新智元报道
就连人工智能系统GPT, 也已经懂得了使用召唤他人来组建团队共同开展工作的模式。
10月16日, OpenAI方面宣布把GPT中的GPT-6 Astra Pro进行了升级, 这件事是确实成立的。
回复的速度变得更快了, 插件和工具的使用能力也变强了, 还能让多个智能体分开去处理同一项任务。
把一项很复杂的工作交出去以后, 可以有几个人工智能来分别负责不同的部分, 让它们同时进行各项任务的推进。
你还可以在对话的环节之中去跟踪大家各自的进展情况, 然后可以单独把已经完成了的任务给它点开去看一看, 顺便检查一下最后拿出来的成果到底怎么样。
大家各自动起来, 一边去执行任务, 一边不停地盯着进度看, 还要回头去检查做出来的成果怎么样, 这三个步骤统统被打包塞进了同一个聊天窗口里面。
现在呢, 咱们可以看出来, 这个版本的更新正在一点点地、一个一个地给那些符合资格的Pro用户去发放。那么至于说公司账号或者团队账号到底能不能用到这些东西, 这事情还得看管理员那边是怎么设置的, 另外也取决于你们这边是不是已经成功收到了系统推送过来的那个通知消息才行。
现在帮你干活的人工智能工具变多了, 同时需要你盯着去处理的那些事项也跟着变多了。
网友@Sebasti54919704就发出了抱怨, 他的意思是, 并行智能体本身是很不错的, 这一点没有争议, 可是那种必须一个个去查看进度、追踪进度的操作方式, 就是让他彻底崩溃的根本原因所在。
他干脆给自己的Claude Code和Codex会话接上了语音功能, 想要开口询问进展的时候, 可以直接说, 想要切换会话的时候, 也是直接说。
在某种状况底下, 这些智能体系里的组成部分还有可能会站出来跟他对峙, 甚至反驳他的观点。
一方面让好几个AI工具同时开始干活, 另一方面人类自己可能正忙于盯着任务进度、催着各种事项往前走, 还有时不时需要去应付那些类似于顶嘴的AI回应状况。
AI小队的好用程度怎么样, 这一点也得看它能够让不能够让使用者在去追问那个工作进展的时候少花点时间, 还有去传递信息的时候少花点时间, 以及去协调各项任务的时候少花点时间。
这支AI小队怎么开工
大家可以直接在那个叫做Chat的标签下面找到入口。
按照官方所提供的帮助文档里面的说明内容, 我们需要在那个模型菜单选项里面去选择上GPT-6这一个具体的名称, 然后再把那个被称为Thinking的滑块, 给它直接调整或拉动到档位标识为Pro的那个位置上去, 这样的话, 你所使用的是就完全确实是依靠由GPT-6 Astra来提供驱动引擎支撑和运行保障的GPT-6 Pro版本产品了。
Instant档位, Medium档位, High档位和Extra High档位这几种情况, 它们是由GPT-6 Sol这个驱动来负责工作的。
关于GPT-6这个产品, 它的普通档位, 是由Sol这个人来提供的；至于Pro档, 则是由Astra这个人来提供的。
在这次升级里面, 主要是做了三个事情的改变。
第一步要把速度提上去。
OpenAI表明, 回应变得更加迅速了, 至于具体加快了什么程度以及在执行一个项目时能够节约多少时间这样的细节, 官方方面目前还没有公布确切的数值。
另外呢, 还有关于那些工具方面的使用的事儿。
关于AI能不能把事情给办妥了, 其实这个还得看你手里的那个工具用起来的熟悉程度是不是够高。
网友@Rossisonx 对此进行了吐槽, 表示插件有时会出现陷入循环的情况, 表现为卡在原地不动。这似乎还在继续消耗用户的可用额度。因为任务方面没有产生任何进展, 但是额度却很有可能持续下降, 所以这种状况难免会让人着急起来。
这次OpenAI宣布改进插件和工具的使用能力, 效果如何还要看「疗效」是具体的表现。
如果这个工具需要去访问外部的服务, 用户仍然一定要先连接自己的账号, 并且完成授权的操作, AI只能在已经获得了批准的权限范围里面进行操作。
最核心的那个变化, 它主要就是指的什么, 就是有好几个智能体在同时在那儿干活。
比如, 你假如想要从三款人工智能工具里面挑选一款出, 那需要来进行比较一下它们的功能, 还有价格方面的情况, 以及使用时候存在的限制条件。
AI可以把工作分配到各处去, 分别把不同产品的资料给搜集起来, 然后呢, 再把按月来付款的条件和按年付费的条件, 还有那个免费使用的情况以及需要花钱才能用的这个版本的所有规则，一个个地对齐, 让它们放在一起做个比较。
用户@rubenssoto_a, 也分享了自己所做的尝试:
我去安排它进行一番研究, 然后让它把产品需求文档给弄出来, 同时也把任务工单输出完, 结果嘛, 表现得确实是相当不错。
先进行查找资料的工作, 接下来要写出需求的内容, 然后列出任务的项目, 之前得到的研究成果能够接着被转换成后续要采取的执行计划。
但是呢, 人工智能这边的分工情况和人类团队的分工情况其实是差不多的, 那些没有互相依赖任务是可以同时地去进行的, 也就是各自做各自的事, 而那些存在先后依赖关系的工作任务则必须按照既定的顺序来一个一个地进行完成。
举个例子来说, 这个流程是先对材料进行阅读, 然后再制定方案, 最后再对文件进行修订, 而后一步的操作必须使用到前一步所产生的结果, 就算增加了AI的数量, 也是无法跳过这个步骤的。
把那些真正能够同步去往前推进的部分给拆解出来, 如此才会存在一种可能性, 也就是有机会来缩减所需要等待的时间。
把活儿分出去以后, 进度也一定要弄成能够看见的样子。
用户可以在主要对话的地方一直看着那些聪明的程序, 等到工作做完之后再去打开看看它们交出来的结果。
网友@wushanyunyu1提到这个变化时说, 这就从聊天变成了派活。
在他看来, 接下去要比的是谁能够将多个智能化的主体所进行的工作进行管理到位, 从而使得错误的情况出现得很少, 返工的举动变得极少。
更他希望看到的是那个情况具体是什么呢, 就是说Pro这种级别的用户用这个工具来做完了一整批实际的、真实的工作任务之后, 最后究竟会有多大量度的工作是需要回去重做和返工的。
可能有多个人工智能系统同时交付它们完成的作业, 在这种情况下, 人类用户恐怕没有办法全部看清楚和处理得过来。
网友leolaoshuai在网络上提出提醒, 其内容是把关键部位的制约转变成了对你验收工作速度的限制。
如果每一份成果都需要从头开始进行查验的话, 那么原本节省下来的那些等待的时间, 就可能转而投入到验收这一环节之中去了。
他的建议在于, 应当在分派工作之前明确地把有关如何判定任务已经完成的这些方面都给写清楚, 并且在交付的时候, 还要附带那些能够帮助对结果进行直接核对所依据的材料。
智能体所交付的结果，除了要保证用户可以点击并予以查看以外, 最好还能够将所做的工作事项以及所依据的信息来源都进行清晰明了的梳理与展示, 以此来使用户在查阅和核实相关内容的时候尽量减少所需要投入的时间。
关于这个方面, 具体的情况是这样的, 就是这公告里面并没有详细说明最多允许同时启动多少个智能体、分工机制是否是默认状态就会触发、以及最终的结果会采用什么样的方法进行合并。
其实, Claude它早就已经组队形成了一个庞大的智能体军团。
有网友用户@FinallySomeRest在他的评论区里头, 他是这么说的, 就是表示这个功能呢, 其实Claude它早就已经有了。
要说起来的话, Claude这个家伙早就已经做过让人工智能队伍一起配合干活的实践活动了。
到了2025年6月, Claude Research被公开了, 它能够实现由一个主智能体来带头指挥, 同时让多个子智能体分头去向不同的方向进行研究探索, 最后再把各自发现的结果汇总回来。
主智能体分派研究任务, 由多个子智能体并行搜索, 再把他们的发现进行汇总。（图源: Anthropic）
时间来到了2026年9月17日这个具体的日子, 在那一天, 新版Claude Code Projects正式开启公测这一活动, 它把协作的范围拓展到了那些正在持续推进的项目里面。
你要在项目对话的上下文当中, 把具体想要完成的目标给明确地交代给
而且, 部署在云端的那些处理线程, 在你合上了笔记本电脑之后, 它们还能继续在那里干活, 继续进行工作。
在10月10日这一天, 官方方面又发布了一个消息, 这个消息是关于放行那些处于等待名单里的Pro和Max用户的。
在相同的时段内, Managed Agents这个动态工作流模式开始了公开测试的活动, 并且还对外发布了一组专门用来查找软件缺陷的测试结果数据, 这些信息是。
11.在一共有6万行的代码里, 事先埋藏了70个Bug, 如果让单个智能体去运行三次的话, 它会分别找出14个、15个以及27个Bug；但是如果换成采用动态工作流的方式来进行测试, 那么在三次执行过程中每一次都能找出来66个Bug。
从分别去查资料, 到协调多条任务线, Claude和GPT都在接手更多的分工还有协作。
至于说到底是什么人来做, 然后最开始要先去处理什么样事情, 最后的结果又该用怎样的办法去继续关联下去, 这一方面在各个不同的组织内部所采用的具体实施方法还有对外面公开的详细内容上头都还存在着不一样的地方。
人工智能可以把工作分派出去, 然后把接上来的结果处理好。这样一来, 人就可以少当几回传话的人。
大家各自去忙各自的事情, 到最后还需要确保能够核对得上的。
可是呢, 把那个任务给拆分成一个个小步骤的话, 这只不过也就是一个开始而已。
因为好多的AI模型要是都跑去翻看那一份相同的资料, 从表面上看它们忙得不可开交热闹得很, 但实际上却是在进行毫无意义的重复性的劳动。
如果有一条支线在使用的过程中调用了最新的统计数据, 而另一条支线却仍然在被旧版的那些条件所参考着, 那么这两部分被拼接在一块儿形成的报告, 也有可能发生前后互相矛盾的这种情况。
Anthropic在与大家介绍多智能体的研究系统的时候, 他们曾经分享过, 关于这个里面有一个教训是。
主智能体给出的任务说明并没有交代得足够清楚和详细, 这导致出现了这种情况, 也就是两个子智能体正在针对同一个调查方向进行重复性的工作, 与此同时, 还有另一个子智能体却在去调查不同年份的相关问题。
所以在进行分工分配的时候, 有必要把各个细节都交代得非常清楚, 具体内容是每个人需要去调查哪些部分, 调查工作需要进行到什么具体的程度上, 最后在提交工作结果的时候需要按照什么样的格式来操作。
如果任务所划定的边界是比较含糊的, 那么出现重复搜索这种情况的概率就会增加, 或者是出现漏掉关键性内容的情况也就会发生, 这两者之间的因果关系是非常明显的。
大家各自去分别进行查找和查看, 把各自查找的情况以及查看的结果, 拿出来进行一一的对照和对齐。
那个网名叫作@878967502Teamo的网友, 他非常明确地表达了自己的观点, 他说并行这个动作本身来说并不复杂, 难的是在最后进行合并的时候, 会变得相当麻烦。
他期望在做事情的时候, 不单是去查看那个完成的进度状况, 而且还能够直接地看出来, 具体是哪几条不同的支线所指向的结果, 是在哪些特定的地方出现了互相冲突的状况。
在撰写报告的时候，你需要确保关于数据所包含的时间段、用于计算的价格条件以及进行比较时所采用的口径这三者之间的完全一致；而在编写代码的过程当中, 接口与命名这两方面的内容必须能够准确对应得上。
不这样的话, 人工智能会各自把活计给干完了, 而人类却还是不得不继续去检查错误、填补漏洞以及重新进行拼接工作。
Anthropic在官方关于Claude Code的说明文档里面也专门进行提醒, 那些前后之间紧密相互依赖的步骤并不适合采用强行拆开来进行处理的做法, 另外还指出, 如果有多个智能体同时在同一时间内去修改同一个文件的话, 那这样是比较容易引发冲突情况的。
任务实在是太小了, 光是进行分工以及交接这些环节, 就可能把本来可以通过并行工作节省下来的时间给抵消掉。
功能很酷
但是, 也得看清楚实际的额度。
用户接着要算是, 能不能用上这个资源, 还有能够用掉多少数量, 这些都是接下来需要考虑的账务问题。
根据官方给出的那一份说明材料, 也就是所谓的帮助信息来看, 成为Plus用户的这些个人, 他们是可以去使用Work这个功能以及Codex这个功能的, 而在这两个具体的应用里, 是可以用上叫做Astra的那个服务的, 但是对于Chat这一个特定的环节或者模块来说呢, 是不允许去使用什么GPT-6 Pro的这个版本的。
在这次Chat中的多智能体升级, 目前正向符合条件的Pro用户逐步进行推送, 而对于Plus用户来说, 他们暂时还无法使用这一功能。
有网络用户, 他叫WhosCinq, 他就在那个评论区里头, 为那些使用Plus版功能的人喊不平, 去质疑这回的软件更新, 怎么着又把这部分给排除出去了。
那些已经把钱付出去的用户, 他们其实也在关注这个价格的具体状况是怎么样的。
有一位名叫@JcCastaneda05的网友, 把自己的Pro订阅情况和具体用量页面给晒出来了, 他的诉求仅仅就是那么一句话。
请想办法把价格弄得更低一点。
把Pro这个服务给开通以后, 也并不代表说你就能没有顾忌地、毫无限制地去随便使用, 这种情况是完全不存在的。
先搞清楚究竟是在哪一方面去应用的。
在Chat里面, 那个叫做Pro的那个模型的消息限额, 是和Work以及Codex这两个东西所共用的那个使用量池是分开了之后再去分别进行计算的。
上面这张截图由用户提交, 并且截图内容中也作出了明确说明, 即共享使用量并不包含与Chat进行的对话部分。
然后, 我们再看一下去订阅哪一个档次的。
现在看那个官方的帮助文档, 它是这么显示的, 就是对于那个200美元档位里头的Pro这个用户, GPT-6 Pro这个东西是有周限额的。然后我们再来说那个100美元档位的Pro用户, 在GPT-6 Pro和GPT-5.6 Sol Pro这两个东西上面, 它们是共用同一份周额度的。
对于定价为200美元的那个GPT-6 Pro版本, 它的周用量设有上限；而针对定价为100美元档里的那两款Pro模型, 它们共享同一个周额度。
用户除了关心那个额度到底是不是足够之外, 还希望说是每一笔花的钱到底是怎样消耗的, 这个情况得弄得清清楚楚。
网友@aiertixue称, 自己使用的Codex周额度, 情况是这样的, 原本剩余的大概是百分之六十左右, 结果突然间降到了零 percentage, 也就是用完了的样子, 可是实际上并没有相应的使用行为发生, 所以希望相关团队能够予以调查, 并且帮助把被扣减的额度给恢复回来。
这条反馈说的是Codex，不能据此判断Chat里的多智能体怎样扣额度。
这背后的实际情况是有一个真实的存在的需求, 也就是任务还没有完成的时候呢, 用户需要去知晓额度究竟是被消耗在了哪一个具体的地方。
AI交卷之后
这个人, 他难道还打算去填多少个坑吗。
评判一个由人工智能组成的小队究竟好不好使, 关键在于查看从接收任务这一环节开始, 一直到提交符合标准的最终结果为止, 整个过程中总共耗费了多少时间, 消耗了多少额度资源，此外还需要人类投入多少精力进行检查与修改工作。
用户@cooolernemesis这个人物, 他就针对这个具体的评测环节, 提出了一个非常明确、也非常详细的测试任务要求。
如果我们把那个用于协调产生的开销成本, 还有那些被反复调用的工具所引起的额外消耗全都算在内的话, 那么在必须维持相同质量水平的前提条件之下, 这项整体工作所提升的效率速度, 最终到底究竟达到了一个什么样的数值水平?
毕竟, 人工智能跑得快, 这个情况存在, 但是它并不意味着用户这边能够提前就把工作做完。
同一份资料, 还有同一个复杂的诉求, 被同时交付给GPT以及Claude。首先去观察一下, 到底是谁所遗漏的信息较少, 再来看一下谁的结论具有依据性。接下来再看一看, 用户需要补充几次要求, 还需要花费多长的时间来进行返工。
可以对进行中的工作进行跟踪查看, 这样就能知道是哪一条支线在进展中遇到了卡顿的情况；与此同时也可以打开已经做完的任务记录加以检查, 以此来核实相关的资料部分是否存在遗漏或者代码层面是否出现了错误的编写。
关于这些设计到底能不能够节省力气, 最终的判断标准还得是看它们是否可以真正协助使用者更加迅捷地察觉出问题的所在, 并且进而获取到符合标准的成果。
使用人工智能来完成试卷的提交这个动作, 这并不代表最终的工作就此宣告结束。
人在对成果进行检查, 在对成果进行修改完毕之后, 这项整项任务才是真正算作完成的状态。
参考的相关资料。
https://x.com/OpenAI/status/2111192259073094035
https://help.openai.com/en/articles/6825453-chatgpt-release-notes
https://www.anthropic.com/engineering/multi-agent-research-system
https://claude.com/resources/articles/subagents-in-claude-cod
本文采摘于网络，不代表本站立场，转载联系作者并注明出处：https://www.mjgaz.cn/fenxiang/280971.html
