Jianqi Pan

我听信了你们的谗言，再次把 Codex 升级到了最新版本，然后用 gpt-5.2-codex + xhigh reasoning 来实现一个 Claude Code 一直没法完美实现的需求，等得我油尽灯枯，终于结束了，满怀期待地执行 pnpm dev，哦豁，主要页面直接白屏了。

OpenAI CPO Kevin Weil：GPT-5即将推出，今年内AI将实现99%代码自动化 最近，OpenAI首席产品官（CPO）Kevin Weil接受了一场非常值得关注的访谈，他透露了几个令人振奋的重要消息，其中最核心的就是关于GPT-5和AI代码自动化的进展。 大家关心已久的GPT-5到底什么时候发布？在访谈中，Kevin虽然没给出具体的日期，但他说得很直接： 「我不会给你具体时间，但GPT-5会很快出现。我们现在就已经在认真地做这件事了。」 从这句话可以看出，GPT-5的推出并非遥遥无期，而是指日可待了。这也意味着，OpenAI正在快速推进模型升级的步伐。 而GPT-5究竟强在哪？Kevin透露了一个重要细节，就是GPT-5可能会融合目前的GPT系列（例如GPT-4）和OpenAI另一个系列“O系列”模型的能力，也就是说GPT-5将集各家之所长，实现功能上的整合统一。 访谈中最让人惊讶的是，Kevin对AI代码自动化速度的判断。他表示： 「AI对代码的自动化今年内就会达到99%，不会拖到2027年。」 这个预测比业内其他专家（比如Anthropic曾预测的2027年）要激进得多。Kevin对AI技术的发展速度充满信心，认为AI即将在今年底前完成大部分的编程任务，这意味着工程师们的工作方式即将发生翻天覆地的变化。 AI自动化代码有两个关键进步方向： 1. 更大的模型预训练（pre-training）：AI模型通过学习更多的数据，实现更全面的知识积累。 2. 强化推理能力（reasoning）：模型变得更聪明，不只是机械地写代码，而是能够主动思考，深入理解和解决复杂问题。 访谈中提到，OpenAI已经在竞争性编程领域超越了很多人类顶级程序员，甚至可能比预期（2027年）更早地超越人类水平。 AI不只会写代码：全民皆可成为软件创造者 Kevin强调AI的意义远不止于代码自动化，它更大的价值在于： 「让软件开发不再只是工程师的专利，而成为每个人都能接触、使用和创造的工具。」 换句话说，当AI帮我们完成了大量底层的工作后，人们可以更多地关注“为什么”和“怎么做”，AI则帮你搞定具体的“做什么”的部分。 其他值得关注的内容 除了GPT-5和代码自动化，访谈中Kevin还提到了一些有趣的未来方向： • 高级语音功能（Advanced Voice） AI的语音交互将在近期有重大升级，用户体验更自然、更流畅。 • 个性化教育（Personalized Education） 他对AI提供个性化的教学服务感到非常兴奋，让孩子能够以自己的节奏深入探索知识。 • Deep Research Kevin认为Deep Research是OpenAI自ChatGPT以来最棒的产品之一，用户可以提出非常复杂、深奥的问题，获得具体且富有洞见的答案。他甚至形容Deep Research的体验已经接近于AGI（通用人工智能）。 • 不认同“全民基本收入”躺平的未来 Kevin不相信人类未来会因为AI普及而躺在沙发上靠基本收入生活。他认为人们天生渴望创造，AI的出现不会消灭人类对创造的热情，反而会协助人们更好地实现自我价值。 • AI时代工作的新形态 Kevin预测，AI不会仅仅取代现有的工作，而是创造出新的职业，人的角色会转变为更有战略性、创造性，关注整体目标（“so what”），而AI则处理具体细节（“what”）。 • 关注用户体验与教育应用 OpenAI非常重视AI的用户体验，比如更自然的人机对话，及AI在教育领域提供个性化的学习体验。 综合来看，Kevin Weil的访谈还是透露了不少信息： • GPT-5即将问世，并整合多个模型的能力； • AI代码自动化今年内会达到99%，改变软件开发方式； • AI将促进新的职业形态，增强人的战略价值； • AI将进一步走进日常生活，改变教育、创作等领域。 这次访谈信息量很大，展现了OpenAI的野心和清晰的发展路径，也预示着2025年AI即将带来的一系列巨变。 对普通用户来说，接下来值得关注的就是GPT-5发布后的具体表现，以及AI到底会如何改变我们的工作和生活方式。 访谈文稿 在这段与 OpenAI 首席产品官（CPO）Kevin Weil 的深度对话中，我们探讨了 AI 的快速发展及其潜在影响。Kevin 分享了一个令人震惊的预测：编程将会在今年之内（而不是别人所预测的 2027 年）实现完全自动化。他还解释了为什么 OpenAI 的模型已经可以跻身世界顶尖程序员之列，并谈到了 Deep Research、GPT-4.5 的类人特质、未来的就业形态以及 GPT-5 的推出时间表。别错过 Kevin 提出的“价值数十亿美元的初创公司点子”，以及他对 AI 如何改变教育与普及软件创造的愿景。 主持人（Host）开场 Host： 好的，各位观众，我们刚刚和 Kevin 进行了对话。作为这个节目的“门外汉”主持人，我大致能跟上他提到的大部分内容，但肯定还漏掉了一些。Varun 估计比我理解得更深。Varun，你怎么看？你认为有哪些值得注意的地方？ Varun： Kevin 是 OpenAI 的首席产品官，带领了他们的 Deep Research 团队，也负责他们几乎所有的产品。说实话，让我印象最深的一点，就是之前有位 Anthropic 的同事跟我说，编程会在 2027 年左右被彻底自动化。但 Kevin 说：“等一下，也许今年或明年就能实现完全自动化。” 他对产品的思考方式也很有意思，包括他谈到的“AI 技能是否会变得同质化（commoditization）”这一点。他不认为这是简单的“同质化”，因为每个模型总会有能力上的差异，只是这些差异会不断变化。 另外，Kevin 在访谈中谈到了很多关于时间表的预测、对未来一两年的展望，以及一些可能的商业创意，比如他的“价值数十亿美元的创意”。我和 Tanmay 都深挖了一些他提到的点，非常值得大家关注。我不想在这里剧透太多，强烈建议大家完整观看。 Host： 是的，没错。还有，别忘了订阅关注哦。多亏你们的关注和支持，我们才能进行这么有趣的对话。那么，话不多说，让我们播放片头吧！ Host： 好，Varun，今天很特别，因为大家终于能看到我们节目里除了我们俩之外的其他嘉宾。我们请到了 OpenAI 的 Kevin Weil。Kevin，你能先给大家简单介绍一下吗？包括你在 OpenAI 的工作重点，以及你为什么这么“特殊”？ Kevin： 哈哈，说我“特殊”是因为我非常幸运，现在担任 OpenAI 的首席产品官。我可以说，这是我工作以来最有乐趣、也最具挑战性的一份工作。 在此之前，我也在不少地方工作过，比如 Twitter 最早只有大约 40 人的时期，我做过工程师，一直到它成长到 4000 人左右时，曾担任产品负责人。后来我在 Instagram 做过产品负责人，也曾是 Meta 那个加密项目 Libra 的联合创始人，还在 Planet 做过几年卫星业务。但这里和以往最大的区别在于，过去那些公司里，你对计算机能做什么，基本有一个比较稳定的预期。数据库会变快，但一年也就变快 5% 或 10%，技术的迭代速度比较平稳。 可是在 OpenAI，我们每隔两个月就会让计算机实现一些前所未有的能力，彻底改变我们对技术可行性的认识。这就意味着我们每隔两三个月，就要对产品的方向和定位进行重新思考。虽然这很紧张，但也特别有意思。 Varun 追问：OpenAI 的“研究 + 产品”双重角色 Varun： 你刚才提到 OpenAI 同时是顶尖的研究机构和产品公司。ChatGPT 已经成为现象级产品，甚至“ChatGPT”这个词都开始被当作动词使用了。很多人说，行业内也有其他在做研究的公司，但 OpenAI 不仅仅是技术领先，也在产品上抓住了全球用户的想象力。能不能谈谈你在 OpenAI 的日常工作是怎样的？你需要同时兼顾研究和产品，对吗？ Kevin： 是的，OpenAI 最早在大约十年前成立时就是一家研究型机构，当时只有一小群“疯狂”的人坚信自己可以做出 AGI（通用人工智能）。那时几乎没人相信他们，但结果证明他们看对了方向。后来我们在机器人手臂、Rubik’s Cube 解法等研究中崭露头角，尤其是发现了通过扩展计算量和数据规模，让模型获得指数级能力提升的“Scaling Laws”。这样，OpenAI 很快就在 AI 研究领域占据了世界领先地位。 不过，自从 ChatGPT 发布以后，我们又不只是研究型公司了，还必须是一家优秀的产品公司。我们现在有面向企业和开发者的 API 产品，也有像 ChatGPT 这样的面向普通用户的产品，还有在规划中的更多产品。要想真正做出好的 AI 产品，必须让研究团队和产品团队深度协作，而不是简单地互相“扔成果”。 我们发现，如果研究团队只是把模型丢给产品，或者产品团队只是把需求丢给研究，很难做出最好的东西。最理想的情况是：在研究端有新想法时，产品团队能立即共同参与探讨，看看这些新能力能解决哪些用户痛点；或者产品团队在使用模型时发现瓶颈，能立即反馈到研究团队，共同想办法训练或微调模型。只有这样，才能确保我们在竞争激烈的市场中保持领先。Google、Anthropic、Meta 等等也都在做很好的研究，想要胜出就必须高效地整合“研究 + 产品”。 主持人插话：AI 与职业未来 Host： 我其实很好奇的是，AI 快速发展的同时，会带来哪些新工作或新角色？有些人说，“高技能 + AI”的人会更有竞争力，也有人说 AI 会催生全新的工作形态。也有人担心现有工作会被取代，所以 AI 新增的工作机会到底在哪里？ Kevin，你在做产品时，是否想过哪些点子、哪些方向特别值得创业者去做？你可能自己没空做，但觉得这会是一个很有前景的新业务？ Kevin： 对，这个问题很有意思。就好比说，如果原本你以“智力”见长，比如编程就是一种“智力象征”，结果编程一旦被大量“自动化”或“同质化”，很多人会感到失落。不过另一方面，每次科技革命都会带来新的岗位、新的可能性。 谈到具体的创业点子，我确实常常见到一些用我们 API 能做的酷事儿，但我们自己不一定会去做。比如说，有人在用 GPT 模型来做教学辅导，用于某些小众领域的学习；或者把 AI 直接嵌入到企业内的各种流程中，重塑传统软件。说到底，我认为 AI 带来的最大价值，是让更多普通人也能进行软件创作或信息处理。随着模型能力越来越强，创业者可以把 AI 嵌入到各行各业，做出很多过去想都不敢想的东西。 总之，我不相信未来所有人都坐在家里拿基本收入（UBI），然后无所事事。大部分人还是想创造、想帮助他人。正如你在使用 ChatGPT 时，它经常节省你五到十分钟的时间，但更重要的是，它还能做你原本不具备能力去做的事，比如帮你做专业领域的研究，或者从海量数据中提炼出关键内容。 这就是我们最近在做“Deep Research”时的感受。过去，ChatGPT 虽然能帮你节省时间，但很多事你自己本来也能完成，只是效率会低一些。而“Deep Research”这种功能能够做你“本来就不会做、也没法做”的事情。举个例子，我本身喜欢物理，我曾让它帮忙调研缪子对撞机（muon collider）的资料。结果只花 20 分钟，就给我整理出了一份 15 页的报告。我自己是没办法在同样时间里做完这些工作的。再比如给我孩子查一些医学资料，也能带来极大帮助和安心感。这种“创造额外价值”而不仅仅是“节省时间”，才是我认为 AI 真正的潜力所在。 Varun 继续追问：GPT-4.5 的表现 Varun： 你提到了 Deep Research 也提到了 GPT-4.5。有人说在纯粹的推理能力上，GPT-4.5 可能不如那些更偏“数学推理”的模型，但 4.5 的“类人”写作和交流能力真的很棒。你怎么看待这两种不同的进化方向？是做更大规模的预训练，还是做更好的“推理训练”？或者说这两者并不冲突？ Kevin： 我认为两者确实都很重要。做更大的预训练，可以让模型获得更广泛的知识与更自然的语言表达；而更好的 RL（强化学习）和推理训练，可以让模型在复杂的逻辑推理、数学、科学任务上发挥更出色。 GPT-4.5 在“写作”或“交流”上的提升非常明显，这在一些“软性”指标或用户偏好测试中能很清晰地表现出来。你让不同模型写同一篇文章，很多人都会更喜欢 GPT-4.5 的写作风格，因为它听起来更自然、更接近人类表达。虽然这种进步难以用纯数字去衡量，但通过 A/B 测试就能明显看出优劣。 不过，如果你是要让模型参加高阶科学或数学基准测试，单靠 GPT-4.5 现在还没法跟那些专门强化推理能力的模型相提并论。所以，我们内部其实会同时推进更大规模的预训练和更深入的推理训练。以后的模型一定是二者结合，才能既拥有深厚的知识、又具备优秀的推理及分析能力。 Varun 的使用体验：Deep Research 带来的“惊喜时刻” Varun： 坦白说，在 Deep Research 发布之前，我一度考虑是否要取消 ChatGPT 的付费订阅，转去试试 Claude 或其他模型。但看到大家在推特上对 Deep Research 的评价非常好，我就有点 FOMO（害怕错过），索性升级成了 ChatGPT Pro 账号。结果使用以后真是“哇”——这大概是我继初次见到 ChatGPT 之后，再次感受到那种“颠覆性惊喜”的时刻。 Deep Research 的搜索扩展很强大，几乎不会乱编（hallucination 很少），而且给出的答案深入细节，能引用 Reddit 或各种博客里鲜为人知的信息，这种体验非常接近“AGI”的感觉。对比市面上一些类似的搜索型产品，比如 Perplexity 或其他插件之类，都还不在一个量级上。 所以我想问，这个成果是更多地依赖了你们的新模型，还是你们在产品设计上做了大量工作？因为在 Deep Research 里可以感受到，在产品层面，你们对信息抓取、来源验证等做了不少优化，而不仅是一个“通用大模型”在跑搜索。 Kevin： 两方面都有贡献。一方面，模型本身的能力变强了，另一方面，我们在数据来源、搜索与检索管线、模型微调、用户交互设计上，也做了很多探索和打磨。 要做到尽可能少的幻觉（hallucination），就需要在检索部分、信息提取和上下文构建上设计得非常严谨。这个过程并不是简单地把搜索结果扔进模型，而是需要对搜索结果做聚合、去重、筛选，再以合理的格式提供给大模型。如果把“产品思路”倒推给“研究方向”，在模型微调的过程中也需要大量数据和验证，这都是我们在 Deep Research 项目里投入的心血。 所以可以说，这个产品的惊艳之处是“模型能力 + 产品设计”深度结合的结果。我们当然也会持续努力，让更多人用得上，而且会不断迭代。我们知道行业竞争激烈，但我们也希望始终引领市场。毕竟我们的使命是“让 AGI 造福全人类”，这其中就包含了要让更多普通用户能用上这些先进 AI 技术，无论是通过 ChatGPT 等自家产品，还是通过 API 让数百万开发者在各自的应用中调用我们的模型。 主持人提问：AI 与教育 Host： 你刚才谈到把 AI 赋能给普通用户，包括孩子和学生。如果未来 AI 可以回答几乎所有“为什么”的问题，或者自动化许多研究和学习工作，传统教育体系会有什么变化？比如孩子在学校里学到的东西，是不是会在 10 年后变得不再有用？你对未来教育有什么看法？ Kevin： 对，这也是非常值得思考的问题。我自己的看法是，AI 不会让我们停止学习。相反，我们可以更高效地学习，更有针对性地学习，甚至学习很多“以前学不到”的东西。 举例来说，我们已经看到了很多使用 ChatGPT 或其他大模型辅助教学的实验。孩子在做作业时，如果有一个随时随地的智能辅导，可以按照孩子的理解水平因材施教、实时给出反馈，这其实大大提升了学习效率。未来，学生或许能学得更深、更广，而不是只记住一些机械知识点。 此外，如果某些基础的程序编写或数据处理未来由 AI 直接完成，那么人类可以把更多精力放在更具创造性、更需要综合思考的领域上。我们现在看到的只是一个开端。对于教育行业、对于每个学生和家长，AI 都会带来新的可能性。 如果再往后看十年、二十年，我想一些传统课程可能会被重塑，但学习本身不会消失，只是大家会更依赖 AI 工具。人类依然需要思考、需要提出好问题、需要对结果进行判断和决策。在所有这些环节里，我们都依然扮演不可或缺的角色。 结语：OpenAI 的下一步 Varun： 听起来未来一片广阔。那最后想问一个所有人都关心的问题：GPT-5（或者你们的下一个重大版本）大概什么时候会来？会不会很快？ Kevin： 哈哈，这个问题嘛……我只能说，我们一定会继续快速迭代，但具体时间表暂时不便透露。我们每隔两个月就会有很多模型能力上的突破，接下来还是会保持这种快节奏。毕竟，AI 领域竞争正变得越来越白热化，我们也希望尽快把更多有用的功能和改进交到用户手中。 所以，请大家持续关注我们吧。我们会努力让 ChatGPT 和我们的 API 更加强大、更具创新性。 Host： 好的，今天非常感谢 Kevin 做客。大家如果喜欢这期内容，请一定记得订阅、关注并分享。感谢收看，我们下期见！