核心概念

OpenAI 報導 MIT Engineering Quantum Systems Group 的實驗：研究生 Beatriz Yankelevich 將 GPT-5.6 Sol 透過 Codex 連接到量子實驗室軟體，讓代理在明確定義的超導量子位元校準流程中自行執行量測、分析結果、調整下一輪參數，再把結果交給後續步驟。重點不是模型「懂量子物理」就能取代實驗員，而是將可軟體化、重複且彼此相依的例行測量，變成可長時間運轉的人機協作閉環。

超導量子位元需在稀釋製冷機中接近絕對零度運作；研究者用微波脈衝探測並控制它們。晶片完成製造、封裝與降溫後，研究者主要透過軟體互動，因此非常適合測試具工具權限的代理。校準會依序辨識量子位元的躍遷頻率、設定控制與讀取脈衝，並估計量子資訊保存時間；每一項結果都會影響下一項量測的選參。

技術亮點：從單次問答到實驗迴圈

Yankelevich 以一枚未校準的六量子位元標準晶片測試，先提供 Codex 針對各量測的 skills，以及晶片設計目標。代理據此選擇參數、操作設備、判讀資料，並決定要細修量測或保存結果供下一步使用。訊號清晰時，系統可幾乎不靠研究者介入完成標準序列：找到共振頻率、校準控制／讀取脈衝，以及測出弛豫與相干時間。

這是 GPT-5.6 Sol 預覽：OpenAI 下一代旗艦模型 所述長程代理能力的具體落點：模型價值不只在寫出一段分析，而在能否持續記住狀態、使用既定技能、驗證輸出並推進下一步。也與 OpenAI 研究加速：編程代理重塑 AI 研發工作流 的分工一致：AI 處理高頻迭代與工件製作，人類保留問題設定、例外判斷與研究方向。

邊界比成果更值得記住

官方也明確指出，弱或嘈雜的訊號仍是難點：代理尋找合適參數需要更久，有時必須由有經驗的研究者介入。這表示它目前擅長的是「已知工作流中的執行與調參」，不是在證據含混時自行做可靠的物理解釋。把代理直接接到真實儀器，也使權限、設備保護、資料紀錄與人工接管成為一級需求，而非事後補上的功能。

因此可複用的設計原則是：先把任務切成有清楚成功條件、可回復操作與可驗證輸出的子流程；將操作技能、設備限制與停止條件外顯化；再讓代理執行「量測→分析→調整」的迴圈。這也呼應 Codex 安全生產部署：沙盒、審批工作流與可觀測性：即使代理能長時間自主運作，也必須保留最小權限、完整日誌與人類在異常時的介入點。

實務意義

MIT 團隊已讓代理處理部分例行晶片量測，研究者可在夜間或進行其他工作時監看進度，將時間移向資料詮釋、實驗設計、理論與晶片設計。對其他科學實驗室而言，這案例提供的不是可直接複製的通用自動化配方，而是一個導入次序：優先鎖定高頻、規格穩定、全程可由軟體控制且結果可量化驗證的流程；新穎實驗則應縮小代理目標，並提高研究者覆核密度。

來源

反向連結

以下頁面引用了本頁：