一份主观指南：如何选择AI来做事情
评分
80揭示了Ethan Mollick指南的年度演变并澄清了ChatGPT/Claude多种模式的混乱命名，信息增量高。
源于Simon Willison的权威博客，内容准确且有深度，结构清晰。
为AI用户提供了选择代理模式的明确指引，能直接指导实际部署。
反映了2026年的最新产品状态和趋势，极具时效性。
Simon Willison是知名AI开发者/博主，内容基于Ethan Mollick的原始指南，信源权威。
基础分 88.5 × T2 信源权重 ×0.9 = 80
精选线 70已入选精选
精选理由
内容具有高度实用性，源于一线实践者的权威总结，且准确捕捉了AI产品生态的最新演变。
AI 点评
「这篇博客是Simon Willison对Ethan Mollick指南的精炼解读，非常适合正在纠结该用ChatGPT还是Claude、以及该选哪种代理模式的开发者与重度用户。它直击痛点——产品命名混乱、移动端与桌面端能力差异不直观，本文将这些迷雾一扫而净。」
速览
Ethan Mollick的AI使用指南一年内从聚焦Chat、Claude、Gemini等聊天模型，转向强调代理系统（agentic systems），其中AI能一次性完成数小时的人类工作。Gemini因缺乏Codex/ChatGPT Work/Cowork类别的成熟产品而被移除。文章详细解释了ChatGPT的Work和Codex模式、Claude的Cowork和Code模式，以及如何通过桌面应用授权AI访问电脑以发挥更强能力，并指出移动端Work模式与桌面端Codex之间的混淆点。
- 指南的核心转变：从聊天模型到代理系统，AI能一次性自主完成数小时人类工作。
- Gemini因在Codex/ChatGPT Work/Cowork类别无成熟产品而被Ethan Mollick移除推荐列表。
- ChatGPT的代理模式包括Work和Codex，Claude包括Cowork和Code，名称混乱但能力各有侧重。
- 通过桌面应用授权AI访问电脑是当前最强大的使用方式，移动端Work模式与桌面端Codex存在显著差异。
正文
一年前，它仍然主要围绕聊天——ChatGPT、Claude、Gemini——模型包括o3、Claude 4 Opus和Gemini 2.5 Pro，而Deep Research作为一种有用的替代模式。
如今更多地是关于代理系统——"AI能够一次性完成相当于数小时人类实际工作的任务"。
Gemini已经从Ethan的列表中消失了，因为谷歌在Codex/ChatGPT Work/Cowork类别中仍然没有一个成熟的产品。Gemini Spark尚未证明自己！
Ethan提供了一个有用的解释，说明如何让ChatGPT或Claude使用计算机：
要使用AI公司提供的计算机，你想要模式在ChatGPT中称为ChatGPT Work，在Claude中称为Cowork（很遗憾，这种命名不会变得不那么令人困惑）。[...] 最强大的使用AI的方式是让它访问你的计算机。你可以通过下载ChatGPT或Claude应用程序并选择一种模式来实现。ChatGPT的两种代理模式是Work和Codex；Claude的是Cowork和Code。这些名称之间没有任何帮助你记忆的映射关系。是的，这些与我们上面讨论的Work和Cowork模式名称相同，但操作不同，并且由于可以访问你的计算机而拥有更多特性和能力。
我认为移动设备上的ChatGPT Work与桌面应用程序中的ChatGPT Work（实际上它是Codex上一个不那么令人生畏的外壳）之间的差异非常不直观。
简短版本：如果你将ChatGPT移动端从'Chat'模式切换到'Work'模式，你会得到一个其Code Interpreter容器不再受限无法访问互联网的版本！
标签：ai, generative-ai, llms, ethan-mollick, code-interpreter, general-agents
相关条目
精选DeepSeek V4 在 OpenRouter 上的代币份额翻倍，智能体工作负载成主要驱动力
DeepSeek V4 的快速采用表明市场对高性能、低成本推理模型的强烈偏好，尤其是智能体场景将重塑 AI 部署格局。
91
精选启用两项设置使ARC-AGI-3基准测试分数提升三倍
这项发现太关键了！它表明模型的性能不仅取决于训练，还取决于推理时的配置。对于AI工程师和研究者来说，这是一个必须注意的优化方向。特别是那些在资源受限设备上部署模型的团队，可能会因此找到低成本提升能力的方法。
91
精选GPT-5.6：前沿智能与前沿效率的融合
这条消息值得关注，因为它标志着大模型竞争从单纯拼参数转向拼效率。对于AI开发者和企业决策者来说，GPT-5.6意味着可以用更少预算获得更高性能，尤其适合那些被推理成本挡在门外的长上下文或Agent场景。OpenAI这一步，可能重新定义‘前沿’的标准。
91
精选LFM2.5-Encoder：面向CPU快速长上下文推理的新模型
这篇博文让我眼前一亮，因为它直接解决了大模型在CPU上跑长上下文的痛点。对于没有高端GPU的团队或个人开发者，LFM2.5-Encoder系列提供了可立即使用的开源方案。尤其推荐给做RAG、文档搜索或代码分析的朋友——现在用普通服务器就能处理百万级token的文档了。
91
精选GPT-Red：OpenAI通过自我对弈实现AI红队自动化，提升模型鲁棒性
GPT-Red 是红队测试从人工到自动化的里程碑，特别适合安全工程师和对齐研究者关注。它直接降低了测试成本，但也引发了对“自动攻击”本身的伦理讨论——值得所有关注AI治理的人深入思考。
91
精选OpenAI推出GPT-5.5生物漏洞赏金计划
这个计划值得关注，因为它首次将AI漏洞赏金制度拓展到生物安全领域，不仅为安全社区提供了新的研究方向，也为AI风险治理提供了实际演练场。对模型安全研究者、生物安全专家以及关心AI双重用途的从业者尤其重要。
91
精选vLLM推出原生速度Transformers建模后端，大幅提升推理性能
这项更新对于AI工程团队非常关键：无需格式转换意味着能更快地迭代模型，而2-5倍的速度提升直接降低GPU成本。如果你正在做LLM在线服务或者批量推理，这几乎是必读的技术更新。
90
精选Google DeepMind 发布手语转文本模型 SL2T，助力聋人用户
这则消息的意义不仅在于技术突破，更在于AI开始真正关注边缘群体的需求。对开发者而言，SL2T的架构思路和技术路径值得深入研究；对无障碍倡导者来说，这是推动行业标准的重要案例。