AI能解千禧难题,改不动你的代码

昨天在阿布扎比，奥特曼说了一句让我坐直了的话：一万个 AI 智能体，没人指挥、没有包工头、连轴转了 88 个小时，把纳维-斯托克斯方程证出来了。同一周，另一拨人拿真实代码库测同一批 AI，最好的成绩是 16.3%。

这两个数字是同一周的。你品。

先搬第一条。11 月 3 日 ADIPEC 2026 开幕式，奥特曼确认，那个 9 月证出纳维-斯托克斯方程的内部模型，就是下一代 GPT，很快发布。纳维-斯托克斯是七个千禧年大奖难题之一，悬了二十多年。他说这一万个小家伙之间没有层级，自己挑探索方向、自己实时共享进展、互相学同伴的思路、自己决定下一步干什么，跑满 88 小时出证明，又花 17 小时用 Lean 把整条证明做成了机器可验证的形式。

后面更夸张。新智元的报道里提到，这套东西前两个月连着产了 722 篇手稿，碰到黎曼、霍奇，挂谷猜想全维度攻克，杨-米尔斯存在性获证——还有指数时间假说被推翻。这条我 10 月 28 号写过，当时还挂在"等复核"，现在被直接翻过去了。奥特曼在台上那句原话是：AI 现在大多数时候，已经比顶尖科学家更聪明了。同一套能力已经在去设计新材料和新涡轮，他的形容是"才几个月大"。

圈里同时在扒另外两条未官宣的：Codex 抓包发现底层已经换成 gpt-6.2-astra，账单显示它吃下了 19.8% 的真实流量；Anthropic 官网源码里被人翻出了 Mythos 5.5。这两条都还没证实，我记一下，不当结论用。

第二条是泼冷水的，而且泼的人自己就在做编程 agent。HumanLayer 创始人德克斯·霍西搞了个叫 SlopCodeBench 的分阶段评测：36 道任务、196 个检查点，不一次给完整需求，先让 agent 做完初版，再一轮轮加新需求，逼它改自己写过的代码。结果是没有任何一个 agent 完整做完；论文发表时最好的严格通过率 14.8%，十月更新升到 16.3%。

他团队自己真搭过关灯运行的软件工厂——2025 年 7 月上线，11 月关掉。三到六个月之后代码库乱成一团，重写比修还便宜。他有一句话我记在手机里了：糟糕架构的成本，是按月、按年计算的。今天没有一个测试能立刻告诉你这份代码将来好不好改。

第三条短一点，但我觉得最值得打工人看。彭博 11 月 2 号的报道，高盛 10 月更新的内部指引把 Claude Code、GitHub 这类编程 AI 收回去了，只留工程师能用。几个月前这家行还允许交易员和银行家敞开用，交易员拿它监控客户交易流、建市场和头寸模型、做图表材料，现在不让了，有人不高兴。今年 7 月高盛首席信息官 Marco Argenti 还在公开夸非技术岗的"编程氛围"，说这些人拿 AI 搭出方案雏形再交给一万两千名工程师去完善。发言人的说法是：试验期评估了生产力和风险管理，之后把工具交给最适合长期使用它们的人。今年早些时候，他们已经单独限制过香港员工用 Claude。

一边是万级 agent 八十八小时啃下人类最难的问题，一边是同一个东西在企业代码库里考十六分。这道裂缝到底怎么回事？我先不下结论，但你大概已经有点感觉了。

我今天的判断是：AI 的能力不是一条平滑上升的线，它是尖的。能当场判对错的事，它已经把人类顶尖按在地上；要过几个月才知道好坏的事，它还是个新手。所以决定你今年会不会被替掉的，不是你干的活儿难不难，是这活儿做完能不能立刻判对错。

纳维-斯托克斯那条新闻，真正的看点不是"AI 变聪明了"，是这道题有裁判。Lean 形式化验证，就是机器自己能判定你证得对不对，不需要等哪个老教授看三个月。有裁判的活儿，AI 可以硬啃——堆一万个、堆八十八小时、堆一万次试错，总有一步走通，而且走通了它自己知道。

代码库维护恰恰是没裁判的活儿。今天测试全绿，跟三个月后新需求接不接得住，是两件完全不相关的事。没裁判的时候，AI 堆一万次也只是堆出一万份它自己分不清好坏的东西。

所以你看到的不是"AI 越来越强"，是 AI 的能力长成了一根尖刺：在一小片地方捅穿了天花板，在旁边一大片地方还是平的。我们过去两年所有的误判，都是拿尖刺那一头的表现，去推平的那一片。

落到你身上，有三件事我觉得现在就得认。

第一，"它还不够聪明"这句话已经不能当挡箭牌了。在有裁判的题上它已经过了人类顶尖，你再拿"AI 写的不行"来拒绝它，只会被当成不肯换工作方法。真正卡住你的不是它聪不聪明，是你能不能把自己的活儿说成"有裁判"的样子——说明白什么算对、怎么验、错了怎么回滚。

第二，反过来说，"AI 什么都能干"也是假的。凡是代价要过几个月才显现的东西——架构、流程、团队约定、客户关系、品牌口碑——它现在就是不行。这部分你甩手，账会在半年后连本带利找回来。

第三，企业已经在按这条线分人了，而且比你以为的快。高盛那条新闻最狠的地方不在"禁用"，在于它把人分成了"能用"和"先收回来"两类，判据不是级别、不是部门，是这个岗位有没有能力自己判对错。工程师为什么留着？因为工程师读得懂代码，能判断这次的 PR 合不合并。交易员为什么被收？因为公司没法验证他拿 AI 跑出来的模型到底对不对。这条线一旦划下来，你的岗位在尖刺那一头还是在平的那一头，就是明牌了。

能带走的八条，我今天自己也在照着改：

1. 花十分钟，把上周干的活列出来，分两列：做完能立刻判对错的，和要过几个月才知道好坏的。

2. 左列这周就全交出去，别再自己动手：写周报、跑数、做初版方案、改样式、查资料、写单测、做表格。

3. 右列交给 AI 之前，先花二十到三十分钟跟它讲清楚这次打算动哪几个模块、哪些旧接口必须原样留着。德克斯的原话是，这二十分钟能省掉审查时的几个小时。

4. 让 AI 交活的时候附带"自己跑一遍"的证据：给它浏览器、给它跑起来的应用，让它自己点一遍、截个图、调一下接口，别只回你一句"测试通过"。

5. 计划、会话记录、被否掉的方案，跟代码一起留下来。只留最终产物，下一个人（或者下一个 agent）接手时，所有判断都得重做一遍。

6. 定一条死规矩：凡是要进长期维护的地方，AI 的产出最终合不合并，由人拍板。

7. 盘一下公司给你的 AI 权限：全员开放还是只给技术岗。全员开放其实是坏消息，说明公司认为你的活儿不需要有人来判断对错；只给技术岗，反而是你的议价空间。

8. 汇报和简历换个说法。别写"我用 AI 提效百分之多少"，写"我把哪几类活判定为可外包并完成了外包，我为哪几类活定义了验收标准"。前者人人会写，后者才是今年真正稀缺的。

我是 Victor，一个在 AI 产品线上踩过坑也尝过甜头的普通 PM，每周陪你把这波浪潮聊明白。点个关注，别错过周五深扒。

留个问题给你：你手上现在的活儿，有几件是做完能立刻判对错的？评论区说说你的左右两列，我挑几个下周接着深挖。