺投入”。英文内容要点：模型越强，越需要医生、律师、银行家等高水平专家判断失败在哪里，训练数据成本也随之上升。（https://x.com/aakashgupta/status/2074873140036174096）
查看原帖Cog 团队的重点不是只使用中文模型，而是补上多语宣传/审查评测、后训练校正和低成本高速服务。英文内容要点：面向政府/防务销售的 agent 团队往往不愿承认使用中文模型，但生产化需要正面处理风险。（https://x.com/swyx/status/2074919183947808881）
查看原帖周四扩展组：_akhaliq、dair_ai、Teknium1、ClementDelangue、deepseek_ai 本轮没有抓到可作为今日主线展开的 72 小时内原创新事实；Teknium1 抓取失败但未触发 rate limit，已记录在 raw/fetch_meta.json。
Claude Cowork 被称为即将登陆移动端和网页端，移动端更偏控制和查看进度；亮点是合上电脑后 Claude 仍可继续执行，Beta 未来几周从 Max 计划开始。（https://x.com/yanhua1010/status/2074721640605172198）
查看原帖Claude Code 的 /checkup 命令被推荐用于清理未用 skills/MCP/插件、拆分 CLAUDE.md、关闭慢 hooks、更新到最新版并默认启用自动模式；这是偏工具维护的新实操信号。（https://x.com/yanhua1010/status/2075011974392668179）
查看原帖讨论 Vercel Native SDK 时提出一个 AI 时代判断：与其押跨平台 UI 框架，不如保持同一套设计，让 AI 分别翻译到 AppKit 等原生平台。（https://x.com/dotey/status/2075061875302158572）
查看原帖今天的模型消息更像早期用户验收，而不是发布会信息。GPT-5.6-Sol 被反复点名的不是“参数更强”，而是能不能稳定接住写作、邮件、电脑操作这些每天都会反复发生的工作。
Mercor 和 Cog 两条放在一起看，说明下一段竞争在模型外部：一边要买到足够贵、足够专业的人类判断，另一边要把便宜高吞吐模型的审查偏差和多语风险补齐。