Codex开始离开代码仓库，直接碰到真实实验设备。9月8日公布的一项MIT Engineering Quantum Systems Group案例显示，研究生Beatriz Yankelevich把GPT-5.6 Sol通过Codex接入实验软件，让Agent在一块未校准的六量子比特芯片上选择测量参数、操作硬件、分析信号，再决定继续细化还是保存结果。信号清晰时，标准校准序列只需很少人工介入；噪声变大时，专家仍必须接管。

量子芯片的瓶颈，往往是上千次前置测量

超导量子比特要在接近绝对零度的稀释制冷机里工作。芯片完成制造、封装和冷却后，研究人员通过微波脉冲控制它，再读取返回信号。正式做算法之前，必须先找出每个量子比特的共振频率、脉冲幅度、读出条件和相干时间。

这些测量相互依赖：前一步结果决定下一步扫频范围或脉冲参数，而且芯片状态会漂移。一个标准芯片可能要研究者花数天表征，完整实验准备则涉及数百到数千次前置测量。工作高度软件化、步骤明确又需要自适应，正好适合检验Agent能否形成观察、判断、执行和复核闭环。

不是把聊天框接上仪器，而是给每一步写Skill

Yankelevich没有让模型自由探索全部设备，而是为不同测量编写专门Skill，说明如何运行实验、怎样判断结果，并提供芯片设计目标。Agent据此选参数、调用控制软件、分析数据和迭代。清晰信号下，它能识别跃迁频率，完成控制与读出脉冲校准，并测出量子信息保持时间。

这套结构更像实验室FDE：专家把隐性经验拆成可执行规则，模型负责重复搜索和代码调整。稳定步骤可以放长时间运行，研究者只在关键节点检查；新实验则被切成更窄的目标，让Agent写、改、测控制与分析代码，而不是一次接管整台设备。

研究组现在会让多个Agent分别处理测量、理论和芯片设计任务。好处不只是节省某一步时间，而是把等待和夜间窗口变成有效产出。不过公开案例没有给出完整任务数、失败率、总token成本或对照实验，因此还不能计算普遍ROI。

如果要做可比评估，基线不应只是“人需要几天、Agent只跑几小时”。还要把制冷机占用、无效扫描、专家复核、失败后重跑和模型调用成本算进同一任务账本。实验室真正购买的是更高的有效设备利用率，而不是更长的自动运行时长。

噪声一上来，物理世界就暴露模型边界

当信号弱或噪声大时，Agent寻找合适参数更慢，有时需要资深研究者指导。原因并不只是“模型不够聪明”：设备漂移、接线、制冷状态和材料缺陷都可能产生相似异常，正确判断依赖实验上下文与排故经验。一个看起来合理的拟合，也可能掩盖硬件问题。

因此，实验Agent不能只看最终曲线。生产化需要设置参数范围、最大扫描时间、设备状态联锁、异常停止条件和人工审批，并记录每次模型版本、Skill版本、输入数据和操作序列。遇到弱信号时应自动降级为只读分析或请求专家，而不是无限扩大搜索。

小编判断：实验自动化的价值在于把经验写成边界

这项案例比“AI发现新物理”更现实：Agent先接管定义清楚、可重复、低风险的校准，把科学家的时间还给实验设计和结果解释。真正可复制的资产不是一段提示词，而是测量Skill、参数安全区、错误分类和人工接管规则。

其他实验室若要跟进，最合适的顺序是离线数据复算、仿真、只读观测、受限参数扫描，再到长时间自动运行；指标应包括一次完成率、人工介入率、设备占用时间、错误恢复和每个有效结果的成本。能通宵工作只是起点，能在信号不清楚时知道停下来，才是实验Agent进入生产的关键，也是设备安全与科研可信度的底线，更决定这种方法能否被其他实验室复用。