Follow 深度日报：Sol 试用、开放模型政策风险与编码代理分化

Sam 开始向社区征集用 5.6 Sol 做出的有趣作品，并承诺给最酷作品送 OpenAI archives 的特别礼物。这不是新产品发布，而是发布后拉动开发者实测与展示的增长动作。结合官方 GPT-5.6 页面强调的 Sol/Terra/Luna 三层、ultra 并行代理、Programmatic Tool Calling，OpenAI 正在把“模型能力”包装成“可展示的工作流成果”。

官方把 GPT-5.6 定位为“每个 token 产出更多智能”，并公布 Sol、Terra、Luna 三档；Sol 主打 coding、knowledge work、cybersecurity、science，ultra 模式通过多代理并行处理复杂任务。发布页还强调 Programmatic Tool Calling：模型可编写并运行轻量程序来编排工具、过滤中间结果、减少模型往返。

Simon 在博客里整理了 GPT-5.6 的价格、上下文窗口、API 新特性，并提醒“每百万 token 价格”已经不足以直接比较模型，因为不同模型在同一任务上的 reasoning token 消耗差异很大。他还说自己早期使用 Sol 的感觉是“很能干”，但暂未觉得在复杂编码任务上超过 Anthropic 的 Fable。随后他也继续追问 Anthropic Opus/Fable/Haiku 的相对命名与定位，说明模型品牌层级正在变得难懂。

OpenAI 发布的 PDF 声称给出了 Cycle Double Cover Conjecture 的证明，文档说明证明由 GPT-5.6 Sol Ultra 完成，写作由 Codex 与 GPT-5.6 Sol 协助。文本把问题化约到三次图、nowhere-zero flow 与线性代数构造。该结论极重要，但目前仍应视作待独立数学社区验证的信息。

Nathan 发布《6 months to live for open models》，核心判断是：开放权重模型可能在未来 6 个月遇到把它们永久压成二等公民的政策行动。他把风险拆成两个交织问题：围绕中国模型/蒸馏的监管捕获叙事，以及 frontier open-weight 模型接近闭源前沿能力后的准入审查。文章也提醒，开放模型缺少一个足够强的经济代表来为整个生态游说。

Chollet 认为，去年以前较弱的 AI code generation 主要对低技能程序员有用，是“抬高地板”；但现在更强的代码生成工具已经反过来，最能被高手利用，低技能用户反而可能用不好甚至被淹没。这个判断把 coding agent 从“替代初级劳动”重新框定为“放大专家杠杆”。

一篇研究 Microsoft 早期 2026 年 Claude Code 与 GitHub Copilot CLI 推广的论文发现，首次使用主要通过社交网络扩散，留存更依赖工程师本身的编码活动而不是人口统计属性；采用者合并的 PR 数约提升 24%。作者也明确提醒，merged PR 只是产出代理指标，不等同业务价值。

Harrison 转发的讨论强调，AI agent 不只是模型，infra 同样关键：LangSmith sandboxes、deployments、LangChain 模型集成、deep agents harness、tracing observability 和 recursive improvement 共同构成生产栈。另一个 OpenWiki 贡献者获得 Harrison 回复，说明 LangChain 仍在推动开放知识/记忆类基础设施的社区参与。

Simon 指出一个尴尬问题：用户不能把共享的 Claude transcript 链接直接贴进 Claude Code 会话，因为 Anthropic 的反爬措施会阻止自家工具访问自家工具的输出。这不是严重故障，但暴露了 agent 产品之间“分享、授权、上下文可携带性”的缝隙。

Logan 强调，很多人仍低估了高质量 curated data 对模型的重要性；找到新的数据创建或获取方式本身就是巨大优势。这与过去几天围绕 GPT-5.6、开放模型、agent workflow 的讨论形成呼应：模型架构之外，数据、评测和反馈回路仍是核心生产资料。

swyx 延续 Sam Altman 关于 AI 净创造工作的讨论，强调 Jevons paradox 不只适用于软件需求：当能驾驭 coding agents 的人把单位知识工作成本压低后，总知识工作需求反而会上升。他认为 coding 不是例外，而是其他知识工作的先兆。