X 24 小时热点第二十四轮：Opus 5.5 的推理轨迹像劣质量化模型

这一轮 X 热点四条没有一条是新模型，全是「大家开始盯着模型里面看」。

第一条来自 Theo（1,511 赞，本轮最高）：「这是一个阴谋论，但我大概 95% 确定我是对的。Opus 5.5 的推理轨迹读起来就像一个糟糕的量化开源权重模型，然后不知怎么地，最后得出了正确的答案。」他推测这些轨迹是用来干扰蒸馏的。作者自己标了阴谋论，且是推测口径，不可当定论写。但「推理轨迹看起来像劣质量化模型却答对了」这个观察本身，确实反直觉。

第二条是 Goodfire 提出的 mechanistic shaping：用一个数学上严谨的框架把模型内部状态变成训练反馈，跨领域、跨问题、跨模态通用。已用于减轻奖励黑客、去掉胸片诊断里的捷径、降低迎合与有害性。作者认为这是技术对齐的一大步，但也指出已知风险：针对模型内部状态训练可能让监控更难（作者口径）。

第三条最有娱乐性也最有信息量：Dwarkesh Patel 花了 2 万美元 API 额度，让不同模型互玩社交推理游戏 Blood on the Clocktower（狼人杀类）。发现模型今年在即兴谎骗、临场编故事和团队拆穿阴谋上明显变强；OpenAI 的较新模型在这个游戏里比 Anthropic 的好得多（作者口径，仅此游戏的结论）。他还做了个可以让读者和朋友再次与 AI 对战的版本。

第四条来自 World Labs：发布 Frameboy，两个月前推出的世界模型 Atlas 的演示版，用高度优化的 Atlas 实时探索生成的世界，从云端 GPU 流式传输、最高约 15 fps（作者口径）。

四条合起来，信号是「大家开始盯着模型里面看」：推理轨迹像什么、内部状态能不能拿来训练、模型玩社交推理游戏有多强、世界模型实时跑起来什么样。做 agent 与 AI 产品的读者，先想清楚你的产品要不要关心模型内部，比换个更强的聊天模型更重要。