GPT-5.6 Sol 做量子计算实验：AI Agent 能把研究流程推进到哪一步？
先说结论
OpenAI 最近发布的案例《How GPT-5.6 Sol helps run quantum computing experiments》，把 GPT-5.6 Sol 放进了量子计算实验流程，而不是只展示一个聊天窗口里的答案。这个案例真正值得 Agent 工程师关注的地方，是模型开始参与“提出假设—编写实验代码—运行验证—解释结果”的连续工作流。
我的判断是：科研 Agent 的价值不在于让模型替研究人员按下一个“发现按钮”，而在于把大量可重复、可检查的实验劳动压缩成更短的迭代周期。但这类系统越接近真实实验，越不能把模型输出直接当作结论。代码、实验参数、测量结果和解释必须分别留痕，并且每一步都要有可复现的验收条件。
发生了什么
本文主来源是 OpenAI 官方文章 How GPT-5.6 Sol helps run quantum computing experiments，发布日期为 2026-09-08。官方事实是：GPT-5.6 Sol 被用于协助量子计算实验，文章将重点放在模型如何参与实验过程，而不是单纯比较问答分数。
需要区分两层内容。上面这段是官方页面明确表达的事件事实；下文关于 Agent 分层、证据链和上线边界，是我基于这个案例做的工程分析。由于官方页面在抓取时受到访问保护，本文不补写无法核验的性能数字，也不把案例描述扩大成“模型已经独立完成科学发现”。
技术细节
1. 量子实验天然适合拆成工具链
一个量子计算实验通常可以拆成几类动作：定义问题和假设，选择电路或算法，生成实验代码，提交到模拟器或量子硬件，读取测量结果，再根据结果调整下一轮实验。模型最适合参与其中的“候选生成”和“实验编排”部分；真正的执行仍然需要确定性的工具接口。
这和普通聊天的差别很大。聊天只要回答看起来合理，任务就可能结束；实验工作流必须把输入参数、代码版本、运行环境、随机种子、测量结果和失败原因一起保存。没有这些证据，模型给出的“结果解释”只能算一个待验证假设。
2. Agent 的核心不是一条超长提示词
如果把整个实验过程塞进一条提示词，系统很快会遇到上下文膨胀、状态丢失和错误难以定位的问题。更稳妥的设计是把流程拆成几个有明确输入输出的阶段：规划器只产生实验计划，代码代理只修改受限目录中的实验代码，执行器只调用白名单工具，分析器只读取结构化结果，审查器负责检查是否满足停止条件。
每个阶段都应该输出版本化结构。例如实验计划可以包含问题、假设、变量、预算和预期观测；执行结果可以包含状态、日志摘要、测量数据位置和校验值。模型可以解释这些字段，但不能自行改变字段含义，也不能绕过 Schema 验证。
3. 量子结果尤其需要区分“噪声”和“新现象”
量子实验的测量结果通常带有统计波动，硬件还可能引入退相干、门误差和读出误差。模型看到一次异常曲线时，可能会倾向于给出一个漂亮的解释；工程系统却应该先问：样本量够不够？对照实验是否存在？同样参数重跑是否复现？模拟器与硬件的差异是否已隔离？
因此，分析阶段不应只让模型输出自然语言结论，而要强制它同时列出支持证据、替代解释、尚未验证的假设和下一步最小实验。未知项必须保留为未知，不能为了让报告完整而补成确定事实。这条原则适用于科研 Agent，也适用于任何会调用外部工具的通用 Agent。
4. 工具权限要比模型能力更早设计
量子硬件、云计算资源和实验数据都可能产生真实成本。一个能写代码的模型不应默认拥有提交任务、扩大预算、删除结果或修改生产配置的权限。推荐把权限拆成只读、模拟运行、低预算试跑和正式提交四级，并为每一级设置人工确认或自动阈值。
对 Agent / 工程的影响
第一，评估指标要从“回答是否正确”扩展到“实验闭环是否可靠”。至少要测计划通过率、代码可执行率、结果复现率、无效实验比例、平均工具调用次数和单次实验成本。只测最终文字报告，很容易掩盖中间步骤的错误。
第二，记忆层应保存实验事实而不是模型印象。下一轮 Agent 需要找回的是某个参数组合、对应的代码版本、真实测量结果和失败原因，而不是一段没有来源的“上次经验总结”。这也是科研 Agent 与普通知识问答系统的分水岭。
第三，失败恢复必须是显式状态机。网络超时、硬件排队、结果格式错误、测量方差过大和代码回归，应该分别进入不同的重试或人工审查路径。让模型自由决定“再试一次”会造成重复计费，甚至把偶然噪声误判为进展。
我的判断
GPT-5.6 Sol 参与量子实验的意义，不是证明通用模型已经替代物理学家，而是展示了一个更现实的方向：模型可以成为实验室里的“高带宽研究助理”，负责把想法快速翻译成可执行的候选实验，再把结果整理成便于人审查的证据包。
我更看好“人定义问题，Agent 扩大搜索，工具产生证据，人批准结论”的结构，而不是完全自动化的黑箱科学家。短期内，最容易落地的场景是算法原型、参数扫描、文献中的实验复现和低风险模拟；涉及昂贵硬件、不可逆操作或正式论文结论时，人工复核仍然是系统的一部分，不是流程上的障碍。
Q&A
Q1：这是不是说明 GPT-5.6 Sol 已经能独立做科学研究？
不是。官方案例说明它被用于协助量子计算实验，并不等于它独立提出、验证并确认了新的科学结论。是否“独立”必须看权限、实验设计、复现证据和最终责任边界。
Q2：为什么不能让模型直接执行实验代码？
可以在受控环境中执行，但应先经过代码审查、资源预算、工具白名单和结果校验。模型生成代码只是候选动作，不能自动获得硬件或数据权限。
Q3：普通 Agent 工程师能借鉴什么？
最值得借鉴的是实验闭环：把计划、执行、观测和解释拆开，为每一步定义结构化输出，并保留能回放的证据。无论工具是量子模拟器、浏览器还是数据库，这套边界都成立。
来源
- OpenAI，How GPT-5.6 Sol helps run quantum computing experiments，发布日期：2026-09-08，原始 URL：https://openai.com/index/codex-quantum-computing-experiments