“額度想重置就重置”，Codex負責人Tibo談OpenAI幕後：產品沒做好就補償、ChatGPT與Codex合併、暫停部分前沿模型RL訓練

CSDN·2026年08月27日 09:46“只要我認為時機合適，隨時都可以按下那個「重置」按鈕。” “只要我認為時機合適，隨時都可以按下那個「重置」按鈕。” “我不太關注競爭對手，我真正看重的是我們能獨特地做好什麼，我們的價值觀是什麼，以及我們如何最大限度地向這些目標加速。” “未來的模型顯然需要比單檯筆記本電腦更多的資源。” ......最近頻頻在 X 上宣佈為用戶重置 Codex 使用額度的 Tibo Sottiaux，又拋出了不少耐人尋味的觀點。

作為 OpenAI 產品負責人，Tibo 曾在 Google DeepMind 工作，如今則負責 OpenAI 核心產品，親歷了從早期語言模型到 ChatGPT、Codex 等產品不斷演進的過程。更有意思的是，他口中的那個“重置按鈕”，甚至真的被做成了一枚實體按鈕——在他看來，只要產品體驗出了問題，或者用戶值得獲得一些補償，他就可以直接按下去。

時下，他在接受科技博主 Matthew Berman 的最新一期訪談，罕見地聊起了不少 OpenAI 產品和模型研發背後的故事：從 ChatGPT 與 Codex 為什麼最終走向合併，到未來 AI Agent 會變成什麼樣；再到為什麼 Sam Altman 曾叫停部分前沿模型的強化學習（RL）訓練，Tibo 幾乎把 OpenAI 如何做產品、做模型以及分配資源的思考，都擺到了檯面上。而這些看似分散的話題背後，其實都指向一個更大的問題：當 AI 能力以越來越快的速度向前發展，OpenAI 究竟該如何判斷什麼值得做、什麼值得投入，又該如何在不斷變化的技術浪潮中找到自己的位置？

這場訪談裡，Tibo 給出了他的答案。完整採訪：https://www.youtube.com/watch?v=4qjEgPojjzM 01 DeepMind 早有 ChatGPT 級產品，只是不敢發 Matthew Berman：Tibo，非常感謝你接受我的採訪。Tibo：當然，很高興來到這裡。Matthew Berman：我想先從你在 Google 的那段經歷聊起。當時你在 DeepMind 團隊。其實在 ChatGPT 出現之前，Google 內部就已經有一個叫 LMChat 的項目。

你曾在推特上提到，Google 當時太過謹慎，不敢把它發佈出來，甚至還禁止 DeepMind 發佈任何可能顛覆 Google 核心業務的產品。那麼，如今回憶起來，當時你在開發這些領先於時代的產品時，心裡究竟在想些什麼？Tibo：那確實是一個非常令人興奮的時期。DeepMind 是一個極具創造力的地方。當時，我主要負責基礎設施以及加速研究相關的產品。團隊裡還有一個專門研究語言模型及其規模化的小組，而且已經取得了非常出色的成果。於是，一個很自然的想法就出現了：能不能把這些成果做成一個可以對話、能夠應用於各種場景的工具？LMChat 就是在這樣的背景下誕生的。

當時，我們內部確實有過將它進一步做成公開產品的想法。Matthew Berman：那是在哪一年？Tibo：大約是在 ChatGPT 發佈前一年。除了 LMChat 之外，我們當時還在開發各種各樣的東西。雖然現在不方便具體透露，但可以說，那裡的創意密度非常高。不過，當時的 DeepMind 並不是一個以發佈產品為主要目標的機構。相比之下，OpenAI 完全是另一種氛圍。在 OpenAI，研究團隊和產品團隊之間的協作非常緊密，我們會一起設計很多東西。我們有非常強烈的“發佈傾向”，希望儘快把技術真正交到用戶手中，讓更多人從中受益。

這也是吸引我加入 OpenAI 的核心原因：使命感、人才密度，以及對產品化的極致追求。Matthew Berman：在開發 LMChat 的時候，你就意識到它會成為如此特別的東西嗎？Tibo：當時確實感覺很特別。那是我們第一次意識到，模型可以生成如此連貫且有用的文本。起初它更多是顯得有趣（Funny），但逐漸地，它變得越來越有用（Helpful）。Matthew Berman：你提到你經常思考這段經歷。在很多方面，Google 確實絆倒了自己。你從 Google 帶到 OpenAI 的最重要教訓是什麼？Tibo：我經常會從團隊文化以及 OpenAI 整體文化的角度來思考這個問題。

OpenAI 有一種自下而上、充分授權的文化。大家可以提出各種各樣的想法，迅速聚在一起展開合作，然後非常快地把產品做出來、發佈出去。對於新產品的想法，這裡幾乎沒有什麼阻力。這種氛圍非常令人振奮，而對我來說，保護好這種文化至關重要。另一方面，我們也非常強調簡潔和一致性，不希望產品最終變成功能的雜亂堆砌。我們對產品質量一直很自豪。比如 ChatGPT 的 iOS 應用，我認為它是目前市面上最好的 App 之一。我們在“用戶愉悅感”、性能、效率和簡潔性上投入了大量精力。也就是說，在充分賦予每個人嘗試新事物的空間的同時，也要始終守住這些核心原則。

Matthew Berman：如果你要給一些創業者關於如何培養這種文化的建議，有哪些具體的要素或者 OpenAI 內部的某些做法可以提供參考？Tibo：首先，要有信念。其次，要找到一種方式，讓用戶參與進來，並根據他們的反饋快速迭代。最後，還要敢於自我顛覆。對於 OpenAI 這樣的公司來說，這一點尤其重要。我們不斷會有新的研究成果和創意出現，你必須能夠判斷，什麼時候應該把資源投入這些新方向，即使這意味著要從現有的核心業務中重新分配資源。這很難，但能做到這一點至關重要。Matthew Berman：這正是你描述的 Google 沒能做到的地方。

Tibo：公平地說，Google 也有一個宏大的計劃，但對我個人而言，那裡不是最合適的地方。Matthew Berman：隨著公司逐漸成熟，尤其是有了一個像“搖錢樹”一樣持續盈利的產品後，保持這種發佈傾向和自我顛覆的意願是否會變得更加困難？Tibo：我們是一傢俱有前瞻性的公司。AI 會走向哪裡、未來會是什麼樣，以及人類如何從中受益，這些宏大的問題不會停下來等著我們消化過去幾個月取得的成果。我認為，積極參與其中非常重要。同時，也要保持敏銳，睜大眼睛看清這一切正在朝什麼方向發展。只有這樣，你才能知道自己該如何定位，才能真正抓住那一波浪潮。

即使在 OpenAI 內部，我們也經常在訓練完模型後才發現它的新能力。基準測試並不能告訴你一切。我們需要大量把玩模型，才能意識到：“噢，我們以前沒想過它能這樣造福人類”，或者“它居然能做到這個”。這會改變我們對產品的思考。比如我們最近推出的新版 ChatGPT 語音功能，對話感覺非常自然，而且它現在具備了工具調用能力。這徹底改變了我的使用習慣。我現在花更多時間直接與它交談或進行聽寫，因為它的效率比打字高得多。早晨我會拿著手機，對 ChatGPT 交代幾件事，它就能直接訪問我的工具並完成任務。在擁有如此強大的語音模型之前，這是無法想象的。

02 筆記本撐不起下一代模型，算力瓶頸已經顯現 Matthew Berman：讓我們繼續討論新模型。你幾周前發推說，Codex（OpenAI 的代碼模型）在兩三個月內就會顯得過時，下一代模型需要的資源將遠超一臺筆記本電腦。隨著模型能力的提升，Harness 的哪些方面仍有創新空間？Tibo：太多了。目前的資深用戶在使用 Codex 或其他 Coding Agent 時，其實已經習慣了一些“笨拙感”。比如你必須手動管理 skill files（技能文件），這雖然是教導 AI 的一種方式，但很多人已經意識到，隨著時間的推移，這種方式很難維護。記憶力也是個問題，它並不總能記住所有事情。

如果你使用子代理（sub-agents），你就必須操心這些子代理並構建一個小網絡。當你與之交互時，那種“智能”的幻覺會在多個環節破滅。而你真正想要的，是一個能深度理解你、理解你的目標、理解你的日常工作，甚至理解你的團隊動態的工具。它應該能以最優的方式做出反應，同時具備前瞻性，在日常工作中協助你且不打破那種完美的協作感。這就是我們正在努力的方向。另外，你會發現性能強大的模型會讓筆記本電腦本身成為瓶頸。筆記本電腦是為人類設計的，它處理工作的能力大致匹配人類的產出：你的打字速度、思考速度、需要同時打開的應用數量。這些都是人類的侷限，但模型沒有這些限制。

未來的模型或許能同時完美處理 100 個應用程序。就資源獲取而言，未來的模型顯然需要比單檯筆記本電腦更多的資源。Matthew Berman：我猜你指的是雲端代理。當我們談論像 UltraFast 這樣、Token 速度比現在的“快速”還要快 10 到 14 倍的技術時，帶寬限制就發生了變化。現在 CPU 成了帶寬瓶頸，工具調用、網絡請求以及堆棧中的任何開銷都成了限制因素。Tibo：沒錯。網絡請求、工具調用，協議棧中的任何開銷都會變成限制因素。但你可以通過併發來補償：模型可以一邊探索問題，一邊寫測試用例，同時進行編譯和驗證假設。這種高度併發的處理能力會徹底改變我們對產品的認知。

Matthew Berman：在目前的 Token 速度下，我發現自己會並行啟動 10 到 15 個 Agent。但這對我來說產生了相當大的認知負擔，因為我需要不斷切換上下文，等待 30 到 45 分鐘任務才返回。有了 UltraFast 的速度，工作流將發生巨大變化。我可能不需要同時開 15 個 Agent，也許一次只開 3 到 4 個。你認為個人開發者的工作流會如何隨時間演變？Tibo：管理並對用戶保持“友好”，是我們非常關心的。畢竟我們是在為人類開發工具，試圖打造能賦予人類最強能力的個人技術。

這需要圍繞你的多任務處理能力、你管理注意力的方式，以及你希望現在還是 30 分鐘後收到反饋來構建。當 UltraFast 的速度與語音結合時，AI 的運行速度可以與你持平甚至更快。你能保持在“心流”狀態中，實時進行構思、查看原型、生成報告。這種體驗非常好。一旦習慣了這種流暢感，你就不會想回到過去那種同時開啟 10 個 Agent 並反覆切換的狀態。我們正努力帶來這種極其自然、且感覺是為你量身定製的體驗——不是讓你去適應技術，而是讓技術適應你。Matthew Berman：過去幾個月討論了很多代理編碼技術，比如 Loops 和 Graphs。這些技術是否都是為了讓個人開發者能更輕鬆地管理？

Tibo：我將這些問題分為兩類。第一類是構建最好的“個人 AGI”或個人 Agent。它能與你保持同步，具有前瞻性，能提出重要的新想法，並極其高效地執行你的指令。無論它是解決技術問題、做研究還是提供建議，它都是高度定製化的，深植於對你這個獨特個體的理解。第二類是完全的自動化。即構建能處理複雜流程的智能系統。例如，自動查看生產日誌並進行性能優化，或者觀察迴歸測試並自動修復。在網絡安全領域，我們也能看到這種應用：掃描器發現漏洞後，系統自動修復，將風險窗口縮短到接近零。這一切都無需人類干預，或者只需人類審批高風險操作。在這些自動化系統中，你是否擁有直接控制權並不那麼重要。

03 ChatGPT 和 Codex 為什麼合併？Matthew Berman：ChatGPT 和 Codex 在過去幾個月裡一直處於合併的過程中。我想先問問，這個進展如何？內部感覺如何？你從客戶那裡得到了什麼反饋？Tibo：這確實是一件非常有意義的事情。最初我們收到的反饋是：“為什麼要把它們合併？真的有必要這麼做嗎？”答案是肯定的，我們未來的模型需要它們被合併。所以我們最終還是這麼做了，因為這是最簡單、也是正確的選擇。我們正在打造一個高度個性化、功能非常強大的智能體，它可以通過各種方式幫助你。底層採用的是相同的技術、相同的架構，以及我們對它一貫的思考方式。

它具備高度多模態能力，以語音為優先，同時非常高效。無論你是不是在編程，這個智能體都能夠勝任各種任務，並以最高效的方式完成。至於你所需要的界面，它應該根據你的需求進行調整，而不是預先假定“我是程序員，所以我需要程序員界面”，或者“我不懂技術，所以我需要非技術界面”。人本身就是多種多樣的。我們發明了“軟件工程師”“設計師”等各種標籤，只是因為現實過於複雜，人類需要藉助這些概念來理解和處理它。但歸根結底，每個人都是獨特的個體，在這個光譜上的位置也各不相同。所以，我們希望打造一個能夠真正適應每個人的界面。無論你是否懂技術，它都會根據你的具體需求和個性進行調整。這就是我們決定這麼做的原因。

Matthew Berman：這是否意味著最終它會變成一個單一的界面？不再有在產品之間切換的下拉菜單？想到我媽媽可能會和我使用完全相同的界面，這確實挺神奇的。當然，它會根據我的需求進行定製，如果我正在做更復雜的工作，我可能需要更多信息。但對你來說，最終的狀態是什麼樣的？Tibo：沒錯，就是同一種東西。你和你媽媽將使用相同的東西，它將是你的個人 AGI。你們會有截然不同的任務和用途。你會把它連接到生活中不同的工具，帶來不同的想法和需求，然後它會不斷地自我調整，以最大限度地造福你。它對你的朋友和每個人也都會這樣做。Matthew Berman：我想回到你剛才說的一點。你幾次提到了“幻覺”這個詞。

在那個最終狀態下，對於典型用戶來說，完美的交互體驗是什麼樣的？如果你能展望幾年後，AI 與人類之間的互動會是什麼樣？Tibo：對我來說，它應該是一種非常貼近人類的技術。這也是大語言模型（LLM）能夠取得成功的原因之一：它使用的是自然語言。而自然語言本身就是人類創造出來的，我們已經習慣了通過交談來溝通。比如，如果你明天給我寫一封信，我完全可以讀懂它。我們彼此足夠熟悉的話，我甚至能夠從信中感受到一些情緒和微妙之處。這些都是非常具有人性的東西。所以，我們正在構建的技術，也應該根植於人性，根植於人類溝通和完成任務的方式。

不應該再出現這樣的情況：“你誤解了我，因為你沒有完全理解我的語氣，也沒有真正理解我文字背後的意思。”這正是我們希望避免的。我們真正想做的，是讓人去適應技術，而不是讓技術要求人去適應它。技術應該成為人類在這個世界上溝通、行動和完成任務方式的一種自然延伸。Matthew Berman：當我想到人與人之間的交流時，很大一部分是非語言的——比如我移動雙手的姿勢、面部表情。你認為在未來，AI 能通過視覺感知或讀取多少這類信息？這是否重要？因為你現在描述的是純文本。對於我們這些在網絡環境下長大的人來說，我們非常習慣通過文本交流，並在文本中加入微妙的語調來傳達真實意圖。

但讓 AI 能夠讀取我們的面部表情、手勢等等，是否依然重要？Tibo：我認為這是非常重要的。當我思考我們正在構建的未來時，我希望它是一種環境化、非常自然的體驗。比如，稍後我回到辦公室，在白板上寫下了一些東西，突然有了一個想法，AI 也應該能夠出現在那裡，理解我在做什麼。或者，我可以直接對它說：“嘿，你覺得這個怎麼樣？”然後，我們就可以通過語音進行自然的交流。自從我們發佈新的 ChatGPT 語音模式以來，它的使用量確實出現了爆發式增長，通過語音與 ChatGPT 互動的用戶數量增長得非常快。這裡面有一個很重要的啟示：當你提供一種更自然的交互方式時，人類總會選擇阻力最小的那條路。

正如你所說，在一個小框裡打字，對有些人來說可能很自然，但並不是所有人都這樣。當有一種更簡單、更好的方式擺在面前時，人們往往會自然而然地選擇它。04 “我不怎麼看競爭對手，我真正看重我們能做成什麼” Matthew Berman：首先恭喜你們。我看到你今天早上發佈的消息，Codex 的用戶達到了 2000 萬。我看過那個增長圖表，有一段時間是平穩的，然後突然變成了垂直增長。所以，恭喜。我想談談與 Anthropic 的競爭，因為很多人認為 OpenAI 和 Anthropic 是行業內目前兩個主要的競爭對手。曾有一段時間 Anthropic 似乎搶走了所有的風頭，但突然之間情況發生了變化。

你對現在的市場有什麼看法？Tibo：現在我們專注於構建最強大的模型，構建高效的模型，並以能為每個人提供產品而自豪。我認為 OpenAI 做得非常好的一點是關心這個世界，關心我們如何將這種非常強大的技術交到儘可能多的人手中。這就是我們合併 Codex 和 ChatGPT 的初衷——這種願望。我們擁有這項技術，我們可以讓它更安全，讓它更容易被每個人使用，無論你是產品經理、設計師、銷售、市場還是公關，你都應該能夠使用所有這些功能。然後我們通過已經擁有大量用戶的 ChatGPT 快速分發。這確實推動了你提到的這種增長。

我不怎麼看競爭對手，我真正看重的是我們能獨特地做好什麼，我們的價值觀是什麼，以及我們如何最大限度地向這些目標加速。Matthew Berman：我想再深入探討一下，因為我知道你不太考慮 Anthropic，但其他很多人都在考慮。他們在思考該相信哪個產品，該把錢花在哪個產品上。當你觀察 OpenAI 的市場地位、品牌和語氣，以及它與開發者和更廣泛受眾互動的方式時，你認為這與 Anthropic 的方式相比如何？Tibo：我非常在意的是構建社區，為世界而構建，帶著大家一起前進。你可以從我們對事物的透明度中感受到這一點。我們從社區中吸取了很多想法。說實話，這非常有意思，因為我們從中獲得了巨大的能量。

我們構建這項技術不僅僅是為了我們自己，也不僅僅是為了加速 OpenAI。使命非常重要，這也是我們能量的來源。對我來說，這感覺非常接地氣、很有趣，並因此產生了好的結果。05 “我隨時可以按下重置按鈕，不用層層審批” Matthew Berman：讓我們談談其中一些好的結果。我想談談“重置”。似乎每個人都在因為這個關注你的每一條推文。具體來說，再次觀察 Codex 的增長曲線，這些“重置”在多大程度上促進了市場營銷和增長？還是說這僅僅是對開發者社區的一種善意？Tibo：這可能有點反直覺，但 OpenAI 是一個可以真正放手去做事情的地方。

所以在最初的產品迭代中，如果我們不小心把什麼東西弄壞了，或者因為配置有誤導致用戶體驗不如預期，那麼給用戶一些補償是很自然的選擇。我們會告訴用戶：“感謝你願意嘗試這些產品。我們知道現在還處於早期階段，我們也在努力把它做好。如果因為我們的失誤導致服務中斷了 30 分鐘，我們會額外給你一些使用額度作為補償。我們知道這對你很重要，你可能依賴這項服務，也感謝你成為我們的用戶。” 這就是這件事最初的由來，也是我現在一直堅持的做法。如果我們把產品弄壞了，或者用戶體驗不佳，而我們又還沒有完全弄清楚問題出在哪裡，那麼我們就應該進行補償，比如重置使用限制。

後來，這件事逐漸變得越來越重要，現在甚至已經有了一個專門的“重置”按鈕。但這背後並沒有太多複雜的審批流程，也不需要和市場部或財務部協調。只要我認為時機合適，隨時都可以按下那個按鈕。這就是我們一直堅持的原則：我們努力去打造令人驚歎的產品；如果沒有做到，就應該想辦法彌補。Matthew Berman：我依然覺得這種做法在社區中建立了很多好感，在某種程度上促進了增長。Tibo：關心用戶確實能起到很大作用。你可以只在口頭上說你關心，也可以像我們這樣通過實際行動證明：我們真的在意，如果我們弄壞了它，真的很抱歉，這是我們的彌補方式。

Matthew Berman：這有點像亞馬遜的退貨政策：如果你有任何不滿意，儘管退貨。你也在 OpenAI 建立了一種類似的文化認知：如果我們犯了錯，請繼續使用這些 Token。Tibo：此外，還有一些我們想要慶祝和紀念的好時刻。有時候並沒有比給用戶更多額度更具意義的禮物了。我們會一直推出新功能，並儘可能廣泛地發佈。為了與整個社區分享，我們會說：“去探索這個新功能吧，你還沒試過 Ultra，這裡有一些額外的額度，去試試吧。” 06 模型正在優化模型，已經進入遞歸自我提升階段 Matthew Berman：不過，只有在完成了大量的算力容量規劃後，你才能進行這些大規模的重置。

你必須有足夠的算力來支持這些重置。我想談談自我改進。說到容量，幾周前你發佈了一篇文章，提到 Sol 優化了 Luna 的效率。你將 Luna 的價格降低了 80%，Terra 的價格也有所下降。Luna 的效率提升有多少是算法帶來的，又有多少是因為出色的算力容量規劃使得利潤空間足夠大，從而可以降價來吸引用戶？Tibo：我們提前規劃了算力。如果你回看兩年前，OpenAI 曾因為在算力上投入如此之大而受到質疑。現在我們很高興擁有它。很大一部分算力用於研究，我們投資於未來和更好的模型，以及我們現有模型的效率。

令人驚奇的是，當我們突破最先進模型的性能邊界時，我們可以利用這些模型非常快速地找出如何服務、重構或重新設計我們的架構棧，從而獲得顯著的效率或性能提升。我們不僅提高了成本效率（我們也會發布相關內容），還提高了速度效率。除了 Ultra 模式之外，其他東西的速度都在不斷提升。如果你把數據畫成圖表，現在的速度比三個月前快了大約 60%。我們正在審查架構棧的每一部分，確保針對我們的工作負載進行優化設計。我們擁有的最強大的模型，讓我們的一支小團隊能夠實現這些目標。每當我們獲得顯著的效率提升和成本優化時，我們的承諾就是保持性能成本的最佳平衡，而不是私藏這些效率增益，而是與我們的客戶和用戶分享。

這就是我們對 Luna 所做的。Matthew Berman：你們內部是如何討論計算資源分配的？在研究新模型、提升現有模型的效率以及推理成本之間，你們是如何權衡這種張力的？Tibo：我們通常從第一性原則出發來看待問題。我們有專門分配給研究的資源，也有分配給產品的資源。在產品內部，我們會做出不同類型的權衡。但這一次幾乎談不上是權衡，因為效率提升是實實在在的。我們能夠使用相同的計算包絡來支撐顯著增加的吞吐量。Matthew Berman：幾個月前，在價格下調的公告之前，我看到一篇博客文章提到一個模型在訓練下一個模型，或者在幫助優化下一個模型。

然後我們看到了僅僅通過觀察 Luna 的運行方式就實現的效率提升。這在我看來，像是處於早期階段的遞歸自我提升。你對此有什麼看法？這就是正在發生的事情嗎？Tibo：遞歸自我提升現在確實是一個巨大的話題。它最常被應用於研究領域，即模型開發其他模型。但我們現在看到巨大成功的，是利用這些模型來開發處於使用這些模型的關鍵路徑上的基礎設施。這也是一種遞歸自我提升的形式。無論是推理棧、硬件優化，還是我們使用的 CUDA Kernel，甚至是開發與這些模型交互的新產品和新方式，都在追求更高效。你提到了雲端 Agent，如果我們真的攻克了雲端 Agent，生產力會突然大幅提升。這是否也是一種遞歸自我提升？

因為你擁有了更好的能力從模型中獲取效用。我認為從某種意義上說是的，但它更多體現在基礎設施上，然後再將其反饋給模型本身。我們當然在做這些事情，如果不這樣做，那就太愚蠢了。07 OpenAI 為何會暫停前沿 RL 訓練？Matthew Berman：既然聊到了遞歸自我提升，Sam Altman 曾提到過暫時擱置絕對前沿的強化學習（RL）研究。你能聊聊這個決定嗎？當時的情況是怎樣的？我知道我們簡短討論過 Hugging Face 事件，但那個決定背後的討論過程是怎樣的？Tibo：這屬於研究範疇。OpenAI 總是能夠將資源投入到最重要的地方。

隨著模型能力的增強，對齊（Alignment）和安全性顯然變得愈發重要，因此在這裡投入巨大資源對 OpenAI 來說是很自然的事情，也是我們堅定承諾的方向。這次暫停是為了讓團隊和個人能夠真正理解並加固系統的所有部分，以確保我們能在完全掌控的情況下重新開始訓練。我相信 OpenAI 在必要時會一直這樣做。在內部決策方面，我們能夠非常高效地做出這類決定。Matthew Berman：是否有一個預設的目標，明確要求在取消暫停之前必須達到某個特定點？還是說“我們看到目標達成時自然會知道”？Tibo：這是由安全團隊負責的。這很大程度上是一個隨著進展不斷討論和發現的過程。

但他們確實達成了一套非常明確的原則，一旦達到這些原則，我們就處於一個良好的位置。Matthew Berman：讓我們回到“極速模式”（Ultra Fast Mode）。我覺得人們還沒意識到這種速度能釋放出什麼樣的潛力。你們內部有哪些在使用極速模式、但在之前低速情況下無法實現的用例？Tibo：我們發現當風險很高時，極速模式被大量使用。例如當發生故障時，事故指揮官和響應團隊會獲得極速模式的使用權限，因為每一秒都很關鍵。高風險場景確實值得使用極速模式。另外有趣的是，那些正在處理關鍵任務或認為自己正在處理關鍵任務的團隊，也總是要求使用極速模式。

比如有人在構思一個新想法，他們覺得這可能很特別，但必須在週一決定是否將其納入開發者大會（DevDay），這時極速模式就派上用場了。人們對工作方式有不同的偏好，是喜歡單線程處理還是喜歡多任務並行。對於喜歡多任務的人來說，極速模式的收益可能沒那麼明顯；但有些人不喜歡頻繁切換上下文，他們希望保持專注和心流，對他們來說極速模式體驗極佳。Matthew Berman：你在這兩者之間屬於哪一類？Tibo：我有 ADHD（多動症），所以我一直在切換上下文。Matthew Berman：這很有趣，因為我也有 ADHD，但我其實不想頻繁切換上下文，那對我來說很難。

我更願意專注於兩三件事，這也是為什麼極速模式讓我興奮。Tibo：我在切換上下文和做大量細微決策中感到如魚得水。但有時我也想專注於一件事，那時極速模式就太棒了，它能讓你保持在心流中。極速模式在工具調用（Tool Calls）較少或生成內容較多的場景下表現極其出色。例如如果你在原型化一個網站或視頻遊戲，需要編寫大量代碼，它的速度會提升 10 倍。但如果涉及大量工具調用，開銷在網絡或其他 Agent 軌跡中，你可能只會感受到 3 到 4 倍的速度提升，而無法感受到完整的 14 倍。Matthew Berman：我知道 OpenAI 的員工有無限量的 Token。

如果換做是我，我肯定會一直開著最強的思維模型（比如 5.6 Sol）和極速模式。在內部是這樣的嗎？Tibo：我們不會給每個人都開放極速模式，我們會為外部用戶和客戶保留大量容量。OpenAI 的員工有能力消耗掉所有的資源——所有的生產環境 GPU 和極速模式額度。但我們不會這樣做，我們會進行限制，以確保我們在理解產品並持續改進的同時，將絕大部分資源留給客戶。Matthew Berman：除了 OpenAI 內部，你最看好哪些由這種速度解鎖的對延遲敏感的外部用例？Tibo：我對非文本交互非常感興趣。比如在共享畫布上操作，創作東西，生成不同的創意或圖像，然後選擇一個，像“選擇你自己的冒險”一樣。

通過語音或文本實時引導原型設計並迅速看到結果。這種極具創意的過程正是這些速度所允許的。作為工程師，有時你需要坐下來設計整個系統，考慮權衡和需求；但也許現在你可以在一分鐘內創建它，看看它的實際效果，更沉浸在心流中，更直觀地感知事物。Matthew Berman：我假設極速模式的價格會比正常速度高很多。你認為極速模式會成為未來的標準，還是會一直保持溢價？Tibo：我認為它會遵循技術發展的普遍規律，隨著時間的推移變得越來越普及。Agent 完成任務的速度會持續提升，我們每個月都能看到巨大的進步。這不僅是推理速度，還包括模型的 Token 效率。

Sol 模型比 Terra 模型高效得多，下一個模型也會比 Sol 更高效。隨著推理和硬件的持續創新，也許在一兩年內，這種速度即使不成為默認標準，也會非常接近默認標準。但屆時，你可能又會有更高一級的需求，可以用更多的硬件和成本去換取額外的性能。08 低成本大模型會普惠所有人 Matthew Berman：最後一個問題是針對大眾讀者的。現在很多人對 AI 感到焦慮，無論是擔心工作自動化、環境影響，還是這種新事物帶來的陌生感。你會給這些聽眾什麼樣的鼓勵？Tibo：我們通過 ChatGPT 真正為世界構建工具。我