一文回顾 OpenAI 系列发布会：从工具到 AGI，OpenAI 的 12 天进化论

OpenAI 年末的 12 天连续 Devday 更新终于落幕，每天蹲守观看发布会都像在开巧克力盲盒，不知道下一个是什么口味。

在前 11 天的发布会中，大部分属实非常寡淡，只有三个产品还有些精彩的 “滋味”。

总结起来，能称得上重磅的更新包括：o1 正式版、Sora、Canvas，它们主要集中在前 4 天发布。

其中，o1 正式版确实提升很大，Sora 则是增加了不少对 AI 生成视频进行更改的产品模式，Canvas 可以被视为 OpenAI 第一次挑战 AI 工作台的产品尝试。

其次，相对还有些看点的是：和苹果的深度合作，视频通话功能，以及 o1-mini 的强化微调。

o1-mini 的强化微调在专业领域潜力很大，微调简单提升明显。视频通话功能则是那个让人惊艳的 “HER” 正式上线。和苹果的深度合作对 OpenAI 来讲也是件大事，更站稳了在 AI 行业的一哥地位。

另外一些小的产品更新则是让人觉得——“这也值得开发布会？”

这些产品包括 “Projects” 项目功能、o1 图像输入和 4o 高级语音 API 正式开放、ChatGPT Search 升级和给 GPT 打电话 的功能。它们都是相对比较小，也都和竞争对手没什么差异的更新。

到了最后一天，OpenAI 终于甩出一个王炸：GPT-o3。一举打破 AI 发展陷入瓶颈的怀疑，各项性能直奔 AGI 而去。

我们根据发布产品的重要性做了一个表格，梳理这过山车似的十二天发布日。

下面，我们来稍微详细地讲述一下这些更新的核心点。

重要产品更新

o1 完全版（Day1）

从能力上看，o1 确实比 Preview 版本有了比较大的进步。它在国际数学奥林匹克预选赛题目（AIME 2024）、编程能力测试（CodeForces）方面都比 o1- preview 提升了 50%。在处理复杂问题时的重大错误率降低了 34%。

它还能根据题目的难易程度调节处理时间，这使得用户等待时间下降超过 50%。

更重要的是 o1 也能支持多模态识别了。这让它的实用性暴增。医生可以用它分析医学影像，工程师能让它帮忙看图纸，设计师还能让它提供创意建议。

但它的价格也相当贵，只有 200 美金的 ChatGPT Pro 版订阅用户才能享受无限使用，其他普通 20 美元订阅用户仅能享受每日 20 次使用权限。

作为第一天登场的产品，o1 确实能让人眼前一亮。

Sora（Day3）

等了 10 个月后，Sora 终于姗姗来迟。

但这不是个模型版本升级，而更像是一个产品打磨。正式版的 Sora 能生成最长 20 秒，最高 1080p 的视频。生成效果和 2 月份刚放出的差异不大。

但产品上 OpenAI 确实下了点心思，故事板是此次发布中最具创新性的功能，也是 Sora 最具野心的尝试。它为用户提供了类似专业视频编辑软件的时间轴界面。用户可以在时间轴上添加多个场景卡片。用户可以将多个提示词串联起来，系统会自动处理场景之间的过渡效果。

除此之外，OpenAI 还提供了 Remix、Blend 和 Loop 三个专业工具。换掉视频中的元素，或者混合两个视频，还能自动补全做无限循环视频。

产品是挺不错的，但没升级过的模型不太给力。在发布后的评测中，Sora 频频翻车，运动、交互和物理经常处理得一塌糊涂。还会有凭空出现的人和鬼影。

OpenAI 给的可用量也很小气，20 美元的 Plus 用户每月可用 50 次。只有支付每月 200 美元的 Pro 用户则能享受无限次数的"慢速"生成权限。

Sora 总算来了，但是挺让人失望的。

Canvas（Day4）

一句话形容，Canvas 就是 OpenAI 打造的 AI 版 Google Docs。

因为 Canvas 已经进化成了集智能写作、代码协作和 AI 智能体为一体的一套完整工作台。它显示出了 OpenAI 超越 Chatbot 的产品野心。

作为写作助手，可以提供编辑意见。

编程功能上，Canvas 则通过内置的 WebAssembly Python 模拟器，创造了一个几乎无延迟的编程环境。它还展现出了理解代码意图的能力。

与近期更新的 Cursor 和 Devin 一样，它上线了定制化 AI 智能体的能力。它可以完成一系列操作，帮你给朋友们发圣诞信。

Canvas 的这三个维度并不是孤立运作的。在实际使用中，它们往往会相互配合，这种无缝的集成使 Canvas 成了一个多功能 AI 驱动的创作工作室原型。

但单纯从前端展示的角度看，它不如 Claude 的 Artifacts。编程的便利性也不如 Cursor。因此融合才是它的亮点吧。

一般产品更新

o1-mini 强化微调（Day2）

这一产品如果不是实用性较窄，也算是一个重磅发布。

它改变了过去微调只是通过增加专业数据的逻辑，而是对具有推理能力的模型进行强化学习方向的微调。引导模型在面对复杂问题时有更深刻的思考能力。

现在，仅需 “几十个例子” 甚至 12 个例子，就能够让模型有效学会特定领域的推理。根据 OpenAI 的研究数据，经过强化微调的 o1mini 模型，其测试通过率比传统的 o1 模型高出 24%，相比未经过强化微调的 o1mini 则提升了整整 82%。

可惜只能微调 o1-mini，适用上也都是那些复杂领域任务，比如医疗、法律或金融和保险。泛用性较差。

高级视频语音模式（Day6）

这又是个老饼上桌。5 月 13 日，在 GPT-4o 的演示中，OpenAI 的工作人员就能和 4o 视频通话，可以看到我们实时的手机屏幕内容，或者根据相机里的实时画面和我们聊天或解答问题。

这次就是真正实装了，没有什么升级。但这个功能本身还是非常重要的。

不过因为这个饼烙的时间有点长，前两天微软推出的 Vision 和谷歌还在烙的 Astra 也已经跟上了。OpenAI 的领先正在一点点被蚕食。

与苹果的合作（Day5、Day11）

ChatGPT 和 Apple Intelligence 的，更像是个官宣深度结果。苹果搞不定的只能让贤 OpenAI 了。

整合主要包含三个方面：首先是与 Siri 的协同。当 Siri 判断某个任务可能需要 ChatGPT 的协助时，它可以将任务移交给 ChatGPT 处理；

其次是写作工具的增强，用户现在可以使用 ChatGPT 从头开始撰写文档，还能进行文档细化和总结；

第三是 iPhone 16 的相机控制功能，它能够通过视觉智能让用户更深入地了解拍摄对象。

后面第十一天的 Mac 整合，则是给了 GPT 更多 Mac 工具的调用权限。

我唯一不理解的就是这俩为什么不能同一天宣布，还非分两天？

能力补齐和小功能更新（Day 7，8，9，10）

剩下的几个更新最多只能算是凑数。简单一句话就能说清。

“Projects” 项目功能：它允许用户创建特定项目，上传相关文件，设置自定义指令，并将所有与该项目相关的对话集中在一个地方。基本和 Claude 的没差别。

ChatGPT 搜索升级：能在对话中搜索，支持多模态输出。Perplexity 的 Pro 模式早支持了。

4o 热点：美国用户能打电话用 4o 了！挺尊老爱老的，我看也算是给他们过重阳了。

o1 图像输入和 4o 高级语音 API 正式开放：我建议这个放在 o1 发布当天最后一句话说完。

这几天真的是有点进入拖时间的循环了。

最终王炸

GPT-o3（Day 12）

如果不是最后一天 GPT-o3 压轴登场，我真的觉得 OpenAI 纯粹是为了搅浑水才连开 12 天发布会。

因为在这期间，Google 发布了 Gemini 2 Flash，超快超强；Astra，看起来是真的 Agent 模样；Voe2，碾压 Sora ；Gemini 2 Flash Thinking，o1 人家也有了。就发了三篇公告几个视频，把 OpenAI 前 11 天的发布全都掀了桌。

但在 Day 12，OpenAI 还是找回了雄风。用 o3 向业界证明：Scaling Law 未死，OpenAI 为王。

o3 是 o1 的下一个版本。在 9 月份 o1 发布后仅 3 个月后，这一新版本在编码、数学以及 ARC-AGI 基准测试等多个基准上就大幅超过了 OpenAI 此前的 o1 模型。

看几个数据对比：

Codeforces 评分：2727——相当于全球人类程序员编码竞赛中，排名第 175 位。超过 99% 的人类程序员。

博士水平的科学问题（GPQA）：87.7%——博士生一般得分 70%

最难的前沿数学测试：25.2%——其他模型没有超过 2%，数学天才陶哲轩说该测试 “可能难住 AI 好几年”

证明是否达到 AGI 的题目 ARC-AGI：87.5%——o1 的得分 25%

最值得注意的就是这最后一项测试 ARC-AGI，它展示的是模型新型任务适应能力。作为对比，之前 ARC-AGI-1 从 2020 年 GPT-3 的 0% 仅提升到 2024 年 GPT-4o 的 5%。这意味着模型不是死记硬背，而是真正在解决问题的能力。

虽然 ARC-AGI 测试中表现出色，但这并不意味着 o3 已达到了 AGI 水平，因为它仍会在一些非常简单的任务中失败，和人类智能有根本性的差别。

但不论如何，这都证明 OpenAI 选择强化推理这个范式转变成功了。人工智能的发展没有任何放缓的迹象。Scaling Law 依然有效。

那些对 AI 停滞不前的担忧，被 OpenAI 年末的圣诞礼物一扫而空。

虽然 o3 进行一次低算力计算的成本高达 20 美元，高算力甚至可能高达 3000 美元，要使用在现阶段几乎是不可能的。但算力会降低，Scaling Law 会延续。

3 个月，两个顶尖模型，OpenAI 在这 12 天的最后一天又让我们感受到了 2022 年末到 2023 年初从 ChatGPT 到 GPT4 那段时间 AI 扑面而来的速度。

也许正如之前参与开发了 o1 的 OpenAI 科学家 Noam Brown 在采访中说的一样，“2024 年，OpenAI 是在实验，而 2025 年就是全速前进的一年。”

OpenAI 12 天的发布会，过程波折，完美收工。为 2025 年的 AI 埋下了希望。

本文作者：郝博阳，来源： 腾讯科技，原文标题：《一文回顾 OpenAI 系列发布会：从工具到 AGI，OpenAI 的 12 天进化论》