GPT-6上线后，鹈鹕骑车测试为何突然爆火

开源项目CodexRadar发起人Lambda在GPT-6 Astra发布后，收到大量“鹈鹕骑单车”视频，于是在社区发起“鹈鹕杯”比赛，参赛者围绕“画一只骑自行车的鹈鹕”用模型生成作品。9月14日上午，比赛页面PV达7000多。

每次新模型上线，都有人用鹈鹕骑自行车测试模型能力。这个任务简单直观，能一眼看出腿和踏板是否对位、车轮是否跟着动、动作是否穿帮、前后是否一致；同时又足够复杂，涉及动作理解、时序一致性、空间关系、代码组织和连续执行能力，适合做Agent阶段模型的“体感温度计”。GPT-6 Astra上线后鹈鹕更火，原因是最先进模型的“智商”不稳定，而鹈鹕能把这种难以量化的体感变得直观。

鹈鹕杯分两个赛道。Classic赛道使用统一提示词“创建一个HTML，内容是SVG绘制一个鹈鹕骑自行车的2D动画”。模型状态正常时，GPT-6 Astra生成的鹈鹕通常保持相对一致的质量和画面结构；若某天大量用户发现同一提示词下鹈鹕频繁踩空、车轮关系错乱、结构跑偏，“降智”讨论就会迅速出现。这虽非严格科学benchmark，但适合观察短时间内的体感变化。Open赛道不设统一提示词，参与者自由发挥，其中一个作品做成30分钟“一镜到底”骑行故事，共享一条1800秒时间轴和同一位骑手，地面、山川、城市、星球、车轮、羽毛和粒子全部由SVG元素组成，JavaScript只负责计算位置、关节和时间，未使用Canvas、图片、视频、外部字体或额外大模型接口。镜头可连续平移、拉远和靠近，屏幕外区域暂停绘制，拖动进度条后物件直接恢复到对应时间点。车轮转动和脚蹬相位由行驶距离驱动，人物停下后不会出现脚原地空蹬。作品前20分钟穿过30个城市和自然景点，后10分钟进入宇宙，从火星到太阳、冥王星、黑洞再回到地球，并注明哪些内容来自现实、哪些属于虚构。

CodexRadar最初是发起人想解决自己的问题：模型今天有没有变笨、是否影响工作质量，以及监测额度重置。后来做成社区开源项目，吸引一批重度Codex用户参与众测。“众测雷达”设置112道真实开源编程题，由用户跑题、上传结果，服务器在干净环境中重新验证。官网显示参与志愿者已超500人，累计贡献达百亿级Token。模型能力波动正成为重度用户共同痛点。一位大模型算法工程师表示，降智会直接影响自动化任务，GPT-6降智加限流会导致自动化任务积累、并发冲突，工单会话降智还可能通过中枢传播，最后把整个仓库搞坏。进入Agent阶段后，一次模型调用往往只是任务链一环，某一步判断偏差可能使后续步骤沿错误结果推进，任务越长风险越明显。

Astra发布时，OpenAI把Computer Use、专业工作、软件工程和长程Agent任务放在重要位置。多位开发者表示“Astra是有代差的强”。从雷达数据看，Astra解题所需步骤比前代少一半。也正因如此，用户希望把更复杂、更长程的自动化任务交给它，降智影响就更大。

“降智”是社区说法，用户看到的结果由底层模型、推理强度、上下文管理、Harness、Skills、工具调用、模型路由、并发调度和服务容量等多层共同决定，感受到“变笨”不一定意味着模型权重变化。比如Coding Agent原来主动跑三轮测试，现在只跑一轮；原来调用多个子Agent检查，现在减少并行探索；原来保留更完整上下文，现在长任务丢失早期信息。对后台而言可能对应完全不同的问题，对用户而言体感都是没以前聪明。CodexRadar出现，是因为发布时benchmark分数能看出峰值能力，却很难看出实时状态，而对用Agent真正工作的人来说，实时状态十分重要。

目前没有公开证据证明OpenAI在大规模主动把Astra替换成更弱底模，但供给压力已有明确信号。9月10日，OpenAI暂停每月200美元Pro 20x套餐新订阅和升级，现有用户暂不受影响。该套餐提供约为Plus 20倍使用额度，是重度Codex用户重要选择。Astra API标准价格为每百万输入Token 10美元、输出Token 50美元，Fast mode价格再翻一倍。其最受欢迎的能力恰好很烧算力：Computer Use需持续理解屏幕、执行操作、观察结果；多Agent工作流可能同时启动多个子任务；Coding Agent一次完整任务会不断读取文件、执行代码、运行测试、回看结果。大量重度用户同时使用，供给压力已非过去量级。这轮讨论混合了模型质量波动、限流、资源调度，以及长任务对系统稳定性的放大。OpenAI暂停20x新增订阅，至少证明前沿模型出现真实供需矛盾。过去竞争集中在谁能训练出更强模型，现在能否稳定把智能供应给大量用户也成为竞争一部分。

一只鹈鹕成为Agent时代明星，说明用户在主动监控“智能”本身：不同时间段任务成功率、长任务稳定性、同一workflow能否持续复现，可理解为一种新的“智力SLA”。模型越强，问题越突出，未来模型公司竞争会从峰值能力延伸到把高水平智能长期、稳定、规模化供应出去。模型能不能每天都一样聪明，也成为AI Agent真正走向工作场景的卡点。