GPT-6 刚出来的时候，我对它期待很高，觉得它至少能和 Claude Opus 5 比一比。用了一段时间，它确实没让我失望，尤其是前端。让它做界面，它能做出完成度很高、也挺好看的东西。单说写 Web UI，我甚至觉得它比 Opus 5 还强一点。
所以今天我放心地把一个大任务交给了它。
这个任务其实是三件事揉在一起：帮我给几个账号写申诉，写一个 Mac 原生 App，再把整个项目的文件夹结构整理一遍。三件事方向完全不一样，也不像“实现某个功能”那样有明确的完成标准。
一开始我让它和其他 Agent 协作，发现它在这方面很别扭，配合不起来。后来改成让 GPT-6 自己拆任务、派 Sub Agent 去做。它前后跑了差不多四个小时，结果一团糟。最离谱的是 App 那部分，它从头到尾都没弄明白我到底想要什么。
这里我得承认，我自己也有问题。这个需求我脑子里本来就没完全想清楚，交代的时候也没有一步步讲明白。
但正因为这样，这次经历才让我看清了一件事。我从 GPT-4 开始就用 GPT 写代码，一直隐约有这种感觉，这次算是彻底确认了：GPT 很擅长执行一件边界清楚的事，但不擅长陪你把一件模糊的事想清楚。 需求明确、有 roadmap 的时候，它做得又快又好；需求模糊的时候，它不会停下来追问，也不会中途发现自己跑偏了，而是在错误的理解上一路做下去，做很久，最后交出一个完全不是你要的东西。
说到底，问题出在自我审查和自我纠错上。一个长任务能不能做好，靠的不是某一步写得多漂亮，而是跑偏时能不能自己发现、自己拉回来。这一点 GPT 目前还做得很差。
至于“慢”，我觉得主要是 Codex 这个软件的设计问题，模型本身响应其实不慢，这个以后单独写。
所以现在我对 Codex 的用法变了：边界清楚的活，比如写一个页面、实现一个功能，我照样放心交给它；但长期的、还没规划清楚的任务，我已经不敢交给它了。