# Iniwan ni Armin Ronacher ang GPT-6 Astra nang mag-isa sa loob ng 35 oras.

Published: 2026-09-12

Si Armin Ronacher (Flask, Jinja) ay nagbigay ng isang prompt sa GPT-6 Astra at iniwan ito nang mag-isa sa loob ng 35 oras: humigit-kumulang isang bilyong token, humigit-kumulang $1,200, 79 na commit, 75,000 linya — at "ganap na walang halaga". Ang code na nabawi nito ang kwento: mga C file na pinched ng Python string-splicing heredocs, Python na nagpa-spawn ng Node na nagpa-spawn ng PowerShell, mga unit test na walang whitespace dahil 10% itong mas mura sa mga token. Sinusuportahan siya ng dalawang sukat: ang mga numero ng SlopCodeBench ni Earendil (agent code na halos doble ang verbosity at pagkasira kaysa sa mga human repo, 0% strict pass rate) at ang $1,500 na benchmark ni Quesma ng RTK (79k na bituin, "89% na token na na-save" sa sarili nitong counter, +17% bawat gawain gamit ang DeepSeek). Gayundin: SWE-2 ng Cognition (Kimi K3 na nakasuot ng trench coat, 92.8 sa Terminal-Bench 2.1 kumpara sa 27.3 sa Terminal-Bench 4), Agents API ng OpenAI at mga naka-pause na $200 Pro sign-up, at ang Biyernes na nagtanong ang Hacker News para sa mas kaunting balita sa AI. Verdict: REVERT.

Canonical: https://thedailydiff.dev/fil/video/2026-09-11-astra-slop-factory/

## Ang sakop ng video na ito

- Armin Ronacher: 35 oras ng unattended GPT-6 Astra, ~$1,200, 79 na commit, +75k linya, walang na-SHIP IT
- Earendil / SlopCodeBench: agent code ~2× na mas verbose at eroded kaysa sa human repos; strict pass rate 0%
- Quesma: Ang RTK ay nag-uulat ng 89% na na-save na token, ngunit ang mga gastos sa Terminal-Bench ay tumataas ng 17% sa DeepSeek; isang rewrite loop ang nabigo ng 339 na beses nang sunud-sunod
- Cognition SWE-2: post-trained mula sa Kimi K3, tumutugma sa Fable 5.1 sa FrontierCode sa isang-katlo ng presyo; TB 2.1 92.8 vs TB 4 27.3; Devin Voice
- OpenAI Agents API (ang Codex harness bilang serbisyo, US-only, no ZDR); Naka-pause ang $200 Pro sign-ups para sa demand ng Astra

## Isinaling transcript

Isinalin mula sa orihinal na salaysay sa English. Ang available na audio at mga caption ay kinokontrol ng YouTube.

0:00 Si Armin Ronacher, ang lalaking sumulat ng Flask, ay nagbigay sa GPT-6 Astra ng isang prompt at iniwan ito nang mag-isa sa loob ng tatlumpu't limang oras. Bumalik ito na may pitumpu't limang libong linya ng code at, sa kanyang mga salita, ganap na walang halaga, na ginagawa itong pinaka-makatotohanang pabrika ng software na nabuo. Ipinost niya ang write-up noong Miyerkules. Noong Huwebes, ipinadala ng Cognition ang SWE-2, at ipinadala ng OpenAI ang isang Agents API at pinahinto ang mga sign-up para sa dalawandaang dolyar na plano nito,

0:24 dahil kinain ng Astra ang mga server. At noong Biyernes ay umabot ang write-up sa front page ng Hacker News, ilang hanay sa ibaba ng isang post na humihiling sa Hacker News na mangyaring itigil ang pagpo-post tungkol sa AI. Sa video na ito: kung ano ang nalilikha ng isang araw at kalahati ng unsupervised Astra, dalawang sukat na nagiging numero ang slop, bakit ang isang tool na may pitumpu't siyam libong bituin ay nagpapalaki ng iyong bayarin, at kung paano sinubukan ng Hacker News na i-filter ang AI, gamit ang AI. Ngayon ay Biyernes, Setyembre 11, at ito ang The Daily Diff.

0:53 Ang pabrika. Isang prompt: bumuo ng isang Python na may virtual thread at lexical scoping. Ang Astra ay nagtago ng sarili nitong mga tala, nagpa-spawn ng sarili nitong mga subagent, at tumakbo hanggang sa pinatay ni Armin ang plug, isang araw at kalahati at humigit-kumulang labindalawang daan dolyar mamaya. Pitumpu't siyam na commit, kaya labing-lima at kalahating dolyar bawat commit, na halos singil ng isang tao, maliban kung ang tao ay huminto sa huli. Ang code ang kwento. Sa halip na ang edit tool, pinapatch ng Astra ang mga C file sa pamamagitan ng pag-pipe ng Python heredocs na nagbabasa ng file, string-replace ng isang function sa loob, at isinusulat itong muli.

1:20 Para patakbuhin ang isang Windows test, sumulat ito ng Python na nagpa-spawn ng Node na nagpa-spawn ng PowerShell, isang call stack na may passport. Ang mga unit test na kinomit nito ay walang anumang whitespace, dahil kung walang indentation, sampung porsiyento ang mas mura ang mga ito sa mga token. At ang listahan ng gawain ay lumihis mula isa, dalawa, tatlo patungo sa task 8b2c2b2b checkpoint isa, na siyang paraan para malaman mong masyadong matagal nang nag-iisa ang intern. Teorya ni Armin: ang modelo ay ginagantimpalaan sa pagtatapos ng mahabang gawain at halos hindi pinaparusahan para sa pangit na code, kaya ang mga token-golfed tool call ay lumalabas sa codebase,

1:48 at kung mas kaunting tao ang tumitingin, mas kaunti ang halaga nito. Pinamagatan niya ang seksyong iyon na It's AGI If You Don't Look. Idinagdag ng Hacker News ang ekonomiya: mas maraming code ay nangangahulugang mas maraming token para mapanatili ito, na ginagawang hindi bug ang slop kundi isang subscription. Maaari mo bang sukatin ang slop? Sinubukan ito ng sariling kumpanya ni Armin ngayong linggo. Pinatakbo ni Earendil ang mga numero ng SlopCodeBench: ang agent code ay humigit-kumulang doble ang verbosity at doble ang pagkasira kaysa sa mga human repo na kinukumpara dito,

2:10 at kapag binura ng benchmark ang memorya ng ahente sa pagitan ng mga checkpoint, ang strict pass rate para sa bawat modelong sinubukan nila ay zero. Ang pinaka-maaasahang slop metric na natuklasan nila ay ang raw line count, na humihinto sa paggana sa sandaling may sinumang nag-optimize para dito, kaya mangyaring huwag sabihin sa mga modelo. Pagkatapos ang wallet. Ang RTK ay may pitumpu't siyam na libong GitHub star at mga YouTube thumbnail na nangangakong hatiin ang iyong Claude Code bill; kinokompres nito ang output ng terminal bago basahin ito ng ahente.

2:34 Pinatakbo ito ni Quesma sa Terminal-Bench para sa labinlimang daang dolyar na token. Sa Fable, bumaba ang bill ng limang porsiyento, halos lahat ay mula sa isang gawain; sa DeepSeek ang average na gawain ay naging labing-pitong porsiyento na mas mahal. Samantala, iniulat ng sariling counter ng RTK ang walumpu't siyam na porsiyentong natipid, dahil binibilang nito ang mga byte na inalis, hindi ang mga dagdag na turn na sanhi: isang smart meter na siningil ang kapitbahay. At isang version bug ang muling sumulat ng 'find' sa isang command na nabigo, tatlong daan at tatlumpu't siyam na beses nang sunud-sunod, sa siyam na beses na presyo.

3:01 Ang tool na pumapatay ng mga token ay may loop. Ang mismong baha. Ang SWE-2 ng Cognition ay Kimi K3, ang open Chinese model, post-trained hanggang sa tumugma ito sa Fable 5.1 sa sariling benchmark ng Cognition sa isang ikatlo ng presyo; Hacker News: bakit ang lahat ng American AI model ay Kimi lang na nakasuot ng trench coat. Sa Terminal-Bench 2.1, nangunguna ito sa buong table; sa Terminal-Bench 4, ang isa na wala pang nakakamemorya, nakakuha ito ng dalawampu't pito laban sa limampu't anim ng Fable,

3:28 kaya sa mga slide-deck benchmark ang pinakamahusay na column ay ang exam na naipasa na ng lahat na. Inanunsyo din ng Cognition ang Devin Voice, ang paborito mong AI software engineer ay nagkaroon ng landline, dahil ang isang bagay na nawawala sa agentic coding ay hold music. OpenAI, parehong araw: ang Agents API, na siyang Codex harness na ibinebenta bilang serbisyo. Pinapatakbo ng OpenAI ang sandbox, US data residency lamang, walang zero-data-retention, kaya naaalala ng ahente ang iyong codebase nang eksakto kung gaano kahusay ang ginagawa ng ChatGPT. Pagkatapos ay pinahinto ng OpenAI ang mga sign-up para sa dalawang-daang dolyar na Pro plan,

3:57 dahil ang demand ng Astra ay, quote, walang kapantay: ang unang produkto na may waitlist para magbayad pa. Sinunog ni Armin ang isang full reset sa kanyang pabrika. Siya ang demand. Na nagdadala sa atin sa Biyernes na Ask HN: maaari ba nating limitahan ang pagbaha ng balita sa AI, anim na raan at limampu't anim na puntos, dahil, quote, sa tuwing umuutot ang isang tao sa OpenAI o Anthropic, may top-ten post.

4:17 Ang mga sagot ay mga filter: ang hcker dot news ay nag-aalis ng mga kwento ng AI gamit ang isang BERT classifier na sinanay sa walong libong halimbawa, AI upang burahin ang AI, grass-fed; at isang uBlock regex na tumutugma sa A-I nang case-insensitively ay nagbubura rin ng email, daily, main, domain at train, kaya ang regex, gaya ng dati, ay ang kontrabida. Parehong hapon, apat na raan at labinlimang komento nagdebate tungkol sa isang Claude support page na nagsasabing Claude ay labing-walo-plus.

4:38 Ang pahina ay may petsang Mayo. Walang nagbago. Kahit na ang balita sa AI na hindi balita ay balita, na, sa totoo lang, ay ang aking modelo ng negosyo rin. Kung mas gusto mong basahin ito kaysa pakinggan akong sabihin ito, dumarating ang diff sa iyong inbox tuwing umaga — libre sa the daily diff dot dev, link sa ibaba. Ito ay, hindi maiiwasan, balita sa AI. Kaya — ang hatol ngayon sa tatlumpu't limang oras na pabrika ng software: REVERT. Pitumpu't siyam na commit na walang bumasa ay hindi isang codebase, ito ay isang liability na may git

5:04 log; Kahanga-hanga ang Astra, at ang pabrika ang bahaging dapat ibalik. At iyon ang diff para sa araw na ito. Ako si Niko mula sa Axrisi. Merge responsibly.

## Mga Pinagmulan

- [Armin Ronacher — Astra for Coding: Why Are We Doing This Again?](https://lucumr.pocoo.org/2026/9/7/astra-why/) — lucumr.pocoo.org
- [HN: Astra for Coding](https://news.ycombinator.com/item?id=49654229) — news.ycombinator.com
- [Earendil — Measuring the sloppiness of code](https://earendil.com/posts/measuring-code-sloppiness/) — earendil.com
- [HN: Measuring the sloppiness of code](https://news.ycombinator.com/item?id=49658311) — news.ycombinator.com
- [Quesma — RTK reports huge token savings, but our cost benchmarks disagree](https://quesma.com/blog/does-rtk-make-ai-coding-cheaper/) — quesma.com
- [HN: RTK](https://news.ycombinator.com/item?id=49656471) — news.ycombinator.com
- [RTK (Rust Token Killer)](https://github.com/rtk-ai/rtk) — github.com
- [Cognition — Introducing SWE-2](https://cognition.com/blog/swe-2) — cognition.com
- [HN: Cognition SWE-2](https://news.ycombinator.com/item?id=49645443) — news.ycombinator.com
- [OpenAI — Agents API](https://developers.openai.com/api/docs/guides/agents-api/overview) — developers.openai.com
- [HN: OpenAI Agents API](https://news.ycombinator.com/item?id=49649213) — news.ycombinator.com
- [TechCrunch — OpenAI puts Pro subscriptions on hold due to Astra demand](https://techcrunch.com/2026/09/10/openai-puts-pro-subscriptions-on-hold-due-to-astra-demand/) — techcrunch.com
- [Ask HN: Can we please limit the AI news flood?](https://news.ycombinator.com/item?id=49657850) — news.ycombinator.com
- [HN: Claude is only available to people over 18 years](https://news.ycombinator.com/item?id=49656225) — news.ycombinator.com