Gergely Orosz用多篇个人采访材料测试新模型写作能力，包括Fable和GPT-5.6，结果均以失败告终
模型输出大量文字但缺乏深度理解，生成“词语沙拉”，无法捕捉其专业风格和主题洞察。
Orosz认为这显示当前SOTA模型在专家领域“思考”能力仍远未达标，尽管被宣传为擅长写作。
来源：公开信息
ABAB AI 解读
Gergely Orosz作为Pragmatic Engineer创始人，曾长期通过博客和采访输出高质量技术内容，此前多次公开测试AI在编程和写作上的局限，类似2023-2025年间对GPT系列的迭代批评。
AI公司通过更大参数和训练数据推进模型，但实际输出仍停留在模式匹配层面，未能实现对专家隐性知识和风格的真正捕捉，资源投入主要用于规模扩张而非架构突破。
这一现象类似早期自动写作工具在新闻领域的表现，或AlphaGo后围棋AI仍需人类直觉补充，当前生成式AI处于从统计预测向可靠认知代理转型的早期瓶颈阶段。
本质属于技术替代：现有范式在创意和专家写作上替代人类失败，因为“理解”需真实世界模型和反馈循环，而当前训练数据与专家内隐知识存在结构性鸿沟，导致输出看似流畅实则空洞。
ABAB News · 认知定律
词语堆砌易，真实理解难；规模不等于智能。
专家一眼识破，AI仍停留在模仿表面。
思考不是生成，而是判断对错；人类优势在于此。