humans& 发布教学模型 &Tutor：以「学生学会多少」为奖励、用 Persimmon 扮学生训练，TutorMoments 默认提示下超过 Claude Sonnet 5.5 与 GPT-6 Astra

这件事意味着什么

【要点】

humans& 于 2026-10-30（官方博客仅标日期）发布 &Tutor（API 模型名 ampersand-tutor-v0.1），这是一款专门「学会教学」的模型，即日起通过 Ampersand API 公开可用。

1. 训练方法：&Tutor 以 GLM-5.3 为底座做强化学习，奖励信号不是「回答是否正确」，而是「学生学会了多少」。扮演学生的是 humans& 9 月发布的用户模型 Persimmon。官方强调，何时搭脚手架、何时逼学生多想、何时克制不讲，这些教学行为都没有直接训练，而是从「学习收益」奖励中自然涌现。&Tutor 并非从 10/20 发布的 Ampersand 训练而来，未来计划并入 Ampersand 训练。

2. 成绩（TutorMoments，AI2 等机构基于真实辅导片段、由资深数学教师标注的基准，LLM 评审）：普通提示下 &Tutor 总分 0.754，底座 GLM-5.3 为 0.500，Claude Sonnet 5.5 0.667，GPT-6 Astra 0.634，Gemini 4 Argon 0.512，Muse Wonder 0.419。在明确说明「支持与严格要平衡」的评测感知提示下，所有模型分数都上升，&Tutor 0.919，略低于 GPT-6 Astra 的 0.926，但「恰当严格度」子项 0.931 最高。在「恰当脚手架」子项上，&Tutor（0.908）反而低于多数前沿模型。

3. 消融：同一配方把学生换成 GLM-5.3，最终总分只有 0.635（低推理档 0.477，对比 0.659），说明「学生模型」的质量决定了老师的质量。

4. 价格：与 ampersand-v0.1 相同，每百万 token 输入 $1.00、缓存输入 $0.20、输出（含推理）$5.20；兼容 OpenAI Python 客户端。

【可核验】

官方博客：https://tutor.humansand.ai/blog/

API 文档（tutor 模型）：https://ampersand.humansand.ai/docs/#tutor-model

价格：https://ampersand.humansand.ai/docs/PRICING.html

Persimmon 用户模型：https://persimmon.humansand.ai/blog/

TutorMoments 论文预览：https://tutormoments.allen.ai/static/paper/tutormoments-preview.pdf

【我们的判断】

一、背景：humans& 自 1 月以「以人为中心的前沿实验室」亮相以来，路线很一致：先做「像人的用户模型」Persimmon（9 月），再用它训练面向群体协作的 Ampersand（10/20，本站 e/1007）和社交产品 Boba（10/22），现在是教学。&Tutor 是这条路线第一次把「用户模型当环境」的价值说清楚：消融里只换学生、不换配方，分数从 0.635 升到 0.754。这比单纯报一个榜单更有说服力。

二、对照：OpenAI 的 ChatGPT Study Mode、Anthropic 的 Claude 学习模式、Google 的 LearnLM/Gemini 学习功能，主要靠提示词、系统指令和教学法微调，让通用模型「少给答案、多引导」。&Tutor 的不同在于优化目标：直接奖励学习收益，而不是奖励「看起来像好老师」。不过结果并不是全面碾压：一旦提示里写明评分标准，GPT-6 Astra 就追平甚至反超，说明前沿模型具备教学能力，只是默认不这样做。&Tutor 的优势在于「不用调教就会教」，在脚手架子项上还落后。另外它基于开源的 GLM-5.3，再次说明中国开源底座正在成为美国创业实验室做垂直 RL 的默认起点。

三、影响与局限：价格与 Ampersand 一致（输出 $5.20/百万 token），对教育类应用开发者来说，可以低成本试用一个「默认就克制」的辅导模型。但需要保留三点：其一，TutorMoments 由 LLM 扮演学生、LLM 评审，模拟到真实的鸿沟仍在。官方也承认，真正的检验是在真实教学场景中长期看学习效果，目前尚无对照实验。其二，模型在 Persimmon 上训练，评估又依赖模拟学生，存在「学会讨好模拟学生」的风险，虽然官方用多数据集验证 Persimmon 的逼真度来回应这一点。其三，基准与成绩均为厂商自报，尚无第三方复现。如果后续有学校或教育机构的真实对照研究，这条「用户模型→训练环境」的路线才算真正立住。