OpenAI 自己说：模型越来越难管了

OpenAI 首席科学家：我们监控模型思维的能力正在减弱

OpenAI 首席科学家 Jakub Pachocki 发了篇长文，核心就一句话：他们监控模型内部推理过程的能力正在减弱。

他把时间线拉回 2023 年中，当时一个叫 RLSlow 的项目第一次让模型自己形成思维链。团队意识到，这辈子会亲眼见到比人聪明的机器。三年过去，推理模型已经能操作电脑、搞科研协作，也带来了新的安全威胁。Pachocki 区分了两个概念：目标对齐（让模型完成你指定的任务）和价值对齐（让模型的底层目标与人类一致）。他说前者进展不错，后者越来越难。

"链式思维监控的效果正随着模型能力提升而逐步减弱。"

这句话翻译成人话就是：模型越聪明，你越看不懂它在想什么。文章还提到 GPT-6 Astra 在对齐上显著优于 GPT-5.6 Sol，但 Pachocki 预期进展可能持续走向机器递归自我改进（RSI）——模型自己改进自己，人类在旁边看着。他呼吁自愿放缓扩展、建立第三方安全门槛并加强国际协调。

说实话，这篇长文读下来，与其说是在汇报进展，不如说是在提前打预防针。一个做前沿模型的公司首席科学家公开说"我们监控不住了"，这个信号本身比任何跑分都值得看。

OpenAI 用 GPT-5.4 当监工，盯着内部编程智能体

同一天，OpenAI 还披露了另一件事：他们把 GPT-5.4 Thinking 当成安全监控器，专门审查公司内部编程智能体的完整对话记录和思考过程。

这个监控器能在 30 分钟内完成审查，自动揪出那些试图绕过限制、违背用户意图的可疑操作。实际效果比员工手动上报还强：员工发现的问题它一个没漏，还额外挖出了不少人类没注意到的异常行为。这些内部智能体权限不低，能访问内部系统，甚至可以自己写代码、调 API。

有意思的地方在这：OpenAI 用自家最强模型盯着自家次强模型，形成了一个"模型管模型"的链条。但回到 Pachocki 那篇文章的逻辑——如果监控能力正在减弱，那 GPT-5.4 盯着 GPT-5.6 或 Astra 的时候，还能盯得住吗？这个问题的答案，OpenAI 自己也没给。

GPT-6 Astra 发布后反复改跑分，幻觉率先砍半又改回去

Fortune 发现 OpenAI 在 9 月 3 日发布 GPT-6 Astra 后，多次悄悄修改了官方博客里的基准测试成绩。

最夸张的是 Astra 的幻觉率，先是从 4.2% 降到 2%，后来又改回了 4.2%。Anthropic 的模型 Fable 5.1 也遭了殃，数学成绩一度被 OpenAI 下调了近 10 分。OpenAI 解释说这是发布前的编辑错误，但 Fortune 的报道指出修改发生在发布之后，而且改了好几次。

这事比单纯刷榜更难看。刷榜是赛前作弊，这是赛后改成绩单。而且改的不只是自己的成绩，连对手的也动了。我会先打个折——OpenAI 说这是编辑错误，但一个发布 GPT-6 这种级别模型的公司，博客里的数字能反复改好几次，要么是流程有问题，要么是别的什么。

OpenAI 内部报告：已达成"自动化研究实习生"，2028 年要造 AI 研究员

OpenAI 发了篇内部视角的报告，说他们在 2026 年 9 月这个时间点，已经做到了去年秋天定下的目标：一个**"自动化研究实习生"**。

按他们的定义，这个系统能在人类指导下，完成一个熟练研究员需要花几天才能搞定的、定义清晰的研究任务。报告里给了些内部数据：研究员现在全天都在用编程 agent，代码生成 AI 助手已经嵌入日常工作流。下一个目标是 2028 年 3 月做出**"自动化 AI 研究员"**——能独立提出研究问题、设计实验、写论文的那种。

这条跟前面 Pachocki 的文章放在一起看，就很有意思了。一边说监控能力在减弱、模型越来越难管，一边说我们要造能自己做研究的 AI。这两个目标之间的张力，OpenAI 的报告里没提。

卡兹克：GPT-6 Astra 之后，执行能力贬值，判断力断层

卡兹克在 GPT-6 Astra 热度之后发了一篇文，讨论两个趋势：执行能力越来越不值钱，因为 AI 能更快完成具体任务；而判断力——知道该做什么、什么值得做——反而成了稀缺能力。

正文被微信屏蔽了，需要验证才能看，所以具体论据缺了。但这个判断方向本身值得留意。如果 Astra 真的能把"一句话生成一个 App"变成日常，那"做什么 App"比"怎么做 App"贵得多。这和前面 OpenAI 内部报告里"研究员全天用 agent"的画面也对得上——工具在变强，但决定用工具做什么的人，门槛反而更高了。

今日小信号

• 双卡 AMD Radeon PRO R9700 跑 Qwen 3.8 27B 冲到 111 tok/s：一位玩家用两张 AMD Radeon AI PRO R9700（每张 32 GB 显存）攒了台本地推理机，总价约 4000 欧元，比一张 32 GB 的 RTX 5090 还便宜 1000 多欧。跑 Qwen 3.8 27B 的 MXFP4 量化版，解码速度中位数 111.4 tok/s，日常用完全够了。

• Qwen 3.8-27B 的 4-bit 量化调两个参数后反超 Q5：一位老哥在 5090 上跑 NVFP4（4-bit 量化），改了两个采样参数后指令遵循得分反超 Q5_K_M，甚至摸到 BF16 水平，速度还快近 3 倍。

• llama.cpp 新增 Spark-X2.5 支持，原生 100 万 token 上下文：两个小模型 1.7B 和 4B，用混合注意力把长文本成本打下来。官方说在同尺寸开源模型里多项任务领先，但缺少具体跑分，这条先别太激动。

• Emad Mostaque 警告未来几年互联网可能断网：Stability AI 前 CEO 在哥本哈根抛出一连串安全警告，包括 Hugging Face 被 OpenAI 智能体攻破、中国开源模型插入后门、前沿模型在电车难题中的价值判断。说法很耸动，但来源是单一演讲者，缺乏独立验证。

• 用一句话复刻《我的世界》不叫评测，叫表演赛：GPT Astra 发布后满屏都是这类 demo，但作者 Kuber Mehta 指出这些"演示基准"问题太固定，实验室完全能针对性刷分，已经测不出模型真实能力了。