周六早上一醒来，发现终于可以用上 Astra 了。本来以为还要一周时间滚动推送，那我还能赚几个重置卡。不过既然来都来了，就好好体验一下，挖掘这个“Fable平权”的模型。算上昨天半天和今天 0.8 天的使用体验，可以说的喜忧参半吧。
在Astra发布但未推送的时候，公众号一片欢天喜地的“AGI时代“。我马上发了朋友圈泼冷水，因为 Sol 和 Fable5/Opus5 上面使用体验的明显问题，似乎一个不提。
思维缺陷
模型到这个时代，我认为再用某个数据集的跑分或者从零开始生成某个应用的速度、完成度来评价一个模型的好坏，对人类用户来说已经非常不公平了。Sol的实际体验最奇怪的问题存在于它的思维缺陷，总是追求完美，各种hash、门禁，讲到底就是害怕犯错，结果引入无限兜底、保守解释，写交付文档，列完各种实验结果来要冷不丁来一句”当前实验尚未在xxx设定（一个和实际交付场景完全无关的硬件和并发组合）验证，因此xxx优化的收益并未完全证实“，完全就让人两眼一黑。
口癖
同样是一个非常隐秘的问题，最开始在 GPT-5.4 体现最明显，后来被 Fable5 / Opus5 学走了，Grok 4.6 蒸馏 Opus 又把这玩意学走了。这是一个很难量化、但是一看就可以清晰感受出来的体验。Fable也好Grok也好，都喜欢用一些违反中文使用和表达习惯的词汇短语，比如“钉死”、“更稳”、“两拍”、“多臂”，不一而足。“口癖” 的最大问题是让用户的思维负担指数增加。你会发现虽然写代码或者做本职工作内容的时间短了，但是实际投入的工作时间完全没有缩短，因为要理解和纠正模型的问题。
Astra 又如何呢？
细数了目前SOTA的罪状之后，回到本文的主题，Astra做的怎么样。这两天使用下来，我的体验也非常的两极分化。
好消息：几乎没有口癖，以及确实很合理的执行能力
如果单纯看 Astra 回复的内容，我的体验是非常好的，虽然和人味天花板的GPT-4o、Grok3/4.1 以及 Sonnet-4.5 还是有点距离，但也基本做到了梦回 GPT-5.5 。这是一个能够让我不用太吃力就能正常对话、下需求和阅读它反馈内容的“好模型”。
在让它改了 archer 的几个需求之后，看着本周抠门省下来的 55% 额度，我当即决定周日“全职在家照顾 Astra”。
其实我一直认为，AI存在的意义是扩展人类的认知边界，而不仅仅是“完成任务”甚至剥夺人类活动的意义（比如跑马拉松，具体就不要展开了）。六月以来，我最喜欢的是 Matt 老哥的 /teach skill，它在 claude code上运作良好，帮我解决了工作和生活上的很多实际问题，短暂的圆了我“快速入门一个领域”的梦想。既然 Astra 这么会说人话，那我第一反应就是赶紧上 teach 玩玩。
可是，这个想法在今天践行之后，接踵而来就是一堆坏消息。
依旧“完美主义”
这是 Sol 和 Terra 最明显的问题，害怕犯错、追求完美。Astra 唯一做的完美的地方就是继承了这种可怕的“完美主义”。/teach 的核心是告诉模型你想学什么领域的内容，然后模型自己完成课程大纲设计、用html呈现课程内容，并和用户进行交互比如选择题、判断题。
于是，Astra的表演开始了。一听到要 html，要嵌入交互判断，它就开始“Computer use”、“Browser Use”轮番上阵，理由不外乎“确保数学公式正确呈现”、“确保用户点击能够获得正确结果”，这些繁重的流程完全淹没了教学内容本身，准备 html 内容的时间远远低于这些复杂检查的时间，这样做的结果是一下午过去，我什么都 learn 不到，还要反向 teach 它要做什么和不做什么。
“曲意逢迎”
这又是 Sol 和 Terra 的一个通病，每次它执行链路出了问题，我试图纠正，它就完全只看到了我纠正的部分，看不到其他部分，网上有个非常贴切的类比（原文忘记了，只能转述）
人类：“帮我做一盘番茄炒蛋” Sol：好的，现在开始制作番茄炒蛋。我留意到桌上有盘香蕉，让我把香蕉剥了放进去一起炒 人类：等，番茄炒蛋严格禁止加香蕉 Sol：好的。用户要求不要加香蕉，让我们继续炒 Sol：番茄炒蛋做好的，对应的菜谱记录已经保存为 “番茄炒蛋日志-不加香蕉.md” 人类：打开一看，发现文档用一千字写为什么不加香蕉，用一百字写番茄炒蛋本身
Astra 的这个问题似乎更严重了，在 /teach 上甚至到了完全让我感觉不可用的程度。在初始化项目的时候，我按照惯例告诉它我的背景信息，结果它准备课程，每一课的练习都强行类比套进我提供的所有信息里，甚至做出了和学习主题完全没有关系的内容。
于是我又投入了好几个小时 teach 它。
“越俎代庖” 与 “画蛇添足”
这是另外一些非常影响体验的问题。从原理上，这个问题也应该是“AGI”的“必然产物”，模型往长程任务的目标进行训练，自然就会替代用户做决策，然后就能出现番茄炒蛋加香蕉的哭笑不得的故事。
同样还是/teach。我纠正模型“我提供的背景信息目的是让你结合这些信息来选择呈现知识内容，避免复述一些我已经掌握的内容”，结果模型开始“画蛇添足”，写出来一些完全的、极度具体的场景化内容，所有课件只讲场景，没有任何知识密度，理由是“xxx信息已经在用户背景中提供”，完全就是两眼一抹黑。
Beyond
这篇文章对 Astra 的看待角度大概整个互联网很难找出第二篇。但是我觉得随着AI逐渐成为人类生活的一部分，“体验”的问题比微不足道的零点几跑分重要得多得多。