一句话看懂：Every 创始人 Dan Shipper 在 2026 年 11 月 11 日的推文中称，OpenAI GDPval 基准上模型击败人类专家的比例已从 2024 年的 12.4% 升至约 83%，但他认为团队中不同人的视角与责任感，仍是单一提示词难以替代的部分。
事件核心：发生了什么
Shipper 以自家团队做了一次对照：所有人拿到同一份客户问卷和同样的 AI 模型，却发现出不同的事。他本人从中看到向团队销售的机会；Yash 发现首月订阅用户流失源于邮件发得太多；Dabrundage 注意到不少读者因身边人不理解而对 AI 感到孤独；Jack Cheng 则把问卷结果做成了一个黏土动画风格的问答游戏。他还提到一个实验：让 Claude 用 400 次尝试预测他在 Slack 中的说法，结果约 93% 接近他的表达，但当模型需要自己排序时，他的答案只有约 60% 的概率进入前 10%。
为什么重要
这组数据指向一个关键分歧：聚合基准能绘出能力曲线，却难以说明“在这件具体的事上，什么值得做”。Shipper 认为，模型的排序能力会继续提升，但人也同时在积累经验，2027 年的员工会带着新判断使用 2027 年的模型。因此，衡量 AI 不应只看它在公认难题上的得分，也要看它能否从“我的视角”完成“我的工作”。
对用户/开发者/创作者的影响
对创作者与产品团队而言，提示词的收益正在递减，真正稀缺的是对用户、对场景的持续观察和责任归属。把 AI 当成批量生成选项的工具容易陷入同质化，而先由人框定问题、再由模型扩展可能性，更可能产出可落地的方向。开发者若做企业侧 AI 应用，值得把“按角色分配视角”和“结果排序”作为产品设计的一部分。
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。
值得关注的后续
需要观察三点：GDPval 等基准的后续版本是否覆盖更贴近真实岗位的任务；模型的自我排序与偏好对齐能力能否缩小上述 93% 与 60% 的差距；以及 Every 这类小团队实践是否会沉淀为可复用的工作流或产品。
