編輯 | 伊風
OpenAI第10天的更新還有人追嗎？
今天這個腦洞大開的上新，把期待GPT-4.5的通義大佬直接看懵了——咋是Phone call呢？
圖片
沒錯，今天上線的就是這個：ChatGPT的熱線電話。美國用戶撥打1-800-ChatGPT（1-800-242-8478），即可隨時隨地和AI熱聊……
圖片
網友又開始建議OpenAI：沒活了就去咬個打火機。
還是說回下一代模型，GPT-4過去一年半了，OpenAI一直遛觀眾就是不發新成果。
昨天，OpenAI前首席研究官Bob McGrew的播客首秀上線，直接給人干絕望了：o1就是GPT-5。只是我們決定叫它o1。
“GPT-4 已經是大約一年半前的成果，而在它發布之前就已經完成了訓練。那么問題是：為什么之后沒有什么新東西出來呢？”
Bob說在這個問題上內外部視角會完全不同。外界的人會想：“我們是不是遇到了數據瓶頸？到底發生了什么？” 而內部更能感知到，計算能力如何限制了預訓練的進一步進展——每下一代就增加100倍計算量。
因此他說，“o1本質上本質上是一代新的模型，比GPT-4增加了100倍的計算。很多人沒有意識到這一點，因為當時的決定是將其命名為 o1 而不是 GPT-5。”
圖片
也因此，他和Ilya「預訓練已到盡頭」的論斷不同，他認為預訓練仍有潛力，根本問題是「等待新的數據中心的建成」。
在o1預覽版發布后一天，Bob就宣布了辭職。他說，在OpenAI工作的八年中，他完成了包括預訓練、多模態推理等許多的目標。尤其在o1的特別項目后，他覺得是時候把工作交給年輕人了。
圖片
即使在AI炒作盛行的今天，他認為o1仍然被低估了。“雖然o1被很多人談論，但是否受到了恰當的關注？并沒有。我認為它被低估了”。
關于封閉的OpenAI，前CRO Bob McGrew 帶來了罕見的內部視角，讓我們能深入地一探究竟：OpenAI到底發生了什么？AI撞墻了嗎？為什么說o1被低估了？下一代模型到底還來不來了！
上圖：Bob的工作經歷
以下是播客內容的精華整理，enjoy：
1.o1就是GPT-5，預訓練還將繼續
主持人：先從一個目前大家都很關心的問題開始。這個問題圍繞著一個大的爭論點——我們是否在模型能力上已經遇到了瓶頸。所以我很想聽聽你的看法，以及你覺得在預訓練方面是否還有潛力可挖。
Ilya認為預訓練即將終止
Bob McGrew ：這是一個外界觀察者和大實驗室內部視角差異最大的話題之一。
我覺得，從外界的角度來看，很多人可能是從 ChatGPT 開始關注 AI 的，然后六個月后，GPT-4 出現了，大家感覺進展很快，一切都在加速發展。但隨后你會發現，GPT-4 已經是大約一年半前的成果，而在它發布之前就已經完成了訓練。那么問題是：為什么之后沒有什么新東西出來呢？
而內部的視角則完全不同。外界的人會想：“我們是不是遇到了數據瓶頸？到底發生了什么？” 但必須記住，特別是在預訓練的進展上，這需要在計算能力上有大幅度的提升。從 GPT-2 到 GPT-3，或者從 GPT-3 到 GPT-4，這意味著計算能力的有效提升達到 100 倍。這種提升依賴于多個方面的組合，比如增加更多計算單元、更大規模的數據中心，以及算法改進。
算法改進確實能帶來一些提升，比如 50%、2 倍甚至 3 倍的提升已經非常驚人了。但從根本上來說，你還是需要等待新的數據中心建成。事實上，現在正在建造的新數據中心并不少。你可以看看新聞，會發現 Meta 和其他前沿實驗室正在建設新的數據中心，盡管有些可能不會成為新聞。
但從根本上來說，這是一個非常緩慢的多年進程。實際上，在看到 GPT-4 到 GPT-5 的全面提升之前，你可能會先看到一個僅有 10 倍提升的版本。人們往往忘記了我們是從 GPT-3 到 GPT-3.5，再到 GPT-4。
目前有趣的一點是，我們在使用強化學習進行改進時取得了一些進展。以 o1 為例，從多個指標來看，它的計算能力比 GPT-4 高了 100 倍。我想很多人沒有意識到這一點，因為當時的決定是將其命名為 o1 而不是 GPT-5。但實際上，這本質上是一代新的模型。
當 GPT-4.5 或下一個世代的模型完成訓練時，有趣的問題會是：這種預訓練的進展如何與強化學習過程疊加起來？我覺得這將是我們需要等待宣布的東西。
主持人：最大的一個問題是，隨著多同步過程進入2025年，你認為明年在 AI 領域會有像去年一樣的進展嗎？還是說事情可能會開始變得慢一些？
Bob McGrew ：嗯，我認為會有進展，不過這會是不同類型的進展。你知道，當你進入下一代模型時，總會遇到上一代沒看到的問題。所以，即使數據中心已經建立起來，仍然需要時間去解決問題并完成模型。我們用來訓練 o1 的強化學習過程，OpenAI 用來訓練 o1，實際上它是通過創造一個更長的、連貫的思維鏈，實際上就像是把更多計算能力壓縮到答案里。
所以，你知道，如果你有一個模型需要幾秒鐘來生成一個答案，而另一個模型可能需要幾個小時來生成答案，如果你能充分利用這個過程，那就是 10000 倍的計算能力差距。老實說，我們從大概2020年開始就在思考如何在測試階段利用計算能力，直到現在，我覺得這才是真正的答案，如何做到這一點，而不浪費太多計算資源。
更棒的是，這并不需要新的數據中心。所以在這里，有很多空間可以改進，這是一個剛剛開始的全新技術，還有很多算法上的改進空間。理論上沒有理由不能將用于 o1 的基本原理和方法，擴展到更長的思考時間。你看，從 GPT-4 能做到幾秒鐘到 o1 花 30 秒、一分鐘，甚至幾分鐘的時間去思考，你也可以把這些技術擴展到幾小時甚至幾天。
當然，像我們從 GPT-3 到 GPT-4 的升級一樣，并沒有出現什么基礎性的、全新的技術，二者的訓練方式基本相同，但規模化是非常困難的。所以，實際上最重要的就是能否做到這種規模化。我認為，這就是我們在 2025 年會看到的最令人興奮的進展。
2.讓o1真正發揮價值的，應該是Agent
主持人：你看到o1有哪些有趣的工作案例？
Bob McGrew ：當我們考慮發布o1預覽時，有很多問題：人們會使用它嗎？我需要用這個模型做什么，才能真正從中獲得價值？
你知道，編程是一個很好的用例。另一個例子是，如果你正在寫一份政策簡報，你正在寫一份很長的文件，它需要做出感知，需要把所有的東西聯系在一起。
事實上，大多數非程序員的人沒有像這樣每天需要做的事情。但是回到這里潛在的突破，那就是你有一個連貫的思想鏈，一種連貫的，你知道的，在問題上取得進展的方式。
這不僅需要考慮問題，還可以采取行動，制定行動計劃。所以，我最感興趣的是像o1這樣的模型，我相信很快會有其他實驗室的其他模型使用它們來真正實現長期行動。
你知道，基本上是智能體——雖然我覺得這個詞被用得太多，已經不太能準確傳達我們真正想做的事情了。但我生活中有各種任務，我希望模型能為我預定、為我購物、為我解決問題，方式是它與外界互動。所以我認為我們真正需要搞清楚的是這個形式因素是什么？我們怎么做？我覺得還沒有人完全搞明白這一點。
主持人：完全能理解。我覺得每個人都會想象這些代理人能做什么，能為個人和企業解決多少問題。那么，今天我們距離實現這一點還有哪些大問題呢？顯然，你已經看到了一些早期模型，比如 Anthropic 發布的計算機使用模型，當然，其他實驗室也在做這方面的工作。那么，當你考慮什么阻礙我們今天實現這一目標時，最難解決的問題是什么？
Bob McGrew ：要解決的難題還有很多。我認為最緊迫的問題是可靠性。
如果我讓某個代理人暫時先不做事情，如果我讓一個代理人代表我做某件事，哪怕只是寫一些代碼，假設我需要離開 5 分鐘或者 1 個小時，讓它自己工作，如果它偏離任務并且犯了個錯誤，我回來時發現它什么都沒做，那我就浪費了一個小時，這可是個大問題。
再加上這個代理人將要在現實世界中采取行動。也許它為我買了東西，或者提交了一個 PR，或者代表我發送了一封郵件、Slack 消息。如果它做得不好，那就有后果了。至少我會感到尷尬，可能還會損失一些錢。
因此，可靠性變得比過去更加重要。我認為，在考慮可靠性時有一個經驗法則，從 90% 提高到 99% 的可靠性，可能需要在計算上增加一個數量級。你知道，這是一個 10 倍代數。而從 99% 到 99.9% 的可靠性，又是另一個數量級。所以每增加一個 9，就需要模型性能的巨大飛躍。你知道，10 倍的改進，這是非常大的進展，相當于一年或兩年的工作量。所以我認為，這確實是我們將面臨的第一個問題。
3.談多模態，下一代Sora生成時長一小時
主持人：還有什么特別感興趣的領域嗎？
Bob McGrew： 另一個非常令人興奮的事情是多模態的“大日子”。今天的多模態“大日子”標志著一個漫長歷程的高潮。在2018年左右，變換器（Transformer）技術被發明出來后，一個顯而易見的事實是：這種技術可以被應用于其他模態。
多模態包括視覺模態，如圖像輸出，還有音頻輸入和輸出。一開始，這些功能主要存在于獨立的模型中，比如“DALL-E”或“Whisper”。最終，它們被整合進主模型中。而長期以來抵制整合的模態之一是視頻模態。你知道，Sora（模型）可能是第一個展示這種技術的案例，之后也有其他公司推出相似的模型，但現在 Sora 自身已經正式發布了。
視頻與其他模態相比有兩個有趣且不同的特點。
在創建圖像時，你可能只需要一個提示，模型就可以生成一張圖像。如果你是專業的平面設計師，可能會對細節進行調整。但對大多數人來說，圖像的用途是很直觀的，比如用于幻燈片、推文或演示文稿。
但視頻則不同。它是一個擴展的事件序列，而不是一個簡單的提示生成過程。因此，你需要一個完整的用戶界面，并考慮如何讓這個故事隨著時間的推移展開。
這也是 Sora 發布中的一個關鍵點。相比其他平臺，Sora 的產品團隊在這方面投入了更多時間來思考。此外，視頻制作的成本非常高。
訓練和運行這些視頻生成模型的成本都非常高。盡管 Sora 的視頻質量很出色，但想要看出明顯的質量提升需要仔細觀察——特別是短時間片段時。現在，任何擁有 Plus 賬戶的用戶都可以使用 Sora 模型。OpenAI 還推出了每月 200 美元的 Pro 賬戶，允許用戶進行不限速的 Sora 視頻生成。擁有這樣的質量和分發能力解決了兩大難題，而這對競爭者來說將是一個很高的門檻。
主持人：你覺得未來幾年，生成式視頻模型會發展成什么樣子？在 LLM 模型領域，模型每年都變得更快、更便宜，你預計視頻領域會有類似的改進嗎？
我認為類比是非常直觀的。未來兩年，視頻模型的質量會更高。現在的即時生成質量已經很好了，例如反射、煙霧等復雜效果都能實現。困難之處在于延續性和連貫性。Sora 的團隊開發了一個故事板功能，允許用戶每隔 5 秒或 10 秒設置檢查點，引導生成過程。
從幾秒鐘的視頻生成擴展到一個小時的視頻，這依然是一個難題。我認為這是你會在下一代模型中看到的。我認為未來的視頻模型將和 GPT-3 的發展類似。GPT-3 剛發布時生成一個高質量 token 的成本比現在高 100 倍。同樣，未來 Sora 的高質量視頻生成成本也會大幅降低。
主持人：AI 是否可能制作出完整的電影，甚至贏得一些獎項？你認為大概會在什么時候實現？
Bob McGrew：老實說，獲獎的門檻其實有點低。真正的問題是，這是不是一部你真的想看的電影？我認為兩年內我們會看到這樣的電影。但電影吸引人的原因不會是因為技術，而是因為導演有獨特的創意，并利用視頻生成模型實現這些創意。這些是傳統電影無法完成的。
4.OpenAI的多次“重建”：必然的選擇
主持人：我們很幸運能夠研究過Palantir和OpenAI，當你想到OpenAI時，已經有很多文章講述了Palantir文化的獨特之處。我相信將來會有很多關于它文化的文章，你認為這些文章會說什么？
Bob McGrew ：是的，我想其中一部分是與研究人員合作，這是我們剛才討論過的。
OpenAI另一個非常特別的地方是，它經歷了很多次轉型，甚至可以說是多次“重建”。當我加入OpenAI時，它是一個非營利組織，公司的愿景是通過撰寫論文來實現AGI（通用人工智能）。但我們知道這種方法不對勁。很多早期的成員，包括Sam（Altman）、Greg（Brockman）和我自己，都是初創公司的背景。那時候，這條實現AGI的道路總感覺不太對。幾年后，OpenAI從非營利組織轉變為營利性組織，這在公司內部引起了極大的爭議。部分原因是，我們意識到遲早要與產品打交道，必須考慮如何盈利。
與微軟的合作也是一個“重建時刻”，并且非常有爭議。賺錢已經是一回事，但把利益交給微軟這樣的科技巨頭？這在當時被認為是極具爭議的決定。之后，我們決定不僅與微軟合作，還要利用API構建自己的產品。最后，通過ChatGPT將消費者與企業用戶結合起來。這些轉變中的任何一個，放在一般初創公司身上都會具有決定性意義。而在OpenAI，這種根本性的變化大約每18個月到兩年就會發生一次。我們從撰寫論文的角色，轉變為構建一個全世界都能使用的模型。這種變化確實很瘋狂。如果在2017年問我們正確的使命是什么，我們可能不會選擇通過寫論文實現AGI，而是希望建立一個每個人都能使用的模型。只不過當時我們不知道如何實現目標，只能通過探索不斷發現。
主持人：你認為是什么讓你們如此成功地實現了這些重大轉變？
Bob McGrew ：我認為，主要是出于必要性。沒有一次轉變是隨意選擇的。
例如，當你運營一個非營利組織，資金耗盡時，你必須找到籌集資金的方法。為了籌集資金，你可能需要成為一個營利性機構。與微軟合作也是類似的情況，也許他們一開始并沒有看到我們創建的模型的價值，所以我們需要開發一個API，通過這種方式向他們證明這些模型確實受到人們歡迎。
至于ChatGPT，我們在GPT-3發布后就確信，如果取得一些關鍵的技術進步，模型不應該僅僅以API的形式出現，而是可以直接進行對話的工具。所以這個轉變是比較有意識的。然而眾所周知，它的發布方式有些偶然。當時，我們正在研發中，實際上已經完成了GPT-4的訓練。我們希望等模型足夠好的時候再發布。
2022年11月，我們內部測試ChatGPT時，并不認為它完全達標。但領導團隊的John Schulman堅持說，“我們應該發布它，獲得一些外部反饋。”我記得當時覺得，如果能有1000人使用就算成功了。我們設置的成功門檻很低，并做出了一個關鍵決定——沒有將它放在等待名單之后。而最終，全球用戶的熱情讓它迅速流行起來。
