全文 3,000字 | 閱讀約 8 分鐘

(Jerry Tworek ：AI推理，不是找答案，是發(fā)現(xiàn)未知)

2025 年 9 月，OpenAI 在全球編程界最頂級(jí)賽事之一——ICPC 世界總決賽上，用 AI 模型 5 小時(shí)內(nèi)解出全部算法題目，擊敗了來(lái)自 MIT、清華、斯坦福的頂尖參賽隊(duì)伍。

但更值得關(guān)注的是背后的原因。10月17日，OpenAI 研究副總裁 Jerry Tworek 在訪(fǎng)談中透露：

我們從沒(méi)專(zhuān)門(mén)為這個(gè)比賽做過(guò)訓(xùn)練。 模型在做研究時(shí)，自然就學(xué)會(huì)了解決難題。

這句話(huà)引出了一個(gè)更深層的問(wèn)題：為什么 OpenAI 總比別人快？

從 GPT-3.5 到即將發(fā)布的 GPT-6，不到兩年時(shí)間。別人還在追趕 GPT-4 的能力，他們已經(jīng)要發(fā)第六代了。從 O1到 O3、GPT5，他們甚至已經(jīng)能讓模型自己決定要思考多久。

但這場(chǎng)訪(fǎng)談揭示了更深層的原因：他們跑得快，除了人才和算力的投入，更關(guān)鍵的是組織結(jié)構(gòu)和迭代節(jié)奏。

Jerry Tworek 是 OpenAI 的研究副總裁，也是 O 系列推理模型的核心推動(dòng)者。這一次，他第一次公開(kāi)講清楚了三個(gè)核心問(wèn)題：

1. 推理模型的本質(zhì)：為什么不是知道答案，而是現(xiàn)場(chǎng)推導(dǎo)？

2. 小團(tuán)隊(duì)的高效率：為什么 600 人的研究團(tuán)隊(duì)，每個(gè)人都知道所有項(xiàng)目的細(xì)節(jié)？

3. 下一代 AI 的形態(tài)：不是更快的助手，而是會(huì)自主決定思考深度的合作者

正如 Tworek 所說(shuō)：你不能讓世界上最聰明的研究員只知道一部分信息，否則他們就無(wú)法做出最好的研究。

這就是 OpenAI 快的核心邏輯。接下來(lái)，我們就來(lái)拆解具體的方法論。

第一節(jié)｜推理是什么？不是知道答案，而是現(xiàn)場(chǎng)推導(dǎo)

大多數(shù)人以為，ChatGPT 輸出一句話(huà)是瞬間完成的，就像搜索引擎給你一個(gè)網(wǎng)頁(yè)鏈接。

但在 OpenAI 副總裁 Jerry Tworek 指出，真正的區(qū)別在于：我們不想讓模型直接跳出答案，而是讓它花時(shí)間想一想。

這背后的核心概念，叫“推理”。

? 什么是推理？

Tworek 在播客里講：

“回答問(wèn)題，意味著模型已經(jīng)知道答案，只是在提取它。 推理，是你不知道答案，需要花時(shí)間、查資料、做計(jì)算，才能慢慢靠近�！�

簡(jiǎn)單說(shuō)：

• 回答= 背誦已知信息

• 推理 = 分析問(wèn)題、逐步推導(dǎo)

就像一個(gè)學(xué)生，背了答案能拿60分，但真正會(huì)解題的人，能從題目本身推出方法。OpenAI 想教模型的，不是記住更多，而是學(xué)會(huì)推導(dǎo)。

? 模型怎么推理？

很多人用 ChatGPT 或者DeepSeek 時(shí)會(huì)注意到，它會(huì)把思考過(guò)程展示出來(lái)，比如：第一步我們先計(jì)算 A，接著判斷 B，最后執(zhí)行 C。

本質(zhì)是讓模型用自然語(yǔ)言，把推理過(guò)程寫(xiě)下來(lái)，一步步走完。

Tworek 解釋道，這種行為，叫“思維鏈”（Chain of Thought）。它的本質(zhì)，是讓模型用人類(lèi)語(yǔ)言，把自己的“想法”寫(xiě)下來(lái)，一步步走完。

他說(shuō)：

“如果你讓模型直接說(shuō)答案，它常常答錯(cuò)。但你說(shuō)'請(qǐng)一步步完成'，它就會(huì)慢慢分析、計(jì)算、查資料，答案反而更準(zhǔn)�！�

這個(gè)方法背后沒(méi)有復(fù)雜的算法，靠的就是一句簡(jiǎn)單提示：

Let’s think step by step(讓我們一步步地思考).

這句話(huà)就像一個(gè)觸發(fā)開(kāi)關(guān)，讓模型不再急于給結(jié)論，而是展開(kāi)一段文字版的推理過(guò)程。

? 推理時(shí)間，決定答案質(zhì)量

那模型多推導(dǎo)幾步，真的有用嗎？

OpenAI 內(nèi)部研究團(tuán)隊(duì)做了很多測(cè)試后發(fā)現(xiàn)：模型花的時(shí)間越多，結(jié)果越好。

這和人類(lèi)非常像。難題不是靠直覺(jué)，而是靠時(shí)間和推導(dǎo)。

所以，在 GPT-5 中，他們引入了“高推理”和“低推理”模式。

有些用戶(hù)希望它快一點(diǎn)，就可以選低推理；但如果你希望答案更精準(zhǔn)、更完整，就選高推理，讓它“多想一會(huì)兒”。

而這個(gè)選擇的背后，是 GPT-5 的一個(gè)重大變化：它不是變得更快了，而是開(kāi)始學(xué)會(huì)分步驟地想問(wèn)題，并能控制自己要花多少時(shí)間、要不要查資料、要不要用工具。

Tworek 把這稱(chēng)作一種行為能力：

“推理，不是知識(shí)，是模型主動(dòng)采取行動(dòng)的過(guò)程�！�

那么，OpenAI 是如何讓模型具備這種能力的？答案藏在他們的組織方式里。

第二節(jié)｜ 為什么 600 人能跑得比誰(shuí)都快？

外界總覺(jué)得，OpenAI 背后是龐大的研究大軍，一整層樓的工程師在寫(xiě)代碼。

但 Jerry Tworek 在訪(fǎng)談里給出的數(shù)字讓人意外：

OpenAI 的研究團(tuán)隊(duì)，大概只有 600 人。

不到一個(gè)中型企業(yè)的規(guī)模，卻撐起 GPT-5、O 系列、Codex、Agent SDK、Prearch 等所有核心項(xiàng)目。

關(guān)鍵不在于人多，而在于他們的協(xié)作方式完全不一樣。

? 所有人都在同一個(gè)項(xiàng)目里

Tworek 說(shuō)得很明確：我們不會(huì)把研究分成十幾個(gè)方向。OpenAI 只做三四件真正重要的事。

舉例來(lái)說(shuō)，現(xiàn)在的主線(xiàn)包括：

• 推理模型（O系列）

• 編碼智能體（Codex / GPT Code Interpreter）

• 使用工具的智能體（GPT Agents）

• 信息整理研究（Deep Research）

這幾件事之外，OpenAI 不設(shè)邊緣課題或探索方向。每個(gè)研究員必須為這幾條主線(xiàn)服務(wù)。

而且，這不是命令，是默認(rèn)共識(shí)。

Tworek 用一種比喻說(shuō)：

“我們不是讓每個(gè)人都開(kāi)自己的小車(chē)，而是一起修一輛大巴�！�

? 每個(gè)人都能看到全局細(xì)節(jié)

在很多機(jī)構(gòu)，研究信息是隔離的。項(xiàng)目之間互相保密、團(tuán)隊(duì)之間少有交流。

但 OpenAI 的研究部門(mén)完全反過(guò)來(lái)：我們是完全透明的。幾乎每個(gè)人，都能訪(fǎng)問(wèn)每個(gè)項(xiàng)目的詳細(xì)內(nèi)容。

Tworek 的理由很簡(jiǎn)單：

“如果一個(gè)研究員不知道其他人做了什么，他就不可能做出最好的研究�！�

當(dāng)一個(gè)模型涉及推理、工具調(diào)用、搜索信息、代碼能力時(shí)，如果你只能看懂其中一部分，就無(wú)法推動(dòng)整體進(jìn)步。

所以他們選擇讓每個(gè)人知道所有事。

? 協(xié)作不是靠會(huì)議，而是靠節(jié)奏感

Tworek 說(shuō)他每天的工作很簡(jiǎn)單：我每天就是和不同研究員對(duì)話(huà)，從一個(gè)跳到另一個(gè)，持續(xù)對(duì)齊方向。

他不做計(jì)劃表，也不下命令，而是充當(dāng)節(jié)拍器的角色，幫助整個(gè)團(tuán)隊(duì)保持研究節(jié)奏。

這一點(diǎn)非常不同。

傳統(tǒng)組織是自上而下分配任務(wù)，而 OpenAI 是設(shè)定共同目標(biāo)后，讓研究員自主決定如何推進(jìn)。這聽(tīng)起來(lái)像放任自流，但其實(shí)是一種目標(biāo)明確的自由協(xié)作:方向統(tǒng)一，路徑開(kāi)放。

Tworek 坦承，OpenAI 的節(jié)奏是快的，但這種快不是靠加班，而是因?yàn)椋?/p>

• 方向清晰：大家都往同一個(gè)地方走

• 信息共享：不重復(fù)、不誤解、不打架

• 組織輕量：不設(shè)過(guò)多流程與邊界

• 反饋即時(shí)：好點(diǎn)子可以立刻被討論和采納

他說(shuō)：

“我們不是想追求多快，而是我們知道這個(gè)機(jī)會(huì)可能不會(huì)再來(lái)一次。”

這就是 OpenAI 快的真正原因：不是規(guī)模優(yōu)勢(shì)，而是組織效率。

第三節(jié)｜為什么能月月有新模型？邊做邊發(fā)，持續(xù)迭代

過(guò)去一年，OpenAI 推出了一連串推理模型：O1、O3、GPT-5。

從時(shí)間上看，每隔幾個(gè)月就有新模型出現(xiàn)。外部觀(guān)察者看得眼花繚亂，但內(nèi)部人員并不覺(jué)得意外。

在這場(chǎng)訪(fǎng)談中，Tworek 給出了核心原因：

“我們不是等所有東西都完美才發(fā)布，而是每次向前推進(jìn)一小步�！�

? 邊做邊發(fā)，持續(xù)迭代

Tworek 回顧了 O 系列的節(jié)奏：

• O1 是第一次嘗試，只是為了證明推理模型可以成立，所以只解決一些小問(wèn)題

• O3 是第一次實(shí)用化，他自己說(shuō)：“從那以后，我只信任推理模型”

• GPT-5 是O3的延伸，不是全新突破，而是在同一個(gè)方向上走得更遠(yuǎn)

他說(shuō)：

“我們做的事情不是一下跳躍式改變，而是圍繞幾件事，持續(xù)、穩(wěn)定地推。”

在他看來(lái)，GPT-5 不是一次革命性飛躍，而是一場(chǎng)持續(xù)進(jìn)展的最新階段。

這點(diǎn)和很多公司的發(fā)布節(jié)奏形成鮮明對(duì)比。傳統(tǒng)的模型發(fā)布，是一次性的大項(xiàng)目：計(jì)劃數(shù)月、籌備演示、集中宣傳。

但在 OpenAI，節(jié)奏是邊做邊用、邊用邊改。他們不是每次都推倒重來(lái)，而是在原有架構(gòu)上不斷替換過(guò)時(shí)的部分、加入新的能力，讓模型持續(xù)進(jìn)化。

更關(guān)鍵的是，推理模型需要不斷實(shí)測(cè)、不斷調(diào)節(jié)思考方式。

比如在 O3 推出后，他們發(fā)現(xiàn)：

• 用戶(hù)喜歡模型一步步分解問(wèn)題的方式

• 用戶(hù)愿意等待，只要答案更有幫助

• 推理時(shí)長(zhǎng)與結(jié)果質(zhì)量之間的關(guān)系，比預(yù)想中更強(qiáng)

這些反饋，不是通過(guò)靜態(tài)測(cè)試得出的，而是來(lái)自真實(shí)用戶(hù)的使用過(guò)程。

所以，他們選擇快速發(fā)布，用真實(shí)使用反饋來(lái)持續(xù)優(yōu)化模型。

? Codex、Agent、Research：研究主線(xiàn)的自然延伸

除了核心的推理模型，OpenAI 在過(guò)去 幾個(gè)月里，還接連推出了多個(gè)新產(chǎn)品：

• Codex Agent：可以自動(dòng)執(zhí)行編碼任務(wù)

• GPT SDK：幫助模型連接各種工具

• Prearch：用于聚合信息、構(gòu)建資料庫(kù)的探索方向

這些聽(tīng)起來(lái)像獨(dú)立產(chǎn)品，其實(shí)是研究中自然延伸出來(lái)的能力。

Tworek 反復(fù)強(qiáng)調(diào)，他們發(fā)布得快，不是為了趕進(jìn)度，而是為了更早把模型放到真實(shí)環(huán)境里測(cè)試。

不是所有問(wèn)題都能在實(shí)驗(yàn)室里發(fā)現(xiàn)，真正的推理能力需要在實(shí)戰(zhàn)中不斷校準(zhǔn)。等太久才上線(xiàn)，反而會(huì)拖慢整體進(jìn)展。

OpenAI 的快，是一種每走一步就上臺(tái)階的節(jié)奏，像培養(yǎng)長(zhǎng)跑選手而非短跑沖刺。

第四節(jié)｜模型怎么變聰明？像訓(xùn)狗一樣給獎(jiǎng)勵(lì)

你可能以為，讓 GPT-5 更聰明，就是堆更多數(shù)據(jù)、調(diào)更多參數(shù)。

但 OpenAI 研究副總裁 Jerry Tworek 說(shuō)，不是這樣。

他說(shuō)，他們是把模型當(dāng)成“行為體”來(lái)訓(xùn)練的，就像小時(shí)候訓(xùn)練家里那只狗。

? 什么是強(qiáng)化學(xué)習(xí)？像訓(xùn)狗一樣給獎(jiǎng)勵(lì)

Tworek 描述了一段親身經(jīng)歷：我小時(shí)候家里養(yǎng)狗。有人教我，要隨身帶一袋零食。看到狗做對(duì)的事，就微笑并獎(jiǎng)勵(lì)一塊。做錯(cuò)的事，就別理它。

他接著說(shuō)：

“我們訓(xùn)練模型，也是這樣。 不是靠灌輸知識(shí)，而是靠不斷給‘它做對(duì)了’的反饋�！�

這就是強(qiáng)化學(xué)習(xí)（Reinforcement Learning，簡(jiǎn)稱(chēng) RL）的本質(zhì)。

你讓模型試著去做很多事，然后：

• 做對(duì)了，就獎(jiǎng)勵(lì)

• 做錯(cuò)了，就不理它，或者懲罰 久而久之，模型傾向去做被鼓勵(lì)的事。

這不是模型在記住答案，而是在改變行為傾向。

? GPT-4 怎么變得更像人？靠人類(lèi)反饋調(diào)行為

很多人覺(jué)得 GPT-4 是一下子變聰明了。

但 Tworek 透露，最初訓(xùn)練完的 GPT-4 并不如預(yù)期：我們剛訓(xùn)練完 GPT-4 的時(shí)候，其實(shí)有點(diǎn)失望。模型看起來(lái)好像懂很多，但只要你讓它寫(xiě)多一點(diǎn)，就開(kāi)始出錯(cuò)、不連貫、不靠譜。

轉(zhuǎn)折點(diǎn)在于，他們后來(lái)加了一步訓(xùn)練，叫RLHF（用人類(lèi)反饋?zhàn)鰪?qiáng)化學(xué)習(xí)）：。

這個(gè)詞聽(tīng)起來(lái)復(fù)雜，其實(shí)很簡(jiǎn)單：

1. 把模型的回答交給真實(shí)人類(lèi)來(lái)打分（比如：哪段寫(xiě)得更清楚？哪段更靠譜？）

2. 然后教模型更像得分高的那一段

Tworek 說(shuō)：

“我們用人類(lèi)偏好，來(lái)訓(xùn)練模型學(xué)會(huì)怎么說(shuō)話(huà)、怎么做選擇。”

每次你在 ChatGPT 里點(diǎn) 贊 或踩，，模型其實(shí)是在觀(guān)察。**這些反饋被收集起來(lái)，用于訓(xùn)練模型怎么回應(yīng)。

就像小孩學(xué)說(shuō)話(huà)，不是因?yàn)樯狭苏Z(yǔ)言課，而是因?yàn)槊刻炻?tīng)父母怎么表達(dá)，知道什么樣的回應(yīng)被夸、什么樣的表達(dá)沒(méi)人理。

模型也是一樣。

? 獎(jiǎng)勵(lì)機(jī)制是關(guān)鍵，但也容易出錯(cuò)

Tworek 提醒：訓(xùn)練模型像訓(xùn)狗，聽(tīng)起來(lái)簡(jiǎn)單，但獎(jiǎng)勵(lì)給錯(cuò)了，就會(huì)帶來(lái)嚴(yán)重偏差。

比如，如果你不小心“點(diǎn)贊”了一個(gè)模型寫(xiě)得很煽情但內(nèi)容錯(cuò)誤的答案，它就會(huì)覺(jué)得這么寫(xiě)能得到獎(jiǎng)勵(lì)，下次還這么寫(xiě)。

這就是所謂的獎(jiǎng)勵(lì)被誤導(dǎo)。

Tworek 認(rèn)為，這和現(xiàn)實(shí)中的激勵(lì)問(wèn)題很相似：很多組織的激勵(lì)制度設(shè)計(jì)不當(dāng)，也會(huì)導(dǎo)致員工行為跑偏。

所以，OpenAI 做 RLHF 時(shí)非常小心，要反復(fù)檢查模型學(xué)到的到底是不是他們希望的東西。

真正能做事的模型，不是你告訴它怎么做，而是它自己在嘗試中學(xué)會(huì)了怎么做好。這依靠不斷試錯(cuò)、不斷反饋、不斷調(diào)整行為傾向。

他說(shuō)：

“我們不是在優(yōu)化一個(gè)算法，而是在培養(yǎng)一種行為傾向。”

當(dāng)模型不再只是對(duì)輸入做出反應(yīng)，而是開(kāi)始有偏好、有耐心、有方法地去做事，它就從工具變成了真正的智能體。

結(jié)語(yǔ) | 不是模型變強(qiáng)，而是人被組織得更好

GPT-5 能解數(shù)學(xué)題、能用工具、能贏(yíng)下編程大賽，表面看是模型能力越來(lái)越強(qiáng)。

但這場(chǎng)對(duì)話(huà)背后傳遞的，不是一個(gè)技術(shù)迭代的故事，而是一個(gè)更底層的問(wèn)題：

為什么 OpenAI 能不斷跑在前面？

Jerry Tworek 的回答很清楚：他們沒(méi)有什么秘密武器。

真正的差別，在于組織方式：

• 每個(gè)人都能看到全貌

• 所有人只做少數(shù)關(guān)鍵目標(biāo)

• 協(xié)作不靠流程，靠節(jié)奏統(tǒng)一

600 人小隊(duì)，不是體量小，而是結(jié)構(gòu)輕。

日更迭代，不是趕時(shí)間，而是步調(diào)穩(wěn)。

他們不是喊我們要更快，而是問(wèn)：如果我們相信這件事重要，那該怎么安排，讓每個(gè)人都能走得更遠(yuǎn)？

不是讓人干得更多，而是干得更準(zhǔn)。

OpenAI 的成功，不只是模型越來(lái)越會(huì)思考，更是一群人學(xué)會(huì)了怎么一起思考。

這才是他們跑贏(yíng)同行的真正原因。

本文由 AI 深度研究院出品，內(nèi)容整理自 OpenAI 研究副總裁 Jerry Tworek 的最新訪(fǎng)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)

參考資料：

https://www.youtube.com/watch?v=RqWIvvv3SnQ&t=8s

https://openai.com/devday/?utm_source=chatgpt.com

https://www.reuters.com/business/sam-altman-says-meta-offered-100-million-bonuses-openai-employees-2025-06-18/?utm_source=chatgpt.com

https://www.youtube.com/watch?v=hS1YqcewH0c&utm_source=chatgpt.com

來(lái)源：官方媒體/網(wǎng)絡(luò)新聞

排版：Atlas

編輯：深思

主編: 圖靈