發生了什麼
最近，一項來自Decoder的研究結果給AI圈潑了一盆冷水。這項研究直接挑戰了OpenAI和Anthropic這兩大巨頭關於“AI能夠進行自主科學研究”的宏大敘事。研究團隊並沒有停留在理論層面，而是直接上手實測。他們選用了目前備受矚目的Claude Opus 4.8和GPT-5.6 Sol作爲AI代理，並給了這兩個模型整整六天的時間，以及高達3000美元的API信用額度，讓它們自由支配去完成科研任務。結果令人咋舌：這兩款被寄予厚望的模型，在沒有任何人工幹預的情況下，並沒有展現出廠商們宣傳的那種“全自動科研”能力。
核心變化解讀
這次測試的核心在於“自主性”與“現實落地”的巨大鴻溝。OpenAI和Anthropic此前一直在暗示，甚至明示他們的最新模型已經具備了像人類科學家一樣，從提出假設、設計實驗到分析數據、得出結論的閉環能力。然而，這項研究無情地揭示了一個事實：雖然Claude Opus 4.8和GPT-5.6 Sol在處理具體指令、生成代碼或文本片段上表現出色，但一旦涉及到長周期的、需要自我糾錯和復雜決策的科研流程，它們就顯得力不從心。
在六天的測試中，擁有3000美元“巨資”的AI代理們並沒有像預想中那樣高效地調用資源，反而常常陷入邏輯死循環，或者在沒有明確方向的情況下浪費API額度。這說明，當前的所謂“自主AI”更多是一種輔助工具，而非獨立的執行者。廠商的宣傳往往基於理想化的短時演示，而真實的科研工作充滿了不確定性，這種不確定性目前仍是AI難以獨自跨越的門檻。這也意味着，距離真正的“AI科學家”取代人類，還有相當長的路要走。
對國內用戶的影響
對於國內的AI愛好者和從業者來說，這項研究無疑是一個重要的“去魅”過程。很多時候，我們被國外大廠炫酷的演示影片所吸引，誤以爲只要訂閱了最貴的Plus或Pro方案，就能讓AI幫我們完成所有工作。這種誤解可能導致不切實際的期望，甚至在購買服務後產生巨大的心理落差。特別是對於那些希望通過GPT-5.6或Claude Opus來自動化完成復雜學術研究或代碼開發的用戶，更需要清醒地認識到：這些工具是強大的助手，但絕不是“甩手掌櫃”。它們能極大地提升效率，比如快速查閱文獻、生成實驗代碼片段，但核心的思路把控和關鍵決策，依然離不開人類專家的介入。盲目依賴AI的“自主性”可能會導致項目延期或方向跑偏，理性看待模型能力，才能更好地利用它們爲我們的工作賦能。
你需要做什麼
面對這樣的技術現狀，我們既不能因噎廢食，也不能盲目迷信。建議大家將AI視爲提升效率的“超級副駕駛”，而不是全自動的“代駕”。在使用這些高級模型時，保持人機協作的模式，由你來把控方向，讓AI去處理繁瑣的執行細節。如果你還沒有體驗過這些頂尖模型的強大輔助能力，或者擔心官方訂閱門檻太高，可以通過ChatGPT 儲值中心輕松獲取API額度或賬號服務。低成本試錯，找到最適合自己的人機協作流，才是當下AI時代的正確打開方式。