GPT-6.1 Sol默认上下文升至500k，研究称依赖AI十分钟削弱专注力

事件核心：发生了什么

10 月 12 日，OpenAI 相关账号 @thsottiaux 表示，GPT-6.1 Sol 在 Codex 与 Work 中使用的默认上下文长度从 272k 提升到 500k，增幅约 80%，模型最大上下文仍为 1M。官方说法是这将减少长任务中上下文压缩（compaction）的发生频率，让需要保留大量细节的任务更连贯，用户也可以自行覆盖该默认设置。

同一批信息还包含三项研究动态：UC Berkeley、CMU、MIT、牛津和 UCLA 学者合作发现，仅 10 分钟依赖 AI 工具即显著削弱用户专注和坚持困难任务的能力；Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 与 Claude Opus 5.5，发现多智能体团队成本为单智能体的 1.8x 到 5.1x，四组对比中仅 GPT-6 Sol 在 medium reasoning 下高出 7.3 分且具统计显著性；Epoch AI 用 InnovationEval 基准测试 Claude Fable 5 和 GPT-5.6 Sol 能否独立发明新训练方法，结论是智能体远未达到自主研究水平，且会高估自身结果。

为什么重要

上下文窗口是当前大模型竞争的关键参数之一。从 272k 到 500k 的默认值提升，意味着开发者在 API 调用和 AI 应用中处理长文档、长代码库、多轮对话时，需要手动管理的上下文压缩更少。对于 Codex 这类编程智能体和 Work 这类工作流产品，更少压缩直接关系到长任务能否保留足够细节。

但另外几项研究从不同方向提出了边界：人机协作中，工具越顺手，人越容易在遇到阻力时退出；多智能体团队并非默认更优，成本和收益需要具体任务具体评估；智能体自主研究能力仍有限。这些结论共同说明，能力在涨，但适用边界也在被更清楚地画出来。

对用户/开发者/创作者的影响

对开发者而言，500k 默认上下文能减少长代码库或长文档处理时的截断和压缩操作，但 1M 上限未变，超出后仍需考虑分片或摘要策略。多智能体方案则需谨慎：Vals AI 的测试显示团队成本可达单体的 1.8x 到 5.1x，且仅在特定条件下 GPT-6 Sol 表现更好，目前公开信息显示这并非通用结论。

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。

了解 GamsGo AI

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。

对普通用户和创作者，UC Berkeley 等机构的研究提醒，把 AI 当作顺手工具的同时，可能削弱自己面对困难任务时的坚持能力。效率账本之外，这个代价值得被单独记录。

值得关注的后续

一是 500k 默认上下文是否会在更多产品和 API 层级落地，以及是否影响定价；二是多智能体方案的成本和评测结果是否随模型版本变化，Vals AI 的结论基于特定基准和日期，不构成永久排名；三是 Epoch AI 的 InnovationEval 后续是否扩展任务范围，以及智能体自我评估偏差能否被修正。

来源：@findchain