独立技术博主Simon Willison刚放出他8月付费newsletter的目录预告：OpenAI意外网络攻击细节、用Fable 5和Sol 5.6一次成型做游戏、Claude auto mode、理解ChatGPT Work，外加一堆模型发布。订阅$10一个月能比免费版提前看到全文，这次只放了7月刊当预览样本。
这份目录本身没什么可写的，但把里面并列的两个标题拆开看，会发现一件原文完全没提的事：Anthropic和OpenAI在同一个8月里，分别选了两条几乎相反的"自主性"路线。
一个收紧权限，一个扩张边界
Claude Code的Auto Mode被Anthropic定位成"中间路径"——不是每条命令都要人工批准，也不是彻底放权跳过所有权限检查（那个选项叫--dangerously-skip-permissions）。它的核心是一个分类器，专门盯着批量删除、敏感数据外泄、恶意代码执行这类高风险动作，符合条件就拦。
ChatGPT Work走的是完全不同的方向。OpenAI把它描述成能跨应用、跨文件、跨设备工作的代理，背后配了一台独立的云浏览器，用户关掉自己的电脑，它还能在远程服务器上继续跑任务。一个在收权限，一个在扩能力边界，方向正好对冲。
更容易被忽略的一点是：8月更新的GPT-5.6 Sol和Luna，并没有同步给到ChatGPT Work和Codex——这两个产品这个月用的还是7月的旧版本模型。如果外界把"8月ChatGPT模型升级"直接套在Work身上，其实是搞错了对象。
信任危机长得不一样
用Auto Mode的开发者，抱怨的是SSH操作、部署脚本、Terraform命令、常规Git操作被分类器误判成危险行为，直接拦下来。更糟的是不透明：命令为什么被拦不告诉你，服务器端的分类器是不是悄悄改了规则也不通知。这是一个信任问题——不知道AI什么时候会突然不听话。
用ChatGPT Work的用户，抱怨的是另一件事：高难度任务能把5小时使用窗口的额度吃掉大半，就算任务最后报错失败，消耗照样算。8月31日那天，Work还出现了一次错误率和延迟升高的事故，Plus用户在部分时段受影响明显。这是一个可用性和经济性问题——不是不听话，是跑得慢、跑不完、还照收钱。
- 风险.一个怕AI突然越权拒绝干活，一个怕AI慢慢烧掉配额还干不完活，两种焦虑指向完全不同的产品改进方向。
"一次成型"游戏测试，谁赢了都不算数
newsletter目录里提到的"Raccoon Heist"游戏一次成型对比，表面是个轶事，背后藏着更大的问题。一份测评认为Fable 5做出的游戏能跑起来，但玩法设计平庸；给同样的前提，Sol 5.6理解了"浣熊团伙"的设定，做出了救援队友、堆叠角色去偷金沙丁鱼的博物馆盗窃玩法，被认为更强。
但另一份社区基准测试给出的画面完全不同：在快速无状态任务里Sol以24比3"获胜"，可主要原因是Fable拒绝回答一部分提示词——把双方都答了的题目单独拎出来比，两者分数其实很接近。
更扎心的一点是：这套端到端评测里，用Fable还是用Sol来当评判者，给出的分数差异很大——评判者选谁，本身就能左右排名。
"一次成型"故事讲得再精彩，也顶不过换个评判者就翻盘的基准测试。
这提示读者一件很具体的事：看到"某模型一次成型完成了XX"这类轶事截图，别急着当成模型能力排名的证据。真正该盯的，是Auto Mode的误判率会不会随时间下降、拦截理由会不会更透明；是Work的额度政策和8月31日之后的稳定性能不能改善；是社区基准会不会往多评判者交叉验证的方向走，而不是继续靠单一"one-shot"故事定输赢。