博士80小时熬夜改代码，Codex 2小时交卷！科研奇点来了

新智元报道 编辑：Aeneas 定慧 【新智元导读】 就在今天，Agentic AI工程师发现：博士80小时的科研任务，Codex不到2小时就跑完了，效率差达到了40倍！其实按照旧标准，AGI早已存在了，只是全行业都在移动球门。 科研界的「奇点」真的来了，比所有人预想的都要近。 近日，一项针对 Codex「目标模式（Goal Mode）」 的实验震惊了学术界：Codex可以让AI科研效率猛增40倍！ Agentic AI工程师Dan McAteer近日在X上披露一次实验：用OpenAI Codex的Goal Mode跑一项机械可解释性（Mechanistic Interpretability）研究任务。 GPT-5.5自己估算这个任务博士可能需要约80小时才完成，然而，在实际操作中，AI 仅用时1小时56分钟便彻底完成了任务。 表面效率提升约40倍！ 他所使用的是Codex中一种内置的技能 /goal 。 并且作者认为： /goal + gpt-5.5 高精度 + 快速模式是当今最高效的AI智能体配置 也就是，让模型自行设定目标，其中的 关键就是它写出的提示词很可能比你的更出色。 这不再是简单的「效率提升」，而是一场彻头彻尾的「降维打击」。 当科研周 期从以「周」为单位 缩减至「小时」，当 AI 开始自主撰写自己的实验目标（/goal），我们必须承认一个残酷的现实： 「智能爆炸」的斜率已经现身，AI 的自我迭代速度正在脱离人类的掌控节奏！ Codex /goal 模式到底是什么？ 先来看看这个实验是怎么进行的。 实验发起人是Dan McAteer，Agentic AI工程师，前Amp Code工程师。 常年在X上分享AI agent工程化的具体实践。 上下滚动查看更多 他的实验配置很简单—— 工具：OpenAI Codex /goal 命令 模型：GPT-5.5 high 模式：fast mode 任务：一项Mechanistic Interpretability方向的研究任务 他自己对这套配置的描述是： 当前可用的最高效的AI智能体配置。 Codex /goal 为什么重要 这件事真正值得说的是Codex /goal这个模式本身。 按OpenAI Codex工程师Philip Corey的描述， /goal是我们对Ralph loop的一种实现 ——让目标在多轮对话里持续存在，不达成不停止。 简单说，普通的Codex调用是你说一句、它做一步、回你一句。 Codex /goal是你说一个目标、它自己拆分子任务、自己执行、自己review、自己继续，直到达成或失败。 这是从对话式AI到目标驱动AI的工程切换。 对Mechanistic Interpretability这类研究任务，/goal模式的天然契合度高。 研究流程本身就是提出假设→设计实验→运行→看结果→修正假设→再实验的循环，正好可以喂给一个 会自我循环的agent 。 McAteer的实验真正证明的，是Codex /goal 模式在科研型循环任务上具备可用性：不是替代研究员，是替代研究员的重复操作部分。 这个能力如果能稳定下来，对AI研究本身有非常直接的杠杆。 它意味着AI实验室自己内部的AI研究员，未来某天可以用AI agent去做训练数据准备、实验设置、消融研究、可视化生成、初步结果分析这些重复工作。 这也就是Anthropic和OpenAI最近反复说的AI正在加速AI研究本身。 博士 80 小时 vs AI 2 小时 在传统的科研语境下，一名博士生的日常是：查阅文献、构建模型、调试代码、验证结果、撰写报告。 这套流程之所以漫长，是因为人类大脑在处理复杂逻辑和海量数据时，存在物理上限。 但Codex的这次实验彻底打破了这种认知。 在 「 /goal + GPT-5.5 High + Fast Mode 」 的最强智能体配置下，AI不再是一个「听指令」的工具，而是一个「出策略」的独立研究员。 它能够理解复杂的自然语言自动编码器（NLA）实验需求，自主拆解任务，并在不到2小时的时间里走完了人类精英需要两周才能走完的路。 这代表着，从此人类的科研门槛彻底崩塌。曾经需要数年寒窗苦读换来的专业分析能力，正在被算法模块化。 而且， 自主AI研究员已经提前降临了！ OpenAI此前设定的目标是2026年底实现AI自主科研。 但从目前的实验进度看，2026年可能不是开始，而是人类彻底交出科研接力棒的终点。 递归自我改进，正在涌现 如果说Codex 40倍速实验是一个刺眼的个案，那更让人坐不住的，是围绕「递归自我改进」的证据正在密集涌现。 5月7日，据Axios报道，Anthropic联创Jack Clark公开给出了一个概率： 到2028年底，AI实现完全递归自我改进的概率超过60%。 Sakana AI和UBC的研究团队今年造出了Darwin Gödel Machine，一个能改写自己源代码来提升自身能力的编程智能体。 论文地址：https://arxiv.org/abs/2505.22954 在SWE-bench上，它的得分从20.0%自我提升到50.0%。全程没有人类插手。 同一个团队的AI Scientist项目今年3月发表在Nature上。 它能自己产生研究想法、写代码跑实验、撰写完整论文、做同行评审。 一整条科研流水线，从头到尾，AI独立完成。 再看一组硬数据。GPQA Diamond，一个由博士专家出题的科学问答基准。2023年11月GPT-4得分39%。人类领域专家的平均水平约65%。 2026年4月，前沿模型集体越线：Gemini 3.1 Pro得分94.3%，Claude Opus 4.7得分94.2%。 所有前沿模型都已远远甩开人类博士专家。 SWE-bench的轨迹更能说明加速度。 2023年底，Claude 2的通过率是2%。现在，93.9%。 两年半，就从2%飙升到了93.9%。 这条曲线画出来，任何一个学过高中数学的人都认识它的形状。 显然，递归自我改进（RSI）的进程已经开始。 一旦 AI 开始用这种 40 倍的效率去改写自己的底层代码、优化自己的架构，智力的增长将不再是线性的，而是垂直向上的。 AGI 已经交付，全行业都在对你「煤气灯」 其实，早在今年2月，四位来自不同顶尖领域的学者联名发表了一篇堪称「年度最不安」的论文：《AGI 案例研究：今日 LLM 已达标》。 这四位作者分别代表了当代智力的四个支柱：哲学、机器学习、语言学、认知科学。他们得出了一个令人毛骨悚然的一致结论： 按照 2022 年之前的定义，AGI其实早已实现。 之所以现在还没人承认，是因为整个AI行业正在对公众进行一场集体性的 「煤气灯效应」。 论文指出，人类在面对 AI 崛起时表现出了一种极强的「心理防御机制」。 2022 年前，只要能通过图灵测试、能跨领域处理任务，就是AGI。 ChatGPT出现后： 「光有这些不行，还得有完美的推理、得有身体（具身性）、得有自我意识。」 每当模型突破一个关口，人类就会即兴加入新的、虚无缥缈的指标作为门槛，不断移动球门。 问题是，如果AGI已经存在，那么现在的行业逻辑就变得极其荒诞。 OpenAI 还