OpenAI首席科学家与首席研究官的深度对话，揭示了GPT-5将推理能力推向主流的核心策略。访谈深入探讨了以“发现新知识”为标尺的AI评估新范式，以及实现“自动化研究员”的终极目标。内容不仅剖析了强化学习持续有效的奥秘，还分享了OpenAI在人才文化和资源分配上的独到见解，为理解AI的未来发展提供了极具价值的内部视角。
智能速览
GPT-5旨在将深度推理能力设为默认模式，模糊即时与思考的界限。
AI评估的焦点正从任务分数转向模型发现新知识的能力。
OpenAI研究的终极目标是实现“自动化研究员”，让科学发现自动化。
“凭感觉编程”已成新趋势，未来将扩展至“凭感觉做研究”。
在可预见的未来，算力仍是推动AI发展的核心瓶颈，而非数据。
精华内容
GPT-5的发布不仅是一次技术迭代，更是OpenAI将推理能力推向主流的关键一步。从评估标准的革新到研究范式的演变，这一切都指向一个更宏大的目标——让AI成为能够自主探索未知的伙伴。
推理走向主流
GPT-5的核心设计理念是将深度推理能力推向主流，消除用户在即时响应与长时间思考两种模式间的选择困惑。过去，OpenAI拥有GPT系列即时响应模型和O系列深度思考模型。GPT-5的目标是在默认情况下，根据问题复杂度自动分配推理时长，为用户提供兼具速度与深度的答案。这标志着AI向着具备更强推理能力和更自主行为的AI Agent方向迈出了关键一步。
衡量AI的新标尺
随着传统评测指标接近饱和，OpenAI认为衡量AI进展的新标尺应是其“发现新知识”的能力。相比于将分数从96%提升到98%，模型在数学、物理等前沿科学领域实现突破更有意义。例如，GPT-5能够发现一些虽不顶尖但意义非凡的新数学知识，完成以往需要学生数月时间的工作。这些在科学领域的“灵光一现”时刻，正成为衡量AI真正价值的新标准。
终极目标：自动化研究员
OpenAI团队研究的终极目标是实现“自动化研究员”，即让发现新思想的过程本身实现自动化。这不仅关乎自动化机器学习研究，更旨在推动其他科学领域的自动化进程。实现这一目标的关键在于扩展模型进行长时间推理的能力，从目前解决一到五小时的竞赛级问题，逐步延长至能处理数月乃至数年尺度的复杂研究任务，这需要模型具备长远规划和记忆能力。
算力仍是核心瓶颈
针对“AI发展将从算力受限转向数据受限”的观点，OpenAI首席科学家Jakub Pachocki明确表示，算力在可预见的未来仍将是推动AI能力边界的核心瓶颈，远未达到“够用”的程度。在资源分配上，如果资源增加10%，OpenAI会优先投入到算力上，以支持核心算法的突破。这种对算力的持续投入，是保持AI快速发展的关键。
凭感觉做研究
随着AI编程模型日益强大，“凭感觉编程”已成为年轻一代程序员的默认模式。OpenAI首席研究官Mark Chen预见，未来AI将强大到让研究人员也能“凭感觉做研究”。届时，研究者可以凭借直觉和品味高效探索科学前沿，而无需陷入所有底层细节的实现。这种新范式将极大地解放科研生产力，让人类更专注于宏观方向和创新思想的提出。
这场对话清晰地勾勒出OpenAI的发展蓝图：以推理为核心，以自动化科研为目标，并辅以专注基础的文化和充足的算力投入。随着AI从解决定义明确的问题迈向开放式探索，我们不禁要问，当“凭感觉做研究”的时代到来时，人类智慧的边界将被推向何方？
