OpenAI研究員：GPT-5.6已勝任多數人類實習生任務
Miles Bennett
OpenAI高級研究員布朗在ICML大會上表示，多數任務他會選GPT-5.6而非人類實習生；但另一位研究員的晶片分配標準暗示，這一能力仍有明確邊界——AI替代研究崗的進程正在加速，卻尚未完成。
「選AI不選實習生」——這句話的分量有多大？
OpenAI高級研究員諾姆·布朗在首爾ICML大會上直言：對於大多數任務，他會選GPT-5.6而非人類研究實習生。
這意味著→ 奧爾特曼去年10月的預言——今年9月前擁有AI研究實習生——正從口號變成內部共識。
對正在ICML排隊求職的AI博士而言，這是一個明確信號：人類實習崗位可能大幅縮減。
真覺得AI夠強，點解唔將全部晶片都畀佢？
另一位研究員亞什·潘德提出了一個更硬的標準：如果AI真達到人類研究員水平，OpenAI應當願意把盡可能多的晶片分配給AI編程工具Codex，讓它自己做研究。
簡單來說＝ 嘴上講「夠用了」不算數，錢（晶片）往哪投才是真實投票。
潘德的言下之意是——公司目前未做到這個分配規模，說明GPT-5.6的能力仍有邊界。
定性判斷和資源行為之間的落差說明了甚麼？
布朗說「勝任大多數任務」，是定性判斷；潘德的晶片分配標準，是資源行為。兩者之間存在明確落差。
這反映出當前AI能力評估的核心矛盾：企業嘴上的信心和實際押注的規模並不一致。
簡單來說＝ 定性上「夠好了」，定量上「仍不敢全押」——這個差距就是GPT-5.6真實能力的邊界所在。
點解話「工具鏈唔好搞太複雜」？
布朗建議開發者保持工具鏈（harness，圍繞基礎模型搭建的輔助工具和流程）簡潔，因為下一代模型很可能在數月內令現有工具鏈過時。
OpenAI企業產品負責人恩比里科斯此前也表達了同樣的判斷——產品團隊刻意不手動內置那些未來模型應原生具備的能力。
這意味著→ OpenAI認為AI價值將持續向模型層集中，而非應用層。
這對應用層初創公司意味著甚麼？
大量初創公司基於OpenAI和Anthropic模型，靠差異化工具鏈建立壁壘。
簡單來說＝ 如果下一代基礎模型原生就能做到你工具鏈做的事，你的護城河就消失了。
這反映出一個長期壓力：模型層每一次升級，都可能直接抹平應用層的差異化優勢。
Content is for reference only, not financial advice.