henry 发自 凹非寺
量子位 | 公众号 QbitAI

“只要哥想重置，哥随时都可以重置”

刚刚，赛博义父、AKA Codex重制额度的神，Tibo在最新一期与Matthew Berman播客节目中自信表示道～

而且最骚的是，为了重置，Tibo已经专门搞了一个实体按钮。

作为现在Codex的负责人，除了介绍怎么给大伙发福利，Tibo在这期播客节目中，更仔细回顾了自己之前的谷歌生涯，并透露了自己和OpenAI现阶段的一些重要工作。

可以说，这是外界少见的一次深入了解这位OpenAI新晋产品负责人的机会。

从OpenAI 产品文化、下一代Agent、GPT究极极速模式（Ultra Fast）再到未来人机交互、OpenAI停止开发前沿模型训练，RSI，几乎是应包尽包，无所不谈……

Tibo的核心观点如下：

ChatGPT和Codex最终会走向融合。 未来不会有“编程Agent”和“聊天助手”两个产品，而应该是同一个高度个人化的AGI，根据不同人的任务、能力和习惯自动调整界面。下一代Agent的核心，不是再加更多Skill、Memory或子Agent，而是让这些机制“消失”。 用户真正想要的是一个持续理解自己、目标、日常和团队上下文的伙伴，而不是不断管理skill文件、记忆和Agent网络。笔记本电脑会成为AI Agent的新瓶颈，下一代Agent天然会走向云端和更大规模的计算资源。今天同时跑10～15个Agent，是在用并发弥补模型慢；Ultra Fast一旦把响应压到接近人类思考速度，工作流会重新回到实时交互和“心流”，而不是不停切换上下文。不看重竞争。OpenAI对Anthropic的差异化叙事，不是单纯“模型更强”，而是“把最强能力交给尽可能多人”。OpenAI强调广泛分发、社区参与和降低使用门槛，这也是Codex并入ChatGPT的重要原因。OpenAI已经在实际使用“递归式自我改进”。 不只是让模型研究模型，更包括让最强模型优化CUDA内核、推理栈和基础设施，形成“更强模型→更高效率→更多算力→更强模型”的飞轮。

（Tibo全名Thibault Sottiaux，来自比利时，本科就读于鲁汶天主教大学（UCLouvain），学习应用数学。2015年，他加入Google，最初参与Google Maps相关工作，随后进入Google DeepMind，负责AI研究基础设施建设，并参与支撑包括AlphaGo在内的前沿 AI 项目。2024年，他加入OpenAI，开始负责Codex项目。随着AI Coding浪潮爆发，Codex迅速成为OpenAI增长最快的产品之一，Tibo也因此进入开发者社区视野。由于他经常亲自回复用户反馈，帮开发者重置Codex使用额度，被网友尊为“赛博义父”。）

以下是对话全文，经整理：

Google与DeepMind的经验

主持人：太好了，我真的很期待和你聊聊。我想先从你在Google的经历聊起。你当时在DeepMind团队。在ChatGPT出现之前，Google有一个叫作LM Chat的东西。

你曾发帖说，Google太紧张了，不敢发布它；DeepMind也被阻止推出可能冲击Google的产品。我经常想到这件事。当时你在做这些产品，而那是在ChatGPT真正改变世界之前很久，你那时是怎么想的？

Tibo：那是一段非常令人兴奋的时期。DeepMind是一个很有创造力的地方。

我个人的专长是为加速研究而建设基础设施和产品。当时有一个团队在做语言模型，以及它们的scaling。

后来他们已经取得了相当不错的结果，所以就很自然地想到：能不能把它变成一个可以与你对话、并能用于各种事情的产品？

于是，像LM Chat这样的想法自然就出现了。它起初是内部项目，之后大家产生了把它做成面向公众开放工具的愿景。

主持人：那是哪一年？

Tibo：大约是在ChatGPT出现前一年。

Tibo：此外我们还在做各种其他项目，我就不展开说了。那确实是个非常有创造力的地方。只是DeepMind并不是一个被设计来交付产品的组织；

相比之下，OpenAI在这方面非常不同。我们现在的研究与产品团队协作得极其紧密。

我们一起构思，一起共同设计很多东西。我们非常倾向于把产品推出去，也非常倾向于让人们能够用上它们。我很喜欢这一点。这也是吸引我来到这里的原因：使命、人才，以及人才密度。OpenAI有太多很棒的地方了。

主持人：你当时参与LM Chat时，是否已经知道它很特别，或者将来会变得很特别？

Tibo：确实感觉非常特别。那种模型让你第一次意识到：它能够生成连贯的文字，而且能提供一些帮助。一开始，它只是好玩，后面才逐渐变得越来越有用。

主持人：你说你经常想起那件事，我很能理解。我觉得Google在很多方面是自己绊住了自己。你从那里学到了哪些经验，并把它们带到了OpenAI？

Tibo：是的，这就是我常常思考它的原因。我会从团队文化以及OpenAI整体文化的角度去想：哪些好的部分要保留，哪些事不该做。

OpenAI的文化非常自下而上，也非常赋能。人们可以提出各种想法，聚在一起，然后非常快地推出东西。对于新产品创意，整体上几乎没有什么阻力。这很令人振奋，也很有趣；一切都是为了积极地影响世界。保留这一点对我来说非常重要。

另一件同样重要的事，是别让它变得一团乱，对吧？你不希望最后堆出一大杂烩：全是新功能，却没有整体方向和一致性。因此，它也需要由简洁感来平衡，并且要为产品质量感到自豪。

我认为ChatGPT的iOS应用是市面上最好的应用之一。我们希望保持这一点。我们在愉悦感、性能、效率和简洁性等方面投入很多。这些是总体原则，同时仍然要赋能每一个人去尝试新事物、快速交付。

打造OpenAI的文化

主持人：如果要给创业者一些建议，怎样培养出这样的文化？OpenAI内部有哪些更具体的要素或做法，是你会建议创业者借鉴的？

Tibo：我认为，要有坚定的信念；同时要找到一种方式，既能够贴近用户，又能根据反馈快速迭代。此外，还要愿意颠覆自己。对创业者来说这点或许没那么直接相关，但对OpenAI这样的公司就很相关。

我们不断会有新的研究、新的想法；能够判断什么时候该投入其中，即使这意味着可能要从主营业务中重新调配资源，也极其重要。这很难，但真的非常重要。

主持人：没错。这正是你刚才描述Google没能做到的事。

Tibo：有一说一，他们是有计划的，只不过一切都属于一个更大计划的一部分。对我来说，那不是正确的地方。

主持人：随着OpenAI或任何公司逐渐成熟，要维持这种快速交付、愿意自我颠覆的文化，会不会变得更难？尤其当你已经有一头不断赚钱的现金牛，同时另一边又有个可能很酷、很有创新的新东西时。

Tibo：我们非常面向未来。AI的未来、它最终会是什么样、人类会怎样从中受益，并不会停下来等待，也不会在意你在接下来一个月或三个月已经建立起来的东西。

因此，我认为非常重要的是要全情投入，并且对它的发展方向保持开放的眼光，再想清楚自己该如何定位，确保你能够抓住那股浪潮。

即便对OpenAI来说也是如此：我们训练模型，然后才发现它们的能力。基准测试并不能告诉你一切。

我们必须亲自花很多时间试用模型，才会意识到：噢，也许我们之前没有想过可以用它以这种特定方式获益，或者，噢，它居然能做这件事。

于是，这会改变我们思考产品的方式。比如现在，我们推出了新的语音功能，它非常令人愉悦，交流起来也很自然。它还能使用工具。

这就改变了很多事。现在我会花更多时间直接跟它说话。还有一件我一直在做的事是语音听写，因为听写的质量非常、非常好；与打字输入提示词相比，这种方式高效得多。

所以早上，我会坐在那里拿着手机说一大段话：“要让ChatGPT做几件事……”然后它就会去完成；它能访问我的所有工具。而在我们有了真正出色的语音模型之前，这并不可能。因此，它会突然彻底改变你对产品的思考方式。

AI Agent的未来

主持人：好，我们继续聊新模型、新的harness（智能体运行框架）。几周前，我还要从你另一条很精彩的帖子说起：“Codex在两到三个月后会显得很原始。我们即将经历又一次重大演进。下一代模型需要的，不只是你的笔记本电脑。”那么，先从harness开始。随着模型变得更强，harness的哪些方面仍有很大的创新空间？

Tibo：太多了，真的太多。比如我刚才说的语音。现在，如果你是Codex或其他编程智能体的资深用户，你已经有点习惯那种不够顺畅的感觉了，对吧？

你得管理skill文件；这是一种教它东西的方式，但我认为许多人也意识到，这些文件长期维护起来挺难的。记忆也是个问题：它并不总能记住一切；如果你有子智能体，就得操心子智能体，还得搭建某种小型网络。在与它互动的各个环节，这种“它是一个完整伙伴”的幻觉都会被打破。

你真正想要的，只是一个能深刻理解你、理解你的目标、理解你的日常，也理解你的团队在做什么的东西。理想情况下，它还能做出反应，主动出击，在日常中帮助你，并且不打破那种幻觉：它就是你身边那个完美的小伙伴。这正是我们努力的方向。

另一件事是，当你拥有非常、非常强大的模型时，你会发现笔记本电脑本身也会成为限制。一台笔记本电脑所能承载的工作量，是为人类设计的。

△AI生成

它大致是为了容纳你能产出的工作量、你的打字和思考速度、你需要同时打开多少应用程序而设计的——这些都是人类的限制。

模型没有同样的限制。举例说，模型也许将来能同时处理100个打开的应用程序，而且完全没问题。因此，从资源访问的角度看，很明显，未来的模型需要的资源会超过一台笔记本电脑所能提供的资源。

主持人：你的意思是，我猜，是云端智能体？而一旦有了我们稍后要谈的Ultra Fast，token速度达到据称比Fast快10到14倍，到时候带宽约束会改变。CPU会成为带宽；从字面上说，工具调用、网络、任何工具以及技术栈中的任何开销，都会成为限制因素。

Tibo：不过，你也可以通过同时并发地做多件事来补偿。你可以一边探索、一边写测试、同时编译，并且同时验证一个新假设。这样你就在不断转移瓶颈的位置，因为你能够并发处理更多事情，模型也能非常高效、非常快速地思考和推进。

主持人：以目前的token速度，我发现自己会并行启动10到15个智能体，这给我带来了相当明显的认知负担：要不断切换上下文、不断启动它们，而且你可以预期一个任务要30到45分钟后才会返回。

现在有了Ultra Fast，这个工作流会显著改变；我想我不会再同时开10个或15个智能体，这或许是件好事。可能一次只需要三四个。你认为独立开发者的工作流会如何随时间变化？

Tibo：我认为，管理你的注意力、让体验更贴合你的注意力，是我们非常重视的事情。

AI如何改变开发者工作流

Tibo：毕竟，我们是在为人类构建产品。我们希望打造最能赋能人类的技术，这就要求围绕你的多任务处理能力来设计：你希望怎样管理注意力？某件事应当现在呈现给你，还是30分钟后再呈现更好？

而当Ultra Fast的速度与语音结合时，你会突然感觉：好吧，这个东西的运行速度可以和我一样快，甚至更快。

于是你能保持心流、不断构思、看到原型，实时地生成小型报告，那种感觉真的很好。你会突然觉得：对，之前我让10个智能体多任务并行，那种方式我其实并不想再回去了。

所以我们正努力带来那种非常自然、同时又仿佛为你量身打造的体验，你无需去适应它，而是让技术来适应你。

主持人：过去几个月里，大家讨论了不少智能体式编程技术。Loops曾经很流行，现在仍然流行；如今我又听到graphs。这些技术是否都是为了让独立开发者能够管理注意力，或者像你所说的那样，对注意力更友好？我喜欢这个说法。

Tibo：我会把问题分为两类。第一类，是构建最好的个人AGI，或者说个人智能体：它能和你一起处于心流之中，主动提出重要的新想法；一旦找到机会，就非常高效地按你的意图做事。

无论是技术问题，还是研究、建议之类的事，它都能完成，而且能高度贴合你。这是非常重要的事情，它深深扎根于对作为人类、作为独特个体的你的理解。我们正在全力推进这一类问题。

另一类问题则是全面自动化：你更多是在构建智能系统，让它们接管一个非常复杂的流程。也许这类流程需要、或者曾经需要智能，并且看上去非常复杂。

举例来说，查看生产日志并自动做性能优化，或者发现回归问题后自动修复。在网络安全里，我们也看到了这种趋势：

比如，有扫描器发现一个漏洞时，能否自动修补它，并把这个漏洞暴露的窗口期缩短到几乎为零，不让人参与那些闭环，或者只让人极少参与；你只需要批准高风险动作，系统主体仍然是自动化的。此时你也不必对它保持那么直接的控制。

主持人：明白。

ChatGPT与Codex的融合

主持人：那么，我想稍微换个话题。过去几个月，ChatGPT和Codex一直走在融合的路径上。

我首先想问：这件事进展得怎么样？在内部是什么感受？你从用户那里收到了什么反馈？

Tibo：它确实带来了很大的助益。起初我们收到的反馈是：“为什么要合并它们？真的必须这么做吗？”但未来的模型要求我们合并。

所以，我们就会这么做，因为这是构建那个极具个人化、能力超强、能以各种方式帮助你的智能体时，最简单、也最正确的做法。

它们的底层会是同一套技术：同一个harness、同一种思路。它高度多模态、语音优先、极其高效；无论你是不是在编程都没关系。这个智能体什么都能做，而且效率极高。

你想要的界面则应当根据你的需求来调整。你不该先决定“我是程序员，所以我要一个程序员界面”，或“我不懂技术，所以我要一个非技术界面”。

人们处于一个连续的光谱上；软件工程师、设计师之类的标签，只是我们为了应对过于复杂的现实而创造的人类概念。

因为说到底，每个人都在那条光谱的不同位置。因此我们要构建一个能为每个人适配的完美界面。无论你懂不懂技术，它都会根据你的具体个性来调整。这就是我们这样做的原因。

主持人：不过，这是否意味着最终必然会变成一个统一界面？不再有下拉菜单让人选不同产品？想到我妈妈可能会使用和我完全相同的界面，确实很不可思议。

当然，它会按我的需要进行定制。如果我在做更复杂的工作，可能需要更多信息。但对你来说，最终形态是什么？

Tibo：没错，就是同一件东西。你和你妈妈会使用同一个东西。它会是你们各自的个人AGI。你们会有非常不同的任务、从中获得不同的效用，也会把它连接到生活中不同的工具，带来不同的想法和需求。然后它会持续调整自己，尽可能地让你受益。它也会以同样的方式服务你的朋友和所有其他人。

人机交互的未来

主持人：我想回到你刚才说的一点。你在描述最终状态时好几次用了“幻觉”这个词。对普通用户来说，那个完美的“幻觉”是什么？如果你设想一下几年后，AI和人类之间的互动会是什么样？

Tibo：对我而言，它会是一种极其贴合人类的东西。这也是大型语言模型成功的原因：它使用自然语言。自然语言本就是人类的概念，对吧？我们习惯彼此交谈。如果明天你给我写一封信，我就能读懂。我们现在已经相当了解彼此了。所以，如果你给我写一封信，我还能从中解读出一点情绪，或许还有一点字里行间的细微意味。这一切都深植于人性。

因此，我们正在构建的技术根植于人类，也根植于人类沟通与把事情办成的方式。它不该让你说：“哦，你误解我了，因为你没有完全读懂我语气里的微妙含义，或者没有完全理解文字中我真正的意思。”

这正是我们努力避免的。因此，我们非常努力地不让你去适应技术，而是让技术被打造得恰到好处，成为人类原本在世界中行动方式的自然延伸。

主持人：我想到人与人之间的交流，其中很多是非语言的。比如我手势的方式、面部动作。你认为未来AI会在多大程度上感知到或通过视觉读取这些信息？

这重要吗？因为你现在描述的似乎只是文字。而对我们这些在互联网上长大的人来说，我们很习惯通过文字交流，也会在文字中加入细微的变化，来传递我们真正想表达的语气。不过，AI仍然有必要能读懂我们的面部表情、手势等等吗？

Tibo：我认为有必要。当我思考我们正在构建的未来时，它会非常环境化，也非常自然。

比如明天，或者稍后，我去办公室，在白板上写下什么，产生一个想法；它也应该能在场，理解这一切。或者我对它说：“嘿，关于这件事情你怎么看？”然后我们就通过语音自然地交谈。自从我们推出新的ChatGPT语音功能后，它真的迅速普及起来。如今，只通过语音与ChatGPT互动的用户数量正在快速增长。

我认为这里的经验是：每一次你朝更自然的方向靠近，人类都会选择阻力最小的路径。就像你说的，在一个小框里打字，对某些人或许自然，但并非每个人都是如此。而一旦有一种方式更容易一点、更好一点，人们就会倾向于去使用它。

OpenAI与Anthropic

主持人：好。首先祝贺你，我看到你今天早上发帖说Codex达到了2000万用户。我看过那张图，一开始是这样，然后突然就垂直上升了。恭喜。

我想谈谈与Anthropic的竞争，因为，很多人认为OpenAI和Anthropic是目前行业内的两大主要竞争者。曾有一段时间，Anthropic可以说把所有人的注意力都吸走了，对吧？他们当时确实处于主导地位，之后又突然发生了变化。先说说看：你如何看待今天的市场？

Tibo：现在，我们真正专注的是构建能力最强的模型，构建效率极高的模型，并且以为所有人打造产品为荣。我认为OpenAI有一点做得特别好：关心这个世界，也关心我们如何把这项极其强大的技术交到尽可能多的人手中。这也是我们合并Codex和ChatGPT时所做的事。

我们希望：既然拥有这种技术，就把它做得更安全、更容易让每个人使用。无论你是产品经理、设计师，还是销售、市场、公关等岗位的人，都应该能用上它的全部能力。接着，我们通过ChatGPT快速把它分发出去，因为那里本来就有大量用户。这也推动了你提到的那种快速增长。

我通常不会太关注竞争对手；我真正关注的是：我们有什么能独特地做好的事、我们的价值观是什么，以及怎样能以最快速度向那个方向前进。

主持人：明白。我想再稍微深入一点。我知道你并不怎么考虑Anthropic，但很多其他人会考虑：我相信哪款产品？我愿意为哪款产品付2200美元？从OpenAI的市场定位、品牌、语气，以及它与开发者和更广泛受众互动的方式来看，你觉得这与Anthropic的做法相比如何？

Tibo：我再次想说的是，我非常在意为世界建设社区，把每个人都带上。我觉得你能从我们的做事方式中感受到这一点：比如我们对很多事情都非常透明，也会从社区汲取很多想法。坦白说，这本身也非常有趣，因为我们也从中获得很多能量。

**而我们正在构建的技术，不是只为我们自己构建的；也不只是为了加速OpenAI而构建。它非常重要。使命非常重要，因此这也是我们获取能量的地方。在我看来，这件事非常踏实，也很有趣；于是好事就随之发生了。

主持人：那我们就聊聊那些好事吧，我想谈谈重置……

OpenAI为何持续重置额度

主持人：我知道，大家似乎都在关注你的每一条推文。还是回到Codex的增长曲线：这问题也许有点傻，但这些“重置”究竟有多少是在助推营销和增长，又有多少只是对开发者社区的善意？

Tibo：我想这或许有些反直觉，但OpenAI是一个让人可以直接把事情做起来的地方。所以一开始，在我们迭代、偶尔把东西弄坏时，或者某项配置没有达到预期时，给予补偿就显得很自然。

当时我们的想法是：感谢你来试用这个产品。我们知道自己正在非常努力地把它做好；它还处在早期阶段。既然我们恰好让它出了大约30分钟的问题，就多给你一些使用额度。我们理解它很重要，也知道你依赖它；谢谢你成为用户。这就是事情最初的起点。

我现在仍然是这样看待它：如果我们把它弄坏了，或者体验不理想、而我们又尚未完全弄清原因，我们就会补偿用户。我们会重置使用限额。后来这显然演变成了一件颇受关注的事——现在甚至有了一个专门的重置按钮。

而且这背后其实没有多少层层审批。它不是和市场团队或财务团队协作决定的；只要我想按，随时都能按那个按钮。我们的原则是：我们想做出令人惊艳的东西；当它没有做到时，我们就会作出补偿。

主持人：我仍然认为，这确实为社区积累了大量善意，至少在一定程度上推动了增长。真正关心用户很重要，对吧？你可以嘴上说自己关心，也可以真的去关心：如果我们搞砸了，对不起；这就是我们弥补的方式。

这让我想起Amazon的退货政策：只要你有任何不满意，尽管退货。你们似乎也在为OpenAI建立同样的文化、同样的认知：如果我们犯了错，就再用一次那些token，或者给你一批新的token。

Tibo：我很感激你的说法。另外也有一些值得庆祝、值得标记的好时刻。我们总是在发布新功能，并尽可能广泛地推出它们；但要给整个社区分享一些有意义的东西，没什么比这更合适了：去探索这个新功能吧。比如你还没用过Ultra Fast，那就多给你一些额度，试试看。

主持人：我听说现在真的有一个实体按钮了？

Tibo：是的，确实有。

主持人：好，之后你得给我看看。

Tibo：我会给你看的，真的非常酷。

主持人：但要做这么多次重置，显然只有在你们做了大量算力容量规划的前提下才行。

AI效率与算力

主持人：你们必须有足够的算力，才能支持所有这些重置。我想借此聊聊自我改进：几周前——我想应该是几周前——你们发布了一篇文章，文章说Sol优化了Luna的效率。你们让Luna的价格下调了80%；Terra的价格也下调了。Luna的降价中，有多少来自实打实挖出的效率提升？又有多少是因为你们做了很好的算力容量规划、利润空间不错，所以可以降价并让更多人使用？换句话说，算法进步和战略规划各占多少？

Tibo：我们很早就开始规划算力了。回看两年前，我觉得当时OpenAI因为在算力上投入这么多而受到过质疑。

主持人：那是一次疯狂而出色的押注。

Tibo：是的。现在我们很庆幸拥有这些算力。很大一部分算力用于研究，投资于我们的未来、越来越好的模型，以及现有模型的效率。

而正在发生的一件惊人之事是：当我们推动最先进模型的能力边界时，就能利用这些模型非常快地找出如何提供服务、如何重构或重新工程化整个技术栈，从而获得极为显著的效率或性能提升。我们不只是提升了成本效率——相关内容我们也会发布——还提升了速度效率。

撇开Ultra Fast不谈，整体速度一直在显著加快。如果画成图，你会发现现在的速度大约比三个月前快了60%。我们正在逐一攻克技术栈的每个部分，确保它们针对我们的工作负载得到最优的设计和工程实现。而我们最强大的模型，正是让一个很小的团队也能完成这些工作的关键。

所以，每当我们实现非常显著的效率提升、特别是成本效率提升时，我们的承诺就是：保持性能与成本都处在前沿。我们不会只是把这份收益揣进口袋，而是会把它分享给客户和用户；这正是我们对Luna所做的。

主持人：在内部，当你们需要在新模型研究、现有模型的效率提升和推理之间分配算力时，讨论通常是怎样的？这种张力是什么样的？

Tibo：我们通常从第一性原理出发。我们会为研究分配一部分算力，为产品分配一部分；在产品内部，再作不同类型的取舍。但这一次几乎谈不上取舍，因为效率提升已经实现了。因此我们基本能用相同的算力规模，支撑吞吐量非常显著的增长。

递归式自我改进

主持人：几个月前、在那篇降价文章之前，我看到过一篇博客，说一个模型在训练下一个模型，或帮助优化下一个模型。随后又看到Sol审视Luna的运行方式并实现这些效率提升。在我看来，这像是递归式自我改进仍处在很早期的阶段。你怎么看？这就是正在发生的事吗？

Tibo：是的，我认为递归式自我改进显然是当下的一个大话题。人们最常把它用于研究，例如让模型开发其他模型。

但我们看到大量成功案例的是：用这些模型开发支撑模型使用、并且处在关键路径上的基础设施；这同样是一种递归式自我改进。它们本就是一个大系统，包括推理技术栈、更底层也更难优化的内核——我们使用的CUDA内核；还包括开发更高效的新产品和与模型交互的新方式。

你提到过云端智能体。如果我们真正攻克了云端智能体，人本身也会立刻变得更有生产力。那算不算递归式自我改进？因为你会更有能力从它们身上获得效用。我认为从某种意义上说算，但它更多关乎基础设施，以及能够把这种能力再反过来作用于自身。

当然，我们正在这么做；如果不这么做，我觉得反而很不明智。

暂停前沿AI训练

主持人：既然说到递归式自我改进，我想问问：我记得OpenAI的Sam Altman说过，目前暂停了最前沿的RL训练。你能谈谈这件事吗？这个决定是怎样作出的？我知道我们简短谈过Hugging Face的那起事件，但作出这一决定时考虑了什么？讨论是怎样进行的？

Tibo：这件事主要属于研究范畴。OpenAI一直能够把资源投向最重要的地方。随着模型能力增强，显而易见，对齐和安全的重要性也越来越高。因此，在这方面投入巨大的资源，对OpenAI而言既自然，也是其坚定承诺。

我们正在看到这方面的投资大幅增加。暂停训练，在一定程度上也是必要的：让团队和个人真正理解并加固系统的每一部分。这样才能确保我们恢复训练时，能以完全掌控的状态重启。我相信，只要有必要，OpenAI今后也会继续这样做。我从未见过我们在内部无法高效地作出这类决定。

主持人：当时是否设定了明确目标——必须达到某个点才能解除暂停？还是说，等看到时就会知道？

Tibo：这件事由安全团队负责。对他们而言，它既是一场充分的讨论，也是一个边推进边探索的过程。但最终，他们确实形成了一套相当清晰的原则：当这些原则得到满足时，我们就处在一个良好的位置。

主持人：我想回到Ultra Fast模式。

Ultra Fast带来的能力

主持人：我觉得人们没有充分理解这种速度会解锁什么能力。先说说：在内部，有哪些使用场景是以前没有这种每秒token速度时无法实现的？

Tibo：我们看到它在高风险场景中被大量使用。比如发生故障时，事故指挥官和响应团队会获得Ultra Fast的使用权限，因为每一秒都很重要。因此，在真正的高风险场景里，我们会使用Ultra Fast。

还有一个挺有趣的现象：正在做极其关键的事，或者相信自己在做极其关键事情的团队，也总会申请Ultra Fast。

主持人：Pets也算这种场景吗？

Tibo：Pets还算不上特别关键。但我很爱我的Pet，它总在我的屏幕上。你在办公室走动时，会看到大家屏幕上的Pet；他们接入视频会议时，Pet也总会出现。我每次看到都觉得很愉快，都会带来快乐。

Tibo：但目前Codex Pets还不算关键。我们确实会维护它，也会好好照料我们的Pets。不过，假如有人正在做一个新想法，他说：“我真的认为这可能会很特别，必须试一试；但我们得在周一决定要不要把它放进DevDay。”那当然可以用Ultra Fast。

主持人：大家对自己是喜欢单线程工作，还是喜欢大量多任务处理，偏好各不相同。对喜欢大量多任务处理的人来说，Ultra Fast的收益没那么大；但有些人不喜欢不停切换上下文。你处在这个光谱的哪一端？

Tibo：我有ADHD，所以我一直都在切换上下文。

主持人：有意思，我也有ADHD，但我其实不想一直切换上下文；那对我很难。我想专注于两三件事，这也是我为什么对Ultra Fast如此兴奋。很有意思，你在这方面恰好相反。

（注：ADHD（注意缺陷多动障碍）是一种与大脑执行功能有关的神经发育差异，表现为难以持续集中注意力、控制冲动或调节活动水平，从而影响学习、工作和日常生活。）

Tibo：我在上下文切换和作出大量小决策中如鱼得水。不过有时我也想专注在一件事上；这时Ultra Fast就非常令人愉悦，因为它让你一直保持在心流里。

Ultra Fast在工具调用不太多，或者需要生成大量上下文时表现极好。比如你想快速做一个网站或电子游戏的原型，需要它写大量代码，它就会非常快地完成——大约快10倍。但如果有大量工具调用，开销在网络中的其他地方，或在智能体执行轨迹的其他位置，那么你只会感到大约3倍或4倍的加速，而不会得到完整的14倍提升。

主持人：我知道OpenAI员工有无限token；我想如果是我，我会总是把设置拉满，选GPT-5.6 Sol或任何最新模型。当成本不在我的考虑之中，我就会想：好，直接拉到最大。我也总想把Ultra Fast打开。内部也是这样吗？

Tibo：我们不会给所有人提供Ultra Fast；我们把大量容量留给外部用户和客户。OpenAI员工有能力、有容量把所有算力都消耗掉——吞掉我们所有的生产GPU，所有Ultra Fast容量；他们会把它都用掉。

但我们不会这样做。我们会以某种方式加以限制，考量对我们而言什么程度是合理的。我们也会使用它，这样才能理解产品、持续改进产品，并从递归式自我改进中受益；但绝大部分容量仍留给客户。

主持人：好，这很好，谢谢。OpenAI之外，还有哪些对延迟敏感的使用场景，最让你期待这种速度所能解锁的能力？

Tibo：很有意思。总体来说，我特别兴奋的一件事是非文本交互。比如，能否在一个共享画布上操作？能否创造东西？能否生成想法、生成不同的图像，再从中选出一个？

也就是“选择你自己的冒险”式的体验：很快得到一个可操控的原型mockup，然后通过语音或文字实时引导它，并立刻看到结果。我认为这种速度让这种创作过程成为可能。

作为工程师，有时你会坐下来想：我需要设计整个系统，考虑权衡和需求；但也许你可以在一分钟内直接把它做出来，看看它实际表现如何，然后更进入心流、更好地理解其中的东西。我认为这种速度确实能带来很多改变。

主持人：那么我猜Ultra Fast的价格会显著高于普通速度。

Ultra Fast会成为默认模式吗？

主持人：你认为Ultra Fast会成为标准速度，还是始终会有一个溢价档位？

Tibo：这是个有意思的问题。我认为，和技术通常的发展路径一样，它会随着时间推移变得越来越普及、越来越容易获得。agent完成任务的速度会持续提高，而且我们正看到按月出现的巨大改善。这不只是推理速度，也包括模型使用token的效率。

Sol的token效率显著高于Terra；正如你所料，下一个模型的token效率也会显著高于Sol。我们一直在推动这一点。因此一切都会随时间变快。推理硬件也是如此——我们持续创新，它也会变快。

所以我确实认为，也许一两年后，这种速度即使不是默认选项，也会非常接近默认选项。但我也认为，永远都会有再高一档：你总能使用更多硬件、作出成本更高的不同取舍，从而得到一些额外能力。

主持人：Tibo，我通常会用最后一个问题面向更广泛的受众。现在有很多人对AI很紧张。

如何安抚人们对AI的担忧

主持人：无论是工作自动化、环境影响，还是这种正在发生、让人觉得很陌生的事。你会给更广泛的公众什么鼓励的话？

Tibo：是的。我们通过ChatGPT为整个世界构建产品，而且我们非常重视提升它的效率；这和我们希望提供广泛访问、广泛效用的目标直接一致。服务成本越低，人们能用它做的事就越多，日常生活中获得的价值也越多。它已经变得极其高效。

以Luna为例：这是一个小得多的模型，却极其高效；但如果你回到六个月前，它会处在前沿。再看Luna的成本，简直低得不可思议，真的很出色。

主持人：你刚才又做了那件事：现在通过Replit把它免费送出来了。

Tibo：对，他们在这个免费模式里提供它。你会觉得不可思议：获得非凡智能将变得无处不在。而这只有在我们一个月又一个月、一年又一年推动效率提升的情况下才可能实现。因此，我认为今天处在前沿的任何东西，六个月后运行成本都会低得多。

这就是我对这个问题的回答：技术总会随着时间变得非常、非常高效。我们非常专注于广泛访问，并直接围绕用户能从中获得的效用来优化。

为什么每个人都该尝试AI

主持人：那对于那些甚至对第一次尝试AI都感到犹豫的人呢？你会对他们说什么？你会如何向他们描绘一个AI正在帮助世界的未来？

Tibo：我认为你不必看得很远：ChatGPT会以非常个人化、很深入的方式帮助人们。许多用户用它来辅助写作，也会向它寻求个人建议或医疗建议。我们推出了Health和Finance，我自己也经常使用它们。

我感觉自己获得了许多原本很难得到的支持。比如，它能让我去看医生时掌握更多信息。所以你无需走得很远，就能看到它所能提供的价值。我认为，和他人交流，从他们如何使用并受益中获得启发，是开始思考自己可能如何受益的好方法。

主持人：Tibo，非常感谢。

Tibo：谢谢，也感谢你抽出时间。

One more thing

刚刚，Tibo又宣布OpenAI将于明天恢复ChatGPT Plus的5小时使用限制。

他表示这个东西本来就要上的，但因为一些原因推迟了。所以从明天开始，Plus用户就没法爽蹬了。

当然了，Pro用户暂时不用担心，100美元和200美元套餐未来几个月不会开启这个限制。