AI能連續工作16小時，人類出的考題不夠用了。

AI“考爆”了，不是它錯，是題太簡單

通用人工智能的到來，或許比我們預想的要快。至少在編程領域，變革的浪潮已經清晰可見。

最近，一個名為Claude Mithras的模型，在權威評測中取得了令人震驚的成績。

這好比學霸與學神的區別：學霸考100分，是努力達到了極限；學神考100分，是因為試卷滿分只有100分。

評測機構METR在測試新一代模型時，首次遇到了“測不準”的情況。

并非模型出錯，而是人類設計的題庫已經不夠用了。

你給孩子出考題，本來以為夠難了，結果孩子全對，不是他只會這么多，是你出的題最多就值這么多分。AI現在就是這樣。

過去，人們測試AI，主要看它能否解答單點問題，比如數學計算、代碼片段或語言理解。

但現在，新的測試方向聚焦于另一件事：AI能否像一個真正的員工一樣，連續、獨立地完成一項復雜任務。

例如，一個原本需要程序員花費數小時的工作，交給AI。

看它能否自己閱讀理解代碼庫、理解系統架構、制定解決方案、調試錯誤，并最終完整交付。

這種獨立工作的持久力，被稱為“任務時間跨度”。

幾年前，AI只能處理幾秒鐘級別的任務，比如寫一行代碼。

后來，進化到幾分鐘完成一個簡單函數。再后來，能花一小時搞定一個小模塊。

而最新一代的模型，其獨立工作時間已經輕松超過16小時。

關鍵點來了：METR評測中最難的題目，耗時就是16小時。

所以，不是模型只能工作16小時，而是題庫里根本沒有更復雜的題目了。

這標志著一個臨界點：AI開始突破人類為它設定的能力上限。

從“工具”到“員工”，AI角色變了

互聯網時代，自動化的是信息流轉。

AI時代，真正開始自動化的，是“認知勞動”。

這種變化，在編程和網絡安全行業感受最為直接。

原本，AI編程是程序員的得力助手。但照此發展，未來可能真的不再需要那么多程序員了。

AI不僅能寫代碼，更能理解需求、設計架構、持續調試，完成一個完整的開發閉環。

過去一個軟件開發團隊需要10個人，如果AI能獨立完成其中80%的工作，那還需要幾個人？

這不是危言聳聽，是正在發生的事。

網絡安全領域同樣如此。一些安全公司發現，AI不再只是輔助人類尋找漏洞，而是能像經驗豐富的高級黑客一樣，自動將多個微小漏洞串聯起來，形成完整的攻擊鏈。

過去一個團隊需要數周才能完成的滲透測試，AI可能只需幾小時甚至幾十分鐘。

這也催生了“用AI對抗AI”的新賽道：你拿AI攻擊，我就拿AI防守。

人跑不贏AI，但AI可以跑贏AI。

當然，不必過度恐慌或神化。今天的AI依然會犯錯誤，會產生“幻覺”，會偏離軌道，也遠未達到真正理解世界的人類級智能。

它距離所謂的“技術奇點”或“外星文明”般的超級智能，還有很長的路要走。

真正值得警惕的，是AI進步的速度和方式

但真正值得警惕的，不是AI是否已成“神”，而是它進步的速度和方式。

過去的AI，更像一個增強版的搜索引擎，有問必答。你問它問題，它給你答案。

未來的AI，將真正成為一個可以委派任務、獨立工作的數字員工。

你給它一個目標，它自己規劃路徑、執行任務、交付結果。

更深層的問題是：如果AI未來開始自己研發更強的AI呢？

現在是人研發AI。如果AI的編程能力已經超過人類，那它完全可以自己寫代碼、自己優化自己。

到那時候，技術進步本身將被AI加速，其增長曲線可能不再是簡單的指數增長，而是“指數的指數”增長。

評測題庫被AI“打爆”，是一個極具象征意義的信號，它告訴我們三件事：

變革已至，且正在加速。不是未來某一天，就是現在。

衡量AI的標準變了。從“會不會做這道題”變成了“能不能獨立完成一項工作”。

人類需要重新思考自己在工作中的位置。當AI能連續工作16小時不休息、不出錯、不抱怨，人類的核心競爭力在哪里？

這不是要制造焦慮，而是提醒：適應的最好時機是昨天，其次是現在。