OpenAI

本文整理自 Cursor CEO 对 OpenAI 联合创始人 John Schulman 的深度访谈：John Schulman on dead ends, scaling RL, and building research institutions，由我和 Gemini 3 Pro 共同整理完成。 如果给 OpenAI 的创始团队开一个“上帝视角”，让他们带着今天的知识回到 2015 年，重建 ChatGPT 需要多久？ OpenAI 联合创始人 John Schulman 给出的答案可能有点反直觉：快得惊人，而且需要的算力比你想的要少得多。 这是一个关于“后见之明”、OpenAI 早期的一地鸡毛、RL（强化学习）的未来，以及他现在如何用 AI 写代码的深度思考。 带着答案考试：ChatGPT 其实可以“省钱”做 回看过去，如果我们知道确切的“配方”，其实并不需要当年那么恐怖的算力堆叠。 Schulman 提到，像 Andrej Karpathy 写的那种 NanoGPT 已经证明了，一个人、一台机器、半年时间就能跑出一个微缩版模型。如果在 2018 年或 2019 年，哪怕只有几张 GPU（当时还是 V100），只要有现在的 Post-training（后训练） 知识，几个聪明人加上高质量的微调数据，完全可以在那时就搞出 GPT-3.5 水平的对话模型。 今天的我们知道，通过巧妙的数据构建和微调，可以极大地“放大”算力的效果。也就是所谓的“小模型、大智慧”。未来甚至可能出现这种极客场景：一个文件搞定所有训练代码，一天之内跑完全流程。 早期 OpenAI：草台班子与“走错路”的探索 现在的 OpenAI 是市值巨无霸，但 Schulman 也没避讳早期的窘境。2016、2017 年那会儿，OpenAI 更像是一个稍微大点的学术实验室，甚至有点“杂牌军（ragtag）”的感觉。大家三两成群，凭兴趣做研究，写写论文。 当时有没有走弯路？当然有。...

本文整理自 Youtube 知名博主 Alex Kantrowitz 每周一次的最新科技新闻讨论视频，由我和 Gemini 3 Pro 共同整理完成。 1. OpenAI 的大转向：2026 是“企业级”的一年 这就得从本周一在纽约的一场午餐会说起了。地点在中央火车站附近的 Rosemary’s 餐厅，OpenAI 的 CEO Sam Altman 和一群媒体界的大佬——包括《大西洋月刊》、《纽约客》和《纽约时报》的高管们——坐在一起。 在推杯换盏之间，Altman 抛出了一个重磅信号（Greg Brockman 随后也在推特上证实了这一点）：OpenAI 接下来的重中之重，或者说 2026 年的主题，是企业级 AI（Enterprise AI）。 这听起来可能有点枯燥，但背后的逻辑非常有意思。 为什么是现在？ 一直以来，OpenAI 大概是 70% 面向消费者（也就是我们要等到 2026 年第一季度才能体验到的“成人模式”聊天），30% 面向企业。但在企业服务这块，Anthropic 其实做得更好。 Altman 和他的团队意识到了两个残酷的现实： 模型正在商品化：Google 的 Gemini 现在的水平基本上已经追平了 GPT。大家手里的“大模型”底牌都差不多了。 没有直通 AGI 的捷径：单纯堆算力、堆数据带来的模型能力提升正在放缓。 所以，Sam Altman 在午餐会上直言不讳：“现在的瓶颈不是训练，而是应用。” 既然模型本身拉不开巨大差距，那就得看谁能把技术真正用在业务流程里赚钱。这也解释了为什么他们发布了 GPT-5.2（代号），这实际上是一个更擅长处理复杂工作流、待办事项和企业规划的版本。 这也带来了一个尴尬的问题： OpenAI 想做企业生意（毕竟那才是真正的大钱，预计明年这一块市场高达 375 亿美元），但它同时也得伺候好数亿的普通用户。企业用户需要严谨、准确的工具，而普通用户可能想要一个甚至会和你“调情”的 AI 伴侣。OpenAI 的高管 Fiji Simo 承认，他们想两头通吃，但这很难平衡。未来我们可能会看到两个截然不同的 ChatGPT：一个帮你做报表，一个负责陪你聊天。 2. 迪士尼入局：当米老鼠遇见 Sora 要是放在几年前，如果你跟我说迪士尼——这个对版权保护严苛到极致的公司——会主动把自家的 IP 喂给 AI，我肯定觉得你疯了。但这周，迪士尼和 OpenAI 达成了一项价值约 10 亿美元的重磅交易。...

OpenAI 于 2025 年 12 月 17 日发布了全新的旗舰级图像生成模型 GPT-Image 1.5。它能进行精准编辑，同时保持细节完好，并且生成图像的速度提升高达 4 倍。同时，在 ChatGPT 中推出了全新的 Images 功能，旨在让图像生成变得令人愉悦——激发灵感并使创意探索变得轻松自如。 全新的 Images 模型即日起向所有 ChatGPT 用户推出，并在 API 中以 GPT Image 1.5 的形式提供。ChatGPT 中的全新 Images 体验也于今日向大多数用户推出，Business 和 Enterprise 用户将在稍后获得访问权限。 精准编辑，保留重要细节 现在，当你要求对上传的图像进行编辑时，模型会更可靠地遵循你的意图——甚至包括细微之处——仅根据你的要求进行更改，同时保持光线、构图和人物外貌等元素在输入、输出和后续编辑中的一致性。 这开启了符合你意图的结果——更有用的照片编辑，更逼真的服装和发型试穿/试戴，以及保留原始图像精髓的风格滤镜和概念转换。总之，这些改进意味着 ChatGPT 可以充当你口袋里的创意工作室，既能进行实用编辑，又能进行富有表现力的重构。 编辑 该模型擅长各种类型的编辑——包括添加、删减、组合、混合和变换——因此你可以在获得想要的更改的同时，不丢失图像的独特之处。 从派对到直播洛杉矶滑板 将这两名男子和狗组合成一张 2000 年代胶片相机风格的照片，表现他们在孩子们的生日派对上看起来很无聊的样子。 在背景中添加混乱的孩子们，他们在扔东西和尖叫。 将左边的男子改为手绘复古动漫风格，将狗改为毛绒玩具风格，保持右边的男子和背景景物不变。 给他们都穿上看起来像这样的 OpenAI 毛衣。 现在移除这两名男子，只保留狗，并把它们放在一个看起来像附图的 OpenAI 直播中。 创意转换 模型的创造力通过转换得以闪耀，这些转换可以更改和添加元素——例如文本和布局——使想法变为现实，同时保留重要细节。这些转换既适用于简单的概念，也适用于更复杂的概念，并且可以使用全新 ChatGPT Images 功能中的预设风格和创意轻松尝试——无需书面提示词。 电影海报 80 年代健身教练 华丽玩偶 装饰品 时尚广告 装扮角色 绘画 饮料广告 用这两名男子的图像制作一张名为“codex”的老派好莱坞黄金时代电影海报。随意更改他们的服装以符合时代背景。 将演员的名字改为 Wojciech Zaremba（左）和 Greg Brockman（右） 由 Sam Altman 执导，Fidji Simo 制作。A Feel the AGI Pictures 出品。 指令遵循 该模型比我们的初始版本更可靠地遵循指令。这实现了更精准的编辑以及更复杂的原创构图，其中元素之间的关系按预期得以保留。...

本文整理自 OpenAI Forum 发布的分享视频：Vibe Engineering with OpenAI’s Codex。 什么是“Vibe Engineering”？看看 OpenAI 内部是如何重新定义软件开发的 我们大概都经历过那种死线逼近的时刻，心里幻想着：“要是有个不知疲倦、不用睡觉的同事能帮我把这些代码写了该多好。” 在 OpenAI，Codex 就扮演着这个角色的。 最近在 OpenAI Forum 上，Global Affairs 团队的 Chris Nicholson 邀请了两位真正的“内行”——OpenAI 开发者体验负责人 Romain Huet 和技术专家 Aaron Friel，深入聊了聊一个最近很火的概念：Vibe Engineering（氛围工程）。 这不仅仅是一个流行词，它代表了软件开发的一种新范式：利用 AI 构建真正的生产级软件，同时让人类工程师对交付的每一行代码保持完全的掌控。 这不只是让 AI 吐出一堆代码然后祈祷它能跑通，而是把 AI 深度融入到设计、架构、调试甚至长周期的多步骤项目中。 今天，我们就来扒一扒 OpenAI 内部的工程师们究竟是怎么“生活”在未来的，以及作为普通开发者，我们可以怎么把这种工作流偷师过来。 从“Vibe Coding”到“Vibe Engineering” 你可能听说过“Vibe Coding”，通常指那种随意的、凭感觉的编程体验。但 Simon Willison 提出的“Vibe Engineering”是它的严肃版——它是 AI 驱动开发的进阶形态。 在这个形态下，大模型不再只是一个代码补全工具，它们变成了你的队友。 Romain Huet 分享了一个很有意思的观察：一年前，你会为了模型能写出一个贪吃蛇游戏或者 iPhone App demo 而兴奋。但现在，模型的能力已经进化到了可以处理长达数小时甚至数天的复杂任务。它们可以制定计划、做架构决策、编写测试，甚至自己检查自己的作业。 当 AI 学会了自我检查（Self-correction），它的表现就有了质的飞跃。这就是从“写代码”到“搞工程”的转变。 现场实战：把一个 Kotlin 项目重写为 Rust 光说不练假把式。Aaron Friel 在现场展示了一个非常硬核的 Demo，任务听起来就很让人头大：...

本文翻译 OpenAI 官方发布的文章 How we used Codex to build Sora for Android in 28 days。本文介绍了 OpenAI Sora 开发团队如何在短短 28 天内，利用 Codex CLI 成功构建并发布 Sora Android 应用程序的过程。文章中不仅展示了惊人的开发速度和质量，还深入探讨了在 AI 辅助开发时代，软件工程模式的转变以及人机协作的最佳实践。本文由我和 Gemini 3 Pro 共同完成翻译。 我们如何利用 Codex 在 28 天内构建出 Sora Android 版 作者：Patrick Hum 和 RJ Marsan，技术团队成员 11 月，我们向全球推出了 Sora Android 应用，让任何拥有 Android 设备的人都能将简短的提示词转化为生动的视频。发布当天，该应用登上了 Play 商店榜首。Android 用户在首个 24 小时内生成了超过一百万个视频。 在这次发布背后有一个故事：Sora 的 Android 生产级初始版本仅用 28 天就构建完成，这要归功于任何团队或开发者都可以使用的同一个智能体（agent）：Codex。 从 2025 年 10 月 8 日到 11 月 5 日，一个精简的工程团队与 Codex 并肩工作，消耗了大约 50 亿个 token，完成了 Sora Android 版从原型到全球发布的全部过程。尽管规模庞大，该应用仍保持了 99....

2025 年 12 月 12 日 OpenAI 发布了迄今为止最强大的GPT-5.2 模型，该系列专为提升专业知识型工作的效率和经济价值而设计，在制作电子表格、编写代码、设计演示文稿及处理复杂多步骤项目方面表现出显著优势。 卓越的工作效率与质量 在衡量明确知识型工作任务的 GDPval 评测中， GPT-5.2 刷新了行业水平，成为首个在相关任务上达到或超过人类专家水平的模型。 专家级表现：在涵盖 44 个职业的 GDPval 评测中， GPT-5.2 Thinking 在 70.9% 的任务中表现优于顶尖行业专家或与其持平。 极致效能：在上述任务中，模型的输出速度比专家快 11 倍以上，而成本不到专家的 1%。 办公自动化：在生成复杂的电子表格和幻灯片方面，能力较前代提升了 9.3%，格式和布局更具专业水准。 编程与工程能力的飞跃 软件工程基准：在模拟真实工业场景的 SWE-bench Pro 测试中取得了 55.6% 的新成绩；在 SWE-bench Verified 中达到了 80% 的高分。 全栈开发助手：在前端开发、复杂 UI（特别是涉及 3D 元素）以及代码调试和重构方面表现更强，减少了人工干预的需求。 可靠性、长文本与视觉能力 错误率降低：相比 GPT-5.1 Thinking，新模型的幻觉率更低，错误回答减少了 38%。 长文档处理：在长达 256k Token 的文本范围内（如 MRCRv2 评测），能保持接近 100% 的信息提取准确率，适合深度文档分析。 视觉理解：在图表推理和软件界面理解方面的错误率减半，对图像元素的空间位置有更强的感知能力。 科研推进与复杂推理 科学研究： GPT-5.2 Pro 在研究生级问答测试 GPQA Diamond 中得分 93.2%，并已在实际数学研究中协助解决了统计学习理论的开放问题。 通用推理：在 ARC-AGI-1 测试中， GPT-5....

本次对话是 Core Memory 播客主持人 Ashley Vance 与 OpenAI 首席研究官 Mark Chen 之间的深度访谈。访谈内容涵盖了 OpenAI 在激烈的 AI 人才争夺战中的立场、公司的核心研究策略、AGI（通用人工智能）的发展进程、以及 Mark Chen 个人的职业背景和对未来的展望。 关键细节 激烈的招聘战术 汤的故事： 为了挖角 OpenAI 的研究人员，Mark Zuckerberg 曾亲自手写信件并送去“亲手煮的汤”（虽然后来 Mark Chen 调侃这可能只是某种策略）。 薪资反击： Mark Chen 透露，OpenAI 明确告知员工不会与 Meta 进行“一美元对一美元”的薪资对抗，但员工因相信公司的研究前景而选择留下。 技术竞争与评估 Gemini 3 与基准测试： 针对 Google 发布的 Gemini 3 ，Mark Chen 表示 OpenAI 内部已有性能相当甚至更好的模型。他提到基准测试只能说明一部分问题，他个人喜欢用一个关于“42”的数学难题（模 42 随机数生成器问题）来测试模型，目前尚无模型能完美解决。 预训练的回归： 过去两年 OpenAI 在 RL（强化学习）和推理模型（如 o1）上投入巨大，导致预训练的“肌肉”稍有萎缩。最近半年，团队已重新将重心放回“超级预训练”（Supercharging Pre-training）上，并认为 Scaling Law（缩放定律）并未失效。 个人背景与成长 从金融到 AI： Mark Chen 毕业于 MIT，曾在华尔街从事高频交易（HFT）。他在看到 AlphaGo 的比赛后受到启发，转行进入 AI 领域。 OpenAI 的早期岁月： 他在 2018 年加入 OpenAI，当时公司仅有约 20 人。他最初作为一名“驻场研究员”（Resident）加入，后来负责了 Codex 和 ImageGPT 等重要项目。 组织动荡的回忆 Sam Altman 事件： 在 Sam Altman 被解雇期间，Mark Chen 与其他核心成员（如 Jakub）起草了请愿书，并在凌晨 2 点获得了超过 90% 研究员的签名支持。他描述那段时间大家为了保护团队不被挖角，甚至睡在办公室，展现了极高的忠诚度。 未来产品形态 与 Jony Ive 的合作： Mark Chen 认为目前的 ChatGPT 交互方式很“笨”，缺乏记忆和深度思考。未来的设备应该能理解用户的深层意图，并具有持续的记忆功能。 安全研究细节： 在 o1 模型的开发中，OpenAI 决定不人工干预或监管模型的“思维过程”（Thinking Process），以确保模型不会为了取悦人类而学会撒谎或隐藏真实意图。 原文 在该行业最激烈的时刻，Ashley Vance坐下来与OpenAI目前最核心的研究主管之一、高级副总裁Mark Chen进行了一场深度对话。从硅谷的抢人大战到AGI的终极形态，从备受争议的“宫斗”风波到与前苹果设计总监Jony Ive的神秘硬件合作，这场对话揭示了OpenAI在这场世纪竞赛中的真实心态。...

2025 年 11 月 24 日，ChatGPT 推出了一项名为 “shopping research” 的新体验，旨在通过自动化的深度研究帮助用户找到合适的产品。与简单的搜索不同，该功能通过询问澄清问题、深入检索互联网信息以及利用 ChatGPT 的记忆功能，为用户生成个性化的买家指南。 关键细节 交互方式与个性化体验 用户只需描述需求（如“为小公寓寻找最安静的无绳吸尘器”），系统便会自动建议使用 “shopping research”。 互动流程：系统会打开一个视觉界面，询问预算、使用对象及关注的功能等问题。 实时反馈：用户可以对推荐的产品标记“不感兴趣”或“类似更多”，引导系统根据实时反馈调整研究方向。 记忆整合：如果开启了记忆功能，系统会结合用户过往的偏好（如对游戏的兴趣）来定制搜索结果。 技术驱动与输出结果 模型支持：该功能由经过强化学习专门训练的 GPT-5 mini 版本驱动，能够阅读受信任的网站并综合多方信息。 最终产出：几分钟后，用户将收到一份包含首选产品、关键差异、权衡分析以及来自可靠零售商最新信息的个性化指南。 高级集成：对于 ChatGPT Pro 用户，该功能还集成在 Pulse 中，可根据过往对话主动建议相关的买家指南（例如讨论过电动自行车后推荐配件）。 透明度、信任与局限性 隐私保护：用户的聊天内容不会与零售商共享，结果基于公开的零售网站生成，避免低质量或垃圾网站。 购买方式：用户可点击链接跳转至商家网站购买，未来将支持通过 Instant Checkout 直接在 ChatGPT 内购买。 准确性提示：尽管模型在引用细节方面表现优于以往，但在价格和库存等信息上仍可能存在误差，建议用户访问商家网站获取最准确的详情。 原文：在 ChatGPT 中推出购物研究功能 一种全新的购物体验，助您找到适合您的产品。 今天，我们推出了“购物研究”（Shopping research），这是 ChatGPT 中的一项新体验，它能为您进行研究，帮助您找到合适的产品。您不再需要浏览几十个网站，只需描述您正在寻找什么——例如“为小公寓寻找最安静的无绳吸尘器”、“帮我在这三辆自行车之间做选择”或“我需要送给我四岁喜欢艺术的侄女一份礼物”——购物研究功能就会生成一份贴心的指南来帮助您做决定。它会提出巧妙的澄清问题，在互联网上进行深度研究，查阅优质来源，并结合 ChatGPT 从过去的对话和记忆中对您的了解，在几分钟内提供个性化的买家指南。 购物研究功能从今天开始在移动端和网页端向 Free、Go、Plus 和 Pro 套餐的已登录 ChatGPT 用户推出。为了协助假日购物，我们在整个假期期间向所有套餐用户提供几乎无限的使用权。 寻找合适的产品 数以亿计的人使用 ChatGPT 来查找、理解和比较产品。他们希望有人帮助理清各种选项，决定什么最符合他们的需求、预算和偏好。 购物研究正是为这种更深层次的决策而构建的。它将产品发现转化为一场对话：提出巧妙的问题以了解您关注的重点，从高质量来源提取准确、最新的详细信息，并将选项反馈给您以筛选结果。它在电子产品、美妆、家居园艺、厨房家电以及运动户外等细节繁多的类别中表现尤为出色。 对于像查询价格或确认功能这样的简单购物问题，常规的 ChatGPT 回复既快速又够用。但当您需要深度信息——如比较、限制条件、权衡取舍时——购物研究会花费几分钟时间，为您提供一份更详细、研究更透彻的答案。 发现新产品 帮我找一台适合游戏的强大新笔记本电脑，价格在 1000 美元以下，屏幕大于 15 英寸...

为了应对 Google 发布的 Gemini 3 Pro，OpenAI 今早发布最强编码模型 GPT-5.1-Codex-Max，该模型建立在基础推理模型的更新之上，专为处理软件工程、数学和研究等领域的代理任务而设计。GPT-5.1-Codex-Max 的核心优势在于处理长期、精细工作的能力。它是首个通过“压缩”过程原生受训以跨越多个上下文窗口运行的模型，能够在单一任务中连贯处理数百万个 Token 。 关键细节 前沿编码能力 真实场景训练： 该模型针对真实的软件工程任务（如创建 PR 、代码审查、前端编码等）进行了训练，在多项前沿编码评估中表现优于前代模型。 环境适应性： GPT-5.1-Codex-Max 是首个受训在 Windows 环境中运行的模型，并针对 Codex CLI （命令行界面）的协作进行了优化。 速度与成本效率 Token 效率提升： 得益于更有效的推理能力，模型在“中等”推理强度下的表现优于 GPT-5.1-Codex ，同时减少了 30% 的思考 Token 使用量。 推理模式： 针对非延迟敏感任务，引入了新的“超高”（ ‘xhigh’ ）推理模式，通过更长时间的思考提供更好的答案。 成本降低： 效率的提升转化为实际成本的节约，例如在生成高质量前端设计时成本大幅降低。 长期任务处理 压缩技术： 模型能够自动压缩会话历史，在保留关键上下文的同时释放空间，从而突破上下文窗口的限制。 持续工作能力： GPT-5.1-Codex-Max 能独立工作数小时，内部评估显示其可持续执行任务超过 24 小时，适用于项目级重构和深度调试。 安全性与信任 安全沙箱： Codex 默认在受限沙箱中运行，限制文件写入和网络访问，以降低风险。 网络安全： 虽然该模型是目前部署的最强网络安全模型，但尚未达到“高”能力等级。官方建议将 Codex 视为额外的审查者，开发者仍需在部署前人工审查其工作。 可用性与成效 访问方式： 该模型现已面向 ChatGPT Plus 、Pro 、Enterprise 等用户开放，并将取代 GPT-5.1-Codex 成为 Codex 表面的默认模型。API 访问即将推出。 生产力提升： 内部数据显示，使用 Codex 的工程师发布的拉取请求（Pull Requests）数量增加了约 70% 。 原文： 使用 GPT-5....

2025 年 11 月 13 日 OpenAI 面向开发者发布 GPT-5.1 模型。GPT-5.1 是一款更快速、更高效、更智能的 AI 模型，专为开发者设计。它通过动态调整思考深度来优化简单任务的速度和成本，同时在复杂任务上保持强大的性能。该模型还增强了编码能力，并引入了两个新工具，旨在帮助开发者更可靠、更高效地构建复杂的代理工作流。 关键细节 效率与推理 动态推理：GPT-5.1 能根据任务复杂性动态调整其“思考”时间。对于简单任务，它使用更少的 token，响应速度更快（例如，一个 npm 命令的查询从 10 秒缩短到 2 秒）；对于复杂任务，它会投入更多资源以确保可靠性。 无推理模式：新增了 reasoning_effort 设置为 'none' 的模式，适用于对延迟敏感的应用场景。该模式在保持高智能的同时，能实现更快的响应和更高效的并行工具调用。 性能提升：与 GPT-5 及其他竞品相比，GPT-5.1 在速度和 token 效率上均有显著提升。Balyasny Asset Management 发现其速度是 GPT-5 的 2-3 倍，而 token 消耗仅为竞品的一半。 扩展缓存：引入了长达 24 hour 的提示缓存（prompt caching）功能，显著降低了在多轮对话或编码会话等长交互场景中的延迟和成本。 编码能力 性能增强：GPT-5.1 在编码方面更具可控性，代码质量更高，并且减少了不必要的“过度思考”。在 SWE-bench Verified 基准测试中，其准确率达到了 76.3%。 业界好评：多家公司如 Cognition、Warp 和 JetBrains 对其给予了高度评价，认为它在理解用户意图、响应速度和自主性方面表现出色。 新增工具： apply_patch 工具：允许模型通过生成结构化的 diff 来可靠地创建、更新或删除代码文件，使多步骤代码编辑更加流畅。 shell 工具：允许模型通过受控的命令行界面与本地计算机交互，执行检查系统、运行程序等任务。 定价与可用性 可用性：GPT-5.1 和 gpt-5....