提升代理 - 第8集 在這一集中，@beyang 與 @camden_cheek 坐下來討論 Amp 團隊如何評估新模型：為什麼工具調用是關鍵差異化因素，像 K2 和 Qwen 這樣的開放模型表現如何，GPT-5 的變化，以及定性“氛圍檢查”往往比基準更重要。他們還深入探討了子代理、模型合金，以及 Amp 內部代理編碼的未來。 時間戳： 0:00 引言 — 為什麼模型評估很重要 1:06 Amp 的多模型哲學 3:16 為什麼 Gemini Pro 沒有成功 4:55 工具調用失敗與用戶干擾 6:09 迭代衰退與自我修正 10:08 開放模型的炒作（K2，Qwen） 11:22 “代理的 56k 時代” 18:01 對 GPT-5 的初步印象 20:35 模型合金與 Oracle 作為後備 24:26 GPT-5 的不同感覺（個性與可引導性） 29:10 跨越可用性閾值 38:13 為什麼氛圍 > 基準 44:18 回歸測試與評估哲學 46:21 多模型的未來 > 單一贏家 52:38 最後想法