Astra 发布之后：作品、方法与新的问题

一个模型发布时，最容易看到的是能力列表与成绩。几天后，更值得追问的是：有人拿它完成了什么，留下了哪些可以查看、修改或继续使用的东西？这份专题从作品进入，再看方法、工作方式与争议。

下面的三维场景、科普网站和博客，分别提出了三个问题：生成结果能否继续编辑，动态展示能否帮助解释，个人网站能否表达一个具体的人。它们不是同题评测，不能排成模型能力榜；它们让不同的可能性变得可以观察。

• Astra 发布记录 ↗本站已有资料先了解官方定位、开放与使用条件，再进入下面的作品。

Simon Willison 在 9 月 5 日的操作记录中，让 Astra 调用 Mac 上的 Blender，制作骑自行车的鹈鹕。他公开了三个阶段的 .blend 场景文件、Python 脚本与会话记录。这里最有意思的是交付形式：场景保留了三维结构，可以在 Blender 中继续改，而不只剩一张渲染图片。

作者后来继续要求增加背景与细节，留下前后版本。对想做产品展示或教学场景的人，这提供了一条可参考的路径：先描述场景，让助手调用实际工具，再把对象、材质、灯光和相机留在可编辑文件中。要判断是否适合自己的用途，应看对象关系、画面和后续修改是否正确，而不是只看第一眼的精致程度。

这是作者的实例，本站阅读了过程与文件入口，未在本轮复做 Blender 场景。单个实例不说明复杂建模都能完成，也不能用作者记录的耗时预测其他设备与任务。

• Using Blender with coding agents on macOS ↗作者操作记录 · 9 月 5 日含场景、代码与完整会话入口，可比较各轮交付。

V2EX 作者 int64ago 分享了用 Astra 制作科普网站的经历，并公开 vistep 源码。作者把目标描述为用可视化解释生活中的机制。公开仓库介绍了短篇视觉叙述、可调参数的实验，以及中英文讲解；这些提供了可以继续检查的实际材料。

一个值得学习的方向，是让图中的运动、数值和文字指向同一个解释。例如讲齿轮时，改变齿数后，转速与旋转关系也应跟着改变；讲压缩时，参数改变应对应可观察的图像与信息损失。这是本站提出的阅读与制作标准，不是对该站全部作品已经通过核验的结论。

作者帖提到使用了大量额度，但没有提供可用于统一比较的完整成本实验。当前可以介绍作品与方法；是否适合青少年、是否比静态解释更容易理解，需要具体观看和学习观察，不能由动画数量或代码规模推出。

• 作者的制作分享 ↗V2EX · 9 月 6 日作者对工具使用和制作目标的自述。
• vistep 公开源码 ↗作者仓库查看作品入口、解释模型与制作资料；仓库描述不等于学习效果证明。

Justin3go 在 V2EX 分享了用 Astra 重构博客首页的结果。本站打开成品看到，首页用纸张拼贴、手绘人物和蓝色重点字形成统一表达，随后进入作品、关于、经历与联系。点开“看看我的作品”，能到达实际项目区，继续访问作品。

它提供的启发不只是某种视觉风格：创作者把作品与生活放在同一叙述中，访问者可以顺着具体内容认识这个人。准备让 AI 做个人网站时，先提供真实作品、经历和希望别人记住的特点，会比只要求“高级”“有设计感”更有落点。

我们检查了首页与作品入口，没有审计全站或完成手机、读屏与长期性能测试；作者也没有在帖子中拆分模型生成与人工调整的各自贡献。这个案例适合讨论表达与交互，不能证明 Astra 自动完成了所有设计工作。

• 作者原帖 ↗V2EX · 9 月 6 日说明重构所用工具；具体成品另行查看。
• Justin3go 的个人网站 ↗成品 · 本站查看于 9 月 7 日查看首页表达与作品入口。

Robocurve 9 月 4 日的报告让 Astra 操作 YAM 机械臂，分别做方块入碗和拼图入槽。下图重画了报告公布的 Astra 完成次数。实验只有两个任务；物体由人复位，评分者知道所用模型，不能据此推成通用机器人能力。

可以打开下方两份原始记录，比较“发出了动作”与“做对了事情”。入碗实例由人工评为完成；拼图实例虽然以 done 结束，人工却记录为 partial、阶段 3。模型对结果的描述与最后的物体状态，需要分开检查。本站阅读了记录，未操作机械臂或重做实验。

把这个区别带回自己的项目：先定义最终状态，再看哪一步反复失败。拿起物体、移到目标上方、正确放下，各自需要观察；一段漂亮动作不能替代整项任务的完成。

• Robocurve 实验报告 ↗第三方实验 · 9 月 4 日含任务条件、结果与限制。
• 方块入碗原始记录 ↗作者公开记录人工判断为完成的实例。
• 拼图未完成记录 ↗作者公开记录结束信号与人工判断存在差别。

Little Dorrit Editor 用带手写修改的书页评估模型：它要找出哪里发生了修改，以及原文应变成什么。9 月 7 日读取的榜单中，Astra 的 OpenRouter 条目 F1 为 0.7778，Fable 5.1 为 0.7316；两者公布的 95% 区间重叠，Claude 图片另有缩放压缩，不能只凭这两个分数概括所有文档任务。

例如，把“周五”划掉并写上“周四”，需要识别删除与替换的关系，而不只是把两个词都抄下来。这个例子是本站的说明，并非模型实测结果。实际整理批注时，可以要求按位置列出“原文、修改后、待确认处”，再对照原图逐项接受修改。

F1 综合考虑识别结果中有多少是对的、原有修改找回了多少，不等于字符识别准确率。技术报告也提醒样本较少。这项工作值得跟踪的后续，是更复杂版式、不同语言与真实修订流程中的表现。

• Little Dorrit Editor 榜单与示例 ↗项目页面 · 9 月 7 日读取查看各项指标和输入处理说明。
• 评测技术报告 ↗作者方法说明解释评分、样本和区间估计。

OpenAI 9 月 6 日的内部研究报告描述了研究人员同时使用多个编码 Agent、生成更多代码和运行更多实验的变化。报告也指出，研究进展还有其他瓶颈，代码量与实验量不能直接当成科研进步。

对个人和小团队，可借鉴的是职责的划分：把明确任务交给 Agent，人继续决定研究重点、判断结果是否值得追下去，以及何时扩大、暂停或结束工作。自动执行范围扩大时，验收问题需要更清楚，而不只是同时开更多会话。

这些是公司内部跨一段时间的观察，涉及不同模型和不断变化的工具。它与 Astra 相关，但不能把全部变化归功于 Astra，也不能直接推成外部团队的效率提升幅度。

• Research acceleration: The view inside OpenAI ↗OpenAI 内部观察 · 9 月 6 日包含方法说明及度量限制，适合连同图表一起阅读。

同日发布的 An Alien Mind 是 Jakub Pachocki 的署名文章。他讨论对能力泛化和监测的理解为何仍不充分，并主张对快速进步保持谨慎。这类当事人的判断也是值得阅读的内容，不需要等到又一次模型发布才讨论。

阅读时可以分开看：作者依据了哪些观察，由此作出了什么推论，又提出了什么行动主张。本文是观点导读，未独立核实其全部内部事件，也不把作者的预测当成已发生事实。

• An Alien Mind ↗Jakub Pachocki 署名文章 · 9 月 6 日原文解释能力、监测与发展节奏的联系。

这份专题从已有材料开始，后续按问题补充作品、解释和使用反馈。下列问题尚未得到完整回答；没有新公告时，也会检查是否有值得读的新方法或新观点。

• 同一任务下，成品质量、修改次数与总成本怎样比较？
• 这些作品在手机上、面对初次接触的读者时是否仍然好用？
• 官方说明之外，持续使用者遇到了哪些重复问题？