GPT-6，相比于GPT-5及之前的模型，有哪些能力提升？简单来说，它能独立承担一个大的任务了。

比如写一个报告，小的任务可能是做一次调研、写一个点评报告；而大的任务可能是研究某一个主题，自动知道哪些公司要调研、哪些重点报告要写、哪些专家值得访谈。

GPT-6相比于GPT-5，最大的区别不是做调研的效率提升，也不是写点评的速度突破，而是在一步步串联过程中，需要人工接管的环节变少了。能够独立承担较大的任务。

比如现在很火的机器人训练。过去，小的任务是需要生成一个数据、建设运动策略、做策略评估、得到反馈，再优化提升，过程中依然需要大量人工接入。

而模型在GPT-6影响下，具备较强的大任务块处理能力，就具备了一定的自主端到端再循环的学习能力。

GPT-6为什么能实现这样的水平？

第一，GPT-6涉及的训练数据集质量更高，图书馆里的书本量级可能比现在有翻倍式的提升，让他掌握更好的理解能力。

在实践中，它对物品标定、任务子任务拆解、动作执行策划上有更强的理解力。

第二，在后训练阶段，尤其在强化学习阶段，能够更有效地自主设计奖惩机制，提升模型能力，俗称“有效的解题能力"。

第三，可以更好地记住上下文语意，更有效地接受中途指令打断，调用更多工具。

GPT-6相比于GPT-5，主要改善还不是模型架构，而是可以把拆解一个任务中每一个动作的成功率做有效提升。

假设过去有20个独立步骤，每一步成功率90%，完成整件事情的概率就是12%；

如果能把每一步成功率提升到97%，整件任务的成功率就可以提升到54%。