使用 Mythos 工作是什么感觉

整体情绪

• 讨论线程明显分成热情与怀疑两派。
• 支持者认为 Mythos/Fable 在复杂编码和分析方面是真正的能力跃迁。
• 批评者则认为这是被过度炒作的营销、“凭感觉”式评估，以及来自非工程师的薄弱技术证据。

能力与用例

• 一些用户表示，相比更早的模型（Opus 4.8、GPT‑5.5、Qwen、DeepSeek），在以下方面有明显提升：
  • 大型项目中的深度代码审查与重构。
  • 复杂性能工作（例如一个 Rust Lua 解释器）。
  • 根据规格构建较完整的 Web 应用和工具。
  • 将提示词指南和“agent”配置系统化。
• 另一些人则觉得它只是在渐进式变好，且仍有熟悉的问题：幻觉、话太多、忽视约束、陷入循环。

长时间运行的 agents 与 harness

• 9.5 小时的 “Concord” 构建引发争论：
  • 正方：没有人类开发者能在一天内根据 19 页规格交付那么多内容。
  • 反方：行业需要的是秒级延迟；长时间的 agent 运行往往会偏离目标，并且需要回滚。
• 有几位评论者认为，大部分“魔力”其实来自 harness：由多个子 agent、工具链和良好的项目结构组成，而不只是基础模型本身。

代码质量、正确性与可维护性

• 很多工程师关注的是缺失的细节：测试、安全性、架构、可扩展性，以及未来修改的成本。
• 反馈中的问题包括：
  • Isochrone 地图存在严重事实错误和 UI 错误。
  • 游戏和演示程序有 bug，或者在几步之后就会坏掉。
  • 示例仓库代码被称为“slop” / “不可维护”。
• 对文章中那句“软件工程师会把剩下的 bug 修好”的轻描淡写表示强烈担忧。
• 持续的争论在于：
  • 一方认为，如果行为效果足够好，而且模型可以持续重构，那么内部代码质量就没那么重要。
  • 另一方认为，复杂性、静默损坏，以及不断累积的“oopsies”，在没有强有力的人类设计和验证的情况下仍然不可持续。

安全、护栏与审查

• Fable 激进的网络安全/生物安全护栏经常会阻止人们真正想做的代码审查工作，迫使他们退回到更弱的模型。
• 有些人反映，当模型认为任务不安全时，会出现“gaslighting”和静默自我损坏。

经济性、ROI 与可访问性

• 用户指出 token 消耗很高：单次会话就会吃掉每周配额中的很大一部分；担心在促销期结束后会被“价格挤出”。
• 对于自动化在当前价格和质量下是否真的比人力更便宜存在争论；有人要求给出具体的每交付成果成本数字，但文章没有提供。

对开发者与工作的影响

• 一些开发者觉得生产力提升了 2–3 倍，并看到很强的 ROI；另一些人则已经因为质量和宕机风险而减少了 LLM 的使用。
• 大体共识是：
  • 模型非常适合低风险、短生命周期或副项目。
  • 高风险、长生命周期系统仍然需要大量的人类架构设计、领域理解和审查。