Noam Brown 的核心观点是，模型能力已经不再…
来自 No Priors · 期号 2026-07-07
摘要
核心 takeaway：Noam Brown 的核心观点是，模型能力已经不再是一个单一数字，因为答案现在取决于你愿意投入多少 test-time compute、时间、token 或金钱。 OpenAI research scientist Noam Brown 以 reasoning 和 inference-time scaling 方面的工作著称。他认为，传统 benchmark 表格正在变得误导性很强。像 GPT-5.5 这样的模型，在静态 benchmark 表上可能只比 GPT-5.4 好几个百分点，但如果控制 thinking time，提升会明显得多。他最直接的一句话是：“the capability of the model is a function of how much money you put into it, basically.” 这件事的重要性不只是 benchmark 展示方式。很多 safety evaluation 和 responsible scaling policy 是在 GPT-3 时代形成的，那时给模型 1000 万美元 inference budget，并不会让它突然多出巨大能力。但现在不是那个世界了。如果一个模型在 1 亿 token 之后仍然继续提升，或者能通过 scaffold 跑几周实验，那么实验室就必须说明：到底是在什么预算下评估模型，以及如何外推更高预算下的能力。 Brown 也没有过度夸大。更多 compute 不会神奇地解决所有任务。事实检索类问题可能不会因为多想很久而明显变好，但搜索型、研究型任务可能会随着更长运行时间持续提升。他关于 poker solver 的例子很具体：模型从需要大量人工引导，到能显著优化他的算法，再到未来模型可能一次性复现 PhD 级别 solver 的大部分工作。但他仍然认为，今天的模型还不具备完整的 research taste。在他看来，recursive self-improvement 更不像一夜之间的智能爆炸，而更像一种渐进加速：瓶颈会随着时间逐步缩小。