A Review of OpenAI's Series of Press Conferences: From Tools to AGI, OpenAI's 12-Day Evolution Theory

OpenAI 年末的 12 天連續 Devday 更新終於落幕，每天蹲守觀看發佈會都像在開巧克力盲盒，不知道下一個是什麼口味。

在前 11 天的發佈會中，大部分屬實非常寡淡，只有三個產品還有些精彩的 “滋味”。

總結起來，能稱得上重磅的更新包括：o1 正式版、Sora、Canvas，它們主要集中在前 4 天發佈。

其中，o1 正式版確實提升很大，Sora 則是增加了不少對 AI 生成視頻進行更改的產品模式，Canvas 可以被視為 OpenAI 第一次挑戰 AI 工作台的產品嚐試。

其次，相對還有些看點的是：和蘋果的深度合作，視頻通話功能，以及 o1-mini 的強化微調。

o1-mini 的強化微調在專業領域潛力很大，微調簡單提升明顯。視頻通話功能則是那個讓人驚豔的 “HER” 正式上線。和蘋果的深度合作對 OpenAI 來講也是件大事，更站穩了在 AI 行業的一哥地位。

另外一些小的產品更新則是讓人覺得——“這也值得開發佈會？”

這些產品包括 “Projects” 項目功能、o1 圖像輸入和 4o 高級語音 API 正式開放、ChatGPT Search 升級和給 GPT 打電話 的功能。它們都是相對比較小，也都和競爭對手沒什麼差異的更新。

到了最後一天，OpenAI 終於甩出一個王炸：GPT-o3。一舉打破 AI 發展陷入瓶頸的懷疑，各項性能直奔 AGI 而去。

我們根據發佈產品的重要性做了一個表格，梳理這過山車似的十二天發佈日。

下面，我們來稍微詳細地講述一下這些更新的核心點。

重要產品更新

o1 完全版（Day1）

從能力上看，o1 確實比 Preview 版本有了比較大的進步。它在國際數學奧林匹克預選賽題目（AIME 2024）、編程能力測試（CodeForces）方面都比 o1- preview 提升了 50%。在處理複雜問題時的重大錯誤率降低了 34%。

它還能根據題目的難易程度調節處理時間，這使得用户等待時間下降超過 50%。

更重要的是 o1 也能支持多模態識別了。這讓它的實用性暴增。醫生可以用它分析醫學影像，工程師能讓它幫忙看圖紙，設計師還能讓它提供創意建議。

但它的價格也相當貴，只有 200 美金的 ChatGPT Pro 版訂閲用户才能享受無限使用，其他普通 20 美元訂閲用户僅能享受每日 20 次使用權限。

作為第一天登場的產品，o1 確實能讓人眼前一亮。

Sora（Day3）

等了 10 個月後，Sora 終於姍姍來遲。

但這不是個模型版本升級，而更像是一個產品打磨。正式版的 Sora 能生成最長 20 秒，最高 1080p 的視頻。生成效果和 2 月份剛放出的差異不大。

但產品上 OpenAI 確實下了點心思，故事板是此次發佈中最具創新性的功能，也是 Sora 最具野心的嘗試。它為用户提供了類似專業視頻編輯軟件的時間軸界面。用户可以在時間軸上添加多個場景卡片。用户可以將多個提示詞串聯起來，系統會自動處理場景之間的過渡效果。

除此之外，OpenAI 還提供了 Remix、Blend 和 Loop 三個專業工具。換掉視頻中的元素，或者混合兩個視頻，還能自動補全做無限循環視頻。

產品是挺不錯的，但沒升級過的模型不太給力。在發佈後的評測中，Sora 頻頻翻車，運動、交互和物理經常處理得一塌糊塗。還會有憑空出現的人和鬼影。

OpenAI 給的可用量也很小氣，20 美元的 Plus 用户每月可用 50 次。只有支付每月 200 美元的 Pro 用户則能享受無限次數的"慢速"生成權限。

Sora 總算來了，但是挺讓人失望的。

Canvas（Day4）

一句話形容，Canvas 就是 OpenAI 打造的 AI 版 Google Docs。

因為 Canvas 已經進化成了集智能寫作、代碼協作和 AI 智能體為一體的一套完整工作台。它顯示出了 OpenAI 超越 Chatbot 的產品野心。

作為寫作助手，可以提供編輯意見。

編程功能上，Canvas 則通過內置的 WebAssembly Python 模擬器，創造了一個幾乎無延遲的編程環境。它還展現出了理解代碼意圖的能力。

與近期更新的 Cursor 和 Devin 一樣，它上線了定製化 AI 智能體的能力。它可以完成一系列操作，幫你給朋友們發聖誕信。

Canvas 的這三個維度並不是孤立運作的。在實際使用中，它們往往會相互配合，這種無縫的集成使 Canvas 成了一個多功能 AI 驅動的創作工作室原型。

但單純從前端展示的角度看，它不如 Claude 的 Artifacts。編程的便利性也不如 Cursor。因此融合才是它的亮點吧。

一般產品更新

o1-mini 強化微調（Day2）

這一產品如果不是實用性較窄，也算是一個重磅發佈。

它改變了過去微調只是通過增加專業數據的邏輯，而是對具有推理能力的模型進行強化學習方向的微調。引導模型在面對複雜問題時有更深刻的思考能力。

現在，僅需 “幾十個例子” 甚至 12 個例子，就能夠讓模型有效學會特定領域的推理。根據 OpenAI 的研究數據，經過強化微調的 o1mini 模型，其測試通過率比傳統的 o1 模型高出 24%，相比未經過強化微調的 o1mini 則提升了整整 82%。

可惜只能微調 o1-mini，適用上也都是那些複雜領域任務，比如醫療、法律或金融和保險。泛用性較差。

高級視頻語音模式（Day6）

這又是個老餅上桌。5 月 13 日，在 GPT-4o 的演示中，OpenAI 的工作人員就能和 4o 視頻通話，可以看到我們實時的手機屏幕內容，或者根據相機裏的實時畫面和我們聊天或解答問題。

這次就是真正實裝了，沒有什麼升級。但這個功能本身還是非常重要的。

不過因為這個餅烙的時間有點長，前兩天微軟推出的 Vision 和谷歌還在烙的 Astra 也已經跟上了。OpenAI 的領先正在一點點被蠶食。

與蘋果的合作（Day5、Day11）

ChatGPT 和 Apple Intelligence 的，更像是個官宣深度結果。蘋果搞不定的只能讓賢 OpenAI 了。

整合主要包含三個方面：首先是與 Siri 的協同。當 Siri 判斷某個任務可能需要 ChatGPT 的協助時，它可以將任務移交給 ChatGPT 處理；

其次是寫作工具的增強，用户現在可以使用 ChatGPT 從頭開始撰寫文檔，還能進行文檔細化和總結；

第三是 iPhone 16 的相機控制功能，它能夠通過視覺智能讓用户更深入地瞭解拍攝對象。

後面第十一天的 Mac 整合，則是給了 GPT 更多 Mac 工具的調用權限。

我唯一不理解的就是這倆為什麼不能同一天宣佈，還非分兩天？

能力補齊和小功能更新（Day 7，8，9，10）

剩下的幾個更新最多隻能算是湊數。簡單一句話就能説清。

“Projects” 項目功能：它允許用户創建特定項目，上傳相關文件，設置自定義指令，並將所有與該項目相關的對話集中在一個地方。基本和 Claude 的沒差別。

ChatGPT 搜索升級：能在對話中搜索，支持多模態輸出。Perplexity 的 Pro 模式早支持了。

4o 熱點：美國用户能打電話用 4o 了！挺尊老愛老的，我看也算是給他們過重陽了。

o1 圖像輸入和 4o 高級語音 API 正式開放：我建議這個放在 o1 發佈當天最後一句話説完。

這幾天真的是有點進入拖時間的循環了。

最終王炸

GPT-o3（Day 12）

如果不是最後一天 GPT-o3 壓軸登場，我真的覺得 OpenAI 純粹是為了攪渾水才連開 12 天發佈會。

因為在這期間，Google 發佈了 Gemini 2 Flash，超快超強；Astra，看起來是真的 Agent 模樣；Voe2，碾壓 Sora ；Gemini 2 Flash Thinking，o1 人家也有了。就發了三篇公告幾個視頻，把 OpenAI 前 11 天的發佈全都掀了桌。

但在 Day 12，OpenAI 還是找回了雄風。用 o3 向業界證明：Scaling Law 未死，OpenAI 為王。

o3 是 o1 的下一個版本。在 9 月份 o1 發佈後僅 3 個月後，這一新版本在編碼、數學以及 ARC-AGI 基準測試等多個基準上就大幅超過了 OpenAI 此前的 o1 模型。

看幾個數據對比：

Codeforces 評分：2727——相當於全球人類程序員編碼競賽中，排名第 175 位。超過 99% 的人類程序員。

博士水平的科學問題（GPQA）：87.7%——博士生一般得分 70%

最難的前沿數學測試：25.2%——其他模型沒有超過 2%，數學天才陶哲軒説該測試 “可能難住 AI 好幾年”

證明是否達到 AGI 的題目 ARC-AGI：87.5%——o1 的得分 25%

最值得注意的就是這最後一項測試 ARC-AGI，它展示的是模型新型任務適應能力。作為對比，之前 ARC-AGI-1 從 2020 年 GPT-3 的 0% 僅提升到 2024 年 GPT-4o 的 5%。這意味着模型不是死記硬背，而是真正在解決問題的能力。

雖然 ARC-AGI 測試中表現出色，但這並不意味着 o3 已達到了 AGI 水平，因為它仍會在一些非常簡單的任務中失敗，和人類智能有根本性的差別。

但不論如何，這都證明 OpenAI 選擇強化推理這個範式轉變成功了。人工智能的發展沒有任何放緩的跡象。Scaling Law 依然有效。

那些對 AI 停滯不前的擔憂，被 OpenAI 年末的聖誕禮物一掃而空。

雖然 o3 進行一次低算力計算的成本高達 20 美元，高算力甚至可能高達 3000 美元，要使用在現階段幾乎是不可能的。但算力會降低，Scaling Law 會延續。

3 個月，兩個頂尖模型，OpenAI 在這 12 天的最後一天又讓我們感受到了 2022 年末到 2023 年初從 ChatGPT 到 GPT4 那段時間 AI 撲面而來的速度。

也許正如之前參與開發了 o1 的 OpenAI 科學家 Noam Brown 在採訪中説的一樣，“2024 年，OpenAI 是在實驗，而 2025 年就是全速前進的一年。”

OpenAI 12 天的發佈會，過程波折，完美收工。為 2025 年的 AI 埋下了希望。

本文作者：郝博陽，來源： 騰訊科技，原文標題：《一文回顧 OpenAI 系列發佈會：從工具到 AGI，OpenAI 的 12 天進化論》