OpenAI 雙高管：AI 進入“長思考”時代，企業要改這四件事

全文 3,000字 | 閱讀約 8 分鐘

（對談片段：Jakub Pachocki深度解析 AI 長時推理突破）

不是更會聊天。

是更會長思考。

最近，硅谷風投 a16z Podcast 發布一場深度對談，OpenAI 首席科學家 Jakub Pachocki 與首席研究官 Mark Chen 同臺， 首次完整披露 GPT-5 背后的核心發展方向：

長時推理（long-horizon reasoning），強化學習（RL）的持續突破，以及在基準測試分數趨于飽和的情況下，AI 如何實現進一步發展。

他們提出了一個重要觀點：我們正在進入 AI 的“長思考”時代。

Jakub 說，GPT-5 代表著關鍵轉變：AI 從秒級反應走向小時級思考。

而Mark 補充說，在內測中，專業研究人員發現模型已經具備了協同思考的能力：“氛圍編程”，正在演化成“氛圍研究”。

這不僅是技術突破，更預示著 AI 應用模式的根本轉變：

當 AI 進入“長思考時代”，企業的使用方式、協作節奏、組織結構都要重新設計。

第一節｜AI 的工作方式，從秒反應變成小時思考

過去幾年，大家習慣了和 AI 聊天，一問一答，幾秒鐘內出結果。 但 GPT-5 發布后，OpenAI 內部傳遞出一個新信號：

“AI 不該只在幾秒鐘內反應，而應該在幾小時內真正想清楚?！?/p>

這正是模型背后的根本設計方向。

Jakub 解釋說，在 GPT-5 之前，OpenAI 其實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、即時輸出；

• 另一條是 O 系列，比如 O3，模型在內部想一會兒，再慢慢給出更靠譜的答案。

GPT-5 的目標，就是把這兩種能力合并，讓模型能自動選擇合適的思考時長。

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

OpenAI 內部團隊認為，AI 正在從快速響應轉向深度思考。

比如在數學建模、代碼改寫、策略規劃這些場景中， 用戶不再只是要一個答案，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；

• 哪一步錯了，能不能調整；

• 形成一套完整的解決思路。

Jakub 說，這類長時間推理的任務能力，以前靠人來做，現在AI已經能夠勝任：

現在的模型已經能在 1 小時到 5 小時的時間范圍內持續工作。

就像一個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 也強調，O3是第一個真正適合日常推理工作的模型，而GPT-5進一步增強了這種能力，能在更長時間內保持穩定和準確。

這對企業意味著什么？

你需要重新認識 AI 的能力邊界。它不再只是快速輸出答案，而是能夠進行長時間、深層次的問題分析。

AI 工作模式的這種根本轉變，要求企業也要調整自己的使用策略。

第二節｜提示詞沒用，AI 要你陪它做研究

過去幾年，很多企業圍著 AI 搭場景、搞培訓、練提示詞。 但 OpenAI 兩位高管給出的提醒很明確：

我們現在要做的，不只是讓模型回答，而是讓它能“自己想辦法”。

在這次訪談中，主持人提到了一個真實場景：幾位高中生使用GPT編程時發現，現在寫代碼變成了 “氛圍編程 (Vibe Coding)”，更像是在跟 AI 討論、試探，根據AI的建議逐步完成。

對此，Mark 表示：“我覺得未來會進入一個新階段，叫'氛圍研究（Vibe Researching） '。”

這句話意思是：AI 開始具備輔助發現的能力。

在GPT-5 的內部測試中，OpenAI 把模型交給專業科學家和數學家試用。Jakub 發現了一個意外現象：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的 AI 交互完全不同：

• 不是下個指令等輸出；

• 而是與 AI 共同解決難題，愿意等它深度思考后再給出結論。

Mark 強調了這一轉變：“我們發現，舊一代模型在簡單問題上花費過多時間，復雜問題上反而處理得太快。新的 Codex 正在尋找平衡點：簡單任務快速完成，復雜問題投入充足時間?！?/p>

模型不再只是被動執行指令，而是開始主導思考過程。

與此同時，企業需要適應是： 從追求完美的提示詞技巧，轉向設定清晰目標， 然后給系統充分的思考空間。

就像與專業顧問合作，你描述清楚問題，然后信任對方的判斷和工作方式。

第三節｜別只看答得準，要看能不能發現新東西

很多企業在上線智能工具后，習慣用傳統指標評估效果：模型在測試題里答對了多少；響應速度如何；有沒有犯錯誤。

但在 OpenAI 看來，這類評估標準，已經不夠用了。

Jakub 明確表示：

“我們過去幾年用的這些評估指標，已經快飽和了。”

什么意思？

比如數學題、編程題這種測試方式，從 GPT-3 到 GPT-4 到 GPT-5， 準確率從 96% 到 98%、99%，進步空間已經很有限。

就像一位學生，已經能穩定考 98 分，再追問他能否考 99 分意義不大。

Jakub 提出，真正重要的，是看模型能不能發現新東西。

我們希望看到的標志，是模型在科學或工程上，能有一些真正的實際進展。

舉個例子：

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

Jakub 并沒有糾結于排名，而是強調了比賽的深層意義：

“這些比賽其實是未來研究成功的真實標志。世界上很多優秀的研究員都是從這種競賽走出來的?！?/p>

但他也指出，這些標準仍有局限，因為它們還是人為設定的任務，都有固定答案。

接下來，OpenAI 更關注的是：

• 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、沒有標準答案的領域里持續推進

這類過程已經遠超答對錯的范疇，更像是在考驗獨立研究能力。

Mark 透露，為了訓練這種能力，OpenAI 內部會讓模型完全自主解決問題，不提供任何提示或答案。

回到實際應用層面，企業不應只關注工具做對幾道題，而要重點評估：

1. 創新性：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，解決了原本耗時很久的任務

3. 價值性：它是否產生了真正的經濟價值，解決了實際問題

這才是下一個階段，評估 AI 能力的核心標準。

第四節｜AI具備持續推理能力，組織要適應變化

當 AI 具備了長時間思考的能力，企業能否真正用好它，關鍵在于組織結構是否匹配。

在 GPT-5 的研發背后，OpenAI 也面臨著一樣的問題： 如何讓團隊適應更復雜、更長周期的 AI 研發？

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

我們不是靠模仿別人，也不是靠盯著競爭對手。我們知道自己要做什么，大家被這個目標吸引而來。

這句話的重點，不在信念，關鍵在于組織方式：不依賴個別天才單打獨斗，而是構建一個不怕失敗、有儲備、有接力能力的團隊。

Jacob 分享了一個細節：

“我們最成功的一些研究員，加入 OpenAI 前根本沒做過深度學習。他們原來是做物理、做數學、做金融的?！?/p>

但他們有兩個共同特征：

• 有技術基礎；

• 能在一個方向上反復嘗試，愿意做難題。

這也意味著，招聘重點不應該是工具使用的熟練程度，而應該是持續學習和適應變化的能力。

當然，學習適應能力也有不同的表現形式。Mark 說，OpenAI 內部有兩種研究員都很重要：

• 一種擅長提出新想法，探索多個方向；

• 另一種擅長深挖一個想法，逐步驗證和打磨。

他們的策略是把不同專長的人才組合起來，實現優勢互補。

同樣地，對企業而言，要發揮 AI 價值，組織結構也需要相應調整：

• 專注長期目標持續推進，而非只追短期熱點；

• 建立能夠留人、培養人、支持迭代的機制；

• 培養團隊與智能系統協同工作的能力。

正如 Jakub 所說：

“一個好的研究組織，最明顯的標志是團隊永遠在學習新東西，從沒停下來過。

這個趨勢下，AI 進入新階段，組織調整必須跟上。

結語｜AI 不再只是工具，而是思考伙伴

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

具體來說：

AI 開始會深度思考、持續推進、主動規劃。

這要求企業同步調整四個方面：

• 任務周期：適應長時間推理過程

• 協作方式：從下指令轉向共同探索

• 評估標準：從準確率轉向創新能力

• 團隊結構：匹配 AI協作需求

企業如果還停留在提示詞優化和試點項目上，就會被時代拋棄。

GPT-5 標志著新協作模式的開始。

AI 進入“長思考”時代， 企業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，內容翻譯整理自OpenAI首席科學家Jakub Pachocki與首席研究官Mark Chen在a16z Podcast的訪談。未經授權，不得轉載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

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/網絡新聞，

排版：Atlas

編輯：深思

主編：圖靈