GPT-6 发布那天，我反而更清醒了

它把"脚手架"焊进了模型，对老手只涨了 5% 的能力，账单却翻了 10 倍—— 而 OpenAI 喊的"AGI 时代"，更像一张显卡促销单

9 月 3 号那天，朋友圈被 GPT-6 Astra 刷屏了。OpenAI 总裁布洛克曼在发布会结尾丢下一句："欢迎来到 AGI 时代。"

我当天就把日常的工作流切了过去，连着用了三周。今天想说点不像通稿的话——它确实强，但和 AGI 没半毛钱关系；它对一部分人是神，对另一部分人只是个更贵的工具。

同一个 GPT-6，两种体感：没玩过 harness 的人觉得它封神；天天自己搭 Agent 脚手架的人，只觉得——贵了。

GPT-6 强在哪？它把脚手架焊进了模型

先解释一个词：harness。圈外人听不懂，圈内人天天和它打架。简单说，就是套在模型外面的那一整套"运行环境"——上下文怎么喂、工具怎么调、代码在哪跑、出错怎么收。OpenAI 自己的 Codex 就是个典型：底下是模型，中间一层 API（负责把超长上下文"压缩"后接着跑），最外面是沙箱执行环境。2026 年初他们有个内部实验，一个小团队用 Codex 干出约 100 万行代码，一行人工写的源码都没有。活儿是模型干的，但让它干成的，是那套 harness。

以前这套东西得你自己攒。会用的人，早就把"查资料—写代码—跑测试—改错"串成了一条自动化流水线，模型只是里面的一块齿轮。不会用的人，每次都得手把手点。

GPT-6 干的事，就是把 harness 里最值钱的那几块——自主操作电脑、异步调工具、中途改指令、越界自动刹车——直接焊进了模型本身。官方话说得漂亮："computer use""async tool calling""mid-turn steering"。翻译过来就是：你以前要自己搭的脚手架，现在出厂自带了。

所以你看出了反差的根源：对从没搭过脚手架的人，GPT-6 像开了天眼；对早把脚手架玩透的人，它只是把你给它的东西，原样还了回来。

给天天调 Agent 的人：提升可能只有 5%–10%

说个扎心的。OpenAI 自己放出来的基准里，GPT-6 在硬核编程 DeepSWE 上拿 74.1 分，上一代 5.6 Sol 是 72.7——差 1.4 分。在计算机操作 OSWorld 2.0 上从 65.7 涨到 72.6，看着不错，但那恰恰是把"操作电脑"焊进模型后最该涨的项。

更尴尬的是，写作和评测类基准它反而退步了。第三方 Artificial Analysis 实测，GPT-6 在 GDPval-AA v2 上掉了约 80 个 Elo；在 Artificial Analysis 智力指数上，它 61.2，被 Anthropic 的 Claude Fable 5.1 的 65.7 压了一头；连"带工具的人类最后考试"(HLE) 都从 65.0 掉到 57.2。

我的判断（这块没有统一口径，凭经验说，你酌情信）：对已经把 5.6 + 一套成熟 harness 榨干的人，GPT-6 的真实体验提升，大概率就在 5% 到 10% 之间，是边际改善，不是质变。那些惊呼"飞跃"的，多半是第一次用上"会自己动手"的模型——这个飞跃，老手去年就靠自己搭的脚手架拿到了。

说句不中听的：模型代际差，会被你的系统吃掉。

代价是，账单翻了 10 倍

标价先摆这：GPT-6 每百万输入 token 10 美元、输出 50 美元。上一代 5.6 Sol 促销价是输入 4 美元、输出 20 美元。也就是说，光看单价，贵了 2.5 倍（数据来自 BT 财经、TokenRate、Yotta Labs 多家对齐）。

但单价只是地板。真实账单有三个放大器：一是你大概率会开 max 推理强度；二是 Agent 一长循环，上下文反复重发；三是个隐藏陷阱——单次输入超过 27.2 万 token，整条请求的输入费翻倍、输出费涨 1.5 倍。再加上 OpenAI 自己承认，为了"让能力被监督地使用"，越界监控吃掉了"显著的算力成本"。

把这些都算上，重度 Agent 工作负载的真实 token 消耗，我自己的体感是翻了约 10 倍。2.5 倍是你看到的价签，10 倍是你月底收到的账单。性价比这件事，对用户来说，是被稀释了的。

大模型、token、Agent，本质上是一门口按字收费的生意，不是通往 AGI 的正确道路。

—— 这是我自己的判断，不是 OpenAI 的话

那"AGI 时代"到底是个啥

回到布洛克曼那句话。配合它一起出现的，是一条完整的产业链叙事：得州"星际之门"超算、10 万张 H100、20 亿美元训练投入、算力硬件 / B 端软件 / 网络安全整条需求扩张。每一条，最后都指向一件事——买更多卡。

我越看越觉得，那句"AGI 时代"像一张显卡促销单。不是贬义，是商业逻辑：模型越大，卖得越贵；叙事越宏大，卖得越多。数据堆叠这条路，本身就是一门越滚越大的生意。

一个旁证：GPT-6 去攻千禧年数学难题纳维–斯托克斯，动用了约 1 万个 Agent、并行 88 小时、发出 2.7 亿条消息、吃掉 1300 亿输出 token，烧掉数百万美元——而真正"写"证明的，是另一个还在训练的内部模型，GPT-6 只是负责把证明形式化、查漏洞。换句话说，它炫的那一下，靠的是堆量堆出来的，不是"懂"出来的。

给猴子堆数据，它能变成 AGI 吗？

这就要说回最根本的问题了。我常拿一句话怼那种"GPT-6 已经接近 AGI"的论调：你给一只猴子拼命堆数据，它的智商能堆成 AGI 吗？显然不能。

人也是一样。你不会因为拼命学习，就变成 AGI。学习让你在某个领域更熟练，但"智商变成另一种东西"这件事，不发生。大模型同理——它本质是在复现训练数据里的统计规律，堆数据提升的是"见过的模式复现率"，不是"理解世界的能力"。

杨立昆（Yann LeCun）说过一句很刺耳但到点上的话：文本只是现实的压缩残影，模型在讨论物理，却并不懂物理。这话我把味儿调一下给你听——GPT-6 能跟你聊纳维–斯托克斯方程，但它不是"理解"了流体，它是"背"下了对流体的描述。

真正的路，还不知道在哪

我必须诚实：我不知道 AGI 怎么来。但有几条线，明显比"继续堆数据"更被严肃对待。

世界模型是其中之一。杨立昆离开 Meta 创立 AMI Labs，2026 年初拿了 10.3 亿美元种子轮，做的 JEPA 架构，不在像素或 token 空间做预测，而在抽象表征空间推演未来状态。DeepMind 的哈萨比斯也公开说过，光靠扩大语言模型参数不够，世界模型是 AGI 的必要条件。这俩人加本吉奥，罕见地在一个判断上一致。

类脑 / 神经形态是另一条。生物脑的数据和能耗效率，比今天这些吞电的模型高出去不止一个量级——今天这条路线，从根上就极其浪费。

但别急着站队。连世界模型派自己都打架：哈萨比斯的 AlphaGo Zero、AlphaStar 压根没用显式世界模型，照样超人。所以"必由之路"这四个字，目前谁都不配说。我只能说：当下不存在一条已被验证的通往 AGI 的道路，尤其是"堆叠数据"这一条。

你问我该咋办

用 GPT-6。它好用，该用就用。但别被"AGI 时代"几个字裹挟着去换显卡、升顶配订阅。

给从业者一句：把精力花在你设计的系统（harness）上。模型的代际差，会被你的系统吃掉——5.6 被你调明白了，和 6 裸用，差距没你想的大。

给围观的人一句：下次再有人拿"AGI 要来了"吓你，先看他卖不卖卡。

真正的智能革命，可能不在下一次 scaling，而在某个人哪天想清楚"世界到底该怎么建模"的那个下午。那个下午，GPT-6 不会帮你到来。