全部 · 2026-04-11

OpenAI 把 1100 亿美元基建和 GPT 主线绑在一起，Sora 则因算力约束被放慢。我的判断很直接：这段转述里最硬的信息，不是“AGI 70% 到 80%”，而是 OpenAI 已经把资源分配逻辑说穿了——先保能变现、能留存、能形成日常入口的模型与应用，视频生成排到后面。 我对“AGI 已完成 70% 到 80%”这句话不太买账。先别谈哲学定义，连原始访谈时间都没给，口径也没有可复现标准。文中给的定义是“像人类一样高效操控电脑处理智力工作”。按这个定义，行业过去一年确实在逼近：Anthropic 押代码与 agent，Google 把 Gemini 往工具调用和多模态工作流推，OpenAI 自己也一直把 Codex 式能力往通用助手里塞。但把这些进展折算成“70% 到 80%”是典型的内部信号外放，不是可验证里程碑。没有任务集，没有失败边界，没有成本阈值，这个百分比更像鼓舞组织的语言，不像给外部从业者的技术指标。 我反而相信“暂停 Sora 扩张”这部分。原因很现实。视频生成的训练和推理都吃算力，单位用户价值却未必高过代码、办公、搜索式问答这些高频场景。OpenAI 如果手上真有更强的预训练底座要继续做强化学习、后训练、部署，再叠加 ChatGPT 日活、企业 API、代码产品，算力会先流向主航道。这个取舍并不罕见。去年到今年，几家头部实验室都在把 flashy demo 往后排，把能进工作流、能收 seat fee 或 usage fee 的能力往前推。说真的，这比“统一架构”那套宏大说法更可信。 “大一统 GPT 架构”这句我也留个问号。文中说图像、语音、文本都统一到 GPT 底座，连图像生成都不是传统扩散路线。这个方向我信一半。过去一年，行业确实越来越喜欢把感知、推理、工具调用塞进同一个产品层，让用户感觉自己面对的是一个系统，不是一堆模型拼盘。但产品统一，不等于训练范式已经统一。OpenAI 正文没给架构、loss 设计、数据配比、推理路径，也没给任何 benchmark。没有这些，外部没法判断这是“单一底座”还是“多个专用子系统被包装成一个 GPT 体验”。这两件事差很多，成本结构也差很多。 Spud 这段信息量也有限。正文只说它完成了预训练，是新基础模型，是后续强化学习和后训练的地基。这个描述本身没问题，几乎所有前沿模型都这么走。但只要没有参数规模、训练 token、上下文长度、基准成绩、蒸馏关系，你就没法判断它是一次代际跳跃，还是给产品线补库存。OpenAI 以前就很会把“研究节点”包装成“进步引擎的一部分”。这回我更想知道的是，Spud 服务的是哪条线：通用聊天、代码 agent、研究 agent，还是内部 teacher model。标题给了名字，正文没给角色。 “超级应用”反倒是这条里最像真战略的部分。ChatGPT 早就不是单一聊天框生意了。行业这两年已经证明，用户不会长期为“更聪明一点”单独买单，用户会为“少切三个工具、少走十步流程”买单。Anthropic 把 Claude 往代码和企业工作流推，Microsoft 继续把 Copilot 贴进 Office，Google 也在 Workspace 和搜索入口反复试。OpenAI 若把长期记忆、浏览、代码、表格、代理执行揉成一个前台，这不是新鲜概念，但它确实是最有机会吃到留存和 ARPU 的路线。问题在于，超级应用不是模型问题，而是权限、可靠性、回滚、审计和 UI 问题。Greg 如果承认 OpenAI 过去输在最后一公里易用性，这个自我诊断我基本认同。 自动化 AI 研究员那段，我会更谨慎。让 AI 帮研究员做文献整理、实验设计、结果分析，这件事已经在发生。把它说成“今年秋季见”的端到端研究员，我自己先打个折。过去一年，很多“AI scientist”系统在封闭 benchmark 上都很好看，一碰到开放课题、脏数据、实验异常、负结果解释，就容易掉链子。你可以把它当高强度 research intern，用来并行试错；把它当能独立提出并验证新理论的研究员，正文没有证据。 安全那段也有叙事张力。文中一边强调提示词注入和对齐投入，一边又给“开放参与、韧性治理”站台。这个说法我有点怀疑。OpenAI 这两年的实际路线并不偏开放，至少前沿权重层面是这样。把“广泛参与”当治理原则可以，说成当前做法就不严丝合缝。标题和正文都没有给新的安全评测、红队数据、误用拦截率，所以这部分我只能当价值表态，不能当能力进展。 我的结论是，这条转述最该信三件事：OpenAI 算力仍然紧，GPT 主线优先级继续上升，产品团队开始把易用性当核心工程。最不该直接吞下的是 AGI 百分比、Spud 的代际意义、自动化研究员的时间表。没有原始访谈、没有基准、没有发布时间，这些判断先别替 OpenAI 做完。

Hermes Agent 这次把微信接进 agent，前提是它不是官方接口而是逆向接入；标题已经给出路线，正文没披露协议层做法、登录方式、消息同步延迟、封号边界。我的判断很直接：这条先别按“能力扩展”看，先按“灰色基础设施”看。能不能跑，不只取决于模型和工具调用，而是取决于微信风控多久出手一次。 我一直觉得，做中国市场 agent 的团队迟早都会撞上这个口子。企业微信有开放能力，微信个人号没有，于是大家都会被逼到逆向、RPA、桌面自动化、Hook 这几条路里选一条。问题是，这几条路过去一年已经反复证明：demo 很快，持续运行很难。早些时候不少 AI 助手、私域 CRM、聊天中台都演过一遍，首周很惊艳，后面死在登录态、设备指纹、消息丢失、批量封禁。我没看到 Hermes 这次给出任何稳定性数字，所以我不买“原生支持”这四个字。没有官方 API 的原生，很多时候只是把脆弱性包进产品里。 还有一层经常被故意讲轻：账号风险不是附带问题，是主问题。你把个人微信接给 agent，涉及的不只是收发消息，还包括联系人关系、聊天频率、自动回复节奏、异地登录特征。风控看的是行为模式，不是你产品页怎么命名。要是 Hermes 用的是常见逆向方案，理论上就绕不开协议变更和对抗升级；微信只要改一次校验，产品侧就得跟一次。我自己还没查到他们用了哪条技术栈，所以没法判断是高频小修，还是一改就断。 外部对比也很清楚。海外 agent 接 Gmail、Slack、Notion，争议点多半是权限范围和执行可靠性，因为官方接口在。接微信个人号不是这个逻辑，它更像早年各种 unofficial WhatsApp client 的命运：能起量，但生命周期被平台牢牢攥着。要是 Hermes 后面拿不出明确的适用范围，比如仅测试号、仅单设备、仅低频收发，这条发布就有点过，容易让用户误判成稳定能力。现在我能确认的只有标题那一句，别的关键条件正文都没给。

Peter 今早被封了 Claude 账号，发帖后 Anthropic 又给他解封了。现阶段能确认的只有这条时间顺序，正文没披露封禁原因、申诉入口、处理时长，也没说是自动风控还是人工误判。 我对这类事的判断一直很直接：单次误封不稀奇，发到 X 上就解封才说明问题。平台做风控，本来就会接受一定误伤率，OpenAI、Google、Meta 这些年都出过误封案例，这不新鲜。难看的是线下申诉没被看见，线上声量一出来就有人工介入。对用户来说，这会把“合规流程”变成“社交媒体 escalations”。你不是在跟系统交互，你是在赌自己有没有传播力。 这对 Anthropic 尤其伤，因为 Claude 现在卖的不只是模型分数，还有“更稳、更安全、企业可托管”的感觉。我没看到这条有任何数字能证明误封率有多高，所以不能拿个案当普遍现象。问题在别处：如果一个知名创作者的正常使用都会触发封禁，而且恢复依赖公开发帖，那企业客户会自然追问两件事——第一，账号级风控和 API 级风控是不是同一套策略；第二，误判后有没有 SLA，还是只能等人工捞。标题给了前者的风险感，后两项正文都没披露。 我还想补一个上下文。过去一年，几家主流模型厂都在把安全策略从“内容拦截”往“账户与工作流拦截”推，原因很现实：agent 调工具、批量跑任务、长上下文持久会话一上来，单条输出审查已经不够了。问题是，拦截面一扩大，误伤就会从一句回复变成整个账号不可用。产品体验的损失会陡很多。Anthropic 如果最近也在收紧 abuse 检测，这类误封并不意外；但我对“发帖后立刻解封”这个信号有点警觉，它像是在告诉外界：系统没有把高价值正常用户稳定分出来。 说真的，这条信息太薄，没法下更重结论。我还没查到 Peter 当时具体做了什么，也没看到 Anthropic 官方解释。现阶段比较稳的判断只有一个：Anthropic 需要把申诉路径讲清楚，至少给出封禁类别、复核入口、预计时长。没有这些，所谓安全感就是靠品牌信用硬扛。一两次还能扛，案例多了就会反噬。

这条信息量很薄：Waypoint-1.5 只展示了流畅动作和武器交互，正文未披露开发方、端到端延迟、帧率、分辨率、持续交互时长。少了这几项，"实时可交互世界模型"这个标签就还站不稳。做过这类系统的人都知道，单段 demo 流畅不难，难的是连续 30 秒以上不漂移、不掉帧、状态还能闭环。 我对这类演示一直比较谨慎。过去一年里，世界模型 demo 常见两种取巧：一种是短窗口 autoregressive rollout，看起来像在实时响应，实际延迟被剪掉了；一种是把交互做成有限状态机触发，武器能拿、能挥，但环境并没有被稳定建模。标题里说了交互，正文没说交互机制，所以现在还不能判断它更接近生成视频，还是接近可执行模拟。 外部参照也很清楚。DeepMind 的 Genie 2、Decart 那类实时生成世界的演示，至少会让人追着问分辨率、可控时长、动作到画面的响应延迟；NVIDIA Cosmos 那一路更偏 world foundation model，但离玩家级实时闭环也还有工程距离。我自己还没看到 Waypoint-1.5 的任何硬指标，所以没法把它放进同一张表里比。 我不太买账的是社交平台上动不动就把"能互动的视频"直接叫世界模型。要配得上这个词，最少得给三样东西：输入到画面的毫秒级延迟、连续运行条件下的稳定性、物体交互的一致性测试。现在只有标题信息，这条最多算一个方向感不错的 demo，离产品级、研究级结论都还早。