同一个GPT-6，七个人用了七种人生

# 《同一个GPT-6，七个人用了七种人生》

2026年秋天。

一栋写字楼里，七个人同时升级了GPT-6。

他们用的是同一个模型。

三个月以后，几乎已经不是同一种工具。

---

### 一

28岁的林佳，是市场部文案。

她第一次打开GPT-6，问：

“帮我写十条小红书标题。”

两分钟后出了十条。

她挑了三条。

第二天继续：

“帮我优化。”

“帮我总结。”

“帮我改得更有情绪。”

“帮我写周报。”

她很快发现自己一天可以做以前两天的工作。

老板也发现了。

于是给她的任务，从一天十条，变成一天二十条。

半年以后，她的产量翻倍。

工资没翻倍。

---

她越来越离不开GPT-6。

但如果模型突然关掉，

她会发现一个很尴尬的问题：

以前她只是写得慢。

现在她已经有点不知道第一句该怎么写了。

---

GPT-6帮她提高了产出。

也悄悄接管了一部分起点。

---

### 二

同一层楼，32岁的陈锋是程序员。

他也升级了。

但他的第一句话不是：

“帮我写代码。”

而是：

“这里为什么会坏？”

---

他把生产事故日志、架构图、过去几个月的提交记录全部丢进去。

GPT-6给了七种可能。

陈锋逐个排除。

第三种不对。

第五种看起来对，但解释不了一个边缘现象。

他继续追：

“假设不是数据库瓶颈，还有什么机制能产生同样症状？”

---

凌晨一点，他们找到真正的问题。

不是代码。

是一个很少有人注意的队列调度机制。

---

从那以后，

陈锋很少让GPT-6直接“完成任务”。

更多时候是：

拆问题。

找反例。

模拟故障。

攻击架构。

---

半年以后，

同事都用GPT-6写代码。

陈锋却变成了团队里最会问：

**“为什么这个系统会这样？”**

的人。

---

同一个AI。

别人拿它增加代码量。

他拿它增加系统分辨率。

---

### 三

楼下咖啡馆里，19岁的大学生赵越也在用。

他的用法最简单。

每次作业：

拍照。

上传。

“直接给答案。”

---

GPT-6非常好用。

微积分。

经济学。

英文作文。

通识课报告。

全部能做。

---

第一个学期，他成绩明显提高。

第二个学期，他越来越轻松。

第三个学期，一次线下面试，教授问：

“为什么这里要用这个模型？”

赵越突然卡住。

---

这个问题GPT-6给他解释过。

甚至解释过三次。

可那些答案都停留在聊天记录里。

没有真正穿过他的脑子。

---

他第一次发现：

> **AI替你走完一条路，不等于你也走过。**

---

那天以后，他开始改用法。

不再问：

“答案是什么？”

改成：

“不要告诉我答案，只问我问题。”

---

一年以后，

GPT-6说得更少了。

赵越反而学得更多。

---

### 四

46岁的王立峰是一家小公司的老板。

他看到GPT-6以后最兴奋。

“终于可以裁人了。”

---

客服交给AI。

合同初稿交给AI。

营销交给AI。

财务分析交给AI。

招聘筛选交给AI。

运营日报交给AI。

---

三个月以后，公司从34个人减到17个。

利润率很好看。

投资人很高兴。

---

第六个月，一个大客户出问题。

GPT-6生成了一封极其专业的回复。

逻辑没有问题。

措辞没有问题。

流程也没有问题。

---

客户还是走了。

---

王立峰后来亲自打电话。

客户只说：

“我知道你们什么都能自动化。”

“但过去出问题的时候，我知道该找谁。”

---

王立峰第一次意识到：

他一直在计算哪些工作可以被AI替代。

却没有计算：

> **哪些关系之所以值钱，正因为另一头有一个具体的人愿意负责。**

---

他后来没有把人全招回来。

只是重新设计公司。

AI负责大量低摩擦工作。

人负责：

判断。

承诺。

谈判。

异常。

长期关系。

---

效率下降了一点。

公司反而稳了。

---

### 五

35岁的基金研究员苏北，把GPT-6当成了一个非常高级的答案机。

每天早上：

“总结市场。”

“分析英伟达。”

“预测美联储。”

“给我三个投资机会。”

---

AI每天都给。

语言极其漂亮。

图表也完整。

逻辑链很顺。

---

一个月以后，苏北发现：

自己看了几百页分析，

真正能下判断的东西越来越少。

因为每一篇都合理。

每一个观点都有解释。

每一个事件都能被包装成故事。

---

于是他把用法全部推翻。

以后每次只问三个东西：

> **什么变量真的变了？**

> **市场已经知道多少？**

> **什么证据会证明我们错了？**

---

GPT-6输出从每天几十页，

降到几页。

---

他的研究反而开始变清楚。

---

苏北后来总结：

> “弱模型的问题是能力不够。”
>
> “强模型的问题，是它有能力把任何东西解释得像真的一样。”

所以强模型时代，

最重要的能力不再只是获取答案。

而是：

**拒绝不值得思考的答案。**

---

### 六

同一栋楼顶层，有个59岁的历史学教授。

他不会写提示词。

甚至打字很慢。

学生帮他装好GPT-6。

问：

“老师，你准备拿它干嘛？”

教授说：

“聊天。”

学生有点失望。

---

教授把自己四十年读书笔记、论文、档案索引慢慢整理进去。

然后问：

“我1989年写这篇文章的时候，到底忽略了什么？”

---

GPT-6找出他后来三十年的研究。

比较。

指出：

当年他把经济因素看得太重，

对地方组织网络理解得太弱。

---

教授沉默很久。

第二天又问：

“找出我四十年里反复出现但一直没有解决的三个问题。”

---

这个问题跑了很久。

最后出来三个。

教授看完，只说：

“有一个我以为自己已经想明白了。”

---

学生问：

“AI比你聪明？”

教授摇头。

“不是。”

“那为什么它能看出来？”

---

教授说：

“因为我只能活在今天。”

“它可以同时把我四十年的东西摊在桌上。”

---

对他来说，

GPT-6不是助手。

是一个从时间轴外面看自己的工具。

---

### 七

地下停车场旁边，还有一个办公室。

门上没有公司名。

只有一个年轻人。

他每天早上打开GPT-6。

不让它先回答。

---

先放进去：

财报。

电话会。

电网数据。

资本开支。

设备订单。

英文访谈。

行业原始资料。

---

然后问：

“今天真正发生变化的变量是什么？”

如果没有，

当天就不制造观点。

---

有变化，

再往下：

为什么？

哪个环节传导？

有什么反例？

市场已经计价多少？

哪条证据会让判断失效？

---

GPT-6在他这里，

不像写手。

也不像秘书。

更像：

**一座认知加速器。**

---

他甚至主动限制AI。

不让它替自己做最后判断。

因为他很清楚：

如果一个模型越来越强，

人最容易犯的错误不是不用它。

而是：

**开始把判断权也一起交出去。**

---

几年以后，

这七个人还在使用同一个系列的AI。

但他们已经被工具放大成了七种完全不同的人。

---

林佳拥有极高的产量。

赵越重新学会了学习。

陈锋越来越像系统架构师。

王立峰重新理解了组织。

苏北学会筛掉漂亮故事。

老教授获得了跨越四十年的第二视角。

而地下办公室那个年轻人，

慢慢建立起了一套自己的研究机构。

---

后来有人问：

“GPT-6到底能把人提高多少？”

没有人能给统一答案。

因为真正的问题从来不是：

> **模型有多强？**

而是：

> **你把什么东西交给它？**

> **你保留了什么？**

> **你每天拿它重复训练什么？**

同一套模型，

有人拿来替自己完成任务。

有人拿来扩大自己。

有人拿来逃避思考。

有人拿来训练判断。

有人把AI越用越强，

自己却越来越薄。

也有人让AI越来越强的同时，

自己也越来越深。

---

几年以后，这栋楼大厅里挂了一句话。

没人知道是谁写的：

> **AI不会自动把所有人送进同一个未来。**
>
> **它只会把每个人原本的认知结构，放大到过去难以想象的程度。**

所以强模型时代真正的分水岭，

可能不是：

谁最早拥有GPT-6。

而是：

**谁知道自己究竟想让它放大什么。**