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。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2024/67edace61a2f5f53049639c5ff1bc46e?x-oss-process=style/lg" width="960" height="1754" original-src="https://pub.pbkrs.com/uploads/2024/67edace61a2f5f53049639c5ff1bc46e"/></figure>下面，我們來稍微詳細地講述一下這些更新的核心點。<h2 id="vznc9gw7d">重要產品更新</h2>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%。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2024/905d8f770e9cedbedfc639e4edce1c8d?x-oss-process=style/lg" width="605" height="340" original-src="https://pub.pbkrs.com/uploads/2024/905d8f770e9cedbedfc639e4edce1c8d"/></figure>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。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2024/6f5441d8907a2a796387875b35fcfa81?x-oss-process=style/lg" width="568" height="320" original-src="https://pub.pbkrs.com/uploads/2024/6f5441d8907a2a796387875b35fcfa81"/></figure>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。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2024/d306ee9dbe0fa0fb92dfca6a55716978?x-oss-process=style/lg" width="426" height="240" original-src="https://pub.pbkrs.com/uploads/2024/d306ee9dbe0fa0fb92dfca6a55716978"/></figure>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。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2024/d5f2f2a068392b357f1be2e33d5b1147?x-oss-process=style/lg" width="605" height="319" original-src="https://pub.pbkrs.com/uploads/2024/d5f2f2a068392b357f1be2e33d5b1147"/></figure>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。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2024/d084e3c21a2cb61bf9a44ed17cb9db46?x-oss-process=style/lg" width="426" height="240" original-src="https://pub.pbkrs.com/uploads/2024/d084e3c21a2cb61bf9a44ed17cb9db46"/></figure>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&#34;慢速&#34;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。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2024/08d4beae6fb356a56e1677c3e9b3daea?x-oss-process=style/lg" width="960" height="544" original-src="https://pub.pbkrs.com/uploads/2024/08d4beae6fb356a56e1677c3e9b3daea"/></figure>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。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2024/f02e5dc3a43dc439db80d1781bf4f813?x-oss-process=style/lg" width="960" height="490" original-src="https://pub.pbkrs.com/uploads/2024/f02e5dc3a43dc439db80d1781bf4f813"/></figure>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。<h2 id="3fm5uii5e">一般產品更新</h2>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。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2024/64ac1f2eb517a95024d912dbb7286718?x-oss-process=style/lg" width="668" height="477" original-src="https://pub.pbkrs.com/uploads/2024/64ac1f2eb517a95024d912dbb7286718"/></figure>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。<h2 id="dcbqrsovq">與蘋果的合作（Day5、Day11）</h2>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；<figure class="image"><img src="https://pub.pbkrs.com/uploads/2024/05aef175c2332bb17cb0daa8ea5eee53?x-oss-process=style/lg" width="960" height="540" original-src="https://pub.pbkrs.com/uploads/2024/05aef175c2332bb17cb0daa8ea5eee53"/></figure>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？<h2 id="j1k21ewof">能力補齊和小功能更新（Day 7，8，9，10）</h2>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。<h2 id="rg3zeiriv">最終王炸</h2>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%<figure class="image"><img src="https://pub.pbkrs.com/uploads/2024/1d0cf9061b237a50e92f62f36ea2000d?x-oss-process=style/lg" width="960" height="521" original-src="https://pub.pbkrs.com/uploads/2024/1d0cf9061b237a50e92f62f36ea2000d"/></figure>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。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2024/a8c2d93b6d355f7d0c3d63eb55a7b6b5?x-oss-process=style/lg" width="960" height="568" original-src="https://pub.pbkrs.com/uploads/2024/a8c2d93b6d355f7d0c3d63eb55a7b6b5"/></figure>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》

OpenAI

前四天重磅推出 o1 正式版、Sora、Canvas，中間 “水” 了幾天，最後一天直接甩出王炸——GPT-o3，一舉打破 AI 發展陷入瓶頸的懷疑。

- OpenAI 年末的 12 天 Devday 更新中，o1 正式版、Sora 和 Canvas 是重磅產品。  
- o1 在數學和編程能力上提升顯著，Sora 提供視頻編輯功能，Canvas 集成多種創作工具。  
- 最後一天發佈的 GPT-o3 顯示出 AI 發展的新突破，打破了行業對停滯的質疑。  

華爾街見聞

谷歌-C

皓宸醫療

醫渡科技

科大訊飛

谷歌-A

微軟

華康潔淨

海爾生物

朗瑪信息

泡泡瑪特

瑞康醫藥

聯發科

舜宇光學科技

蘋果

怡和合發

商湯-W

索尼

一文回顧 OpenAI 系列發佈會：從工具到 AGI，OpenAI 的 12 天進化論