一句话看懂：OpenAI 研究案例显示，GPT‑5.6 Sol 通过 Codex 接入实验室软件，已能自主完成超导量子芯片的日常校准测量流程，将研究人员从重复性操作中解放出来，专注实验设计与数据分析。
事件核心：发生了什么
OpenAI 于 2026 年 9 月 8 日发布了一项应用案例：麻省理工学院 Engineering Quantum Systems Group（EQuS）的研究生 Beatriz Yankelevich，将 GPT‑5.6 Sol 模型接入实验室协调软件，用于超导量子比特芯片的校准实验。这类芯片需在稀释制冷机中冷却至接近绝对零度，并通过微波脉冲控制。
在实验中，GPT‑5.6 Sol 借助 Codex 获得测量技能，自主选择参数、操作硬件、分析数据，并在信号清晰时完成了标准测量序列——包括识别量子比特跃迁频率、校准控制脉冲、测定量子信息保留时间。Yankelevich 表示，过去每个芯片的特征化需花费数天人工操作，现在 AI 可连续数小时或整夜运行常规测量，她只需通过手机检查进度并在必要时介入。但当信号微弱或噪声较大时，模型仍需要经验丰富的研究人员提供指导。
为什么重要
这一案例揭示了 AI 智能体在科学实验自动化中的真实边界。量子比特校准是一个典型“软件控制 + 重复测量 + 自适应决策”的流程，每个测量结果都会影响下一步操作，且量子比特性质可能漂移——这恰好是 AI Agent 适合处理的场景。目前公开信息显示，GPT‑5.6 Sol 已能稳定处理定义明确的实验流程，但解读模糊物理信号仍是难点。
从行业意义看，这不是实验室里的概念演示，而是 EQuS 已将 AI Agent 纳入常规工作流。对量子计算领域而言，AI 接管耗时的例行测量意味着研究人员能大幅提高表征效率；对 AI 行业而言，它验证了语言模型不仅能生成代码或文本，还能通过 API 与专业科学软件深度交互并执行连续性任务，拓展了智能体在垂直科研工具链中的应用空间。
对用户/开发者/创作者的影响
对科研机构与实验室用户，这一工作流提供了可复制的参考：将 Codex 连接到已有实验控制软件，并为模型配备测量技能说明，即可构建半自动实验助手。对开发者而言，核心启发在于“技能（skills）+ 设计目标”的提示方式——模型并非泛泛操作设备，而是基于明确约束做出测量决策。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对实验室仪器厂商与科研软件供应商，这意味着未来产品可能需考虑 AI Agent 友好的接口设计，让外部模型能安全调用测量工具。对于关注 AI 商业化的企业，该案例也表明：在数据规范、流程清晰的垂直场景中，AI Agent 的自动化价值可以非常直接地被量化——“节省了数天人工操作”比抽象的能力展示更具说服力。
值得关注的后续
第一，GPT‑5.6 Sol 在弱信号场景的推理能力是否会在后续版本中改善，这决定了它能否从“常规测量自动化”扩展到“异常状况处理”。第二，MIT EQuS 是否会发布更详细的工具调用开源方案或数据基准，供其他量子实验室复现该工作流。第三，OpenAI 是否会将 Codex 的“实验代理”能力推向更广泛的科学计算领域——如材料模拟、化学合成或生物实验——值得观察其与专业仪器生态的适配深度。
来源：openai.com
