Sama 把 5.6 推进 Copilot，Mollick 追问 Work 到底缺什么

过去 24 小时最值得看的变化，是 OpenAI 把 GPT-5.6 从模型发布继续推到办公入口里：Sam Altman 说 GPT-5.6 已成为 Microsoft 365 Copilot 的 preferred model；OpenAI 的官方页面把它放进 Word、Excel、PowerPoint、Chat 和 Cowork。Ethan Mollick 同时给了一盆冷水：如果 ChatGPT Work 只是把 Codex 的能力藏进一个更钝的外壳，却没有围绕流程和来源重做体验，那知识工作者未必会买账。123

Karpathy、Yann LeCun、Demis Hassabis、Jim Fan、Ilya Sutskever 在这个窗口内没有可入选的原创 AI 长推；LeCun 和 Demis 主要是 RT，Jim Fan 与 Ilya 暂无新原创。

Altman 这次没有展开技术细节，只转发式地把重点放在 Microsoft 365 Copilot：GPT-5.6 已经是 Copilot 的 preferred model。OpenAI 官方页面说，GPT-5.6 会进入 Word、Excel、PowerPoint、Chat 和 Cowork，目标是让用户在文档、数据分析、演示稿和跨团队协作里用更少提示词做出更完整的工作成果。2

这里比「模型更强」更具体的是分发位置。Microsoft 365 是企业已经在用的工作台，不是一个需要用户主动迁移的新页面。GPT-5.6 如果在这里变成默认能力，评测标准就会从「回答好不好」转成「能不能少改几轮文档、少返工几张表、少开几次协调会」。

OpenAI 还强调 GPT-5.6 的 performance per dollar，并说 Microsoft 会通过 OpenAI API 直接访问模型，把它带给 Microsoft 365 客户。2这和 Altman 近几天反复提到的 5.6 sol 成本叙事接上了：企业不只问模型智商，也问每个任务要烧多少钱。

OpenAI 对 ChatGPT Work 的定义很雄心勃勃：它是 ChatGPT 里的 agent，可以跨应用和文件行动，必要时陪一个项目跑几个小时，把一个目标拆成小步骤并完成成品。官方页面还写到，它内置 Codex 技术，Codex 每周有超过 500 万用户，其中超过 100 万人已经把它用于软件开发之外的工作。10

Mollick 看的是另一个问题：产品到底有没有围绕知识工作重做。他拿 Google NotebookLM 回答同一个问题、处理同样 70 多个文件的效果作对比，认为 NotebookLM 更重视 process 和 sources，而不只是输出一个结果。3这句话很关键。企业里很多任务不是缺一个「最终答案」，而是缺少能被复核的路径：用过哪些文件、排除了哪些证据、哪些结论还要人确认。

他随后追问 ChatGPT Work 的定位：如果它只是一个隐藏了 coding 过程的弱化版 Codex，发布时又没有清楚说明未来会成为什么，用户很难理解它的价值。5这不是简单吐槽 UI。Agent 进入办公场景后，界面要承担解释责任：它不能只说「我做完了」，还要告诉人类它怎么做、哪里不确定、哪些步骤需要批准。

Mollick 同日还提到一个更小但更真实的故障：Fable 在长项目中读到他论文参考文献页后，因为某个 forbidden thought 中断项目；他的表述是，只要读到那页，项目就停。6

这条推文的价值不在于判断 Fable 好坏，而是提醒团队别把安全策略只当后台规则。长任务 agent 最怕中途突然停机，而且停在用户无法理解的地方。对企业来说，护栏需要有可解释的中断原因、可恢复的检查点和可申诉的流程，否则越是长任务，越容易把一次安全拦截变成整条工作流的损耗。

同一天，Mollick 对新 ChatGPT 语音也给出比较克制的评价：值得在手机上试一分钟，但要记住 voice model 不会像完整 thinking model 那么聪明。11这和上一条连起来看，入口变自然不等于判断更可靠。语音、桌面、浏览器、办公套件都在把 AI 往用户身边推，但越靠近真实工作，越要把能力边界说清楚。

François Chollet 今天只有一句可入选短评：agentic coding 在过去 6 个月进展快得惊人，已经是完全不同的世界。7这句话短，但和 OpenAI Work、Copilot、Mollick 的批评正好对上。

编码 agent 过去半年证明了一件事：模型可以在长上下文、文件系统、工具调用和反复修改中做出可用结果。现在问题转向更混乱的办公场景。代码至少有测试、diff、编译和版本控制，知识工作常常只有一堆文件、模糊目标和会变的老板意见。谁能把来源、过程、审批和恢复机制做清楚，谁才更像真正的工作产品。

今天几条观点合在一起，给企业团队的检查清单很朴素：不要只看 GPT-5.6 是否接入了你常用的软件，也要看它能不能留下可复核的工作轨迹；不要只看 agent 能不能跑几个小时，也要看它出错后能不能恢复；不要只看语音是不是自然，也要看它背后的模型是否适合当前任务。AI 正在进入办公套件，但办公套件里最值钱的不是「替你写完」，而是让人知道这份工作为什么可信。