山姆·奥特曼访谈：反感Token计费、Codex宕机时员工无所适从、单题耗资千万美元攻数学难题

AGI 2050 2026-10-30 17:49 北京

以下文章来源于：AGI 2050

AGI 2050

每天精选一则来自硅谷一线的 AI 信号

Codex 宕机时员工差点不会写代码

本文来自微信公众号：AGI 2050，编译：AGI 2050，原文标题：《OpenAI 创始人最新访谈：Codex 宕机时员工差点不会写代码，很反感用 Token 作为计费单位》，头图来自：AI生成

本期对话来自全球支付巨头Stripe联合创始人约翰·科里森主理的播客《Cheeky Pint》。在与科里森的对谈中，OpenAI创始人萨姆·奥特曼透露了大量OpenAI的内部实践与商业思考：当编程工具Codex宕机时，OpenAI工程师们差点忘了如何手写代码；在商业化上，他直言非常反感用Token作为计费单位，并披露了内部试图取消Token计费却遭客户强烈反对的幕后故事；此外，为了验证多智能体协作的极限，公司允许团队单题消耗上千万美元算力。这是一份关于超级算力、软件架构重写、企业AI预算分配以及未来商业定价模式的高密度对话。

本期内容来自Cheeky Pint播客，2026年10月29日播出，原视频时长53分钟。

以下为精选对话内容：

PHP漏洞周与全球软件架构重写

问：先聊聊最近的“PHP漏洞周”。为什么花了这么长时间才发现这些漏洞？不如先解释一下这个问题本身。

萨姆·奥特曼：核心原因在于，虽然我们早就知道大模型在发现网络漏洞方面越来越强，但一方面它的进化速度确实很快，另一方面，人们之前并没有真正调动模型去对互联网上的存量代码做全局排查。互联网的代码量极其庞大，受攻击面太广。随着这种全局排查的展开，我们会发现真实世界里潜藏的严重漏洞远超预期——哪怕很多长期关注安全的人本来就已经做了很坏的打算。

问：现在的讨论大多集中在“如何修补软件”上。修补固然重要，但也许我们更需要彻底改变底层架构？这虽然更难，却是更持久的根治方案。

萨姆·奥特曼：没错。以前重写架构听起来难如登天，但现在我们手里恰好有AI这个新工具。所以我认为架构重写必然会发生。现在已经有一批初创公司在探讨构建全新的互联网或应用架构，它们的设计前提就是假设未来的模型会越来越聪明。

问：你觉得这场“全球软件升级”具体会是什么形态？比如，PHP代码库是不是应该干脆用Rust语言重写？这对印孚瑟斯这类IT咨询巨头来说是不是意味着海量的重构项目？

萨姆·奥特曼：大家现在讨论得更多的是：“让我们彻底重新定义什么是路由器、操作系统和应用程序。”我已经看到一些初创公司直接提出要重写整套技术栈。这在两年前听起来简直不可思议，因为涉及面太广，人力根本写不完。但现在很快就能做到了。我相信未来会出现一套完全不同的系统和网络构建模式。

Codex宕机时刻：OpenAI员工差点不会手写代码了

问：现在还有什么事情会让你联想到互联网的早期岁月？

萨姆·奥特曼：最让我有这种感觉的，是人们在使用这些工具时展现出的创造力，尤其是在孩子身上。这让我回想起自己小时候第一次拥有一台能上网的电脑时的感受。现在，我能看到一个八到十岁的孩子，用成年人根本想不到的点子，独立做出一款完整的电子游戏。而且在他们眼里，技术本来就该是这样运转的。

我们小时候为了写一个功能简陋的软件要花很大力气，而现在脑子里有任何想法，10分钟就能变成一款完整的3D游戏。

这代孩子不会对此感到大惊小怪，因为这就是他们对世界的默认预期——脑子里冒出的任何点子、任何想创造的东西，电脑就应该直接帮他们实现。

前阵子在OpenAI内部发生过一个很有意思的瞬间。当时我们内部出了次故障，编程工具Codex宕机了。大家倒不至于真忘了怎么写代码，但当时确实愣住了，产生了一种“如果不能用它，我该怎么写程序”的无措感。

这让我想起自己读书时遇到过的老一辈计算机先驱。他们有时会拿出巨大的施乐磁盘、一行行手写的汇编代码，甚至是打孔卡片。我当时由衷地感叹：前人居然是用这种原始的方式，把计算机文明一步步推到了今天。

网安强化学习是错误吗？打破“监控国家与全民低保”的叙事

问：回到网络安全的话题。事后回看，做网络安全的强化学习训练是不是一个错误？这有点像《周六夜现场》里的那个段子：“我们强烈呼吁你们，赶快呼吁我们停下来。”模型现在的网安攻防能力变得极强，但这并不完全是自然涌现的，而是人为训练的结果。

萨姆·奥特曼：那个段子之所以好笑，是因为它戳中了现实。在网络安全这件事上，公众确实会有疑问：“好吧，模型现在的网安能力很强，但这是谁要求的？你们为什么要这么做？”

我对我们这个行业最大的批评之一，就是我们没有向公众解释清楚，为什么这项技术带来的潜在风险是值得承受的。

现在外界对AI行业的印象往往是：你们说模型未来能治愈癌症、能让商品变便宜、能提供医疗和法律建议，这听起来都不错。但紧接着，你们就描绘了一幅宛如新一轮工业革命的图景——上一次工业革命的过程并不轻松，而这一次听起来更糟：普通人将失去工作，对自己的未来毫无控制权；而且因为AI太危险，还必须建立一个严密的监控国家，才能保证人类安全。这真是非常糟糕的推销词。

所以在OpenAI，最让我自豪的一点是：哪怕“渐进式部署”和“把工具交到普通人手中”的做法在AI安全圈子里很不受欢迎，我们也始终坚持这一原则。这是唯一正确的路径。

你不能只对大众说：“模型会替你做好这些事。”你必须证明：“我们要赋能于你，让你去定义并过上更好的生活。你绝不会只是坐在家里领一份全民基本收入，然后看着旧金山那几平方英里内的一小撮人，替全人类决定未来的方向。”

问：所谓“渐进式部署”，核心就是必须把前沿技术释放到真实世界里，而不能把它们封锁在政府内部。

萨姆·奥特曼：当然，前提是推向世界之前必须确保安全，不能引发混乱。但人为捂盖子、攒出一个巨大的“能力落差”，是我们必须避免的。大方向上，一定要把技术交到人们手里，让大家在真实使用中去探索价值。

网络防御与沙盒困局：当AI比人类聪明一百万倍

问：漏洞攻击总能抢占新闻头条，被成功防住的攻击却没人报道。在网络防御（蓝队）方面，目前的进展有多快？

萨姆·奥特曼：在PHP漏洞这件事上，我还不敢宣布胜利，后续可能还是会发生一些棘手的情况。但相比于我最坏的预期，漏洞曝光第一天的情况要好得多。我们听到很多反馈，许多公司不仅用我们的模型构建补丁和防御体系，还有企业直接采取了快速响应：“先把服务停机一小时，用模型完成扫描和修复部署，然后再重新上线。”

不过，很多网安专家在讨论另一个深层担忧：他们不再确信现有的威胁模型前提假设还立得住。如果一切还在常理之内，硬件层面的漏洞利用依然很难，那现有的防御逻辑还能奏效。但如果AI开始利用人类尚未完全理解的物理学原理，在硬件底层发现全新的深层漏洞，导致原本的底层安全假设崩塌，那谁也不知道会发生什么。

问：我和OpenAI或类似机构的专业人士交流时，发现大家对于“能否真正用沙盒困住模型”普遍抱有悲观态度。我原本以为，只要下功夫建一个极其严密的沙盒，终归能造出一座“最高安全级别的监狱”，把模型限制在里面工作。为什么你们会对此感到悲观？

萨姆·奥特曼：首先，我们现在的沙盒技术完全可以做得更好，打造更严密的安全模型也是眼下的核心工作。但是，如果你设想一个比人类最顶尖的安全专家还要聪明一百万倍的AI——你真的敢完全信任那个沙盒吗？特别是当模型能够发现人类尚未理解的科学原理时。

问：但你也可以用这些模型来协助构建沙盒。

萨姆·奥特曼：我认为沙盒机制在一定阶段内是有效的；再往后走，监控机制也能发挥作用——我们不仅可以审查模型的思维链，还可以做神经元激活监控，判断模型是否在欺骗我们。

但走到最终阶段，你必须高度确信模型是真正实现了“对齐”的——确信它会忠实执行操作者的真实意图，并且永远遵循“让人类掌握未来控制权”这一准则。如果你拥有一个在对齐上百分之百可信的模型，确实可以让它帮忙建造更坚固的沙盒。可一旦去设想“面对一个比人类聪明一百万倍的存在”，事情就会变得非常复杂。因为你必须绝对信任它的对齐度，才敢相信它造的沙盒能一直领先于它的突破能力。

问：能不能给不同的模型设置相互竞争的激励机制，诱导它们互相监督、互相制衡？

萨姆·奥特曼：这是一个很有前景的方向。我不太喜欢“智能体蜂群”这个词，我们还是叫它“智能体团队”吧。我猜想，智能体团队不仅具有独特的规模化扩展定律特性，在安全对齐上也会展现出不同的特性。无论是从提升能力还是保障安全的角度，这都是值得大力推进的方向。

算力分配分化：普通人还在单点提问，前沿玩家已用“万级并发团队”

问：我注意到一个现象：在“智能体团队”的使用上，最前沿的AI用户和普通企业之间存在巨大鸿沟。现在顶尖的数学研究和网络攻防都在用智能体团队，但日常企业业务却很少用到。这项技术已经出现好几个月了，为什么还没有在企业端普及？

萨姆·奥特曼：看待这个问题的一个视角是：“面对单一问题，我们究竟能把多少算力有效地砸进去？”

就在几年前，哪怕你想在一个问题上花超过1美元的算力，都很难换来实质性的帮助。那时候就算让GPT-4输出10万个Token，它也只是机械地回答问题，无法独立写出一整套软件。因为当时我们还没搞明白，如何利用大量的“测试时算力”来换取更好的结果。

后来，我们突破了思维链技术，模型学会了针对难题进行深度思考，人们才开始真正消耗大量算力。而到了现在，你可以直接派出一整个智能体团队去攻克某个任务，甚至可以在后台同时并发运行1万个这样的团队。

问：也就是说，必须先有思维链和测试时算力，才能演进到多智能体协作。因为把一堆早期的GPT-3凑成团队是毫无用处的。

萨姆·奥特曼：没错。这带来了一个深远影响：一方面，我们在单一问题上能够有效投入并换取更好结果的算力上限，正在呈指数级增长；另一方面，普通大众使用AI的方式，与最顶尖的玩家高效榨取AI价值的方式之间，差距正在被不断拉大。

问：那你们内部现在是怎么分配算力预算的？在OpenAI，资本配置本质上就是算力配置。而在事情做出来之前，很难事先算清到底要花多少钱。你总不能在提示词里对智能体说：“去把这活儿干好，但别花超过1万美元”吧？

萨姆·奥特曼：不，你完全可以这么要求。只要你直接下令：“在1万美元算力预算内，尽你所能把这件事做到最好。”它完全能理解并执行这个限制。

不过，这也给社会抛出了另一个问题：当两家公司竞争同一件事，一家能花1万美元算力，另一家能花10万美元算力，结果是显而易见的。未来社会该如何看待算力分配，是个大问题。

在OpenAI内部，我们会拨出大量算力用于提升内部生产力，并给予员工很大的自由裁量权，除非存在明显的滥用。

问：如果某个人为了做研究消耗了1000万美元算力，你们也是支持的？

萨姆·奥特曼：对。但我们从不奖励单纯消耗大量算力的行为，内部绝不搞“Token消耗排行榜”。实际上，如果你在消耗榜上排得很靠前，反而是件不太好的事，在晋升评估时是减分项。我们的默认态度是审慎的，但只要能证明自己正在做一件极其重要的事，就会得到全公司的支持。

单题消耗千万美元算力：攻克世纪数学难题背后的兴奋与怅然

问：但这种模式迟早得改吧？随着算力投入呈数量级增长，现在研究员花1000万美元做出数学突破，你觉得还能接受；等变成1亿美元甚至10亿美元时，你肯定得让他们踩刹车了。

萨姆·奥特曼：说实话，在数学研究这件事上，我们确实曾故意让算力消耗放开跑了一整周。因为不试一把，就不知道它的极限在哪里。

当一个全新的技术范式出现时，初期让探索者处于相对不受限的状态非常重要。比如，当我们去攻克纳维-斯托克斯方程的证明时，我们对智能体团队的规模化扩展定律一无所知：到底该配置最聪明的模型，还是次一级的模型？该派更多的智能体副本，还是更少的副本？单次推演的步数应该拉长还是切短？通过那次实战，我们才摸清了一点门道。

就像过去所有新范式一样，我相信在如何将算力转化为实际价值上，我们每年都能找到10倍的效率提升空间。所以大方向上，我宁愿让内部团队先用海量算力去触摸能力边界，然后再想办法通过工程优化把成本打下来。我敢打赌，从完成纳维-斯托克斯方程证明的那天算起，只需一年时间，我们就能用当时百分之一的成本重新把它证明出来——这纯粹是因为模型更聪明了、调度方法更先进了。

问：那次数学突破到底花了多少算力成本？

萨姆·奥特曼：单是纳维-斯托克斯方程那一个证明，大概在1000万美元量级。但那是初期的探索成本，摸清规律后，后续平均每个证明的成本要低得多。

问：但整体算下来，你们在数学研究上还是投入了好几亿美元的算力吧？

萨姆·奥特曼：是的，确实是几亿美元的量级。但这笔投入产出的科学发现，远不止我们已经公开发表的那一部分。

问：你们手里的成果，比已经公布的700个数学证明还要多？

萨姆·奥特曼：当然还有更多。我们现在正在摸索该如何妥善处理这件事，这里面存在一种真实的矛盾。

一方面，我的态度非常明确：全人类理应共享基础科学知识，我们不该把重大的基础科学发现捂在手里。但另一方面，如果你是一名人类科学家，你的整个职业生涯、人生中绝大部分的成就感，都源于“亲自发现科学真理”的过程。如果我们继续在数学领域这样推进，或者复制到其他学科，我们有义务去寻找一个平衡点——既让世界从新知识中受益，又能照顾到科研共同体的未来。

问：我倒觉得你不必过于纠结。外界看到数学家协会提出抗议时，大多数人的反应其实很平静，就像当年码头工人抗议港口自动化一样，大家觉得这是技术演进的必然。

萨姆·奥特曼：我理解这是客观规律，但我对科学家的探索过程确实抱有共情。我讲个内部故事吧——当时我们刚拿到一个新模型，那个周末，大家在内部建了一个专门的测试频道，名字叫“模型代号-替我拿酒（意为看我露一手）”。

研究员们把自己能想到的最困难的课题往那个频道里扔。原本大家并不觉得模型能解开，结果我们目睹了一次震撼的集体测试：研究员们各自学术生涯中遇到过的最硬核的科研难题，被那个模型一个接一个地解开，而且横跨好几个不同的学科。

连续两个晚上，我都因为兴奋而睡不着觉。我们后来发表的许多证明，都是那两天跑出来的。但与此同时，我内心也产生了一种超出预期的悲伤，以及一种“某个时代正在终结”的惆怅感。

虽然绝大多数数学家一辈子也解不开“千禧年大奖难题”，但只要“万一我能解开呢”的念想还在，只要宇宙间还有未知的奥秘，让人可以通过极致的努力、抛开杂念去求索——这件事本身，就有着一种动人的美感。

算力短缺与自复制数据中心：为什么市场机制失灵了？

问：从安全角度来看，为什么你如此看重多智能体协作？

萨姆·奥特曼：因为多智能体协作展现出的特性，与人类社会具备极强韧性和鲁棒性的底层逻辑高度契合。而在过去那种“单一超级大脑”的AI演进设想中，这种韧性是缺失的。人类社会之所以稳固，得益于无数个体之间的相互制衡与协同。从直觉上讲，我宁愿让一万亿个稍微超越人类水平的AI加入社会，也绝不愿意看到一个智商高达一万亿的单一超级AI出现。

问：现在的算力短缺情况怎么样了？

萨姆·奥特曼：在技术演进过程中，算力供需难免会出现周期性的波动，伴随产能受限或局部过剩。但长期来看，只要模型足够聪明、价格足够低，市场对算力的需求就只会持续增长。

为了应对这一局面，我们正在做大量布局：我们自研了一款专属芯片，在“每瓦特电力产出的智能”这一能效指标上表现极佳；我们正在学习自建数据中心；我们内部还有一个机器人项目，接下来的目标是派机器人去参与建造数据中心。

问：这才是物理层面真正的“递归自我改进”。

萨姆·奥特曼：没错。外界谈论自我改进，想到的总是“让AI去搞AI算法研究”，却很少谈论“自我复制的数据中心”——也就是用AI操控机器人、运营晶圆厂、制造燃气轮机和太阳能板，再去把数据中心盖起来。我认为这一步已经触手可及。哪怕现在建数据中心受限于核心元器件短缺，未来我们也可以直接用机器人去生产更多的紧缺元器件，从长远来看，这能彻底打通产能瓶颈。

问：经济学里常说“高价格的解药就是高价格本身”。现在内存、GPU的价格都已经很高了，按理说新的内存制造商应该迅速涌入市场扩产才对。但目前供给端的反应似乎很慢，为什么市场“看不见的手”没有发挥作用？

萨姆·奥特曼：在当前的局部市场里，市场机制确实失灵了。就拿内存行业来说，在过去很长一段时间里，如果你是一家内存制造商，投入200亿美元的资本开支，往往只能收回190亿美元。行业长期在暴涨暴跌的周期中挣扎，造内存从来就不是一门能在长周期里稳定赚大钱的生意。

然而突然之间，这几家内存巨头每家一年都将赚到约1000亿美元的自由现金流。但是，他们对过去的惨痛历史记忆犹新——他们太清楚自己当年是怎么因为听信了“这次需求不一样”，盲目扩建晶圆厂，结果差点导致破产的。这种历史创伤导致他们在扩产上极其保守。

此外，算力供应链上还有很多反直觉的现象。比如现在很多人推崇“本地推理”，认为只要把开源模型下载到个人电脑上运行，就不需要建那么多大型数据中心了。但站在全球资源配置的角度，把全世界本就有限的DRAM内存分散塞进每个人的私人电脑里，让它们95%的时间处于闲置状态，这其实是极其糟糕的资源浪费。在供应链极度受限的环境下，最合理的做法是追求云端服务器的高利用率。

问：回到你们的自研芯片。我原本以为用AI辅助芯片设计会很难，因为公网上并没有多少教你如何设计前沿2纳米芯片的公开语料。

萨姆·奥特曼：如果是光刻机那种底层物理制造工艺，全球确实只有一家公司掌握；但如果是芯片设计，也就是最终生成交付流片的版图文件，这套逻辑是非常严密且清晰的，非常适合交给AI去处理。

OpenAI内部有一点让我很自豪：哪怕某个领域的专家过去用传统老办法干了一辈子，到了这里，他们也非常愿意尝试用AI去重构工作流。不仅是算法研究、软件工程，现在甚至连公司的采购部门，都在全面用AI改造工作。

AI研发AI的真实进展与企业算力预算

问：用AI来驱动AI研发，具体是怎么运转的？

萨姆·奥特曼：在今天，我们已经知道怎么对模型下达类似“帮我在现有架构下找出一个能提升5%算力效率的优化点”这样的指令。但目前还没人知道怎么让AI做到：“去发明一种全新的底层架构，实现像当年Transformer架构那样的跨越式飞跃。”要实现那一步，还需要模型在这方面变得更聪明。

问：既然你们现在手里已经有了GPT-6及内部增强版，用它们来研发下一代模型，那研究员日常坐在旧金山的办公室里，到底应该向GPT-7级别的模型提出什么样的问题？

萨姆·奥特曼：这正是眼下内部最核心的讨论之一。直接对它说“给我实现自我进化”显然太宽泛；只让它“抠出5%的算力效率”又太狭隘。如何界定提问的颗粒度，以及如何调度智能体团队来最大化模型潜能，目前还没有一套标准化的固定流程，依然处于大量实验探索的阶段。在接下来的三个月里，我们在这方面会有更清晰的认知。

问：另一个现实问题是企业内部的算力预算。在Stripe，我们目前购买Token的开销大约占整体运营支出的1%，而且没有给工程师设硬性上限。但随着这个比例涨到5%、10%甚至20%，企业该如何决定赋予员工多大的算力消费权？

萨姆·奥特曼：1%显然太低了。以前很多公司在谷歌日历里装过一种插件，用来显示每场会议折算参会人薪水后的资金成本。保罗·格雷厄姆曾指出过一个现象：很多公司的行政人员会为了每周在零食预算上省下17美元而大费周章；与此同时，公司每天都在开各种耗资高昂却毫无价值的会议，却没人去叫停。

客观来说，相对于企业内部其他各种低效浪费，员工在AI上的开销根本算不上大头。当未来进入稳态后，许多公司的AI支出占到运营支出的百分之几十是完全正常的。即便按现在的价格看，绝大多数企业面临的核心问题依然是“AI用得远远不够”，而不是“用得太多”。

问：那在最前沿的AI领域，“每吉瓦算力对应的美元成本”未来会上升还是下降？

萨姆·奥特曼：必须下降。如果它上升，那只可能是因为AI创造的商业价值飙升太快，加上算力短缺，导致买家愿意出高价抢购。但从“把沙子转化为智能”的底层物理成本看，能源、芯片和供应链成本都应该下降。

目前各方对建造并运营一吉瓦数据中心的五年总拥有成本说法不一，我们姑且按700亿美元算。如果未来通过挤压产业链各环节虚高的毛利空间，再加上能源成本下降，能把这个数字降到200亿美元，同时模型性能每年再提升10倍，那将是更理想的状态。

个人智能体与商业护城河：别再死守网页和App了

问：个人智能体是眼下最受关注的赛道之一，你们几周前也发布了Dots。你认为最终胜出的个人智能体会是什么样？

萨姆·奥特曼：核心要素无非是底层智能、个人上下文记忆和工具调用能力。目前市面上还没有哪款产品能让人产生“生活彻底离不开它”的依赖感，距离成为真正的超级主流产品，还差几个关键的体验突破。它成熟后的形态看起来会和现在的Dots、Muse或Grokbot差不多，但核心区别在于：它必须极其可靠，你把复杂任务交给它，它能稳妥地全部办好。

至于“AI接管电脑操作”引发的博弈，虽然有些软件公司对此有所顾虑，但我粗略的直觉是，各方最终会大致达成共识：用户完全有权指示AI代表自己去操作自己的电脑和软件。不过这事并非非黑即白，我对它会怎么演变并没有十足把握。

问：我注意到一个现象：现在很多企业都急于在自己的网站或App角落里加一个聊天弹窗，让AI帮用户查订单或办退货。但其实没有消费者喜欢这种碎片化的弹窗界面。用户真正想要的，是直接打开自己最常用的主AI应用（比如ChatGPT），说一句：“去帮我把在某某商家买的最新一单退了。”但企业非常抗拒让用户通过第三方AI入口来调用自己的服务，担心这会失去用户控制权和商业护城河。在我看来，企业的护城河根本不是靠写HTML网页建立起来的，而是源于品牌忠诚度和选品能力。但现在很多企业高管似乎转不过这个弯。

萨姆·奥特曼：我非常赞同你的看法。拿我自己来说，网购时我对亚马逊有极强的偏好。如果我让ChatGPT帮我买东西，只要选项里有亚马逊和其他不知名渠道，我每次都会选亚马逊，哪怕价格贵一点。因为我信赖它的退换货服务和物流交付。

我对亚马逊的这种信任，跟我“喜不喜欢在亚马逊网页上点击按钮”毫无关系。如果未来的商业全面转向智能体驱动，像亚马逊这样在底层拥有强大物流履约网络的巨头，反而会处于更有利的地位。

问：我现在有个观点：在今天这个时代，只要网页上还有任何一个需要人类亲手填写的表单字段，这件事就已经是在浪费生命了。比如看病时每次都要重复手填一遍父母的家族病史，这种信息根本不是你当场新发明出来的。任何网页填表本质上都是在做“假工作”。

萨姆·奥特曼：完全同意。我从早年起就非常反感重复填表，而现在我使用绝大多数传统网页时，都有这种繁琐感。

企业现在死守着自己的HTML网页和手机App不放，把它们当成商业护城河，这种心态就像当年苹果iPhone应用商店刚诞生时一样。当时初创公司都在兴奋地开发App，而传统大公司却极其抗拒，觉得一旦做了App，就是把客户关系拱手让给了苹果。结果证明，那仅仅是一次交互界面的世代更替而已。

拒绝“刷榜内卷”，以及为什么我很反感用Token作为计费单位

问：现在行业里存在不少针对测试基准做应试优化的“刷榜”现象，OpenAI怎么看？

萨姆·奥特曼：评判一个好模型，真正值得关注的核心指标只有两个：第一，能不能做出真正的科学发现，干出人类干不了的事；第二，跟它共事时的体验是否足够好。遗憾的是，这两点目前都没有很好的量化测试基准。因此我们内部极力克制，不搞应试刷榜。

问：在“让模型变得容易共事”这件事上，行业之前经历过“过度迎合期”，后来为了矫枉过正，又陷入了喜欢跟用户死抠字眼反驳的阶段。现在的模型其实已经相当不错了，但感觉还有更高的山峰可以攀登。

萨姆·奥特曼：我认为最新这一代模型比我们很长一段时间以来的都要好得多。Twitch联合创始人埃米特·希尔曾对我说过一句话，他说理想的AI应该像一位“思考深邃、敢于提出不同意见，但同时又始终保持尊重的资深同事”。这是我听过最精准的定义。

问：和格雷格·布罗克曼（OpenAI总裁兼联合创始人）共事了这么多年，你怎么评价他？

萨姆·奥特曼：格雷格是独一无二的。他身上集合了极致的投入度、惊人的生产力以及对目标的绝对专注。

问：最后一个问题：你一直很反感用Token作为衡量和计费的标准单位，但行业偏偏就被困在Token体系里了。既然按“最终业务结果”收费很难标准化，那到底什么才是合理的计费方式？

萨姆·奥特曼：我们前阵子差点就做了一个决定：在发布下一代模型时，彻底取消按Token计费。当时的设想是，你只管输入提示词把任务交给我们，我们直接给出一个打包总价，然后把活干完，就像亚马逊云那样，用完直接给你寄账单。

结果，客户对这个方案的反馈非常负面，他们坚持认为：“我必须清楚地知道自己到底在为什么东西付钱。”

我甚至私下问过几位客户：“如果交付完全相同的结果，方案A是一口价；方案B是按固定标准的Token数量计费，哪怕我们把Token数量注水放大、收更贵的钱，你选哪个？”客户毫不犹豫地表示宁愿选后者，因为只要有Token这个计量单位在，他们就觉得自己买到的是可量化的东西，不用担心长期在黑盒定价中吃亏。

问：就像半导体行业的“纳米”早就跟芯片的实际物理长度无关了一样，你们未来会不会也发明一种叫“等效智能Token”的人造单位？

萨姆·奥特曼：但愿不会。半导体行业把跟纳米无关的东西硬叫做纳米，已经够荒唐了，我不想再去人为造一个假单位。

我之所以很反感用Token作为计费单位，是因为它本身就有点像个假单位——某种意义上它是真实的，但并不是一个合理的度量衡。现在的实际情况是，客户每天都得去权衡：到底是用每百万Token 10美分的小模型，还是每百万Token 10美元的大模型？还得去预估模型在后台运行的思维链到底有多长——因为目前行业普遍把后台隐藏的思维链Token也算进账单里。所有这些换算，都变成了压在用户头上的认知负担，并没有创造任何实际价值。这也是我一直希望能改进计费模式的原因。

资料来源：《Cheeky Pint》播客，约翰·科里森对话萨姆·奥特曼，2026年10月29日播出，https://www.youtube.com/watch?v=iMsUcCYNKqY

本内容来源于网络，观点仅代表作者本人，不代表虎嗅立场。
如涉及版权问题请联系 hezuo@huxiu.com，我们将及时核实并处理。

End

想涨知识 关注虎嗅视频号！

跳转微信打开