我提前体验了 GPT-5.51，我认为这是一件大事。说它重要，是因为它表明 AI 的快速进步并未止步。说它重要，也因为它本身确实非常出色。而说它重要，还因为即便如此，AI 能力的前沿依然参差不齐。

随着 AI 能力的提升，越来越难快速展示每一代际变化带来的差异，因为许多过去 AI 不擅长的旧任务，比如数学计算或数单词中的字母，现在对 AI 来说已变得轻而易举。因此，我会提供复杂的细节，但首先，我想用一个我认为能很好说明问题的简单例子。AI 模型最擅长的是编程，所以我给从 OpenAI 首个推理模型 o3（发布已有一年零一周！）到当前最佳开源权重模型（Kimi K2.6），再到新的 GPT-5.5 Pro 这些 AI 出了一道编程挑战题：“为我构建一个程序化生成的 3D 模拟，展示一个港口小镇从公元前 3000 年到公元 3000 年的演变过程，它应该看起来美观，并允许我对其进行一些控制。”

然后我将所有答案发布到了这个展示页面上，以便你可以亲自体验它们（实际上，我是让 GPT-5.5 Codex 帮我搭建了这个展示页面）。你应该亲自操作一下，感受其中的差异，不过你也可以在下面看到其中几个示例。除了在所有其他维度上表现更优之外，只有 GPT-5.5 Pro 真正模拟了一个不断演变的小镇，而不仅仅是随时间生成新的建筑替换物。GPT-5.5 Pro 的速度也比上一代快得多：GPT-5.4 Pro 完成该任务需要 33 分钟，而 GPT-5.5 Pro 只用了 20 分钟。

模型、应用与工具框架

我一直鼓励大家不要把 AI 看作单一事物，而应将其视为三个相互关联的概念。你需要关注模型，比如 Opus 4.7、Gemini 3.1，或者（现在的）GPT-5.5。同时也要留意应用，也就是你实际用来与模型对话的产品，它们能让模型为你完成实际工作。最常见的应用是每个模型对应的网站：chatgpt.com、claude.ai、gemini.google.com。但如今，像 Claude Code、Claude Cowork 和 OpenAI Codex 这样的桌面应用正逐渐成为最有用的 AI 工具。最后还有工具框架，即 AI 可以使用的工具，以及 AI 模型如何与这些工具连接。工具让 AI 能够控制你的电脑、编写代码、做研究以及生成图像。

OpenAI 在这三个领域都取得了进展。在模型方面，GPT-5.5 是一个强大的模型系列，其中 GPT-5.5 Pro（仅限网站使用）能力最强。近期在应用方面也有重大进展，OpenAI 的 Codex 越来越追随优秀的 Claude Code 的脚步，打造出了一款易用且实用的桌面应用。最后是工具框架及其可使用的工具。工具框架方面有许多新的改进，但最有趣的之一来自 OpenAI，它拥有一个新的图像模型。

这个新模型现在可以渲染高质量的文字，并几乎能根据你的描述创作出任何图像。老读者都知道我的“水獭测试”，即要求 AI 生成一张水獭在飞机上使用 Wi-Fi 的图片。与其再次描述，不如让这个新图像模型（有时被称为 GPT-imagegen-2）来为我解释：“一张水獭科学家展示 Ethan Mollick 水獭测试结果的照片，该测试展示了 AI 图像生成器在制作水獭坐在飞机上使用 Wi-Fi 的图像方面的能力。”

也许你想看看关于它的学术论文？“展示水獭测试学术论文的第一页，格式良好，放在桌子上”（请随意放大查看文字）。

或者，我们干脆把它变成艺术？“现在展示一个精美的艺术画廊，墙上每一幅画都是一只水獭在飞机上使用笔记本电脑，风格分别模仿克里姆特、罗斯科、马蒂斯、莫奈、毕加索、提香、伦勃朗和欧姬芙。每幅画下方应有清晰可读的标签。”（这幅图值得放大细看）

这一切都非常酷，而且在几个月前还不可能实现，但它同样非常实用。一个能够生成精细文字和图像的图像生成器，可以用来制作 PowerPoint 幻灯片、产品模型、示例网站，或者任何你要求的东西。但这仅仅是一种工具，真正的魔力在于，当你将各种工具套件、应用程序和模型结合起来解决一个实际问题时才会显现。下面就是一个我拖延了十年之久的问题。

整合起来

我是一名学者，在 2010 年代初期，我很多非 AI 领域的工作都聚焦于众筹。我手头有数百个关于这个主题的匿名数据文件，来自我收集的问卷调查、分析和研究工作，混合了 STATA、CSV、XLS 和 Word 格式，我一直没来得及把它们写成论文。我想看看 GPT-5.5 能利用这些信息做到什么程度。于是，我使用了由 GPT-5.5 驱动的 Codex，并指示它：“帮我整理[这些数据]，生成一个可能有趣的新假设，用复杂的方法进行检验，并写一篇学术论文。”我还要求它包含文献综述和格式排版。结果令人印象深刻，尤其是在我让 GPT-5.5 Pro 对论文进行评论，并将这些反馈结果重新输入 Codex 之后。你可以在这里阅读结果。它并不完美，但原因不再是存在明显的错误：文献综述全部是真实的，统计数据也是如此。相反，问题在于，作为专家，我认为这个假设并不那么有趣，而且尽管 AI 使用了非常复杂的统计方法来尝试解决，但仍存在一些关于因果关系的标准疑虑。简而言之，如果这篇论文是一个二年级博士生的研究成果，我会非常满意。而我仅仅给了它四个提示词，自己从未动过手修改文本。

我们还可以用另一种方式将工具、应用和模型整合在一起。我让 Codex 从头创建一款全新的桌面角色扮演游戏，本质上就是它自己发明的一个奇幻世界版的《龙与地下城》，包含了游玩所需的所有表格和规则。我还让它模拟玩家体验这款游戏，并根据模拟结果修改规则。如你所见，AI 照做了，包括生成了一份排版精美的 101 页 PDF，并用它的图像生成器为其配图。

除了技术上的精巧，实际内容也有很多可取之处。背景设定有趣且新颖，规则看起来也合理，借鉴了现有游戏模式的同时加入了独特元素。然而，仔细审视后会发现，AI 能力的参差不齐并未完全消失。每一代 AI 模型在真正构建长篇虚构作品时都存在问题。如果你经常阅读 AI 写作，会在这里看到同样的问题：偏爱诡异感；过于复杂却未能充分展开的想法；奇怪的比喻（“天气和建筑是不同速度下的同一场争论”）；太多华丽的句子（“当一片海洋忘记自己曾是条路时浮现出的神圣之物”，出现一次很酷，整本书都这样就很累人）；对话中每个角色都用同样简短的语气说话；以及“玛拉”这个名字。所以，尽管技术取得了惊人的进步，但依然存在粗糙之处。

GPT-5.5 向我们展示了模型越来越智能，应用越来越强大，工具也越来越好，使它们解决实际问题的效率不断提高。我可以用四个提示词得到一篇接近博士水平的论文，或者用一个提示词得到一款配有插图和“试玩”反馈的可玩角色扮演游戏。但虚构作品依然平淡，有些假设即使统计上合理，也往往缺乏趣味。不过话说回来，一年前，这些还都遥不可及，而随着最新版本的发布，能力提升的速度似乎正在加快。

GPT-5.5 显然不是这一进程的终点，但它是沿途值得注意的一步。我撰写这份通讯已超过三年，模式从未改变：每隔几个月就会有一款新模型问世。我运行自己的测试，曾经不可能的事情变得轻而易举，而每次新发布周期中，跨越的幅度都在增大。参差不齐的前沿依然存在，只是它比过去远得多了。

这是 GPT-5.5 为本文选择的配图，我又有什么好争辩的呢？

1

我不从 OpenAI 或任何其他 AI 实验室获取报酬，OpenAI 也未曾事先看过这篇文章。此外，在我撰写本文时，我并不了解发布的所有细节，因此如有任何错误，敬请谅解。