模型慢的时候，瓶颈是模型。模型快了，瓶颈变成工具调用。工具调用也快了，瓶颈变成电脑和网络。这些全都解决之后，下一个瓶颈是谁？
很可能是你。
这个判断有出处。OpenAI 产品负责人 Tibo Sottiaux 最近接受了两轮访谈（八月底的 TechCrunch 专访，以及八月初 The New Stack 的深访），此人直接向 Greg Brockman 汇报，管着 API、Agent 基础设施、企业版、ChatGPT 和 Codex。他说了一句很平静但很吓人的话：连他们自己，把模型训练出来之后，也不知道这个模型到底能干什么。
我越想越觉得，这可能是理解下一波 AI 最重要的一条线索：AI 的瓶颈正在搬家，而人类的相对位置，正在从系统的中心变成系统的短板。
一、差距的来源变了：不是信息差，是使用差
Tibo 在访谈里讲了一个细节。Benchmark 看不出模型的真实上限，OpenAI 的人得自己不停地用，用久了才突然反应过来：这个能力居然还能这么用，然后整个产品方向跟着改。
你品一下这件事。连造模型的人，都要在模型发布之后重新认识它。那我们凭什么觉得，看几篇模型测评、刷几个发布会剪辑，就算理解这个模型了？
一个数据能说明这种落差的规模：OpenAI 内部 98% 的员工在用 Codex，但外部组织订阅者里只有 17% 真正在用 Agent 类能力，个人订阅者里不到 1%。工具就在那里，差距已经不在获取，而在使用。
所以我现在判断 AI 新闻的价值，标准只剩一条：它能不能逼我立刻打开工具试一次。能，就有价值；不能，就是噪音。Benchmark 测的是模型能力，真实使用暴露的才是未来。谁先摸到能力的边界，谁就先看到产品的方向。这条不性感，但很硬。
二、你这台电脑，装不下下一代 Agent
Tibo 八月初还说过两句很激进的话。一句是："今天的 Codex，两三个月之后可能就会显得很原始。"另一句是："下一代模型需要的资源，会超过你的笔记本。"
第一句听着像公关话术，第二句才是支撑。为什么下一代 Agent 会嫌你的电脑小？因为今天的电脑，骨子里是按人类设计的。你一次开几个软件？一分钟能打多少字？同时能想清几件事？整个操作系统都在迁就人类有限的注意力。Agent 没这个限制。它完全可以同时看日志、写代码、跑测试、查资料、调用工具、验证假设，顺手再开几十个应用。
所以 Agent 今天只是借住在人类的电脑里，它迟早会拥有自己的工作世界，而这个工作世界大概率在云端。OpenAI 正在做的，实质是给 Agent 修工厂：模型决定脑子有多聪明，运行环境决定这个脑子能干多大的活。
电脑是人的工作台。云端的 Agent Runtime，会成为 Agent 的工厂。
三、速度提十倍，改变的不是等待，是人的角色
这是同行最容易忽略的一点。速度提升十倍之后，改变的远远不只是少等几秒。
访谈的主持人自嘲，说他现在经常同时开十几个 Agent 在跑。为什么？一个 Agent 要跑三四十分钟，干等是不可能的，只能不停开新任务、不停切换。表面上生产力爆炸，实际上最忙的是他自己：十几个 Agent 都在干活，调度、检查、纠错的只有一个人。
这就是慢 Agent 时代的真实图景：Agent 越多，人越像调度员，注意力被切成碎片。而所谓 Ultrafast（超快推理）真正有意思的地方在于，当 AI 的速度逐渐接近你的思考速度，你根本不需要同时管理十几个 Agent。你说一句，它马上做出来，你马上看、马上改、马上继续，人重新回到心流里。
慢 AI 把人变成 Agent 调度员，快 AI 才把人重新变回创造者。我甚至可以下个判断：未来 AI 产品最重要的指标，不是跑分，是它帮你省下了多少注意力。AI 时代真正昂贵的资源，正在从计算迁移到注意力。
四、软件的最小单位，可能从职业变成个人
ChatGPT 和 Codex 为什么越走越近？Tibo 的解释不是产品整合。未来的底层是同样的模型、同样的运行框架、同样的 Agent，写代码、做研究、写文案、做设计的边界会越来越模糊。程序员、设计师、产品经理这些标签，本来也只是人类为了理解复杂世界造出来的分类。AI 不需要这样理解你，它可以直接理解你。
顺着这个逻辑往下推，软件行业会发生一件很根本的事：软件的最小单位，可能从职业变成个人。你的 AI 和你老板的 AI，底层跑的是同一个东西，长出来的样子完全不同，因为它认识你——知道你的能力、你的目标、你手头正在做的事。
这句话放到我所在的行业里很具体：同一套底层，我的 AI 长成办案的样子，同事的 AI 可能长成检索和写作的样子。过去是人适应软件，未来是软件长成你的样子。这件事一旦成立，今天按职业、岗位、专业领域切分的软件分类，会重新洗一遍牌。
五、递归自我改进，已经从工厂开始了
最后一个变化最炸裂。大家脑补的递归自我改进，是 AI 自己训练下一代 AI，智力爆炸。但现实世界里，一种朴素得多的版本已经启动了：OpenAI 正在用更强的模型，去优化自己的推理栈、CUDA kernel、基础设施和产品系统。访谈里谈到，轻量模型 Luna 的效率被优化之后，价格直接降了 80%，常规推理速度比三个月前快了大约 60%。
这件事值得看的不是数字，是它背后的结构：AI 已经开始参与建设生产 AI 的机器。模型更强，强模型回头优化基础设施，基础设施更快更便宜，模型于是被更大规模地使用，然后更强的模型继续回来改造自己赖以运行的系统。我们想象的是 AI 给自己换大脑，现实可能是它先把自家工厂改造成了黑灯工厂。
这个飞轮转起来，会带来一个残酷的结果：AI 能力的溢价半衰期正在急剧缩短。今天是前沿能力，半年后可能白菜价；今天是高级功能，一两年后可能就是默认配置。所以创业者最危险的事，就是把今天稀缺的模型能力当成明天的壁垒。模型会持续变强、变快、变便宜，真正值钱的，是模型升级之后你反而更值钱的那些东西：你的工作流、你的数据、你的客户关系、你的行业 know-how、你搭好的 Agent 运行环境，还有你持续发现新用途的判断力。
六、泼一盆冷水，也回一句实话
肯定会有人说：模型还没到那一步，Runtime 还不成熟，所谓 Ultrafast 也只是部分场景，你这是拿着发布会叙事当趋势。
这个质疑有一半是对的。就我自己在法律实务里的使用体验看，今天的 Agent 离"可靠地独立干活"还有明显距离，幻觉、遗漏、该问不问的问题，一样不少。我不认为明年律师这个职业就重构完了。
但判断趋势，看的不是当下成不成熟，而是瓶颈搬家的路径是否可见。模型、工具、基础设施、人类，每一站都已经发生了，且正在加速。路径可见，剩下的只是时间表问题。把"还没成熟"当成"不会到来"，才是更危险的误判。
结尾：把速度留给机器，把判断留给自己
回到开头那个扎心的判断：人类正在成为 AI 系统里最慢的组件。
我不觉得这是坏事。系统里总要有一个组件负责拍板、负责担责、负责在机器算出一万个答案之后说"我要这个"。这个组件慢，是它的本分。
所以当机器的速度逐渐超过你的思考速度，你要守住的恰恰不是速度，而是判断力。我自己的做法很朴素：新能力出来，用到极限再下结论；把工作流和数据当成比模型更久的资产；以及，每天留一段不被 Agent 打断的时间，想想自己到底要干什么。
瓶颈搬到人类这一站，其实是个好消息。前面的每一站，机器都在替我们变快；这一站，轮到我们自己决定，往哪儿走。
参考来源：
- TechCrunch：《"The world seems to be ready": An interview with OpenAI head of product Thibault Sottiaux》，2026 年 8 月 25 日
- The New Stack：《Today's Codex will feel "primitive" by fall — and its own team's roadmap backs it up》，2026 年 8 月 4 日
- OpenAI GPT-5.6 模型文档及 2026 年 7 月价格调整公告（Luna 降价 80%）
作者简介： 陈石律师（主页 chenshi.ai），浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任，宁波市律师协会副秘书长、第七届宁波仲裁委员会仲裁员，聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可，荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社 2025 年度管理合伙人 20 佳（华东），入选《商法》The A-List 法律精英，获评 ALB China 区域市场十五佳长三角地区律师新星，并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务，承办"首宗百亿地王""长春第一高楼""台州第一高楼"等代表性项目，累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合，强调以结构化方法打通技术逻辑、法律判断与商业场景；著有《赋能法律人：AI 底层思维与应用范式》，并在多地开展相关主题讲座与分享。