工作清單

GPT6到底有多强？普通人该怎么用？

逐字稿文字預覽

信心念念的GPT6終於發布了。那麼它的能力如何呢?以及怎麼樣才能使用上GPT6呢?接下來一個視頻啊,給你講清楚。那麼首先咱們先來看GPT6它的能力提升了多少。當然我們不能只看官方給你的產品發布視頻啊。我們要拿評分數據說話的。
差好官方網站也給咱們提供了這些具體升級的評分信息。但是普通人看不懂,沒關係。我已經把它翻譯成咱們能夠看懂的評分報告了。咱們來過一下。GPT6它的能力到底提升了多少?以及提升在哪些點?首先呢,第一個測試報告呢是關於電腦操作能力的。關於電腦操作能力的評分呢,給出了三個指標。第一呢就是AA它的綜合幹活能力啊。
也就是從上一代5.6的這個模型升級到6的這個模型啊。從53.6升級到了59.3啊。大概這個升級屬於常規的一個升級啊。並不是質的改變。但是往底下去走有一個看屏幕,然後找按鈕的評分。它從原來的76.9升級到92.7了。那麼這個可以說是一個質的變化。
比如說當我們有一個任務,需要讓大模型自己去看頁面,自己去操作的時候,現在的準確率已經比之前有了一個質的提升了。之前76分,現在是92分。啊。那麼它真正去操作電腦完成率,也從原來的65升級到72了。啊。這個呢,可以理解啊。
因為我首先我看屏幕,我看得準了。那我操作正確性就得到了大幅的提升了嘛。對吧。好,這是電腦操作能力。所以可以看到這一項幾乎是一個質的提升。好,那麼繼續往下去走。來看第二個是專業工作能力。專業工作能力呢。第一項呢是自動化工作的完成率啊。
這個完成率啊。從上一代的18.1,然後變成了41.4。這個也是算質的提升的。比如說我們給AI一個任務啊。然後讓它去完成。之前它的得分只有18.1。現在是41.4。當然還有提升的空間。但是相比於上一代已經有質的提升了。好,那麼還有在CED制圖方面,工程設計方面。原來的評分是83.3。現在是95.9。也是屬於一個飛躍級的一個提升了。
那麼其他的就不是咱們關注的一個點了啊。它都有一定程度的提升。好,那麼再往下去走。編程代碼能力如何呢?上一代它在終端裡面啊。就是你給它一個終端。它自己去跑程序,測程序,改程序啊。它的能力之前是37.3。然後上一代啊。現在已經升級到57.9了。啊。所以在編程能力,它也是一個非常大的一個值的提升。而且它超越了Cloud模型。Cloud模型之前在編程方面一直是屬於
領先的水平啊。但是這次OK,GPT6,它又搬回了一筹了啊。好,然後還有真正改bug,修bug的這個能力啊。也得到了一些提升了。所以這對於程序員來說是好事還是壞事的。那我自己作為程序員,反正看到這個數據,我是非常沮喪的。但是沒辦法。歷史發展的撤輪不會因為
個人的意願而改變啊。好,那繼續往下走是關於學術方面的。那學術方面也是一個值的提升。之前做科學研究,那麼上一代的模型,它的得分只是22.4。而這一次就提升到了64.6了。啊。基本上是三倍的提升啊。
還有頂級數學競賽題,原來是83,現在是97.6。博士級別的難度的科學成績之前是94.6,現在已經是96了。所以大家可以看一下,就是搞科研的,應該比程序員有更大的危機感。
因為大模型在這方面,它的能力提升是非常的快的。而且它的得分是非常高的。好,那麼它在科學和醫療層面呢,可以看到它也是有大幅的提升啊。在基因學術的專業程度,從原來的28.7上升到了37.8。
比如說之前的一些醫療科技上解決不了的問題,然後現在大模型每一次的升級幾乎都是一個飛躍性的提升。
這對於人類來說是一個非常大的進步。但是對於相關從業者來說是一個不小的打擊啊。好,那麼在網絡能力方面呢,找漏洞的能力現在已經從原來的78.5,現在升級到了百分之百。有漏洞啊。現在的GPT6的模型是一定能找得到的。
這就是大模型它的能力啊。相信這個能力後續也會在其他的地方咱們看到相同或者是相近的指標。好,那麼其他的也是在一些工房訓練得分。
所以這個要安全測試的基準評分裡面都是值得提升啊。好,那麼再往下去走的就是它的這個安全能力啊。
比如說誤操作電腦的能力啊。然後相比於之前也是有一個很大的值得提升啊。這個分數是越小越好的啊。
之前的電腦誤操作率是22%。現在控制到2.4%啊。這個10倍的一個下降啊。啊。所以這個是很大的一個提升。然後其他的誤傷率啊。
繞過率啊。然後識別不可能執行的這個任務啊。啊。之前有一些都是沒有平板的。現在已經達到了。有些都已經達到了百分之百。啊。
啊。所以總結一下。無論是從編碼能力還是AI自動執行任務的能力。現在都是一個值得提升。那麼最後總結一下。這一次GPT6最大的升級是安全層面。編碼層面。
學術研究層面。以及電腦自動化層面。這四個層面GPT6是有一個值得提升的。在其他方面的一個表現呢。也有一個很大的提升。但是相比於前面它的提升就沒有那麼大了。
所以GPT6還是非常非常值得期待的。當然我覺得2026年的下半年也是AI大模型能力質的變化的一年。之前很多自動化任務不能執行的。現在隨著AI的發展。以後它的能力會越來越強。會越來越智能。需要人類協助的地方也會越來越少了。好。那麼這個說完之後呢。接下來說一下。那麼GPT6怎麼樣去用呢?官方在他的這個網站裡面也說了啊。目前GPT6呢。
GPT6呢。他是逐步的啊。未來幾天逐步給他的訂閱用戶。plus用戶。pro用戶和business啊。企業用戶。逐步進行開放的。所以咱們是需要去等。可能三到五天或者是一周左右啊。訂閱用戶才能用的。你如果是免費用戶的話。那麼抱歉。可能短時間是不能用他的這個旗艦模型的。當然這個會員的充值呢。也比較簡單。大家有不懂的。可以死我。

來源：transcript.txt

本次執行流程與問題處理

  1. 下達指令

    指令：videonote https://b23.tv/mnH4yH7 --language zh --auto-source-subtitles

    來源：https://b23.tv/mnH4yH7

    辨識語言：zh ｜ 參數：--language zh --auto-source-subtitles

  2. 預期流程

    依指令產生的處理順序：

    1. 自動字幕優先，Whisper 作為備援
    2. 來源選擇與品質檢查
    3. 文字校正與句子單元
    4. 筆記與發布
    5. 公開網頁發布

  3. 1. 下載與語音辨識

    工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）

    處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿

    產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）

    耗時：23.0 秒

    關係：依序執行

    結果：完成

  4. 2. 全文快速校讀

    工具：videonote_rapid_transcript_review.py

    處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目

    產出：rapid_transcript_review_report.json（產出檔案）

    耗時：38.7 秒

    關係：依序執行

    結果：完成

  5. 3. 建立句子單元

    工具：videonote-build-sentence-units

    處理：將逐字稿切成帶時間軸的句子單元

    產出：sentence_units.json（句子單元）

    耗時：0.7 秒

    關係：依序執行

    結果：完成

  6. 4. 句子密度平衡

    工具：videonote_balance_sentence_units.py

    處理：平衡句子長度與密度

    產出：sentence_units.json（句子單元）

    耗時：0.7 秒

    關係：依序執行

    結果：完成

  7. 5. 時間軸稽核

    工具：videonote_timeline_audit.py

    處理：檢查時間軸與音訊對齊

    產出：timeline_audit_report.json（時間軸稽核）

    耗時：0.8 秒

    關係：依序執行

    結果：完成

  8. 6. 品質檢查

    工具：videonote_controlled_quality.py（檢查時間軸與品質）

    處理：檢查語言、時間軸與可讀性品質

    產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）

    耗時：0.8 秒

    關係：依序執行

    結果：完成

  9. 7. 播放時間軸回填

    工具：videonote_rebase_display_timeline.py

    處理：將網頁播放時間軸回填為校正字幕時間

    產出：display_timeline_rebase_report.json（時間軸回填報告）

    耗時：0.8 秒

    關係：依序執行

    結果：完成

  10. 8. 逐字稿交叉檢查

    工具：videonote_cross_check_transcript.py

    處理：交叉檢查逐字稿與來源字幕

    產出：transcript_crosscheck_report.json（交叉檢查）

    耗時：0.9 秒

    關係：依序執行

    結果：完成

  11. 9. 來源句整理

    工具：videonote_prepare_source_entries.py

    處理：整理來源句子供時間軸與頁面使用

    產出：sentence_units.json（句子單元）

    耗時：0.9 秒

    關係：依序執行

    結果：完成

  12. 10. 生成筆記摘要

    工具：videonote-generate-note（生成筆記摘要）

    處理：生成筆記摘要與重點

    產出：note.md（筆記 Markdown）、note.html（筆記 HTML）

    耗時：60.1 秒

    關係：依序執行

    結果：完成

  13. 11. 建立筆記頁面

    工具：videonote-render-html（產生筆記 HTML）

    處理：產生可閱讀的筆記 HTML 頁面

    產出：note.html（筆記 HTML）

    耗時：0.2 秒

    關係：依序執行

    結果：完成

  14. 12. 發布公開頁面

    工具：videonote-publish（發布公開頁面）

    處理：發布到公開網站與每日列表

    產出：公開筆記網址、result.json（管線結果）

    耗時：0.3 秒

    關係：依序執行

    結果：完成

手動來源字幕

自動來源字幕

Whisper 字幕

Qwen 字幕

Parakeet 字幕

MOSS 字幕

聲學時間證據（PyAnnote / WhisperX）

校正前後逐字稿

目前待解決問題與初步改善方向

進一步精進字幕與筆記
使用 Workbench 上傳校正字幕、中文參考稿或回饋 SRT，重新產生雙語與學習單元。
開啟 Workbench