为什么最近几个月，全世界都觉得 AI 突然“疯了”一样在进化？从编码代理到自动化科研，AI 似乎一夜之间从“聊天机器人”变成了“数字员工”。

OpenAI 后训练前沿团队（Post-training Frontiers）负责人 Jan Leike 在最新访谈中给出了一个冷静的答案：AI 的基础能力一直在平滑增长，真正发生突变的是“可靠性”。 当出错率降到某个临界点之下，AI 就正式从实验室的“玩具”跨越成了现实世界的“工具”。

可靠性：AI 产品的“最后一公里”

Jan Leike 认为，用户感受到的“阶跃函数”般的进步，其实源于可靠性门槛的跨越。

“你需要达到一定的可靠性水平，人工智能才能真正有用。”Jan 透露，OpenAI 在去年 12 月左右才真正跨越了这道门槛。在此之前，AI 就像一个偶尔天才、偶尔胡言乱语的学徒；而现在，我们可以信任模型去完成大部分工作流。

这种可靠性的提升，标志着 AI 竞争的重心已经从“刷榜单”转向了“实用性”。正如 Jan 所说：“产品是最后一公里，而在垂直领域，这最后的分米级距离，正是未来巨大的发展空间。”

AI 辅助 AI：进化的正向循环

AI 进步加速的另一个秘密在于“自我加速”。

目前，OpenAI 内部的研究人员正深度依赖 AI 来编写代码、构建实验工具和优化模型训练。这种“AI 辅助 AI”的模式，让模型的迭代周期从以“月”为单位，缩短到了以“天”为单位。

这种正向循环意味着，模型越强，构建下一代模型的工具就越好，进化的齿轮正在越转越快。

RL 的降维打击：从数学竞赛到混乱现实

GPT-5.5 强大的根源，在于强化学习（RL）应用场景的彻底改变。

早期的推理模型（如 o1、o3）主要针对“可验证奖励”进行优化——比如数学题或编程竞赛，对错分明，信号清晰。但 Jan 团队的突破在于，他们成功将这些 RL 工具应用到了“混乱的现实世界工作流”中。

在没有标准答案、充满模糊性的现实任务里，GPT-5.5 展现出了极强的自适应能力。这不再是简单的“背题库”，而是模型学会了在复杂环境中通过逻辑思考找到最优解。

“一人公司”时代的蓝海

对于创业者，Jan 提出了一个极具启发性的观点：不要试图在通用智能上与巨头竞争，去深耕垂直领域的“最后分米”。

随着 AI 处理了 80% 的通用逻辑，剩下的 20% 行业特定权限、数据连接器和业务逻辑，将成为初创公司的护城河。在 AGI 真正到来之前，这种“最后分米”的价值将持续爆发。