聊天机器人的黄昏

如果你觉得 AI 正在加速，可能并不是错觉。美国领先实验室发布更强模型的速度比过去更快，尽管政府干预曾暂时限制两个最强模型 Claude Fable 和 GPT-5.6 的使用。

变化不只体现在发布时间上。现有证据也显示，AI 能力增长本身正在加速——当然，前沿仍然呈锯齿状，AI 在不少地方依旧薄弱。观察 AI 完成真实工作的能力时，这一点尤其明显。

METR 和英国政府 AI Security Institute 的评估，会衡量 AI 通过一次提示能够完成相当于人类程序员多少小时的工作。GDPval 则请专业评审比较多个领域中人类专家与 AI 的表现。这些指标都在以快于指数增长的速度上升。

从事类似实验的 Epoch 最近发现，Opus 4.7 独立运行 14 小时，可以完成一套原本需要人类工程师 2 至 17 周开发的软件包，token 成本为 251 美元。AI 当然无法通过每一项测试，运行成本也不总是低廉，但它确实在非常迅速地进步。在我自己的实验中，Fable 能够连续自主工作 9 小时，执行原本需要团队超过一周才能完成的复杂软件项目。

以上谈的是智能水平最高的前沿模型，主要来自 Anthropic、OpenAI 和 Google 三家美国公司。与此同时，还有一批通常落后前沿 6 至 12 个月、但已经接近前沿水平的中国模型。它们采用开放权重，发布后任何人都可以使用或修改，因此运行成本相当低。它们也沿着指数曲线进步，只是暂时落后于美国的闭源模型。

抽象图表能够说明趋势，却容易掩盖前沿的锯齿性，也可能夸大开放权重模型在现实场景中的稳定程度。想获得真正有用的判断，必须把 AI 放进不同任务中实际使用，再严格评估它在你关心的领域究竟做得怎样。

我设计过一项有趣的测试：让不同 AI 制作一个港口随时间演化的交互式模拟。结果显示，即使面对相同任务，模型在设计、风格乃至判断上也有明显差异。随着系统承担越来越长的任务，这些很难用基准测试衡量的因素会变得更加重要。

AI 的使用方式也在改变。直到最近，主流方式仍是把 AI 当作“共同智能”：你让它完成一步，检查结果，再让它做工作中的下一步。通过谨慎提示和持续关注，人能够引导 AI 完成长而复杂的任务。

这种方式依旧常见，也仍然有用。但越来越多高价值工作已经不再这样进行。能够长期运行、自我纠正的智能系统不需要人类不停干预，它要求一套不同的工作方式。与聊天机器人相比，代理还配有额外的执行结构：让 AI 使用工具、在环境中行动的运行框架，以及 Claude Code、OpenAI Codex 这类专门面向代理的应用。好的框架和应用，可以进一步放大本已快速增长的模型能力。

因此，工作正逐渐从“与聊天机器人一起做”，转向“把任务分配给代理”。OpenAI 与学术经济学家的联合研究显示，这种变化在 OpenAI 内部发生得非常快，而且使用代理的不只是程序员；法务、人力资源和其他非技术岗位采用代理的速度几乎一样。OpenAI 或许是其他工作场所未来变化的预警信号。

OpenAI 的工作越来越像管理 AI。四分之一员工每周至少会同时运行四个代理。随着编程任务由专用框架和应用里的 AI 完成，其他岗位也开始在某种意义上成为“程序员”，而且表现并不差。另一项针对 Claude Code 用户的研究发现，在真实编程任务中，软件工程师与其他职业用户的成功率相近。

真正影响结果的不是用户职业，而是专业知识。一个人在相关领域的经验越丰富，使用 Claude Code 完成该领域任务的成功率就越高；更有意思的是，他们每次提示能从 Claude 获得的有用成果也更多。

我们正在从“非专家用聊天机器人填补知识空缺”的世界，走向“专家用代理完成工作”的世界。使用代理的最佳方式，是把自己当成管理者。

指数增长意味着，在同样长度的时间窗口里，每一次变化都比上一次更大。如果一个组织在 2025 年冬季以前制定过 AI 计划，那份计划描述的系统大概只能完成几个小时的工作，而且错误率不低。仅仅几个月以后，一次提示就可能获得 16 小时甚至更长的工作成果。

这就是为什么 AI 不断给人“突然跃迁”的感觉。图表上，它只是一条曲线；现实中，我们却把能力一次次翻倍体验为一连串冲击。人类非常不擅长从指数曲线内部感受指数增长，而我们现在正身处其中。

这也比单纯用“炒作”更能解释 AI 周围的动荡。AI 在某一天以前似乎不足以构成真实网络安全威胁，下一刻却突然能够做到，迫使最高层政府临时改变政策。市场原本不会认真计价 AI 颠覆商业模式的可能，等能力突然抵达，又引起股票剧烈波动。

这些摇摆常被理解成一个不成熟行业最终走向稳定以前的迹象。但我不认为它很快会稳定。当前的不稳定，正是因为以人的速度——甚至以委员会速度——运行的机构，试图追踪一条本质上并不属于人类尺度的能力曲线。只要指数增长仍在继续，这道差距就会越来越宽。