OpenAI研究员：GPT-5.6已胜任多数人类实习生任务
Miles Bennett
OpenAI高级研究员布朗在ICML大会上表示，多数任务他会选GPT-5.6而非人类实习生；但另一位研究员的芯片分配标准暗示，这一能力仍有明确边界——AI替代研究岗的进程正在加速，却尚未完成。
"选AI不选实习生"——这句话的分量有多大？
OpenAI高级研究员诺姆·布朗在首尔ICML大会上直言：对于大多数任务，他会选GPT-5.6而非人类研究实习生。
这意味着→ 奥尔特曼去年10月的预言——今年9月前拥有AI研究实习生——正从口号变成内部共识。
对正在ICML排队求职的AI博士而言，这是一个明确信号：人类实习岗位可能大幅缩减。
真觉得AI够强，为什么不把全部芯片都给它？
另一位研究员亚什·潘德提出了一个更硬的标准：如果AI真达到人类研究员水平，OpenAI应当愿意把尽可能多的芯片分配给AI编程工具Codex，让它自己做研究。
用大白话说＝ 嘴上说"够用了"不算数，钱（芯片）往哪投才是真实投票。
潘德的言下之意是——公司目前没有做到这个分配规模，说明GPT-5.6的能力仍有边界。
定性判断和资源行为之间的落差说明了什么？
布朗说"胜任大多数任务"，是定性判断；潘德的芯片分配标准，是资源行为。两者之间存在明确落差。
这反映出当前AI能力评估的核心矛盾：企业嘴上的信心和实际押注的规模并不一致。
用大白话说＝ 定性上"够好了"，定量上"还不敢全押"——这个差距就是GPT-5.6真实能力的边界所在。
为什么说"工具链别搞太复杂"？
布朗建议开发者保持工具链(harness，围绕基础模型搭建的辅助工具和流程)简洁，因为下一代模型很可能在数月内令现有工具链过时。
OpenAI企业产品负责人恩比里科斯此前也表达了同样的判断——产品团队刻意不手动内置那些未来模型应原生具备的能力。
这意味着→ OpenAI认为AI价值将持续向模型层集中，而非应用层。
这对应用层创业公司意味着什么？
大量初创公司基于OpenAI和Anthropic模型，靠差异化工具链建立壁垒。
用大白话说＝ 如果下一代基础模型原生就能做到你工具链做的事，你的护城河就消失了。
这反映出一个长期压力：模型层每一次升级，都可能直接抹平应用层的差异化优势。
Content is for reference only, not financial advice.