研究反驳Anthropic和OpenAI关于自主AI研究即将实现的声明

研究反驳Anthropic和OpenAI关于自主AI研究即将实现的声明

使用Claude Opus 4.8和GPT-5.6 Sol的AI代理被给予六天时间、3000美元API额度和GPU访问权限，以独立撰写AI研究论文。未发表的NeurIPS论文的原始作者将这些结果评为“拒绝”。根据与普林斯顿大学和英国AI安全研究所进行的研究，前沿模型可以处理完整的研究工程流程，但在研究判断力、创造性解决问题以及放弃失败方法的能力上存在不足。文章《研究反驳Anthropic和OpenAI关于自主AI研究即将实现的声明》首先出现在The Decoder上。

一项研究显示，使用Claude Opus 4.8和GPT-5.6 Sol的AI代理在六天和3000美元API额度下独立撰写AI研究论文，但被原审稿人评为“拒绝”。研究认为前沿模型能处理研究工程流程，但缺乏研究判断力、创造性解决问题和放弃失败方法的能力。

• 一项研究显示，使用Claude Opus 4.8和GPT-5.6 Sol的AI代理在六天和3000美元API额度下独立撰写AI研究论文，但被原审稿人评为“拒绝”。研究认为前沿模型能处理研究工程流程，但缺乏研究判断力、创造性解决问题和放弃失败方法的能力。
• 原贴提到：AI agents using Claude Opus 4.8 and GPT-5.6 Sol were given six days, $3,
• 来源：the-decoder.com

这一信号表明，尽管前沿模型在工程执行上已具备较强能力，但在真正的研究创新中仍存在关键短板。Anthropic和OpenAI宣称自主AI研究“触手可及”，但该研究用实测数据推翻这一乐观判断。

为什么重要：研究由普林斯顿大学和英国AI安全研究所参与，且使用最新模型Claude Opus 4.8和GPT-5.6 Sol，评估标准是未发表的NeurIPS论文原作者评审，因此结果具有较高可信度。这不仅关乎AI学术研究，更直接影响企业AI化转型中对“AI代替研究人员”的预期。

对谁有价值：AI创业公司、研发团队和技术决策者。他们需要据此校准对AI自主能力的预期，避免在关键创新环节过度依赖AI代理，导致产出低质量甚至错误的研究成果。

可以怎么行动：团队应将AI定位为“研究工程助手”，用于文献综述、实验流程自动化等可量化环节，而将核心问题定义、假设生成和结果判断保留给人类专家。同时建立AI产出的强制人工审查机制，尤其是对研究结论和创造性部分。

风险或限制：该研究使用的任务仅限于独立撰写论文，并未覆盖真实科研中协作、迭代和跨学科场景；模型版本也可能快速迭代，结论所反映的能力边界仅是当前时点的快照。但即便如此，研究判断力和放弃失败路径的能力仍然是AI的明显短板，短期难以弥补。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《研究反驳Anthropic和OpenAI关于自主AI研究即将实现的声明》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Jonathan Kemper 原帖