GPT-5.6 Sol 量子实验将常规量子比特工作交给 Codex

OpenAI 表示，MIT 的 GPT-5.6 Sol 量子实验完成了 40 项目标测量，研究人员仅介入改进其中四项。该智能体通过 Codex 控制真实实验室硬件，分析结果、调整测量参数，并保存校准结果以供后续步骤使用。这使该模型不再只是从实验之外向科学家提供建议。

这项工作并不意味着 AI 系统独立发现了新的物理规律。MIT 研究生 Beatriz Yankelevich 搭建了基础设施，并提供了详细的实验指导。该智能体在一枚相对简单的六量子比特芯片上执行了标准校准任务。

更尖锐的冲突在于：究竟由谁持续关注实验室。即使仪器和分析代码已能自动完成单个步骤，常规校准仍传统上需要占用熟练研究人员的注意力。GPT-5.6 Sol 将这些环节连接为自适应闭环，但微弱信号仍会让人类专家重新介入。

MIT 量子实验室内部发生了什么变化

Codex 从编写实验室代码，转变为在研究人员设定的控制范围内操作实时测量工作流。

OpenAI 于 2026 年 9 月 8 日发布了其量子实验报告。相关案例研究日期为 9 月 4 日，作者包括来自 MIT 电子研究实验室和 OpenAI 的研究人员。

该实验聚焦超导量子比特，即以离散能级编码量子信息的电路。研究人员将这些电路置于稀释制冷机中，冷却至毫开尔文温度。随后，室温电子设备通过线缆发送微波脉冲，以控制和测量芯片。

一旦芯片完成封装并被冷却，研究人员主要通过软件与其交互。这使实验室对 AI 编程智能体而言异常易于接入。软件定义脉冲、采集返回信号、生成图表、拟合模型，并记录校准数值。

Yankelevich 通过内部 Jupyter Model Context Protocol 服务器，将 Codex 接入 EQuS 软件。MCP 是一种让模型使用获批工具并检索结构化上下文的接口。该智能体可访问测量参数、程序、图表、原始数据、日志和校准数据库。

该设置并未采用专门的自主科学平台。根据校准案例研究，Codex 通过简单的实验室 MCP 集成运行。GPT-5.6 Sol 使用 Ultra 推理等级。

该芯片包含六个彼此不耦合的量子比特。其中四个以固定频率运行，另外两个则允许研究人员通过施加磁通调节频率。每个量子比特都配有一个用于读取其状态的谐振器。

该芯片此前从未被测量过。因此，智能体无法简单复用先前校准中得到的实测值。它从设计目标开始，必须找出硬件实际的运行参数。

GPT-5.6 Sol 首先识别出全部六个读出谐振器。随后，它选择初始读出功率、细化频率扫描、拟合结果，并存储校准设置。这些设置成为后续测量的输入。

之后，该智能体在四个固定频率量子比特上完成了 40 项目标测量。研究人员介入改进了其中四项。由此形成的工作流涵盖跃迁频率、控制脉冲、读出设置和相干性测量。

这正是核心变化。该模型并非只是生成供科学家稍后检查和执行的代码；它观察真实测量结果，选择下一项操作，并在相互依赖的步骤序列中持续推进。

这一区别很重要，因为量子比特校准并非单一命令。每项结果都会改变下一次测量可用的参数范围。当这些关系仍可预测时，自动化脚本能够发挥作用；但实验室经常会出现原始假设中未曾预料的偏差。

GPT-5.6 Sol 成为了既有仪器与分析工具之间的决策层。研究人员仍定义目标、提供操作知识，并保留重新引导实验运行的权力。

GPT-5.6 Sol 量子实验如何形成闭环

关键机制是测量、解读、参数选择和受控硬件操作的重复循环。

新的超导芯片并非在交付时就已知所有运行数值。制造差异和环境相互作用会改变标称相同电路的行为。因此，研究人员会在将每台设备用于更大型实验之前对其进行测量。

这一过程通常从谐振器光谱测量开始。仪器会在某一频率范围内扫描微波信号并测量响应。所得曲线中的一个凹陷，表明某个谐振器可能对应的频率。

一个数据点还不够。实验会重复测量以提高信噪比，后者用于比较目标物理信号与背景波动。软件随后会对采集值进行平均、绘图和拟合。

脉冲功率同样重要。当功率足够高时，脉冲会激发所连接的量子比特，并改变谐振器的响应。研究人员通过二维频率与功率扫描来识别合适的读出设置。

在 MIT 实验中，GPT-5.6 Sol 通过实验室的编排软件控制这一过程。它定义测量范围、检查图表、评估候选特征，并请求更窄的扫描范围。随后，它将有用参数持久化保存至校准数据库。

该智能体在约 7.2920 至 7.7520 吉赫兹之间识别出六个间距规律的候选信号。它将这一间距视为芯片具备六谐振器设计的证据。进一步测量则检查这些特征是否展现出预期的功率相关行为。

这一序列说明了为何智能体能在固定自动化之外带来额外价值。传统脚本可以执行预先设定的扫描，并拟合已知模型；智能体则可判断结果是否需要更窄的扫描、另一段功率范围或额外分析。

实验随后进入固定频率量子比特校准阶段。GPT-5.6 Sol 测量跃迁能量、确定控制脉冲设置、优化读出参数，并估计相干时间。相干时间衡量量子比特能够保持可用量子信息的时长。

第一个量子比特报告的结果包括约 32.1 微秒的拟合能量弛豫时间。两项报告的相干测量结果约为 59.27 和 60.37 微秒。这些数值描述的是受测设备，并非对 AI 校准芯片性能的普遍性主张。

系统还完成了一项 Rabi 测量，用于确定改变量子比特状态所需的脉冲。它测量了与状态相关的谐振器频移，并估算了量子比特的有效温度。这些步骤共同构建了该设备的运行特征图谱。

模型并未直接操控低温芯片。它向既有仪器控制层发出软件操作指令。该层负责解析硬件端口、编译脉冲序列、采集信号，并生成分析输出。

这种分离是重要的安全与工程特性。实验室软件可以约束向智能体开放的操作范围。研究人员还可查看日志、检查保存的数值，并在无需赋予模型对所有仪器无限制控制权的情况下进行干预。

Yankelevich 表示，智能体连续运行数小时期间，她可以通过手机进行监控。当有需要纠正的问题时，她便可引导实验运行。其所宣称的收益是减少监督需求，而不是立即完成测量。

这一点将自主性与速度区分开来。模型有时需要比经验丰富的研究人员更长的时间才能找到最佳参数。不过，它可以在研究人员进入洁净室、分析其他数据或准备下一项实验时继续运行。

压力落在人工实验室监督上

该案例所施加压力的，是要求专家关注每个常规决策的工作流，而不是设计实验的研究人员。

超导量子比特研究包括建模、芯片设计、制造、低温工程、微波控制和测量。AI 并未取代这一完整技术栈。它进入的是软件已经介导人与物理硬件交互的部分。

校准仍可能占据项目的大量时间。作者表示，一项新颖的多量子比特实验可能需要数月时间以及数千次预备测量。这类工作中通常只有很小一部分会出现在最终发表的论文中。

即使是标准芯片表征，也有显著的人力成本。MIT 团队估计，经验丰富的研究人员大约可在一天内完成固定频率量子比特的表征；一组可调谐量子比特则可能需要约一周。

这些数字说明了经济压力所在。瓶颈并不只是生成分析代码。研究人员必须观察图表、诊断故障、调整范围、重新运行测量，并在相互依赖的步骤之间维持一致记录。

Codex 承担了其中一部分监控负担。据报道，EQuS 团队目前已将智能体用于多枚标准芯片的常规表征。这使研究人员可以将注意力分配给实验设计、结果解读和意外行为。

因此，压力的对象是“每个循环都需要人类参与”的运行模式。现有实验室自动化通常能处理单项操作，却会在操作之间把控制权交还给研究人员。当智能体能够识别结果并了解下一项获批步骤时，它就能连接这些操作。

这一思路并不限于某一个 OpenAI 模型。一项经过同行评审的 2025 年实验室自动化研究描述了用于量子计算实验的基于智能体框架。MIT 的工作属于将语言模型与科学仪器连接起来的更广泛努力。

其他研究人员也探索了语言模型在超导量子比特实验中的辅助作用。一项 2026 年 3 月的量子比特实验研究记录了另一种方法。这些项目表明，连接仪器的智能体正成为一个研究方向，而非一次性的演示。

另一篇 2026 年 6 月的预印本描述了智能体引导的 112 量子比特超导处理器启动调试。该处理器校准工作采用了一个编排技能的语言智能体。其更大的设备规模使之成为有价值的行业对比，不过方法和评估条件有所不同。

因此，这场竞争不宜简单理解为 OpenAI 对阵某一家量子公司。主要竞争在于自适应智能体监督与依赖持续专家监管的工作流之间。不同实验室可以采用不同模型和编排系统来推动这种转变。

无论采用哪种方法，实验室知识仍居于核心位置。MIT 团队花费数月确定智能体所需的上下文，其中包括芯片设计、设备细节、源代码、测量前提条件、故障模式，以及成功与失败图表的示例。

这种准备工作更接近于构建一套运行知识系统，而非编写一个巧妙的提示词。每项技能都编码了何时适合进行测量、如何执行、成功应呈现何种状态，以及可能失败的原因。

考虑部署类似系统的研究机构，需要整理这些材料。可搜索的工程知识库有助于连接流程、代码、日志与既往决策。它不能替代仪器安全防护或科学审查。

该案例也改变了衡量研究产出的方式。更快的执行速度只是潜在收益之一。更有价值的提升可能来自夜间运行、跨芯片并行工作，以及减少对常规检查的中断。

有时可在一台制冷机内测量多颗芯片。布线和可用电子端口限制了这种并发能力。一个智能体可以监督多个工作流，但无法消除物理限制。

这也是为何不应将报告中的结果简化为关于 AI 速度的主张。GPT-5.6 Sol 的探索路径可能不如专家高效。当无人值守的持续推进比每一步都以最高速度完成更重要时，它的价值才会显现。

技能与实时数据让智能体变得实用

GPT-5.6 Sol 之所以成功，是因为研究人员将通用模型与专用技能、受控工具及当前实验数据结合起来。

“技能”一词在该系统中具有特定含义。它指的是帮助智能体完成某项明确测量的指令与示例。每项技能都将科学知识映射为实验室软件可执行的操作。

一项测量技能可以识别前置校准要求。它能够提供代码模板、合理的参数选择、已知的物理失效模式，以及可接受图表的示例。它还可以说明智能体应在何时细化扫描，而不是直接记录结果。

这种结构缩小了模型的决策空间。GPT-5.6 Sol 无需从广泛的训练知识中推断每一项本地惯例。它获得的是 EQuS 研究人员认为与自身硬件和软件相关的流程。

实时数据完善了这一机制。智能体能够查看图表、原始数值、日志、源代码和已保存的校准参数。它可以将预期模式与当前设备返回的信号进行比较。

随后，编排层将决策转化为受限操作。它编译脉冲序列，并协调室温仪器。模型通过这层软件边界运行，而非自行发明新的硬件接口。

这一闭环包含五个实际阶段。智能体定义测量任务，请求编排器执行，分析输出，判断质量，并更新校准设置。结果含糊不清时，流程会回到经修订的参数。

这一设计还建立了审计轨迹。程序、图表、测量结果和存储的参数能够展示智能体尝试过什么。报告中的设置甚至允许 Codex 在 Markdown 文件中维护实验室记录。

这种可追溯性至关重要，因为物理实验可能因隐蔽原因而失败。结果变化可能反映模型错误、测量设计不足、仪器漂移、制造差异或意外的物理相互作用。科学家需要足够的上下文，才能区分这些原因。

该案例研究将智能体测量基础设施的开发和实验执行归功于 MIT 作者。OpenAI 作者则就基础设施提供建议，并对文本发表意见。这种分工避免模型提供方因整个实验室系统而获得全部功劳。

它也揭示了部署负担。实验室无法仅通过打开一个通用聊天窗口复现该结果。研究人员必须开放合适的工具、记录流程、建立权限，并决定何时需要人工批准。

报告中的校准工作之前经历了数月迭代。组织在评估系统回报时，应将这些准备工作计算在内。研究人员将大量本地专业知识转化为可用上下文后，智能体才节省了监督时间。

当同一实验室反复生产类似芯片时，收益可能扩大。测量技能可以在不同设备间复用、审查和改进。重复工作将初始基础设施成本分摊到更多校准任务中。

新颖实验则面临不同的情况。研究人员无法完整编码自己从未遇到过的失效模式。对于这些项目，Yankelevich 会为智能体设定更窄的目标，并更依赖其修改控制、分析和仿真代码的能力。

这种划分是合理的。常规表征具有明确预期和可重复输出。新物理现象往往通过偏差显现，因此过早自动化尤其存在风险。

更广泛的教训并非通用模型已经具备实验直觉。而是，有用的自主性来自一个系统。模型推理、领域指令、实时证据、软件控制和人工升级处理都在其中发挥作用。

有噪声的量子比特暴露了智能体校准的局限

该实验最重要的警示是：清晰的信号有利于遵循流程，而含糊的物理现象仍然更需要经验丰富的判断。

当测量具有较高信噪比、量子比特表现符合预期时，GPT-5.6 Sol 的表现良好。固定频率校准带来了该案例研究中最清晰的自主运行结果。可调谐量子比特则构成了更困难的测试。

随着研究人员改变磁通量，可调谐量子比特的频率也会改变。在接受测试的芯片中，信号在远离量子比特最高频率时变得更弱。这使得相关特征难以与噪声区分。

智能体最初定位到了频谱，但需要大量指导才能达到可接受的结果。某一时刻，它错误地判断一次测量已经足够。研究人员要求进行更精细的扫描，并指出需要进行更广泛探索的区域。

最终被接受的扫描也包含意料之外的物理特征。其中包括在约 4.8 吉赫兹附近出现的未知模式交叉，以及无法解释的不对称性。作者将两者都描述为实验模糊性的例子。

这种模糊性带来的推理问题，与拟合一条清晰曲线不同。经验丰富的科学家会考虑某个异常特征是否威胁研究目标、是否值得单独调查，或者是否反映暂时性条件。已发表的流程很少能够涵盖此类判断的每一种情形。

作者表示，即使智能体最终选择了正确参数，其耗时也可能比专家更长。模型可能追逐一种无效解释，或错过失败背后显而易见的物理原因。他们将这一局限描述为缺乏实验直觉。

物理采集过程也限制了蛮力策略。单次测量可能需要数秒到数十分钟，且许多测量必须串行进行。启动更多智能体，无法让一台仪器同时采集彼此依赖的测量结果。

这削弱了最简单的智能体集群叙事。并行模型可以编写代码、分析已存储数据或规划替代方案。它们无法绕过这样的设备：设备必须先完成一段脉冲序列，才能作出下一项决策。

这些结果也缺乏广泛的独立验证。详细报告是一项由 MIT 和 OpenAI 参与者共同署名的案例研究，而非多实验室基准测试。它考察的是一种简单芯片设计和标准测量。

这项涵盖 40 次测量的结果涉及四个固定频率量子比特。它不应被泛化到耦合式、纠错型处理器或新颖的多量子比特实验。这些系统涉及的相互作用会产生复杂得多的校准问题。

受监控的夜间闭环则提供了另一条有启发性的边界。它运行了 12 小时，并在一个磁通范围内完成 200 次测量。编排器改变参数并跳过失败点，而智能体监控流程，并在之后调查失败原因。

这是有用的监督，但并非不受限制的科学自主性。现有软件执行了已编程的闭环，而智能体观察其进展并处理选定的异常情况。研究人员建立了工作流，并始终可用于提供指导。

更长期的部署将面临漂移问题。可调谐量子比特的磁通偏移可能变化，相干时间可能波动，微观缺陷也可能产生新的相互作用。因此，昨天有效的流程可能会在表面相似的条件下失效。

诊断这些变化，可能需要重新审视数十步之前完成的一项校准。届时，智能体必须在较长历史中进行推理，同时区分软件错误与隐藏的物理变量。案例研究将这种能力列为未来工作。

随着自主性扩展，安全性和可靠性将愈发重要。实验室需要权限边界、自动停止条件、保留的原始数据，以及清晰的升级处理规则。模型不应在没有限制的情况下，将不确定性转化为日益广泛的硬件探索。

诚实的结论比“AI 运行量子计算机”更为有限。GPT-5.6 Sol 在真实硬件上处理了相当大一部分常规校准工作。它是在专家设计的基础设施中完成这一任务，而有噪声的证据仍暴露出影响重大的错误。

MIT 实验之后值得关注什么

下一阶段的证据必须展示在漂移硬件上的持久表现、跨实验室迁移能力，以及在耦合多量子比特工作流上的进展。

第一个信号是长期可靠性。研究人员应报告智能体能否识别漂移、使过时校准失效，并在无需提示的情况下重新检查早期测量。若能成功，将强化智能体可以管理不断演化的物理系统这一主张。

失败则会明确其能力上限。一个只能在昨天的假设仍然成立时运行的智能体，依然可用于常规工作。但它无法在不断变化的实验室条件下负责完整实验工作流。

第二个信号是独立复现。其他实验室需要使用不同的控制软件、硬件布局和操作规范，测试类似系统。相近的干预率将表明，该结果能够迁移到一个团队精心构建的基础设施之外。

复现研究应报告的不止是已完成任务。有价值的评估还应包括科学家投入的注意力、仪器耗时、失败测量、被错误接受的结果，以及恢复行为。这些指标能够区分节省的人力与单纯增加的实验活动。

第三个信号是在耦合多量子比特实验中的表现。耦合会在量子比特之间引入预期和非预期的相互作用。校准必须考虑同时操作、串扰、新控制代码以及更长的依赖链。

在这方面取得进展，将支持关于自主实验的更广泛主张。若人工纠正持续存在，则将强化当前的分工：智能体负责可重复的测量，而科学家保留对模糊和新颖决策的掌控。

读者还应关注团队如何封装实验技能。可复用、可版本控制的流程，可能成为基础模型与科学仪器之间的重要层级。它们的质量对结果的影响，或许与所选模型同样重要。

MIT 的案例已经表明，更丰富的失败描述能够提升智能体表现。这为实验室创造了反馈循环。每一次纠正过的错误，都可以成为相关技能中的新示例、警告或升级处理规则。

然而，这种方法也有局限。流程编码的是既往经验，而研究往往以既往经验无法解释的行为为目标。系统必须为不确定性保留空间，而不是强行将每项观察归入熟悉的类别。

对开发者而言，这一案例提供了一个具体的智能体架构模型。Codex 使用了受限工具、当前状态、可复用指令、记录输出以及人工升级处理机制。实验室场景较为特殊，但这种运行模式同样适用于其他高后果工作流。

对研究负责人而言，更迫切的问题是注意力如何分配。如果智能体能够在夜间监测常规测量，科学家便可投入更多时间设计实验并解读偏差。要获得这一收益，并不要求智能体在每一项单独决策上都胜过专家。

对量子研究人员而言，核心考验仍是物理层面的模糊性。清晰的图表使软件能够串联起熟悉的步骤。微弱信号、漂移和无法解释的特征，则会暴露系统究竟理解实验，还是只是在遵循其已记录的流程结构。

因此，GPT-5.6 Sol 量子实验已跨越了一个重要边界，但并未取代人类科学家。该智能体进入了实时反馈闭环，并在无需纠正干预的情况下完成了大多数已报告的固定量子比特任务。它尚不能可靠地解决每一种不确定信号。

下一个里程碑不会是一段更具戏剧性的实验室视频，而是证明智能体能够识别自身假设何时失效、安全停止，并在不同硬件上恢复运行。在此之前，最可信的部署模式仍应让专家位于闭环之上，而让智能体承担其中的常规环节。

实验室现在该怎么做？识别具有明确成功标准的重复性工作流，仅开放受限的仪器控制权限，并记录每一项决策。随后衡量智能体是否能节省专家的注意力，同时不以接受更弱的科学证据为代价。