OpenAI与麻省理工学院宣布，GPT-5.6 Sol与Codex已经能够端到端运行量子计算实验：在一块6量子比特芯片上，智能体自主完成40项测量，人类只在其中4次介入。这个数字的意义不在于量子比特规模有多大，而在于AI第一次被放进了“提出操作—调用设备—读取结果—继续实验”的连续闭环里。它不再只是替研究人员整理论文或解释公式，而是开始直接触碰科研设备和实验流程。
同一天的其他消息也在把这个方向推向更广的现实场景：OpenAI升级Astra的Computer Use，让模型借助无障碍树和安全审查机制操作电脑；蚂蚁开源Ling-3.0-flash-VL，把多模态模型压到更适合部署的激活规模；中国电信推出400K上下文的办公Agent；而具身导航、个人记忆和AI教学等产品，则分别在机器人、办公和教育中验证“能不能把任务做完”。AI竞争的关键，正在从一次回答是否漂亮，转向系统能否稳定执行、验证并承担结果。
AI开始操作实验设备
量子实验对自动化系统的要求很高。它既需要根据当前测量结果调整下一步操作，又必须处理噪声、设备状态和实验目标之间的关系。OpenAI与MIT披露的实验中，AI完成了从实验规划到测量执行的连续工作，7×24小时运行的设想也说明，研究团队想验证的并非一个会写实验脚本的聊天机器人，而是能够持续观察环境并修正策略的科研智能体。
当然，6量子比特仍然是受控条件下的小规模测试，不能直接等同于AI已经接管复杂科研。真正困难的部分包括设备校准、异常恢复、实验结果复现以及对危险操作设置边界。但这类尝试已经改变了AI for Science的验收标准：模型是否知道知识，不再是唯一问题；它能否调用仪器、保留证据、解释决策，并让另一名研究人员复核，才决定它能不能进入实验室。
电脑操作进入安全工程
Astra的Computer Use采用无障碍树读取界面元素，而不是只依赖截图猜测按钮位置，再配合Codex Harness执行鼠标键盘操作。这样的设计更适合表单、办公软件和复杂网页，因为系统可以理解控件名称、层级与状态，减少纯视觉方案在窗口变化、弹窗遮挡和相似按钮之间误判的概率。
不过，能点击不等于能安全交付。一个可以代替用户操作电脑的Agent，同样可能被恶意网页诱导、被隐藏指令劫持，或在没有确认的情况下发邮件、改文件和提交订单。Astra内置Guardian安全审查机制，说明Computer Use已经从“模型多了一双手”进入运行时安全阶段。企业部署时也应把权限分层、敏感动作二次确认、操作日志和可回滚机制放在模型能力之前。
多模态模型走向轻量部署
蚂蚁百灵开源的Ling-3.0-flash-VL总参数量达到1240亿，但推理激活参数只有55亿，支持图像、视频和网页代码理解，上下文窗口达到256K。在视觉编程测试中，它以1441分略超GPT-5.4的1440分。总参数和激活参数的分离，反映出模型竞争正在从“越大越强”的单一叙事，转向如何把能力压缩到可调用、可维护的推理成本里。
这对企业尤其现实。多模态模型要读合同截图、商品图片、监控画面或软件界面，通常比纯文本任务消耗更多显存和带宽。激活规模更小、权重开放且支持本地部署，意味着团队可以按数据敏感程度选择云端、私有化或边缘节点。对于需要稳定算力和弹性扩缩容的业务，速维云云服务器这类基础设施服务也应当被放进模型选型的整体账本里：不仅看单次调用价格，还要计算显存、并发、存储、网络和故障恢复成本。
办公Agent开始拼长任务
中国电信推出的TeleAgent提供400K以上上下文窗口，面向活动策划、学生排课和产品发布等办公任务。长上下文的价值不只是一次塞进更多文件，而是让Agent在任务持续变化时，能够保留约束、读取新信息并调整执行路径。办公场景里最常见的失败，不是模型完全不懂，而是做到一半忘了前提、漏掉修改，或者把不同版本的材料混在一起。
但上下文窗口变长，也会带来成本和治理问题。企业需要区分哪些信息应长期保留，哪些只是当前项目的临时材料；还要避免员工权限通过Agent被意外扩大。Agent真正进入组织后，知识库、账号体系、审批流和审计记录必须同时建设，否则长上下文只会让错误更容易被包装成一份完整报告。
机器人不只要看见，还要会纠错
ECCV 2026收录的AgentVLN提出“VLM-as-Brain”路线，让3B参数视觉语言模型负责导航决策，再通过模块化技能库执行SLAM、避障等动作。它可以在Jetson边缘设备上实时运行，重点不是把一个巨型模型塞进机器人，而是让通用理解能力和具体执行技能分工协作，并在环境变化后进行自我纠错。
这条路线和清华团队提出的域变换具身自进化系统形成呼应：机器人不一定每次遇到新情况都重新训练参数，也可以从与物理世界的交互中提取因果经验，逐步提高成功率。实验中，Zeva累计成功率从26%提升到73%，Zetta在LIBERO PRO达到90.8%。数字并不意味着机器人已经能在开放环境自由工作，但它说明具身智能的竞争开始从演示动作转向部署后的持续改进。
AI应用正在减少无效选择
美国创业公司Ditto的AI约会产品不要求用户刷照片，也不鼓励长时间聊天，而是在固定时间匹配一名对象并协调线下见面。它已经获得920万美元种子轮融资，覆盖多所高校，累计安排大量约会。这个产品的有趣之处在于，它没有把AI做成更复杂的信息流，而是试图直接减少选择，把用户从推荐页面带到一次真实行动。
类似逻辑也出现在AI教学和个人记忆产品中。微软StudentSim用真实学生数据训练60个数字学生，让AI教师先在模拟环境里接受反馈；Memmy则试图把Cursor、Claude Code和Codex的记忆打通，减少用户反复交代背景的时间。它们共同面对一个问题：AI越主动，越不能只追求“替用户做决定”，还要让用户知道依据是什么、何时可以修改，以及出错后怎样追回损失。
从模型发布到结果负责
这些消息放在一起看，AI的下一阶段并不是简单地把聊天窗口变成更大的聊天窗口。量子实验要求模型连接仪器，Computer Use要求模型进入电脑，轻量多模态模型要求能力适应不同算力，办公Agent要求长期保持任务状态，机器人则要求在真实环境里行动并纠错。模型、工具、数据和基础设施正在被组合成一个完整的执行系统。
因此，企业评估AI项目时，最好把“模型排行榜”拆成几项可以验收的指标：任务完成率、异常恢复时间、人工介入比例、单位结果成本、权限边界和全链路可追溯性。能在演示中答对一道题，只能说明模型有能力；能在数周运行中稳定完成工作、保留证据并接受审计，才说明产品真正具备生产价值。AI竞争的终点不在于谁最会展示，而在于谁能把一次聪明的回答变成可靠的结果。
暂无评论内容