全文 3,000字 | 閱讀約 8 分鐘

（對(duì)談片段：Jakub Pachocki深度解析 AI 長(zhǎng)時(shí)推理突破）

不是更會(huì)聊天。

是更會(huì)長(zhǎng)思考。

最近，硅谷風(fēng)投 a16z Podcast 發(fā)布一場(chǎng)深度對(duì)談，OpenAI 首席科學(xué)家 Jakub Pachocki 與首席研究官 Mark Chen 同臺(tái)， 首次完整披露 GPT-5 背后的核心發(fā)展方向：

長(zhǎng)時(shí)推理（long-horizon reasoning），強(qiáng)化學(xué)習(xí)（RL）的持續(xù)突破，以及在基準(zhǔn)測(cè)試分?jǐn)?shù)趨于飽和的情況下，AI 如何實(shí)現(xiàn)進(jìn)一步發(fā)展。

他們提出了一個(gè)重要觀點(diǎn)：我們正在進(jìn)入 AI 的“長(zhǎng)思考”時(shí)代。

Jakub 說，GPT-5 代表著關(guān)鍵轉(zhuǎn)變：AI 從秒級(jí)反應(yīng)走向小時(shí)級(jí)思考。

而Mark 補(bǔ)充說，在內(nèi)測(cè)中，專業(yè)研究人員發(fā)現(xiàn)模型已經(jīng)具備了協(xié)同思考的能力：“氛圍編程”，正在演化成“氛圍研究”。

這不僅是技術(shù)突破，更預(yù)示著 AI 應(yīng)用模式的根本轉(zhuǎn)變：

當(dāng) AI 進(jìn)入“長(zhǎng)思考時(shí)代”，企業(yè)的使用方式、協(xié)作節(jié)奏、組織結(jié)構(gòu)都要重新設(shè)計(jì)。

第一節(jié)｜AI 的工作方式，從秒反應(yīng)變成小時(shí)思考

過去幾年，大家習(xí)慣了和 AI 聊天，一問一答，幾秒鐘內(nèi)出結(jié)果。 但 GPT-5 發(fā)布后，OpenAI 內(nèi)部傳遞出一個(gè)新信號(hào)：

“AI 不該只在幾秒鐘內(nèi)反應(yīng)，而應(yīng)該在幾小時(shí)內(nèi)真正想清楚。”

這正是模型背后的根本設(shè)計(jì)方向。

Jakub 解釋說，在 GPT-5 之前，OpenAI 其實(shí)有兩條不同的模型路徑：

• 一條是我們熟悉的 GPT-3.5、GPT-4，追求快速響應(yīng)、即時(shí)輸出；

• 另一條是 O 系列，比如 O3，模型在內(nèi)部想一會(huì)兒，再慢慢給出更靠譜的答案。

GPT-5 的目標(biāo)，就是把這兩種能力合并，讓模型能自動(dòng)選擇合適的思考時(shí)長(zhǎng)。

Mark Chen 解釋說：“我們想讓用戶不用操心到底該用哪個(gè)版本、選哪個(gè)速度。模型會(huì)自己判斷：這個(gè)問題需要想多久，再開始動(dòng)手?！?/p>

OpenAI 內(nèi)部團(tuán)隊(duì)認(rèn)為，AI 正在從快速響應(yīng)轉(zhuǎn)向深度思考。

比如在數(shù)學(xué)建模、代碼改寫、策略規(guī)劃這些場(chǎng)景中， 用戶不再只是要一個(gè)答案，而是希望 AI 能：

• 想清楚問題到底是什么；

• 拆成哪幾步來解；

• 每一步要不要重新推理；

• 哪一步錯(cuò)了，能不能調(diào)整；

• 形成一套完整的解決思路。

Jakub 說，這類長(zhǎng)時(shí)間推理的任務(wù)能力，以前靠人來做，現(xiàn)在AI已經(jīng)能夠勝任：

現(xiàn)在的模型已經(jīng)能在 1 小時(shí)到 5 小時(shí)的時(shí)間范圍內(nèi)持續(xù)工作。

就像一個(gè)研究生不再是看一眼題目就給答案，而是能盯著一道難題琢磨一下午，最終得出一套完整思路。

Mark 也強(qiáng)調(diào)，O3是第一個(gè)真正適合日常推理工作的模型，而GPT-5進(jìn)一步增強(qiáng)了這種能力，能在更長(zhǎng)時(shí)間內(nèi)保持穩(wěn)定和準(zhǔn)確。

這對(duì)企業(yè)意味著什么？

你需要重新認(rèn)識(shí) AI 的能力邊界。它不再只是快速輸出答案，而是能夠進(jìn)行長(zhǎng)時(shí)間、深層次的問題分析。

AI 工作模式的這種根本轉(zhuǎn)變，要求企業(yè)也要調(diào)整自己的使用策略。

第二節(jié)｜提示詞沒用，AI 要你陪它做研究

過去幾年，很多企業(yè)圍著 AI 搭場(chǎng)景、搞培訓(xùn)、練提示詞。 但 OpenAI 兩位高管給出的提醒很明確：

我們現(xiàn)在要做的，不只是讓模型回答，而是讓它能“自己想辦法”。

在這次訪談中，主持人提到了一個(gè)真實(shí)場(chǎng)景：幾位高中生使用GPT編程時(shí)發(fā)現(xiàn)，現(xiàn)在寫代碼變成了 “氛圍編程 (Vibe Coding)”，更像是在跟 AI 討論、試探，根據(jù)AI的建議逐步完成。

對(duì)此，Mark 表示：“我覺得未來會(huì)進(jìn)入一個(gè)新階段，叫'氛圍研究（Vibe Researching） '?！?/strong>

這句話意思是：AI 開始具備輔助發(fā)現(xiàn)的能力。

在GPT-5 的內(nèi)部測(cè)試中，OpenAI 把模型交給專業(yè)科學(xué)家和數(shù)學(xué)家試用。Jakub 發(fā)現(xiàn)了一個(gè)意外現(xiàn)象：他們拿出真正困難的問題，模型能夠找到全新的解法，這些是之前版本做不到的。

這些專家的反饋是：GPT-5 已經(jīng)不是在給答案，而是在和他們一起思考、一起尋找解題路徑。

這種使用方式與傳統(tǒng)的 AI 交互完全不同：

• 不是下個(gè)指令等輸出；

• 而是與 AI 共同解決難題，愿意等它深度思考后再給出結(jié)論。

Mark 強(qiáng)調(diào)了這一轉(zhuǎn)變：“我們發(fā)現(xiàn)，舊一代模型在簡(jiǎn)單問題上花費(fèi)過多時(shí)間，復(fù)雜問題上反而處理得太快。新的 Codex 正在尋找平衡點(diǎn)：簡(jiǎn)單任務(wù)快速完成，復(fù)雜問題投入充足時(shí)間?！?/p>

模型不再只是被動(dòng)執(zhí)行指令，而是開始主導(dǎo)思考過程。

與此同時(shí)，企業(yè)需要適應(yīng)是： 從追求完美的提示詞技巧，轉(zhuǎn)向設(shè)定清晰目標(biāo)， 然后給系統(tǒng)充分的思考空間。

就像與專業(yè)顧問合作，你描述清楚問題，然后信任對(duì)方的判斷和工作方式。

第三節(jié)｜別只看答得準(zhǔn)，要看能不能發(fā)現(xiàn)新東西

很多企業(yè)在上線智能工具后，習(xí)慣用傳統(tǒng)指標(biāo)評(píng)估效果：模型在測(cè)試題里答對(duì)了多少；響應(yīng)速度如何；有沒有犯錯(cuò)誤。

但在 OpenAI 看來，這類評(píng)估標(biāo)準(zhǔn)，已經(jīng)不夠用了。

Jakub 明確表示：

“我們過去幾年用的這些評(píng)估指標(biāo)，已經(jīng)快飽和了?！?/p>

什么意思？

比如數(shù)學(xué)題、編程題這種測(cè)試方式，從 GPT-3 到 GPT-4 到 GPT-5， 準(zhǔn)確率從 96% 到 98%、99%，進(jìn)步空間已經(jīng)很有限。

就像一位學(xué)生，已經(jīng)能穩(wěn)定考 98 分，再追問他能否考 99 分意義不大。

Jakub 提出，真正重要的，是看模型能不能發(fā)現(xiàn)新東西。

我們希望看到的標(biāo)志，是模型在科學(xué)或工程上，能有一些真正的實(shí)際進(jìn)展。

舉個(gè)例子：

OpenAI 最近在 AtCoder 編程比賽中測(cè)試模型， 它的表現(xiàn)已經(jīng)能拿下全球第二名。主持人調(diào)侃說：“那你們只差第一名了?！?/p>

Jakub 并沒有糾結(jié)于排名，而是強(qiáng)調(diào)了比賽的深層意義：

“這些比賽其實(shí)是未來研究成功的真實(shí)標(biāo)志。世界上很多優(yōu)秀的研究員都是從這種競(jìng)賽走出來的?！?/p>

但他也指出，這些標(biāo)準(zhǔn)仍有局限，因?yàn)樗鼈冞€是人為設(shè)定的任務(wù)，都有固定答案。

接下來，OpenAI 更關(guān)注的是：

• 模型能否在沒人給方向的情況下自己探索

• 能否真正提出別人沒想到的做法

• 能否在開放的、沒有標(biāo)準(zhǔn)答案的領(lǐng)域里持續(xù)推進(jìn)

這類過程已經(jīng)遠(yuǎn)超答對(duì)錯(cuò)的范疇，更像是在考驗(yàn)獨(dú)立研究能力。

Mark 透露，為了訓(xùn)練這種能力，OpenAI 內(nèi)部會(huì)讓模型完全自主解決問題，不提供任何提示或答案。

回到實(shí)際應(yīng)用層面，企業(yè)不應(yīng)只關(guān)注工具做對(duì)幾道題，而要重點(diǎn)評(píng)估：

1. 創(chuàng)新性：它是否帶來了你沒想到的解決方法

2. 效率性：它是否顯著提升了工作效率，解決了原本耗時(shí)很久的任務(wù)

3. 價(jià)值性：它是否產(chǎn)生了真正的經(jīng)濟(jì)價(jià)值，解決了實(shí)際問題

這才是下一個(gè)階段，評(píng)估 AI 能力的核心標(biāo)準(zhǔn)。

第四節(jié)｜AI具備持續(xù)推理能力，組織要適應(yīng)變化

當(dāng) AI 具備了長(zhǎng)時(shí)間思考的能力，企業(yè)能否真正用好它，關(guān)鍵在于組織結(jié)構(gòu)是否匹配。

在 GPT-5 的研發(fā)背后，OpenAI 也面臨著一樣的問題： 如何讓團(tuán)隊(duì)適應(yīng)更復(fù)雜、更長(zhǎng)周期的 AI 研發(fā)？

為了解決這一問題，Mark Chen 提到，OpenAI 持續(xù)推出新模型的背后，是一種專注攻克難題的研究文化：

我們不是靠模仿別人，也不是靠盯著競(jìng)爭(zhēng)對(duì)手。我們知道自己要做什么，大家被這個(gè)目標(biāo)吸引而來。

這句話的重點(diǎn)，不在信念，關(guān)鍵在于組織方式：不依賴個(gè)別天才單打獨(dú)斗，而是構(gòu)建一個(gè)不怕失敗、有儲(chǔ)備、有接力能力的團(tuán)隊(duì)。

Jacob 分享了一個(gè)細(xì)節(jié)：

“我們最成功的一些研究員，加入 OpenAI 前根本沒做過深度學(xué)習(xí)。他們?cè)瓉硎亲鑫锢?、做?shù)學(xué)、做金融的?！?/p>

但他們有兩個(gè)共同特征：

• 有技術(shù)基礎(chǔ)；

• 能在一個(gè)方向上反復(fù)嘗試，愿意做難題。

這也意味著，招聘重點(diǎn)不應(yīng)該是工具使用的熟練程度，而應(yīng)該是持續(xù)學(xué)習(xí)和適應(yīng)變化的能力。

當(dāng)然，學(xué)習(xí)適應(yīng)能力也有不同的表現(xiàn)形式。Mark 說，OpenAI 內(nèi)部有兩種研究員都很重要：

• 一種擅長(zhǎng)提出新想法，探索多個(gè)方向；

• 另一種擅長(zhǎng)深挖一個(gè)想法，逐步驗(yàn)證和打磨。

他們的策略是把不同專長(zhǎng)的人才組合起來，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。

同樣地，對(duì)企業(yè)而言，要發(fā)揮 AI 價(jià)值，組織結(jié)構(gòu)也需要相應(yīng)調(diào)整：

• 專注長(zhǎng)期目標(biāo)持續(xù)推進(jìn)，而非只追短期熱點(diǎn)；

• 建立能夠留人、培養(yǎng)人、支持迭代的機(jī)制；

• 培養(yǎng)團(tuán)隊(duì)與智能系統(tǒng)協(xié)同工作的能力。

正如 Jakub 所說：

“一個(gè)好的研究組織，最明顯的標(biāo)志是團(tuán)隊(duì)永遠(yuǎn)在學(xué)習(xí)新東西，從沒停下來過。

這個(gè)趨勢(shì)下，AI 進(jìn)入新階段，組織調(diào)整必須跟上。

結(jié)語｜AI 不再只是工具，而是思考伙伴

OpenAI 的 Jakub Pachocki 與 Mark Chen 花了一個(gè)小時(shí)只講一件事：AI 正在從聊天工具變成思考伙伴。

具體來說：

AI 開始會(huì)深度思考、持續(xù)推進(jìn)、主動(dòng)規(guī)劃。

這要求企業(yè)同步調(diào)整四個(gè)方面：

• 任務(wù)周期：適應(yīng)長(zhǎng)時(shí)間推理過程

• 協(xié)作方式：從下指令轉(zhuǎn)向共同探索

• 評(píng)估標(biāo)準(zhǔn)：從準(zhǔn)確率轉(zhuǎn)向創(chuàng)新能力

• 團(tuán)隊(duì)結(jié)構(gòu)：匹配 AI協(xié)作需求

企業(yè)如果還停留在提示詞優(yōu)化和試點(diǎn)項(xiàng)目上，就會(huì)被時(shí)代拋棄。

GPT-5 標(biāo)志著新協(xié)作模式的開始。

AI 進(jìn)入“長(zhǎng)思考”時(shí)代， 企業(yè)面臨的不再是如何用好 AI，而是如何跟上 AI。

本文由AI深度研究院出品，內(nèi)容翻譯整理自O(shè)penAI首席科學(xué)家Jakub Pachocki與首席研究官M(fèi)ark Chen在a16z Podcast的訪談。未經(jīng)授權(quán)，不得轉(zhuǎn)載。

星標(biāo)公眾號(hào)， 點(diǎn)這里 1. 點(diǎn)擊右上角 2. 點(diǎn)擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)

https://www.youtube.com/watch?v=KSgPNVmZ8jQ&utm

https://podcasts.apple.com/be/podcast/from-vibe-coding-to-vibe-researching-openais-mark-chen/id842818711?i=1000728378665

來源：官方媒體/網(wǎng)絡(luò)新聞，

排版：Atlas

編輯：深思

主編：圖靈