Gergely Orosz用多篇個人採訪材料測試新模型寫作能力，包括Fable和GPT-5.6，結果均以失敗告終
模型輸出大量文字但缺乏深度理解，生成“詞語沙拉”，無法捕捉其專業風格和主題洞察。
Orosz認爲這顯示當前SOTA模型在專家領域“思考”能力仍遠未達標，儘管被宣傳爲擅長寫作。
來源：公開信息
ABAB AI 解讀
Gergely Orosz作爲Pragmatic Engineer創始人，曾長期通過博客和採訪輸出高質量技術內容，此前多次公開測試AI在編程和寫作上的侷限，類似2023-2025年間對GPT系列的迭代批評。
AI公司通過更大參數和訓練數據推進模型，但實際輸出仍停留在模式匹配層面，未能實現對專家隱性知識和風格的真正捕捉，資源投入主要用於規模擴張而非架構突破。
這一現象類似早期自動寫作工具在新聞領域的表現，或AlphaGo後圍棋AI仍需人類直覺補充，當前生成式AI處於從統計預測向可靠認知代理轉型的早期瓶頸階段。
本質屬於技術替代：現有範式在創意和專家寫作上替代人類失敗，因爲“理解”需真實世界模型和反饋循環，而當前訓練數據與專家內隱知識存在結構性鴻溝，導致輸出看似流暢實則空洞。
ABAB News · 認知定律
詞語堆砌易，真實理解難；規模不等於智能。
專家一眼識破，AI仍停留在模仿表面。
思考不是生成，而是判斷對錯；人類優勢在於此。