一开始，只是一个很小的问题。
“Tibo到底星期几休息？”
在OpenAI负责Codex、ChatGPT相关工作的Tibo，经常发布模型上线、重置和新功能的信息。久而久之，用户这边很容易形成一种奇怪的“民间气象学”。
Tibo发帖 → 今天可能有事发生。 Tibo安静 → 他休息？ → 那重置是不是也不来了？
模型还没开始跑，人已经先在推理另一个人的排班表。
接着，话题从“Tibo休不休息”一路钻进了行为心理学、多巴胺、生成式AI生产率、路线图压缩，最后抵达无限工作。
这篇文章就是事故记录。
1. “Tibo休息，重置也休息”目前仍然只是猜想
2026年9月5日，Tibo在发布Astra上线和banked reset相关信息后，对团队写下了 “See you next week for some more ships.”[2][3]
放在一周工作结束的语境里，这很自然地像一句“本周收工，下周继续”。
但公开信息最多只能支持一个温和结论：团队似乎进入了周末模式。
我们无法据此确认：
- Tibo本人正式休息日是哪天；
- 每一次重置是否都需要Tibo亲手操作；
- Tibo不发帖时，重置流程是否也停止。
所以虽然很想画出：
Tibo不在 → 重置操作员不在 → 文明终结
这样一条漂亮因果链，但目前这张图漂亮得有点过头。
“下周见”可以证明有人准备收工。不能证明Tibo一个人守着一颗巨大的红色RESET按钮。
2. 可人还是会不停地看：“到了吗？”
真正有意思的是用户侧。
重置什么时候来可能并不确定。有时会公告，有时banked reset突然到账。一旦额度回来，强模型马上又能开工。
于是检查循环启动：
看X。没有。 看额度。没有。 几小时后再看。没有。 再看一次。回来了。过年。
如果每天上午9点整固定重置，9点01分看一次就完事。
可一旦时间不可预测，脑子里就会住进一个小巡逻员：
“现在会不会来了？”
本文郑重把它命名为Tibo抽卡。
3. 与其说是巴甫洛夫的狗，不如说更像“变动时距强化”
很容易想到“这不就是巴甫洛夫的狗吗？”其实并不完全一样。
经典条件作用讨论的是一个刺激逐渐能够预告另一个刺激，并引发学习到的反应。这里真正的问题却是：为什么反复检查这个行为会持续？
更接近的是操作性条件作用里的部分强化，也叫间歇强化。尤其是变动时距强化（variable-interval schedule）：强化会在不可预测的时间间隔之后出现。[6]
OpenStax心理学教材给出的典型例子几乎精准命中：查看社交媒体。[6]
很像。
但必须补一句：你看X十次，并不会让重置概率提高十倍。重置是外部事件，查看只是发现它。
因此这并不是说“OpenAI在实验室里用变动时距强化训练用户”。
更准确的说法是：从用户视角看，不规则出现的奖励环境，很容易形成类似变动时距的反复检查习惯。
4. 突然重置为什么格外爽：奖励预测误差
再往下一层，就是神经科学。
奖励预测误差（reward prediction error）简单说就是预计得到的奖励与实际得到的奖励之间的差。Wolfram Schultz的综述指出，许多中脑多巴胺神经元在奖励好于预期时表现出正预测误差，完全符合预期时接近基线，而差于预期时出现负预测误差。[7]
于是：
“今天大概不会来了。”
↓
突然重置。
↓
比预期好。
这种事件作为学习信号会非常显眼。
但直接跳到“你这是多巴胺成瘾”就太粗糙了。
奖励预测误差是基本学习机制，不是给查看重置额度的人诊断成瘾的工具。如果所有行为都用“多巴胺爽了一下”解释，神经科学很快就会退化成酒桌理论。
稳妥的说法是：不可预测的好消息，比完全按时出现的好消息带来更大的预测惊讶。
5. 然后人类得出结论：“把Tibo的无限电脑给我”
盯额度盯烦了以后，人类会提出一个非常理性的解决方案：
“直接让我用Tibo的电脑。无限量。”
下面这台终端100%虚构：
C:\Users\Tibo> codex
Usage remaining: ∞%
banked reset: yes
rate limit: employee privilege
Astra: unrestricted
GPU: 公司的
产品名：Codex Pro Tibo Edition。
规则也很简单：
每周上限：直到Tibo生气。
现实当然没这么慈善。OpenAI Help Center说明，Astra会消耗相应套餐里的Work/Codex额度，而且根据任务、输入输出长度、推理设置等因素，Astra可能比GPT-5.6 Sol更快消耗额度。[5]
于是两句话可以同时为真：
“这么强，我想多用。” “越强，表可能越快融化。”
想要虚构的Tibo Edition，不需要高级心理学，算术已经够了。
6. 然后Astra把“六个月”搬了过来
这里开始真正离谱。
Tibo说，在Astra尚未广泛提供时，它可能是团队很大的竞争优势；有了Astra后生产率大幅提升，结果是部分计划被提前大约六个月，从原本次年年中左右改到DevDay发布。[1]
这已经不是“自动补全快了一点”。
OpenAI自己也把Astra描述为面向复杂端到端工作的模型，覆盖编码、研究、电脑操作和专业工作流。[4][9]
OpenAI公布的评估中，Astra在OSWorld 2.0延迟模拟里每项任务用时比GPT-5.6 Sol少约47%，同时得分更高；配合更新后的Codex harness，在Mind2Web上的任务完成速度达到1.9倍。[4]
用户的自然反应只有一句：
“实验够充分了。交出来。”
Astra听起来已经不像模型名，更像路线图拆迁队。
7. 但“提前六个月”不等于“删掉六个月的人类劳动”
这个边界必须守住。
路线图提前六个月，并不等于AI替代了整整六个月的人类工时。
开发路线里除了写代码，还有研究、原型、评审、依赖、等待、返工、测试、决策。
强AI可能通过这些方式压缩路径：
- 从研究到实现连成一个工作流；
- 更快比较多个原型；
- 并行处理人类原本要等待的准备工作；
- 更早发现返工；
- 把“下个月才验证”的东西今天就开始验证。
这样缩短的可能是整个关键路径。
Tibo的帖子没有公开哪个步骤缩短了多少天，所以不能把“六个月”直接换算成人月。
能确认的核心只有一点：按照他的描述，原本待在未来的工作被拉到了现在附近。[1]
2027年的工作：“还没叫我啊。”
Astra：“今天来。”
2027年的工作：“啊？”
8. 生产率提高，有时带来的不是休息，而是更多工作
到这里，“无限工作”就不只是段子了。
2026年，UC Berkeley Haas研究人员介绍了一项进行中的研究：他们对美国一家约200人的科技公司观察了八个月。随着生成式AI扩散，员工工作更快、承担更广的任务范围，而且工作延伸到一天中更长的时间段。[8]
值得注意的是，这家公司并没有强制使用AI。研究者认为，AI让更多任务显得“我也能做”，于是员工主动扩张了工作边界。[8]
这只是一个公司的案例，不能当成所有企业的宇宙定律。
但机制很好懂：
原本6小时的任务 → AI 40分钟搞定
人：“赚到5小时20分！”
组织：“太棒了。这里还有八件。”
人：“休息这个功能下架了吗？”
AI可以缩短任务。它不会自动生成‘节省时间必须兑换成休息’的组织权限。
9. 这就是“无限工作”的真身
生产率提升至少可以花在三个地方：
- 同样结果更快完成，增加余量；
- 同样时间提高质量；
- 同样时间增加产量。
技术决定能做多少。新增能力分配到哪里，由人和组织决定。
在成长型组织里，想法、改进、客户需求、研究问题可能几乎没有尽头。
吞吐量翻倍，不保证待办清单减半。
反而可能是：以前因为太远、太贵而不值得开始的工作，现在突然变成了新待办。
Astra上线
→ 工作做完
→ 半年后的工作靠近
→ 又做完
→ 更远的工作出现
如果这是游戏，只是视距变远了。换到公司，效果是地平线上的任务图标也全部加载出来了。
10. 结论：可能结束的不是工作，而是路线图
我们最初只是在问：“Tibo周末休息吗？”
然后一路变成：
Tibo安静
→ 没重置？
→ 反复检查
→ 像变动时距强化
→ 突然重置产生更大预测误差
→ 给我无限电脑
→ Astra强得离谱
→ 计划提前六个月
→ 未来工作填进节省的时间
→ 无限工作
最后剩下两个要点。
第一，人工盯着不规则重置真的很耗精神。既然事件发生在外部，能自动通知就别让人类终身转职成额度表保安。
第二，AI生产率不会自动兑换成休闲。如果不明确决定把收益分给休息、质量、速度还是产量，新能力就会继续召唤新任务。
Astra不是反派。强工具确实会把未来拉近。
真正危险的是旁边的人说：
“咦，这个今天也能做吧？”
然后未来的工作开始在门口排队。
工作未必会结束。路线图可能先结束。
