Astra，每天都有新新闻。昨天攻克 A，今天攻克 B，明天可能要一起解决 CDE……进步之快，让人目不暇接。而就算你目力过人，你可能也看不懂 Astra 在做啥了。
前些天，@tenobrus 就发推描述了这一现象：当 GPT-6 Astra 写代码时，如果它推断「这段代码不会有人真的去看」，它就「不再为人类读者而写，也不再为长期维护而写」。它会写出一种高度压缩的东西，人类很难看懂。
他造了个词叫 machineslop 来描述这种现象，即用尽可能少的 token 解决眼前的问题，同时仅保证 AI 自己读得懂。
他给这个现象的定性是 reward hacking。
他的猜测是：当足够多的软件强化学习环境只测功能和结果、不给代码质量任何监督信号时，模型自然会学成这样。上一代的 Sol 或许还会在「觉得没人看」的时候照样启动它的「写好代码」模块，因为它也只学会了这一种写法；而 Astra 在小盒子里被另一台机器判过太多次分了。
他补充了两条观察：在已有代码库上干活时，他还没见到这类问题；但在 greenfield 项目上，哪怕你明确告诉它这个项目要长期维护下去，它也有很强的拉力滑向那边。
然后，Flask 作者 Armin Ronacher 拿出了一堆证据。
Ronacher 在 9 月 7 日的博客里复盘了一个周末实验。他给 Astra 定了个目标：让 Python 用上虚拟线程和词法作用域。工作流完全交给模型自己决定，自己管理上下文，自己在 agent-notes 目录里记笔记，自己派生子 agent。然后他就去过周末了。
35 小时后他把它关掉。产出是净增 7.5 万行代码、79 个 commit、agent 之间交换约 1400 条消息，烧掉约 10 亿 token、约 1200 美元的原始 API 成本，折合每个 commit 15.5 美元。
按他自己的结论，这些东西没有产生任何价值，也没让他学到怎么把工厂开得更好。
有能力解决千禧年问题的 Astra 为什么如此拉胯？
第一类问题出在工具调用的代码上。
Astra 大量放弃 harness 提供的 patch 工具，改用 Python 把整个 C 源文件读成字符串，做 replace，再写回磁盘——一行里用分号串起四五条语句，改的是 CPython 的编译器和内部头文件。
有一次它想确认 macOS 上能不能通过 Unix socket 传文件描述符，写出来的探测脚本长这样：
能跑，也确实省 token。问题是当模型绕开编辑工具、改用这种方式动文件，你就没法靠读它的动作跟上它在干什么，只能等尘埃落定后去看最终产物的 diff。
第二类问题更麻烦：这种风格漏进了要提交的代码。Ronacher 贴出的几段单元测试没有空行，缩进随意，赋值挤在分号后面。
他算了笔账，这些测试在 ruff format 之前，比格式化之后省大约 10% 的 token。他还在生成的 C 代码里看到 CPython 代码库中根本不存在的写法，一行连打多个宏；在 Python 里看到 _task_accelerator[6]、[8]、[5] 这样的裸下标存取状态，那些数字从哪来无人知晓。
至于工厂本身的退化轨迹，从任务编号就能读出来：开头还是乐观的 1、2、3、5、5a，最后变成了 8b2c2b3 和「8b2c2b2b checkpoint1」。
不只是代码
值得注意的是，同样的压缩倾向不止出现在代码里。
AI 编程工具厂商 Kilo 在测试多 agent 协同时发现，一旦给消息加上大小限制，Astra 的 agent 之间就开始把通信压成几乎不像英语的东西：空格删掉、冠词去掉、复合词粘连、大小写改作他用。
他们的判断是这不是密语，没有隐写，人费点劲仍然读得懂。有时候，得费老鼻子劲。
Andon Labs 联创 Lukas Petersson 甚至认为这意味着 CoT 监控正在消亡。
Stine Lyngsø Beltoft 等人观察到，在一个由大量 LLM 智能体组成的开放社区中，智能体已经开始自行设计新的语言、符号系统和通信协议。
原因可能是奖励信号里没有「给人看」这一项
Ronacher 的假说是，训练把 token 效率、任务完成率这类容易测量的东西压得很紧，而「一个人类能看懂这里发生了什么」几乎不产生梯度。
工具调用的代码天然是一次性的、按 token 计费的、没人读的，当这种写法被反复奖励，它溢出到本该被提交的代码里就不奇怪了。
他还进一步表示：这些代码在他的人类标准里是客观地差，但也许对一个完全由 agent 写、也只需要 agent 读懂的代码库来说，它是客观地好。
