以前交给初级同事的活，现在 Opus 5.5 五分钟就干完了。我觉得大家还没意识到我们已经比 GDPval 前进了多远

去年 12 月，GPT-5.2 在 71% 的任务上赢过或打平了行业专业人士。到 4 月，GPT-5.5 已经达到 85%，Opus 4.7 达到 80%。随后 OpenAI 悄悄停止发布自己由人类评分的成绩，然后大家就当没这回事，继续往前走了。（artificial analysis 发布的 GDPval-AA v2.1 是由 AI 评分的，所以我就不算在内） 我知道这些都是界定清晰的任务，而不是完整的工作岗位。但它们占据了我工作日的相当大一部分，而更新的模型自那之后又有了进一步的提升。有了 Opus 5.5，有些任务以前我会交给初级同事，现在几分钟就能完成，而且几乎不出错。我几乎不再从零开始构建东西了。我描述我想要什么，模型产出它，然后我来审核。根据我的审核结果，它 95% 以上的时候都做对了。 很期待 Fable 5.5 以及后续的模型。我预计会有越来越多、难度越来越大的领域达到类似的水平。在我看来，这就像正常性偏误（normality bias）——每一代模型相比上一代都只是迈出了一小步，所以没有人真正感受到我们已经走了多远。 大家在日常办公工作中是怎么感觉的？你们是不是发现自己越来越多地把工作委派给 AI、自己只负责审核，而不是大量亲自动手？很想听听大家的想法。