一萬個廚師同時開火四十八小時，那桌菜到底能不能上

2026年10月14日，OpenAI 發布了一則案例：Third Moment Research 團隊同時運行一萬個 AI 代理，研究工作階段長達三十六到四十八小時。共同創辦人 Adam Khakhar 在報導中說，GPT-6.1 Sol 能在數天的運算期間維持連貫的研究脈絡，不會偏離方向。

這數字乍看很嚇人，就像聽說有人辦了一場一萬個廚師同時開火的辦桌，爐火整整燒了一天半沒停。但如果你辦過桌、或只是在年夜飯那天掌過廚，就知道爐火沒停是一回事，菜能不能上、上桌時是不是熟的、鹹淡對不對，是另一回事。

爐火燒了多久，跟菜好不好，是兩本帳

來源裡有一個很清醒的提醒：一萬是同時運作的代理數量，三十六到四十八小時是工作階段長度，這兩個數字都沒有告訴你單一任務的成功率。

這就像阿嬤那句老話：「瓦斯開了一整晚，不代表湯煮好了。」工作階段裡可能包含等待、工具回應、代理之間的交接、人工檢視。廚房裡也是這樣：燉鍋在爐上兩小時，其中有多少時間是真正在滾，多少時間只是保溫，掀開鍋蓋才知道。

何況還有一種失敗最常見：湯其實早就煮好了，但沒人去試味道。

長任務為什麼會走味

來源引了幾個讓長任務中途出問題的原因：狀態累積、工具失敗、任務偏移、重試循環。翻成廚房語言，每個都似曾相識。

狀態累積，就是備料越備越多。切好的薑絲、醃到一半的肉、調好的醬汁，每多一樣，出錯的機會就多一分。讀錯版本、漏記已做事項，就像把還沒退冰的那塊肉下鍋，後面整道菜都跟著歪。

上下文整理的代價更微妙。為了省空間把食譜抄成摘要，抄的時候漏掉了「不能放鹽，因為等等要加蔭油」這一行，於是代理還在認真炒菜，卻忘了最初的限制。菜是熟的，但味道已經不是客人點的那道。

重試也是。自動重試能救回暫時的失敗，也可能讓同樣的錯反覆燒掉瓦斯。這跟食譜上的時間其實很有學問是同一件事：時間與次數本身不保證結果，每一步的火候才算數。

驗收一道菜，看的從來是最後那一口

來源給的驗收清單很樸實：完成率、錯誤恢復、人工介入、執行軌跡與總成本。翻到餐桌上，就是試菜的人會問的那幾句。

完成了多少：十道菜上了幾道，上桌的裡頭有幾道是真的能喫的。錯了怎麼辦：鹹了能不能補救，還是只能倒掉重來。人工介入：廚師到底有幾次被叫進來救火。執行軌跡：從備料到出菜每一步有沒有留下紀錄，事後才知道鹹味是在哪一步跑掉的。總成本：這桌菜的瓦斯、食材、時間，算下來值不值。

來源特別強調，單次成功只能說明那一次。就像某天炒出一盤完美的炒飯，不代表明天照樣炒得出來；要固定同一批食材、同一個爐，重複幾次，把成功、部分完成、失敗、需要人接手的比例分開記。辦桌老師傅試菜，從來不只試一口就簽名。

回到你家的爐臺

這則 AI 新聞離你的廚房其實不遠。下次燉一鍋需要好幾小時的湯，與其盯著時鐘，不如學來源那套做法：把過程拆成幾個可驗收的階段，聞香是一次檢查，撈浮沫是一次檢查，試鹹淡又是一次。每個階段前的狀態心裡有數，出了問題才知道是哪一步走味，而不是憑最後那碗湯瞎猜。

一萬個代理跑四十八小時，是新聞；你那鍋湯在第三個小時拐了個彎，是生活。兩件事用的，其實是同一套火候的分寸。