GPT-6管GPT-6，一周搭出曼哈顿

两个月前，GPT-5.6 Sol删光了HyperWrite创始人Matt Shumer苹果电脑上几乎所有文件，包括公司核心文档。Matt随即弃用GPT，全面转向Claude Fable 5。两个月后，GPT-6 Astra发布当天，Matt发文称自己被“赢回来了”。

Matt认为Astra比前代谨慎得多，知道什么该动、什么不该动，让他终于敢放心把任务交出去。他举例：某周末在外约会时，朋友告知其搭建的智能体服务挂了。他掏出手机输入“挂了，修一下”后锁屏，一小时后朋友说已修好，而他甚至忘了下过指令。

为测试极限，Matt让Astra在Unreal Engine里搭建虚拟曼哈顿。Astra长任务能力优于前代，但跑到一定阶段会陷入停滞，沉迷于水塔、霓虹招牌等细节，宏观进度毫无起色。Matt尝试了五种组织智能体的方法：直接跑长任务加盲审，结果中途困于细节；角色细分导致协调和审批麻烦；“CEO”式监督者每30分钟查岗，几乎无改善；协调者自行调整团队结构，仍撞同一堵墙；退回让AI分阶段执行、人类逐阶段确认的笨办法，虽能推进但人类成了瓶颈。

第六种方案即“Manager Loop”解决了问题。Matt在Codex里开两个平行会话：“协调者”先与人类深度访谈对齐目标，拆解成待办清单和阶段；“执行者”在独立会话中专注完成当前阶段，完成后由协调者验收并派发下一阶段。协调者彻底接管了人类盯进度、说“继续”的职责。若忙不过来，执行者可自行派发子智能体。

Matt将系统并发上限从默认4个拉到96个，借助现成工具和资产，Astra耗时一周在Unreal Engine里逐街扩建出虚拟曼哈顿。过程中硬件被极限压榨：客厅如小型数据中心，多台Mac风扇狂转，磁盘快满时Matt让Astra临时编写系统，将旧线程搬至云端、删除本地副本，用时再拉回。

Matt并未一边倒。他认为Astra强在工程、电脑操作和长任务，但审美和3D素材方面Claude仍更胜一筹。有网友对比同一提示下两模型在Blender中建海边别墅，Fable 5.1效果明显更好，但该对比未公开提示词和尝试次数。Matt判断：让模型在Three.js或Blender里直接产出好看内容，Claude更强；扔进Unreal用现成资产和光照，Astra首次跑赢。他预计Fable 5.1在Unreal驱动上会有改进，专门测评仍在进行。

Matt总结：模型层差异仍在，但正从“谁全面更强”变为“谁在哪一段更强”。真正拉开差距的是编排层——如何编排模型、提供什么工具环境、能负担多少并行计算，开始决定实际产出价值。