博士80小时熬夜，Codex 2小时交卷新智元

就在今天，Agentic AI工程师发现：博士80小时的科研任务，Codex不到2小时就跑完了，效率差达到了40倍！其实按照旧标准，AGI早已存在了，只是全行业都在移动球门。

科研界的「奇点」真的来了，比所有人预想的都要近。

近日，一项针对Codex「目标模式（Goal Mode）」的实验震惊了学术界：Codex可以让AI科研效率猛增40倍！

Agentic AI工程师Dan McAteer近日在X上披露一次实验：用OpenAI Codex的Goal Mode跑一项机械可解释性（Mechanistic Interpretability）研究任务。

GPT-5.5自己估算这个任务博士可能需要约80小时才完成，然而，在实际操作中，AI 仅用时1小时56分钟便彻底完成了任务。

表面效率提升约40倍！

他所使用的是Codex中一种内置的技能 /goal。

并且作者认为：

/goal + gpt-5.5 高精度 + 快速模式是当今最高效的AI智能体配置

也就是，让模型自行设定目标，其中的关键就是它写出的提示词很可能比你的更出色。

这不再是简单的「效率提升」，而是一场彻头彻尾的「降维打击」。

当科研周期从以「周」为单位缩减至「小时」，当 AI 开始自主撰写自己的实验目标（/goal），我们必须承认一个残酷的现实：

「智能爆炸」的斜率已经现身，AI 的自我迭代速度正在脱离人类的掌控节奏！

Codex /goal 模式到底是什么？

先来看看这个实验是怎么进行的。

实验发起人是Dan McAteer，Agentic AI工程师，前Amp Code工程师。

常年在X上分享AI agent工程化的具体实践。

他的实验配置很简单——

工具：OpenAI Codex /goal 命令

模型：GPT-5.5 high

模式：fast mode

任务：一项Mechanistic Interpretability方向的研究任务

他自己对这套配置的描述是：当前可用的最高效的AI智能体配置。

Codex /goal 为什么重要

这件事真正值得说的是Codex /goal这个模式本身。

按OpenAI Codex工程师Philip Corey的描述，/goal是我们对Ralph loop的一种实现——让目标在多轮对话里持续存在，不达成不停止。

简单说，普通的Codex调用是你说一句、它做一步、回你一句。

Codex /goal是你说一个目标、它自己拆分子任务、自己执行、自己review、自己继续，直到达成或失败。

这是从对话式AI到目标驱动AI的工程切换。

对Mechanistic Interpretability这类研究任务，/goal模式的天然契合度高。