GPT-6.1 能做什么？我在10个真实任务上测试了它

模型发布往往聚焦于规格参数和精心打磨的演示。更有价值的问题是，模型能否完成人们在现实世界中反复遇到的工作。

本评测涵盖十种实用任务类型，均使用GPT-6.1 Sol完成。评估聚焦于五个问题：模型是否理解目标？是否遵循约束条件？是否生成可验证的结果？是否揭示不确定性？还剩多少人工修正工作量？

这是一篇基于编辑和任务的评测，而非实验室基准测试。提示词、工具权限、推理力度和输入质量都会影响结果。因此，本文不会在没有可供读者审计的原始日志的情况下，提供延迟、令牌使用量或胜率数据。

任务1：将模糊请求转化为执行计划

输入内容类似于一个常见的职场请求：“为一个新功能制定发布计划，涵盖内容、支持、分析和风险。”

GPT-6.1 Sol 在要求将请求转化为负责人、依赖项、验收标准和回滚条件时最为有用——而不仅仅是更长的检查清单。加入业务目标、发布日期和不可协商的约束条件后，生成的计划更易于执行。

主要风险在于无声的空白填补。要求模型区分已知事实、假设和未解决的问题，以免一个看似合理的猜测变成意外的决策。

任务2：在长文档中查找矛盾之处

该测试结合了产品文档、常见问题解答、合同条款和支持文案，然后要求模型识别相互冲突的术语、定价、承诺和流程。

GPT-6.1 Sol 的百万级 token 上下文可以容纳大型文档集。但关键指令是引用每一条发现。笼统的摘要难以审计；而包含文件名、章节和简短证据摘录的矛盾对照表则要有用得多。

任务 3：修复跨多个文件的 Bug

目标并非从零生成一个玩具应用，而是从一个可重现的失败出发：识别原因，做出最小合理的修改，运行相关测试，并解释剩余风险。

GPT-6.1 Sol 支持托管 shell、代码解释器和补丁工具，使其能够从“这是你可以更改的内容”推进到已实现并经过测试的修改。成功仍然取决于完整的环境、有意义的测试和明确的授权。没有相关测试的绿色结果并不能证明正确性。

任务4：分析电子表格并解释异常

模型接收了订单、渠道和退款数据，并被要求识别异常变化、计算其影响，并列出缺失的信息。

最强的流程是让模型陈述计算计划，用代码执行它，然后用业务语言解释结果。让语言模型目测表格容易引发算术错误；用代码进行计算、用模型进行解释，使结果更容易验证。

任务5：从公开来源撰写研究简报

任务要求进行网络研究、得出结论、考虑反证，并评估来源质量。

GPT-6.1 Sol 支持网络搜索，但搜索访问不能替代来源规范。提示应优先使用一手来源，并要求在每个实质性主张旁附上链接。时效性较强的事实还需注明检索日期。常见的错误并非捏造来源，而是将真实来源的适用范围过度延伸。

任务 6：通过截图诊断 UI 问题

模型收到了一张显示布局缺陷的截图以及相关的前端代码。它被要求描述可见的症状，提出可能的原因，并排列确认这些原因所需的检查顺序。

图像输入有助于将视觉证据与代码上下文联系起来。它可以缩小搜索范围，但截图本身无法确认DOM、CSS层叠或运行时状态。高质量的答案会提出多个假设，并为每个假设提供测试方法，而不是以虚假的确定性断言单一原因。

任务7：将采访记录转化为可发布的草稿

输入包含重复、不完整的句子和非正式演讲。指示要求保留受访者的意思，区分直接引用和编辑性释义，并标记需要验证的声明。

GPT-6.1 Sol 在重组和压缩方面很有用。关键的限制是不能“改进”受访者，使其说出他们没有说过的话。发表时仍需核对音频、姓名、数字以及任何高风险的事实性陈述。

任务 8：将故事段落转换为镜头计划

源文段包含人物、地点、可见动作和情感转折。所要求的输出涵盖了镜头目的、取景、人物状态、道具、连续性要求以及预期的结束画面。

该模型能快速生成结构化的初稿，但创意价值取决于每个镜头是否服务于戏剧要点。“拍得电影感”是模糊的指令。更有效的约束应明确每个镜头必须揭示的内容，并避免添加无叙事信息的冗余拍摄。

此输出可接入 ElserStudio 的故事到镜头工作流：将角色、地点和道具视为可复用资产，然后逐镜头生成、审查和编辑。模型提出方案；导演仍掌控节奏、表演和选择。

任务9：检查故事连贯性

模型接收了角色简介、前章摘要和新章节。它被要求检查角色知识、时间线、服装、道具以及未解决的承诺。

长上下文使这项工作更容易，但结果取决于源材料的权威性。将已批准的事实与已废弃的草稿混在一起，会让人不清楚哪个版本更胜一筹。一个独立的故事世界圣经比每次提示都重新构建正典更可靠。

任务10：为不同受众改写一个来源

同一技术说明被转换为高管摘要、客户帮助内容和开发者迁移指南。

GPT-6.1 Sol 可以区分这些受众，但每个版本都需要一个行动目标。高管需要决策和风险。客户需要完成步骤。开发者需要接口变更、兼容性说明和故障处理。“让它更专业”不是足够的指示。

十项任务得出的三个结论

首先，GPT-6.1 Sol 在结合源阅读、工具使用、执行和可验证的交付成果时最具价值。其优势并不仅限于一次性散文生成。

其次，当提示词类似于真实工作指令时——包含目标、输入、约束条件、允许使用的工具、输出格式和验收标准——性能会得到提升。

第三，模型并不会免除人的责任。代码需要测试。研究需要原始资料审查。采访需要音频核对。故事和图片仍然需要创作判断。

可复用的任务模板

仅输出翻译：
目标：必须交付什么？
输入：哪些材料是权威的？
约束条件：哪些内容不得更改或推断？
工具：模型是否可以搜索、运行代码或编辑文件？
输出：需要什么格式和证据？
验收：如何判断完成情况？
失败处理：不确定性应触发提问、停止还是提供替代方案？

底线

GPT-6.1 Sol 能够执行有限范围内的专业工作，而不仅仅是生成一段看似合理的文字。要将这种能力转化为生产力，需要输入标准、受控的工具访问、验收检查以及人工审核。

对于故事和视频团队，Elser AI 可以支持故事和视觉探索，而 ElserStudio 可以组织故事分解、可复用资产、镜头生成、审阅和编辑。在任一工作流程中，AI 输出应保持可追溯、可编辑和可拒绝。