跳转至

Three Years from GPT-3 to Gemini 3

Ch01.219 Three Years from GPT-3 to Gemini 3

📊 Level ⭐⭐ | 16.5KB | entities/three-years-from-gpt-3-to-gemini-3.md

Three Years from GPT-3 to Gemini 3

Source: One Useful Thing (Ethan Mollick, Substack), 2025-11-18 URL: https://www.oneusefulthing.org/p/three-years-from-gpt-3-to-gemini

→ 原文存档

摘要

Ethan Mollick 通过让 Gemini 3 复刻自己三年前 GPT-3 时代的"糖果驱动 FTL 飞船"演示，展示了 AI 三年来的跨越式进步：从"能写诗描述引擎"进化为"能编码、设计界面、让你真正驾驶飞船"。核心论断是："编写代码的能力不仅是编程，而是能做计算机上发生的任何事"——这使任何能编码的 Agent 变成通用工具。Gemini 3 配合的 Antigravity 工具引入 Inbox 概念，让人从"通过聊天界面提示 AI"演化为"管理数字同事"。

核心要点

  • 三年跨越式进步：2022 年 ChatGPT 发布时 AI 能写连贯段落；2025 年 Gemini 3 能编码引擎、设计界面、让你实际驾驶飞船。
  • "编写代码的能力不仅是编程"：所有在计算机上做的事情最终都是代码——构建仪表板、操作网站、创建 PowerPoint、读取文件。这使任何能编码的 Agent 变成通用工具。
  • Antigravity 的 Inbox 概念：可以给 AI Agent 分配任务、需要权限或帮助时它们会 ping 你——人从"通过聊天界面提示 AI"演化为"管理数字同事"。
  • PhD 级智能测试：Mollick 给 Gemini 3 真实的研究任务——分析十年前的众筹研究数据、提出原创假设、做统计分析、生成期刊风格的论文——AI 自动设计了原创衡量方法（用 NLP 工具比较众筹项目描述的独特性），最终输出 14 页格式化论文。
  • "PhD 智能"的边界：在某些方面是的——能做有能力的 PhD 学生工作；但也有 PhD 学生的弱点——有些统计方法需要改进、有些方法不够最优、有些理论化超出证据。
  • 从 chatbox 到 digital coworker：三年内 AI 从"会写诗"进化为"能建立自己研究环境的数字同事"，chatbot 时代正在变成数字同事时代。
  • Human-in-the-loop 的演变：从"修复 AI 错误的人"变成"指导 AI 工作的人"——这可能是自 ChatGPT 发布以来最大的变化。

深度分析

1. "能编码 = 通用工具"的核心论断

本文最深刻的判断是：编写代码的能力不仅是编程，而是能做计算机上发生的任何事——所有在计算机上做的事情最终都是代码，如果 AI 能与代码协作，它能做任何计算机能做的事：构建仪表板、操作网站、创建 PowerPoint、读取文件。

这一论断的工程含义：

  1. Agent 能力的基础设施视角：Agent 能力的边界不是由"特定任务的专门模型"决定，而是由"它能与多少计算资源交互"决定。
  2. 通用工具与专用工具的分野：能编码的 Agent 是通用工具，不能编码的 Agent 是专用工具。
  3. 编程语言作为 Agent 的元能力：编程语言不只是给程序员用的，而是 Agent 系统能力的元层级。

这与 Code as Agent Harness Survey 中关于"代码即 Agent Harness"的论述形成强对应——编程能力是 Agent 系统能力的"乘数因子"，而不是"附属技能"。

2. Antigravity Inbox：从 Chatbox 到 Coworker 的产品形态

Google 配套 Gemini 3 推出的 Antigravity 工具引入 Inbox 概念——可以给 AI Agent 分配任务，需要权限或帮助时它们会 ping 你。

Inbox 范式的革命性：

  • 去对话化：用户不再是"在聊天界面输入 prompt"，而是"在收件箱里分配任务"
  • 异步化：Agent 不需要实时响应，可以独立工作数小时
  • 多 Agent 并行：可以同时管理多个 Agent，识别"哪个在工作、哪个需要你的帮助"
  • 权限模型：Agent 自主工作时，遇到关键决策点会 ping 用户等待授权

Mollick 截图展示的工作场景："同时有四个不同 Agent 在工作，一个在工作，另一个需要你的帮助才能继续"——这与 Factory Mission 中 Orchestrator 协调多 Worker 的模式有异曲同工之妙，但 Inbox 把"协调者"角色直接交给了用户。

3. "管理数字同事"的人机协作模式

Mollick 描述的真实工作流：

  1. 给 Antigravity 访问包含所有 newsletter 文章的目录
  2. 让 Gemini 3"制作一个我所有 AI 预测的漂亮列表站点，也做网络搜索看哪些预测对哪些错"
  3. AI 读取所有文件、执行代码，直到给出计划
  4. 用户可以编辑或批准计划
  5. AI 执行网页研究、创建站点、接管浏览器确认站点工作
  6. 用户审查结果，提出改进建议
  7. AI 打包结果供部署

关键观察："不像传统的 AI 问题；更像管理一个队友。"

Mollick 的总结："我感觉自己掌控着 AI 正在做的选择，因为 AI 检查了，它的工作是可见的。"

与 Harness Engineering Core Patterns 的对照：harness engineering 的核心是"控制面应当外置给人类"——Antigravity 的 Inbox 模式正是这一原则的产品化实现。

4. PhD 级智能的真实测试

Mollick 给 Gemini 3 一个"二年级 PhD 学生"级别任务 —— 用十年前的众筹研究数据写一篇原创学术论文。

测试过程的关键节点：

  • 数据清洗挑战：目录里是杂乱无章的文件（project_final_seriously_this_time_done.xls）和过时格式数据。AI 自行恢复损坏数据、弄清环境复杂性。
  • 原创性挑战：用户不给任何研究提示——AI 必须自己判断"什么是值得研究的题目"。
  • 方法论挑战：AI 自行设计了原创的衡量方法——用 NLP 工具比较众筹项目描述的独特性，自己写代码、自己执行、自己检查结果。
  • 最终输出：14 页格式化论文。

Mollick 的平衡评估：

"它是 PhD 智能吗？某些方面是的，如果把 PhD 智能定义为做研究型大学中一个有能力的 PhD 学生的工作。但它也有 PhD 学生的弱点——想法很好，执行也很好，但有些统计方法需要更多工作、有些方法不够最优、有些理论化超出证据。我们已经从幻觉和错误转移到更微妙的、常常类似人类的关切。有趣的是，当我给学生式宽泛指导时（'确保覆盖众筹研究更多以建立方法论等'），它大幅改善——所以也许更多指导就是 Gemini 所需的。我们还没到那里，但'PhD 智能'已不再那么遥远。"

核心判断：错误从"AI 特有的问题"（幻觉、失败）转为"人类研究员也有的问题"（判断、方法论选择、理论化超出证据）。

5. Human-in-the-Loop 的演变：从"修复者"到"指导者"

Mollick 的关键洞察：

"Human in the loop 正在从'修复 AI 错误的人'演变为'指导 AI 工作的人'——这可能是自 ChatGPT 发布以来最大的变化。"

这一演变的工程含义：

阶段 角色定义 主要活动
Chatbot 时代 提示者 实时对话、调试 prompt、修复错误
Agent 早期 监督者 监控输出、调整参数、避免偏离
数字同事时代 指导者 定义目标、设定边界、审查结果、提供方法论指导

对团队建设的启示：当 AI 能做更多"执行类"工作（编码、研究、数据清洗），人类团队的核心价值应当转向： - 目标定义能力：清晰表达"想要什么"而非"如何做" - 方法论判断：识别 AI 工作的"哪种思路是对的" - 质量审查能力：在结果中识别"类似人类的错误"而非"AI 特有的错误" - 指导能力：用学生式宽泛指导提升 AI 表现

6. Chatbox → Digital Coworker：产品形态的范式转移

Mollick 给整篇文章的总结：

"三年前，我们对机器能写关于水獭的诗印象深刻。不到 1000 天后，我在与一个建立自己研究环境的 Agent 争论统计方法论。chatbot 时代正在变成数字同事时代。"

这一判断与 Karpathy Vibe Coding 到 Agentic Engineering 形成跨作者印证——两篇文章都指向同一个结论：AI 工具的产品形态正在从"对话窗口"迁移到"工作流伙伴"。

7. 与 OpenAI Codex 演进的方向对照

Mollick 明确把 Antigravity 与 Claude Code、OpenAI Codex 并列——三大 Agent 编程工具共同验证了"通用 Agent + 代码执行"的产品范式。这与 GPT-5.4 Codex 的进展 中关于 OpenAI Codex 演进方向的论述形成跨厂商印证。

实践启示

1. 重新理解 Agent 编程工具的能力边界

不要把 Agent 编程工具定位为"程序员的辅助工具"——它们是通用 Agent：

  • 能读取文件、操作网站、构建仪表板、创建 PowerPoint
  • 对非程序员：可作为"个人数字化助手"
  • 对程序员：是"数字同事"而非"代码补全器"

重新评估你的 Agent 工具选型和应用场景。

2. 采用 Inbox 范式设计 Agent 交互界面

如果你的产品或工作流涉及多 Agent 协作，考虑采用 Inbox 范式：

  • 任务分配：用户/协调者把任务"发到" Agent 的收件箱
  • 异步处理：Agent 自主工作数小时，不需要实时响应
  • 权限审批：Agent 遇到关键决策点 ping 人类
  • 状态可视化：用户能一眼看出"哪个 Agent 在工作、哪个等待审批、哪个已完成"

3. 训练"指导者"而非"提示者"的能力

Human-in-the-loop 的角色在演变，团队需要相应升级：

  • 从"修复 AI 错误"到"指导 AI 工作"——这需要不同的技能组合
  • 培养方法论判断力：识别 AI 工作的"哪种思路是对的"
  • 练习宽泛指导：用学生式指导而非详细指令
  • 构建审查框架：在"类似人类的错误"中识别质量问题

4. 评估 AI 智能时关注"类人错误"而非"AI 错误"

传统的 AI 评估关注"是否产生幻觉"——但随着 Agent 智能提升，错误模式转为：

  • 统计方法选择不当
  • 理论化超出证据
  • 方法不够最优
  • 价值判断偏差

这些是 PhD 学生也有的问题。评估 AI 时应当转向更细致的"质量审查"框架，而非简单的"对错判断"。

5. Gemini 3 与 Antigravity 的能力组合值得学习

  • 强推理 + 工具组合：Gemini 3 推理 + Antigravity 工具 = 真实工作空间
  • Inbox 交互模式：从 chatbox 范式转向 inbox 范式
  • 数字同事定位：让用户从"提示 AI"转为"管理 AI"

6. PhD 智能的临近意味着知识工作重构

当 AI 接近 PhD 级智能时，知识工作的分工将重构：

  • 执行类工作（编码、研究、数据清洗）：AI 主导
  • 判断类工作（方法论选择、价值评估、批判性审查）：人类主导
  • 创意类工作（原创问题提出、跨领域联想）：协同

提前规划团队的能力升级路径。

7. Agent 工具选型应关注"工作流整合度"

不要只比较模型的 benchmark，更要看：

  • 真实工作空间的接入能力（文件、终端、Git、CI、PR）
  • 异步工作能力（Inbox 模式、长任务管理）
  • 权限模型（关键决策点的审批流程）
  • 多 Agent 协调能力（同时管理多个 Agent）

相关实体