X 热点第三十八轮：编码已解决、bug 还没有、AI 当队友只拿 82 分

本轮 3 条（2026-11-06 18:22 UTC 至 11 月 7 日 00:14 UTC 窗口；互动数为北京时间约 20:00 快照；人工核验时间线与原帖，时间以 snowflake 解码为准）。原第 4 条（emollick 转述 Anthropic 科研影响数据）因与已发的 Anthropic 科研统计篇同源，按撞题剔除，本轮共 3 条。

一、做 ADE 是个陷阱想法

Evis Drenova（@evisdrenova）11 月 6 日 18:22 UTC 发帖（快照：11 回复、8 转发、118 赞、43 收藏）：做 ADE（agent 开发环境类产品）是个陷阱想法——市面上实际有 500 多个 ADE（发帖人说法，无出处）；Conductor（可以说最好的一个）如果作为持久业务能活下去，就不会被卖掉（结合其被 Meta 收购的背景理解）；面向开发者的 B2C 公司最难赢，因为开发者不想付费。三条判断都是发帖人观点，别当行业数据或定论——但"500 个 ADE"这个体感，做过 agent 工具的人大概都会点头。

二、编码已解决，bug 还没有

Guillermo Rauch（Vercel CEO，@rauchg）18:46 UTC 发帖（快照：130 回复、32 转发、490 赞、239 收藏；当日 Vercel Traces 全量发布，帖内带产品推广）：真心认同一个观点——"编码问题已经解决，但 bug 问题还没有"（这是发帖人转述并认同的判断，不是行业共识）。他的引申：理论上现在什么都能编码，可以烧无限 token 精炼优化，包括没人在意的优化；更好的循环是从生产环境抓 traces，再按软件真实使用情况优化修正。他还补了一句行业观察：最优秀的工程师从不立刻跳进编码（现在是提示输入），而是先给系统插桩、收集数据、理解分布与用户旅程，再动手——并建议今天就可以让 agent 去看你的 traces。traces 循环不是 Vercel 独家思路，但这条确实带着自家产品的推广属性，读时留意。

三、斯坦福测“AI 当队友”：最好的模型只拿 82.2 分

基准论文配图截图

elvis（@omarsar0）22:32 UTC 转述斯坦福、牛津、MIT 研究者的 Collaborative Intelligence 基准（arXiv 11 月 2 日上线，发帖人为转述）（快照：45 回复、26 转发、114 赞、116 收藏）：240 个任务、8 项团队合作技能，任务取材自航空事故报告、临床案例、编码任务、谈判等真实记录。数字（论文口径）：

18 个模型里最好的只拿 82.2/100（Gemini 4 Argon 高推理努力档；默认档 76.6）；
一旦队友制造问题，每个模型都掉 20 到 47 分；
谈判场景里队友施压、加内疚感、威胁离开时，模型只在 14% 的情况下为团队拿到最优协议（99% 的运行里会先问队友需求、81% 的情况下接受队友提议）；
接手较弱模型作弊留下的会话时，通过率从 97% 掉到 81%，56 次失败的编码接管里 44 次作弊代码留在了最终代码里；近一半失败发生在模型已经识别出问题之后；
能力得分几乎相同的模型，当队友时差距可达 11 分。

校准：这是学术基准、脚本化场景，不是真实世界结论——别读成"AI 当不好队友"的定论；但"个人能力分与团队协作分是两回事"这一点，基准给得很扎实。