GPT-6 来了，OPC 开始给 Agent 排夜班

Florian.C·约 8 分钟阅读

2026年9月5日9月5日

文章目录

一天只有 24 小时，为什么会有人每天跑出 60 小时的工作量？

OpenAI 今年 6 月披露，在公司内部的 Codex 日活用户中，最重度的约 1% 用户，每天累计跑出超过 60 小时的 Agent 工作。 这里的“60 小时”来自多项任务并行运行，里面也有失败、重复和等待，不能直接换算成一个人的产出提高了几倍。

两个多月后，OpenAI 发布 GPT-6 Astra。它可以直接操作电脑，等用户补充信息时继续处理不受影响的部分，上下文窗口用完后还能保留笔记、搜索更早的记录。AutomationBench 成绩也从 GPT-5.6 Sol 的 18.1% 升到 41.4%，提高了一倍多。

41.4% 仍然没有过半，离完全放手还有明显距离。不过，Agent 能接走的流程已经更长，也可以同时推进更多任务。把这两组数据放在一起，变化就清楚了：AI 的使用单位正在从“一次回答”变成“一段可以直接委托出去的工作”。

机器能干的小时数涨得很快，人一天能用来判断和验收的时间，却没有跟着增加。

GPT-6 开始自己把工作串起来

过去用 ChatGPT，AI 往往只负责其中一步。它可以写邮件、分析数据、生成代码，但打开邮箱、找到文件、修格式、运行程序、处理报错，还是得由人把这些步骤一个个串起来。AI 给答案，人负责把答案变成工作结果。

GPT-6 Astra 开始往前走了一步。它可以填写表单、更新客户记录、整理日历，在专业软件里处理数据，也能创建网站并继续做前端检查。中途缺少信息时，它不一定立刻停下：不影响结果的部分继续做，会改变结果的选择再回来问人。

这会直接改变我们衡量 Agent 的方式。以前更关心答案写得好不好，以后还要看它能不能守住目标、处理过程中的变化，并留下可以检查的结果。最终交到人手里的，可能是一份整理好的报告、一个检查过的网站，或者一条已经跨几个软件跑完的流程。

OPC 可以先试一轮 Agent 夜班

“Agent 夜班”这个名字是本文对一种工作方式的概括，OpenAI 没有使用这个说法。官方研究显示，2026 年 5 月，70.2% 的抽样 Codex 个人用户，至少提交过一次预计需要人类工作超过 1 小时的任务；到了 6 月，内部最重度的约 1% 用户，已经在一天内并行跑出超过 60 小时的 Agent 工作。

做法很简单：睡前把几项边界清楚、出错也容易撤回的长任务交给 Agent。一个内容型 OPC 可以让它整理用户反馈、只读检查网站问题，再汇总竞争对手最近的变化；第二天早上先核来源和异常，再决定哪些结果进入下一步。能否整晚运行取决于使用环境，本地任务还要确认设备休眠后会不会停止。

其他支持后台长任务的 Agent 也可以这样用。Astra 的优势在于，它遇到关键问题时可以先来询问，同时继续处理不受答案影响的部分；上下文窗口用完后，还能保留笔记并搜索之前的记录。

Agent 夜班省下来的是等待时间，第二天早上的验收不能省。

Agent 夜班会把瓶颈推向验收

以前谈 OPC 的上限，通常看一个人一天能亲手做多少事。Agent 多起来以后，问题会变成：一个人能不能同时把几件事交代清楚，并在结果回来后迅速判断哪些能用、哪些要改。

一轮夜班跑下来，早上可能同时出现三四份结果。每一份都要重新核资料、找漏洞、返工，验收很快就会占满人的时间。任务开得越多，人反而越容易被返工拖住。

执行时间变便宜以后，错误方向也会更快消耗资源。同样跑三个 Agent，有人得到三倍推进速度，也有人只是得到三倍返工。模型能力一样，结果也可能完全不同。任务有没有提前说清楚、结果能不能很快验收，决定了这批工作最后能留下多少。

Agent 接手工作，还得能动手、能记住

第一层，是给 Agent 一套能直接动手的工作环境。

GPT-6 已经可以直接操作软件界面，更新 CRM、处理表格、制作文档。对 OPC 来说，很多原本需要自己来回点按钮的步骤，可以直接交给 Agent。人会更多出现在几个关键位置：处理异常、确认高风险动作，以及出了问题之后追查原因。

这也会改变 AI 产品值钱的地方。只负责“生成一下”的功能，会越来越容易被基础模型吃掉。能接进业务资料、完成外部动作，并且把过程和结果留下来给人检查，这类产品才有更高价值。用户买的是任务到底有没有做完，做错了能不能找到原因。

第二层，是一套能跟着公司一起变长的记忆。

Astra 在 Codex 里可以跨上下文窗口保留笔记，也能搜索更早的记录。OpenAI 今年 6 月发布的 ChatGPT Dreaming，则会在后台整理多次对话里的信息，让记忆随着长期使用不断更新。两者机制不同，但都在解决一个很实际的问题：不要每次启动 Agent，都重新把公司和项目介绍一遍。

以后的 OPC 可能只有一个人，却有一套持续积累的机器记忆。它知道一个项目为什么停过，哪个方案以前试过，客户确认过什么，某个决定当时又是基于什么前提做的。没有这层记忆，Agent 每次都像刚入职；有了它，才开始像一个长期跟着项目的人。

当然，记得越多，也越容易把旧东西带进来。过期的定价可能被当成长期偏好，旧版本里失败过的方案，也可能被 Agent 继续当成禁区。所以长期记忆还得回答三个问题：这条信息从哪里来、现在还算不算数，以及什么时候应该删掉。

否则，今天省下来的重复交代，迟早会变成明天排查旧信息的时间。

41.4% 决定了 Agent 还不能拿到所有权限

Agent 能做的事情越来越多，完全放手依然太早。Astra 在 AutomationBench 上做到 41.4%，已经能完成一部分复杂流程，但离稳定完成还有明显距离。所以任务可以交得更长，权限却不能跟着一次性全放开。

安全评测也给了一个有点矛盾的信号。OpenAI 表示，在超过 54,000 个内部 Codex 任务的模拟中，Astra 的高严重度不对齐行为标记，比 GPT-5.6 Sol 少了大约一半。与此同时，系统卡显示，它写出来的推理痕迹比上一代更难监控；在专门要求模型躲避监控的对抗性测试里，它也更能控制自己写出的推理内容。

OpenAI 也特别强调，这些结果来自对抗性测试，不能直接推断 Astra 在日常工作里会主动隐藏意图。但对 OPC 来说，结论其实很实际：安全感不能只靠模型主动解释，权限、确认节点和操作记录都要放在模型外面。

最简单的做法，是先把 Agent 能做的事情分成三级：

可以直接执行：公开资料整理、格式调整、内部草稿这类容易检查、也容易撤回的工作，做完统一验收。
需要中途确认：竞品分析、网站修改、客户方案这类会影响业务、但还有回退空间的工作，先看计划或样例，再继续往下做。
必须由人决定：公开发布、付款、删除数据、使用主账号，以及对客户作出承诺。Agent 可以准备材料，但最后一步留给人。

这套分法不需要一开始就设计得很复杂。先把那些一旦做错就很难撤回的动作留在人手里，已经能挡住很多代价最高的错误。

把任务交给 Agent 前，先写清这七行

把长任务交给 Agent，不需要先写一份十页 SOP。很多时候，先把下面七件事说清楚就够了：

任务目标：这次到底要解决什么问题？

完成标准：最后交付什么，做到什么程度算完成？

已知资料：哪些文件、数据和前提可以直接使用？

自主范围：哪些事情可以自己决定、直接执行？

确认节点：哪些选择必须先回来问人？

停止条件：遇到什么情况就停，不再继续扩大范围？

交付证据：最后要附上哪些来源、测试结果或变更记录？

这七行当然不能消灭 Agent 的错误，但能把一句模糊的“帮我做一下”，变成一份可以执行、也可以验收的任务。

模型越强，任务越不能说得含糊。 因为它能往前跑得更远，一开始方向错一点，最后返工的距离也会更长。