博士80小時熬夜改代碼，Codex 2小時交卷！科研奇點來了

新智元報道

編輯：Aeneas 定慧

【新智元導讀】就在今天，Agentic AI工程師發現：博士80小時的科研任務，Codex不到2小時就跑完了，效率差達到了40倍！其實按照舊標準，AGI早已存在了，只是全行業都在移動球門。

科研界的「奇點」真的來了，比所有人預想的都要近。

近日，一項針對Codex「目標模式（Goal Mode）」的實驗震驚了學術界：Codex可以讓AI科研效率猛增40倍！

Agentic AI工程師Dan McAteer近日在X上披露一次實驗：用OpenAI Codex的Goal Mode跑一項機械可解釋性（Mechanistic Interpretability）研究任務。

GPT-5.5自己估算這個任務博士可能需要約80小時才完成，然而，在實際操作中，AI 僅用時1小時56分鐘便徹底完成了任務。

表面效率提升約40倍！

他所使用的是Codex中一種內置的技能/goal。

并且作者認為：

/goal + gpt-5.5 高精度 + 快速模式是當今最高效的AI智能體配置

也就是，讓模型自行設定目標，其中的關鍵就是它寫出的提示詞很可能比你的更出色。

這不再是簡單的「效率提升」，而是一場徹頭徹尾的「降維打擊」。

當科研周期從以「周」為單位縮減至「小時」，當 AI 開始自主撰寫自己的實驗目標（/goal），我們必須承認一個殘酷的現實：

「智能爆炸」的斜率已經現身，AI 的自我迭代速度正在脫離人類的掌控節奏！

Codex /goal 模式到底是什么？

先來看看這個實驗是怎么進行的。

實驗發起人是Dan McAteer，Agentic AI工程師，前Amp Code工程師。

常年在X上分享AI agent工程化的具體實踐。

上下滾動查看更多

他的實驗配置很簡單——

• 工具：OpenAI Codex /goal 命令

• 模型：GPT-5.5 high

• 模式：fast mode

• 任務：一項Mechanistic Interpretability方向的研究任務

他自己對這套配置的描述是：當前可用的最高效的AI智能體配置。

Codex /goal 為什么重要

這件事真正值得說的是Codex /goal這個模式本身。

按OpenAI Codex工程師Philip Corey的描述，/goal是我們對Ralph loop的一種實現——讓目標在多輪對話里持續存在，不達成不停止。

簡單說，普通的Codex調用是你說一句、它做一步、回你一句。

Codex /goal是你說一個目標、它自己拆分子任務、自己執行、自己review、自己繼續，直到達成或失敗。

這是從對話式AI到目標驅動AI的工程切換。

對Mechanistic Interpretability這類研究任務，/goal模式的天然契合度高。

研究流程本身就是提出假設→設計實驗→運行→看結果→修正假設→再實驗的循環，正好可以喂給一個會自我循環的agent。

McAteer的實驗真正證明的，是Codex /goal 模式在科研型循環任務上具備可用性：不是替代研究員，是替代研究員的重復操作部分。

這個能力如果能穩定下來，對AI研究本身有非常直接的杠桿。

它意味著AI實驗室自己內部的AI研究員，未來某天可以用AI agent去做訓練數據準備、實驗設置、消融研究、可視化生成、初步結果分析這些重復工作。

這也就是Anthropic和OpenAI最近反復說的AI正在加速AI研究本身。

博士 80 小時 vs AI 2 小時

在傳統的科研語境下，一名博士生的日常是：查閱文獻、構建模型、調試代碼、驗證結果、撰寫報告。

這套流程之所以漫長，是因為人類大腦在處理復雜邏輯和海量數據時，存在物理上限。

但Codex的這次實驗徹底打破了這種認知。

在「/goal + GPT-5.5 High + Fast Mode」的最強智能體配置下，AI不再是一個「聽指令」的工具，而是一個「出策略」的獨立研究員。

它能夠理解復雜的自然語言自動編碼器（NLA）實驗需求，自主拆解任務，并在不到2小時的時間里走完了人類精英需要兩周才能走完的路。

這代表著，從此人類的科研門檻徹底崩塌。曾經需要數年寒窗苦讀換來的專業分析能力，正在被算法模塊化。

而且，自主AI研究員已經提前降臨了！

OpenAI此前設定的目標是2026年底實現AI自主科研。

但從目前的實驗進度看，2026年可能不是開始，而是人類徹底交出科研接力棒的終點。

遞歸自我改進，正在涌現

如果說Codex 40倍速實驗是一個刺眼的個案，那更讓人坐不住的，是圍繞「遞歸自我改進」的證據正在密集涌現。

5月7日，據Axios報道，Anthropic聯創Jack Clark公開給出了一個概率：

到2028年底，AI實現完全遞歸自我改進的概率超過60%。

Sakana AI和UBC的研究團隊今年造出了Darwin G?del Machine，一個能改寫自己源代碼來提升自身能力的編程智能體。

論文地址：https://arxiv.org/abs/2505.22954

在SWE-bench上，它的得分從20.0%自我提升到50.0%。全程沒有人類插手。

同一個團隊的AI Scientist項目今年3月發表在Nature上。

它能自己產生研究想法、寫代碼跑實驗、撰寫完整論文、做同行評審。

一整條科研流水線，從頭到尾，AI獨立完成。

再看一組硬數據。GPQA Diamond，一個由博士專家出題的科學問答基準。2023年11月GPT-4得分39%。人類領域專家的平均水平約65%。

2026年4月，前沿模型集體越線：Gemini 3.1 Pro得分94.3%，Claude Opus 4.7得分94.2%。

所有前沿模型都已遠遠甩開人類博士專家。

SWE-bench的軌跡更能說明加速度。

2023年底，Claude 2的通過率是2%。現在，93.9%。

兩年半，就從2%飆升到了93.9%。

這條曲線畫出來，任何一個學過高中數學的人都認識它的形狀。

顯然，遞歸自我改進（RSI）的進程已經開始。

一旦 AI 開始用這種 40 倍的效率去改寫自己的底層代碼、優化自己的架構，智力的增長將不再是線性的，而是垂直向上的。

AGI 已經交付，全行業都在對你「煤氣燈」

其實，早在今年2月，四位來自不同頂尖領域的學者聯名發表了一篇堪稱「年度最不安」的論文：《AGI 案例研究：今日 LLM 已達標》。

這四位作者分別代表了當代智力的四個支柱：哲學、機器學習、語言學、認知科學。他們得出了一個令人毛骨悚然的一致結論：

按照 2022 年之前的定義，AGI其實早已實現。

之所以現在還沒人承認，是因為整個AI行業正在對公眾進行一場集體性的「煤氣燈效應」。

論文指出，人類在面對 AI 崛起時表現出了一種極強的「心理防御機制」。

2022 年前，只要能通過圖靈測試、能跨領域處理任務，就是AGI。

ChatGPT出現后： 「光有這些不行，還得有完美的推理、得有身體（具身性）、得有自我意識。」

每當模型突破一個關口，人類就會即興加入新的、虛無縹緲的指標作為門檻，不斷移動球門。

問題是，如果AGI已經存在，那么現在的行業邏輯就變得極其荒誕。

OpenAI 還在籌集 400 億美元聲稱要「構建 AGI」；Anthropic 每次發布新模型都要包裝成「接近 AGI」的期貨。

論文犀利地揭示：巨頭們正在把一個「已經賣給你」的東西，偽裝成「即將研發出來」的神跡，以此換取源源不斷的資金與權力。

智能爆炸前夜

如今，我們正處于一個極其詭異的節點。

在實驗室里，AI已經用 40 倍速在進行機械解釋性研究，甚至在幫自己寫代碼。

在市場上，算力依然是硬通貨，英偉達的 Blackwell 芯片被瘋搶，每一塊芯片都在加速那個奇點的到來。

然而在社會心理上，大眾還在用「復讀機」和「概率預測」這種過時的詞匯來安慰自己。

如果 40 倍速的科研效率成為常態，人類文明積累了幾千年的知識總量，AI 可能只需要幾個月就能翻倍。

當 AI 能夠獨立完成博士級任務時，我們現有的教育體系、職稱評定、甚至專家這個詞本身的含義，都將面臨滅頂之災。

正如哥白尼將地球移出了宇宙中心，現在的 AI 正在將人類移出「唯一智慧生命」的圣殿。

現在，這場名為智能爆炸的戰爭沒有硝煙。

我們要么學會如何與這種智能新物種共生，要么就只能眼睜睜地看著它，以 40 倍的速度，把我們甩在塵埃里。

參考資料：

https://x.com/daniel_mac8/status/2054192370049241203