不久前，OpenAI CPO（首席產品官） Kevin Weil 與 Anyscale 聯合創始人 Robert Nishihara 展開了一場對話。
作為 OpenAI 的高管之一，Kevin 的對話涵蓋了多個層面，從技術架構到產品策略，再到更廣泛的社會影響。
Kevin Weil 深入講解了 o1 模型在複雜問題推理中的應用，特別是在面對多維度的程式設計問題時表現出色。同時，他強調了“防禦深度”概念，認為模型的安全性不僅體現在模型本身的設計上，也與具體的應用場景密切相關。
Kevin 強調了迭代部署的價值，即透過逐步擴大模型的使用範圍，讓其在真實世界中接受挑戰和反饋，從而提升模型的安全性與實用性。這種開放、透明的方式體現在 OpenAI 對外發布的模型規範上，並透過全球社群的反饋不斷最佳化。
他相信，隨著模型的智慧水平不斷提升，開發者有巨大的機會利用 AI 來解決特定行業的挑戰，特別是在專有資料和特定領域知識的應用上。
以下為這次對話的全部內容，enjoy～
Robert Nishihara：
你之前領導過許多公司的產品管理，那麼在 OpenAI 的產品管理有什麼不同嗎？
Kevin Weil：
你知道，從某種程度上來說，產品管理在不同公司確實有所不同。很多時候這取決於創始人和公司的文化。
Twitter 的共識文化非常強，可能因此我們本可以行動得更快。在 Instagram，有 Kevin Systrom，我認為他是全球最頂尖的產品思考者之一。
而在 OpenAI，顯然，Sam 是一位有遠見的領導者，他激勵我們放眼大局，但同時也給我們足夠的空間去探索和確定我們應該構建哪些產品。
但實際上，最大的不同在於，在我之前工作的所有地方，你大致上有一個固定的技術基礎，然後試圖用它來構建最好的產品，理解使用者及其問題。
在 OpenAI 以及整個 AI 生態系統中，技術基礎是不固定的。每隔一兩個月，計算機可以做一些從未能做到的事情，而且你無法完全預測這些技術會何時出現。
有時你可以預感到下一代模型可能會有某些新能力，它們就像是從迷霧中浮現出來一樣，但通常直到模型真正成熟之前，你並不知道它到底能做到多少。是 80%？還是 95%？又或者是 99%？
根據不同的正確率，構建產品的方式會完全不同。因此我們大多是在摸索中前進，技術變化得如此之快，這雖然是個巨大的挑戰，但也是非常有趣的挑戰。
Robert Nishihara：
不僅僅是對你們來說，對你們的客戶也是如此，對吧？那些在你們平臺上開發的開發者們。
Kevin Weil：
是的，我最近和我們的一位企業客戶開會時，他們問我能否提前 60 天通知他們即將釋出的所有功能更新，因為這樣會對他們幫助很大。我當時就說，我也希望能提前 60 天知道這些事情。
Robert Nishihara：
這的確是個好問題。你剛提到了企業客戶，OpenAI 不僅為消費者提供 ChatGPT 服務，也為開發者提供 API 服務。既然這是一個開發者的場合，我們來談談你們面向開發者的路線圖策略吧。
Kevin Weil：
是的，昨天我們剛舉行了開發者日，非常激動，有很多重要釋出。總體而言，我們的理念是更多的 AI 對世界更好。所以我們希望把 AI 交到開發者手中，讓他們用它做出驚人的事情。
因此，我們會盡可能將我們最前沿的模型放入 API 中，帶來新的能力，比如昨天我們剛釋出了即時語音 API。
Robert Nishihara：
恭喜你們！
Kevin Weil：
謝謝！我們對此非常興奮。昨天我們還發布了模型蒸餾功能，可以將大型模型壓縮為擅長特定任務的小型模型，從而以更低的成本執行它們。
總體來說，我們希望帶來更多的智慧，讓它更便宜、更快、更安全，並交給 300 多萬使用我們平臺的開發者。你們會幫助推動 AI 的普及，而這對全世界的人來說都是一件根本性的好事。
Robert Nishihara：
這些釋出中，哪一個是你最興奮的？
Kevin Weil：
我認為蒸餾功能會是一個至關重要的進步，因為它將開啟更多的 AI 應用。這個領域的發展趨勢非常瘋狂。
如果你回頭看看最初的 API 釋出，比如 GPT-3，再對比今天的 GPT-4，最強的模型之一現在的成本僅為 GPT-3 釋出時的 1%。它變得更智慧、更安全，而且在不到兩年的時間裡成本下降了 99%。
我不知道還有哪些行業能夠實現這樣的變化，但這很棒，因為 AI 變得越便宜，就會有更多的應用場景，我們就能一起解決更多的問題。
因此我們只是希望把 AI 交到更多人手中。我認為蒸餾功能是一個很大的進步，先進的語音模式也非常令人興奮。我可以談論它的應用場景一整天。
Robert Nishihara：
我想補充你的觀點。我們在 Ray 中也看到，每當你能讓某個東西速度快一個數量級或者成本低一個數量級時，你就會解鎖更多的應用場景。
Kevin Weil：
我幾周前在首爾和東京，與那裡的客戶開了很多會議。我們有翻譯人員幫助會議交流，但在會議後的閒聊中，有些人我不懂韓語或日語，而他們也不會說英語，我們之間沒有共同語言。
我就拿出 ChatGPT，用我們的新語音模式對它說：“我希望你當我的翻譯。當你聽到我說英語時，把它翻譯成韓語，當你聽到韓語時，把它翻譯成英語。”
這個功能如果你有 Plus 訂閱，現在就可以使用。它成功地幫我完成了交流，我和對方不僅能說上兩句話，甚至進行了完整的業務對話。這真的令人震撼。
你可以想象，這不僅在商業中有用，還可以應用於旅行和旅遊業。如果人們不再害怕去那些他們完全不懂語言的地方，會發生什麼？就像一個“通用翻譯器”的概念。
Robert Nishihara：
你已經參與了這個領域很長時間了。它一直在發展。
Kevin Weil：
對，就像《星際迷航》一樣，曾經這類技術只是科幻，現在你隨身攜帶的裝置就能實現它。
Robert Nishihara：
我記得好像在 2015 年或者稍早的時候看過一些相關的備忘錄。這確實令人難以置信。我們來聊聊競爭格局吧。開源模型對 OpenAI 的業務意味著什麼？
Kevin Weil：
我很高興有開源模型存在。我認為這並不是非此即彼的問題。從哲學使命的角度來說，這是關於讓更多人接觸 AI，我認為這很好。
我也與 Mark 合作了很多年，對他非常尊重，他的策略非常聰明，特別是對 Meta 而言。我們也做了一些開源專案，比如我們的 Whisper 模型，它可以做轉錄，而且是完全開源的。
所以，我認為讓更多的人接觸到 AI 是很好的，最終人們會尋找最具能力、價格最優、同時也最安全的模型，更多的選擇是一件好事。
Robert Nishihara：
如果你考慮 OpenAI 最好的模型和最好的開源模型之間的差距，你預計這個差距會擴大還是縮小？
Kevin Weil：
你知道，我們當然會盡最大努力讓這個差距擴大。
Robert Nishihara：
你怎麼看待與雲服務提供商的競爭？他們擁有構建優秀模型所需的資源和資料。
Kevin Weil：
是的，它們都很不一樣。在某種程度上，競爭是不可避免的，因為這可能是世界上增長最快的市場之一。你得分別看待不同的雲服務提供商。
Microsoft 是我們的深度合作伙伴，當他們做模型相關的事情時，通常是透過我們的模型。Google 更像是一個直接的競爭對手，而 Amazon 則像是走不同路線，他們透過 Bedrock 平臺與 Anthropic 合作開發模型。
但更多的競爭和選擇會讓我們所有人變得更好。因為這個領域有大量的競爭，你們將獲得更好的 AI 模型，這對世界來說是件好事。
而我們要做的是一些那些大雲服務商無法做到的事情，比如更快地行動，承擔更多的風險，特別是在產品方面，以及對新模型能力的深入探索。這是我們要做的。
Robert Nishihara：
我對 o1 和推理模型的釋出印象深刻。你能分享一下將這個模型變成產品時遇到的挑戰嗎？
Kevin Weil：
誰使用過 o1？只是好奇問一下。哇，太棒了，幾乎每個人都用過了。關於 o1 有很多有趣的挑戰。
其中之一是，o1 對於那些還沒玩過它的人來說，傳統的模型訓練模式是你從 OpenAI 的 GPT-1、GPT-2、GPT-3、GPT-4 甚至未來的 GPT-5，一步步訓練，將更多的計算資源用於更大的預訓練資料集，進行大規模的預訓練。
這種模型通常很廣泛，積累了大量的事實和知識，但依舊是類似系統一的思維方式，你問一個問題，它給你答案。
o1 的不同之處在於，它實際上已經學會了推理。如果你允許我把它擬人化一下，當遇到一個問題時，它不會直接給出答案，而是思考。
它會生成假設，然後測試這些假設，確認或否定它們，再根據結果生成新的假設。這就像你遇到一個難題時，可能會在腦海中構建不同的假設，最終得出結論。而 o1 在後臺做的就是類似的事情。
所以它不僅僅是依賴已學到的知識，而是能夠透過推理進入新的領域。這是一種根本不同的方式，不再僅僅是依賴更大的預訓練，而是透過更多的推理能力在問題解決時進行運算。這是擴充套件模型的一種根本不同的方式。
它在科學、推理和數學等純推理的領域表現特別好。我們最初並不確定它在這些領域外的普遍適用性，比如它在程式設計或創意寫作中的表現。它是一個針對特定領域的有用工具，還是能夠在更廣泛的場景下展現價值？
此外，它需要時間來思考。因此，如何正確地呈現它的思維過程也是個問題。最終我們選擇了讓它在解決問題的過程中展示它的思維方式，並且給出總結性的答案。這個過程讓使用者能夠看到它是如何得出結論的。
在開發過程中遇到了許多新問題和挑戰。好訊息是，市場反饋非常好。我們也把它應用到了 API 中，這讓我們感到非常興奮，因為我們知道開發者將面對一些最具挑戰性的應用場景。而且我們已經看到了 o1 能夠完成一些令人鼓舞的事情。
Robert Nishihara：
是的，其實就你剛才提到的關於它的廣泛適用性，我覺得像治癒癌症這樣一些最困難的科學研究任務，可能需要具備非常強的推理能力的模型。
而在光譜的另一端，像總結新聞文章這樣的任務，可能不需要那麼多的推理能力。如果我們展望未來，你覺得大多數任務會落在哪個光譜位置上？
Kevin Weil：
是的，這確實很有趣。如果你考慮到今天一些最具經濟價值的任務，o1 模型目前還是有上下文視窗的限制。但隨著時間的推移，這種視窗會延長，它將能夠進行更多的思考。現在它可以思考 60 到 90 秒。
有時我覺得很有趣，我問它一個難題，它思考五秒鐘就給出答案，我想，哦，看來我沒能給它足夠的挑戰。
但你可以想象，未來你可能會問它如何治癒某種癌症，然後讓它思考五小時、五天甚至五個月。有些問題需要大量的時間去思考。
而像“請幫我總結這封郵件”這樣的問題，則需要較少的思考。我認為即將發生的變化是，我們習慣於模型的聰明程度。我們很快適應了它的進步。
我之前讀到一篇文章，有人第一次使用 Waymo ，最初 10 秒鐘內，他們還在緊張，擔心車輛能否避開腳踏車手。
10 分鐘後，他們覺得這太酷了，20 分鐘後，他們已經無聊地在手機上檢視郵件了。這說明我們多快地適應了世界上驚人的新技術。
Robert Nishihara：
事實上，對於那些從外地來的人，在離開舊金山之前，你應該體驗一下自動駕駛汽車。
Kevin Weil：
你一定要試試，這太神奇了。不過我們仍然習慣於逐一給 AI 下達任務指令，比如“請幫我總結這封郵件”，然後再做其他處理。
我認為未來我們將從 AI 回答問題的世界，轉向 AI 為我們在現實世界中完成任務的世界。這些任務不僅僅是 5 分鐘的工作，可能是 5 小時甚至 5 天的任務。
甚至一些日常事務、商業流程效率等都需要 AI 進行更多推理，制定複雜的計劃並執行，同時定期與你溝通。因此我認為 o1 模型及其推理能力將在未來發揮更大的作用。
Robert Nishihara：
這是否意味著每個基於這個模型開發產品的開發者都需要重新思考他們產品的使用者體驗，以適應這些增強的能力和可能出現的延遲？
Kevin Weil：
我認為這幾乎是一種更根本的哲學轉變。我們習慣了系統一型別的 AI 思維，即問一個問題然後得到答案。
而未來你將能夠要求 AI 為你做事，它會變得更加自主。這是一種完全不同的產品構建方式。因此，是的，UI 確實會改變，因為任務將更具非同步性。
但更重要的是，以前無法實現的產品現在變得可能了。如果我是開發者，或者正在創辦公司，我會考慮那些 AI 今天剛剛能夠處理的任務，併為這些用例開發產品。因為三到六個月後，AI 的能力將提升，你將領先於所有競爭對手。
Robert Nishihara：
你對在場的開發者有任何建議嗎？什麼時候應該使用 o1 模型而不是其他模型？比如，程式設計是適合使用 o1 模型的任務嗎？
Kevin Weil：
是的，實際上 o1 是一個非常出色的程式設計師，尤其是在面對複雜問題時。如果你只是想讓它寫一個 Python 函式來排序列表，任何模型都可以做到。
但當你有一些需要經過推理並做出許多權衡的複雜程式設計問題時，o1 模型表現得非常好。我認為在這個快速發展的世界裡，關鍵是思考 AI 目前還無法完全做到的事情。
當你圍繞這些問題構建產品時，你可能會發現它今天還無法完美運作，但三個月後它會運作得非常好，而這會是非常令人興奮的事情。
Sam 曾多次提到，如果你在構建某樣東西時，擔心 OpenAI 或其他公司的下一個模型釋出會讓你的產品失效，那麼你可能沒有在構建正確的東西。
如果你正在構建的東西，期待下一個模型釋出會讓它變得好十倍，那你就處於一個非常好的位置，因為你正在推動智慧的前沿，進入以前不可能的產品領域。
Robert Nishihara：
這是個很棒的判斷標準。那麼其他公司什麼時候會趕上 o1 模型的步伐？
Kevin Weil：
明天？明年？12 個月後？誰知道呢？這也是這個行業有趣的地方，仍然有很多東西等待被發現。各大實驗室都在做非常出色的基礎研究，有時會專注於不同的領域。
有些實驗室可能在某些領域領先，另一些則在其他領域領先。這也是一個讓人興奮的地方，競爭激烈，每個人都要盡力而為，並快速行動。
我們知道其他實驗室最終會掌握我們構建 o1 的技術，一些技術會逐漸擴散開來。我們的任務是在他們趕上之前，已經領先三步。
我們確實感覺 o1 代表了一個新的維度，這是一種不同的擴充套件模式，不再依賴大規模預訓練，而是在推理時間上進行擴充套件。
我們認為我們目前正處於類似 GPT-2 的階段，能看到很多可以快速改進的低垂果實。因此，當其他人趕上時，我們將努力再領先三步。
Robert Nishihara：
引入額外推理時間計算的複雜性，這對於這個在場的觀眾特別重要，尤其是如果你們考慮為此提供服務的系統時。
Kevin Weil：
是的，絕對會更復雜。
Robert Nishihara：
現在我們來談談消費級產品。你參與了構建一些全球最成功的消費級產品，比如 Twitter、Instagram 等。最終，社交媒體透過廣告實現了盈利。那麼，面向消費者的 AI 最終如何實現盈利呢？是透過每月 20 美元的訂閱費，還是其他方式？
Kevin Weil：
這是個非常有趣的問題。我先說，我們現在沒有所有的答案。目前我們沒有計劃透過廣告盈利，特別是隨著模型變得越來越智慧。
你可以想象，有律師事務所的高階律師告訴我們，他們讓 o1 為他們寫了一份法律簡報，本來需要一個每小時 1,000 美元的助理花 6 小時完成的工作，而它用了 5 分鐘完成。
這意味著你突然可以用 3 美元的 API 費用完成 8,000 美元的工作。所以我們還不知道所有的答案。
此外，我們的使命之一是讓 AI 普及到每個人。全球有很多地方我們提供免費的產品，而且我們將始終這樣做。
我們深信這一點，並且真的在努力讓 AI 越來越便宜，以便我們可以在免費產品中提供更多功能。但也有很多人會選擇每月 20 美元的訂閱服務。世界上也有很多人負擔不起 20 美元的訂閱費。
因此，如何在一方面分享我們創造的價值，比如將一項以前需要 8,000 美元完成的工作轉化為幾分鐘內用少量費用完成，同時也能將 AI 帶給那些可能負擔不起的人，這仍然是一個開放的問題。
Robert Nishihara：
你覺得未來會如何發展？這些技術會最終只值 3 美元的 API 代幣，還是你認為可以收取接近 8,000 美元的費用？
Kevin Weil：
我不太確定。我認為世界會發生變化。如果能夠用 3 美元做這些事情，你也無法長期收取 5,000 美元的費用，因為很快就會有人來收取更低的費用。
最終，這些價格會接近實際生產成本。所以這是一個完全不同的世界。我們所有人在座的各位都在一起創造這個世界，我們都有機會塑造它。
Robert Nishihara：
在規劃 ChatGPT 的路線圖時，你會不會使用某些產品類比來幫助思考，比如將它比作搜尋引擎或類似於訊息應用？
Kevin Weil：
有趣的是，實際上我個人找到的最好類比是把這些系統想象成另一個人。我舉個例子，可能以 o1 模型為例，它會思考一段時間，對吧？
你可能有 30 到 60 秒的時間，當有人問了一個問題，它正在思考答案。那麼在 UI 中該怎麼做呢？如果我問你一個難題，你不知道答案，大多數人不會開始胡言亂語或者不停地說出自己的想法。
大多數人也不會直接沉默，轉頭髮呆 60 秒。通常你會給出一些階段性的更新，比如“我在思考，可能是這樣，等一下。”你會進行類似的逐步反饋。所以我們最終決定在產品中也是這樣做的。
還有，比如在語音模式中，當你和某人交談時，實際的感覺與書寫時是完全不同的。我不知道你是否曾經為自己準備過演講稿，然後把它大聲讀出來，聽起來非常生硬。
至少對我來說是這樣的。所以為了讓它聽起來自然，我必須改變寫作方式。在開發高階語音模式時，我們遇到了類似的挑戰。
最初，它會在回答完一個問題後，繼續提出另一個問題，顯得有些“粘人”，像是想延續對話。因此，透過模擬人類的行為，我們找到了模型應該如何在這些場景下表現的指引。
Robert Nishihara：
這確實是一個非常有趣的見解。書面英語和口語英語是兩種不同的語言。
Kevin Weil：
是的，至少對我來說，如果你把我們的對話直接數字化並讀出來，我可能聽起來完全不自然。
Robert Nishihara：
因此使用者體驗（UX）在這裡非常重要。你提到了許多 UX 突破，聊天介面是一個巨大的突破，語音模式是另一個。還有哪些你們還沒有推出但認為非常重要的 UX 突破嗎？
Kevin Weil：
我認為非常明確的一點是，模型的響應需要變得更豐富。現在大多數是文字往返互動。我們認為，你應該能夠以與人與人互動的所有方式來與模型互動。
比如我今天早上和你進行了很多打字互動，這也是大多數人今天與 ChatGPT 互動的方式。
但我也會說話，我也會看到東西。我們希望你能與模型對話，它也能與你對話。我們希望你能舉起手機，向模型展示你看到的東西，並就現實生活中的情況向它提問。
我們已經討論了 Sora，它能夠即時生成影片。所以所有這些互動方式都需要像人與人之間的互動一樣自然和完全整合。
Kevin Weil：
還有就是，我覺得聊天介面可能依然會存在，儘管未來我們會看到更多自主行為和長期任務。因為就像人類之間的協作，聊天和對話實際上是我們今天如何合作的方式之一。如
果你把自己看作是與越來越智慧的 AI 合作，聊天作為一種對話模型是可以擴充套件的。因此，未來如何演變還是很有趣的事情之一。
Robert Nishihara：
換個話題，人們對模型是否左傾、右傾或過於政治正確提出了擔憂。你認為這些價值觀是由研究團隊在訓練或後期處理過程中決定的嗎？還是在產品層面進行的？
Kevin Weil：
這是非常有趣的問題。其實如果我們詢問在場的所有人，可能每個人的看法都不同。有些問題，比如政治立場，顯然模型不應該採取立場。
但對於像“地球是平的嗎？”這樣有 99% 的共識的問題，模型是否應該採取立場？如果是 80 對 20 的問題呢？
這些都是難題。所以我們釋出了模型規格，並給出了大量示例，說明這是我們指導模型遵循的規範，並且公開徵求意見。
如果模型的行為與你的期望不符，可能有兩種原因：1，模型沒有遵循規格，這是個錯誤，我們應該修正。2，你可能不同意這個規格。在後一種情況下，我們可以進行討論，但至少我們有一個公開的規格，可以作為社會辯論的基礎。
我們認為這是一種更好的方式，而不是簡單地說“我不喜歡這個回答，OpenAI 快去修復”。這是我們採取的辦法。
Robert Nishihara：
這對那些基於模型構建產品的人來說是一個很好的方法。很多人在這裡不僅是在構建模型，而是圍繞你的模型構建系統。
當我們考慮安全問題時，安全當然可以有很多不同的含義。如果我要思考安全問題，正確的分析單位是什麼？是模型本身，還是模型周圍的系統和產品？
Kevin Weil：
我們的觀點是兩者都是重要的，這是基於一種“深度防禦”的方法。有些事情我們希望模型永遠不要做，永遠不要回答。而有些事情會根據應用的具體場景發生變化。
比如在 ChatGPT 中，我們會有一套特定的觀點。而在 API 場景下，你作為使用者可能有更多的自由，可以採取不同的觀點，比如你是一名核聚變科學家，有些問題我們不希望 ChatGPT 回答，但可能在你的工作中它是合理的。
因此，有些地方我們會堅守立場，認為模型不應該做某些事情，因為它們是非法的，或者從根本上講，不是我們希望自己構建的產品能做的事情。而在其他地方，它將更多地依賴於上下文，我們也希望允許這種靈活性。
Robert Nishihara：
這非常有趣。我很好奇，當你們撰寫這個規範時，參與者中哪些技能最重要，才能做好這項工作？
Kevin Weil：
實際上，我們僱用了很多作家，幫助模型更好地表達自己，幫助它在情感上做得更好。還有一點，在 Twitter 早期的時候（像是 100 年前），EV 說過一句話，一直影響著我，這個理念也貫穿在 OpenAI。
他說，無論你有多少聰明人在公司裡，牆外總有更多的聰明人。這句話在任何社會變革中都是真理，在 OpenAI 尤其相關。
我們相信迭代部署的理念。對於新技術和它帶來的各種社會問題，從安全到更日常的事務，我們的信念是，透過逐步將模型暴露給更廣泛的群體，實際上是讓它們變得更安全的方式，也是推動世界逐步積極變化的方式。
這就是我們在這裡採取的方法。這就是為什麼我們的模型規範是公開的，它在那裡，我們徵求全世界的反饋，並根據這些反饋不斷改進，而不僅僅是依賴內部團隊的反饋。
Robert Nishihara：
這在 OpenAI 的背景下非常合理。我們在 Ray 的開源社群也從許多不同公司的貢獻中受益良多。
Kevin Weil：
是的，完全同意。
Robert Nishihara：
在結束之前，你能分享一下你對未來的展望，以及你最期待的是什麼嗎？
Kevin Weil：
我覺得未來會很有趣。我舉了 ChatGPT 作為我個人翻譯工具的例子，這個體驗讓我大開眼界。我也對每個孩子都能有個性化導師這樣的事情感到興奮。
我有點驚訝這件事今天還沒有實現。Khan Academy 在這方面做了一些有趣的事情，但似乎還沒有真正普及。我猜今天大多數孩子還沒有在使用 AI 個性化輔導，更不用說那些對 AI 不太敏感的全球其他地方了。但這幾乎是不可避免的。個性化輔導的結果與傳統學校教育相比，效果差距是巨大的。
Robert Nishihara：
這確實很有趣。我可以問你一個問題嗎？在個性化教育這個領域，你覺得有多少空間可以在 OpenAI 的模型基礎上創造價值？還是說下一個模型的出現會讓之前的工作變得過時？
Kevin Weil：
哦，我覺得有巨大的空間可以發揮。我認為我們已經達到了一個臨界點，或者說我們已經不再是“智慧受限”，而是“評估受限”。
模型本身已經具備處理各種事情的智慧能力，現在更多的挑戰是如何將它應用到具體的用例中。你可能有一些私人資料，這些資料是經過多年的業務積累而得的，能讓模型在特定任務上表現出色。
我們不可能去做所有這些事情，這也是為什麼我們與 Khan Academy 合作，為什麼我們建立 API。我們希望像你們這樣的開發者能夠構建出許多驚人的產品，因為我們相信，AI 越早走向世界，世界就會越早變得更美好。
所以我對此非常興奮，而且模型的進步速度非常快，這意味著我們面前有巨大的機會。
✦ 出海活動 ✦
✦ 往期精選推薦 ✦