图片来源： a16z Z Highlights ： Christina Kim 是 OpenAI 研究员，负责核心模型团队的后训练工作。 Isa Fulford 亦是 OpenAI 研究员，负责深度研究以及 ChatGPT 智能体团队的后训练工 作。 Sarah Wang 是 a16z 的合伙人，自 2021 年起一直参与并推动对 OpenAI 的投资。 ChatGPT-5 刚刚发布，推理、编程、创意写作能力得到大幅提升，可 信度、行为表现以及后训练技术也显著改进。 本期访谈发布于 2025 年 8 月 8 日， a16z 邀请了上述三位嘉宾，一同探讨 ChatGPT-5 的训练方式，智能体工 作流的转变，以及 GPT-5 对开发者、初创公司，以及更广泛 AI 生态未来的意义。 提升全面且更可信， GPT-5 在逢迎与幻觉问题上显著收敛 Erik Torenberg ： 今天算是新闻比较少的一天啊，感谢你们来参加。对不太熟悉的观众，可以介绍一下你们在 OpenAI 做什么吗？ Christina Kim ： 我是 Christina ，负责核心模型团队的后训练工作。 Isa Fulford ： 我是 Isa ...

Deep Research功能概述 - Deep Research能显著提升AI产品GTM效率，将数小时工作压缩至几分钟[2] - 主流AI产品如ChatGPT、Gemini、Perplexity均已上线该功能[2] - 需通过高质量提示词和背景信息指导才能产出定制化研究成果[2] 使用技巧 技巧1：信息源质量控制 - AI可能误用社交媒体观点或过时数据，需人工指定优先来源类型（如政府数据）[7][12] - 可要求AI在报告中添加来源概述表，列明数据年份、用途及替代来源差异[8][9] 技巧2：背景信息输入 - 需主动提供公司运营模式、目标及限制条件等背景信息[13] - 可创建项目档案存储共享背景，避免重复输入[14] - 建议使用GPT-5/Claude Opus生成背景信息需求清单[18] 技巧3：研究计划审核 - Gemini会主动提供研究计划，其他工具需在提示词中明确要求[20][22] - 审核重点包括：内容覆盖度、方法合理性及AI假设验证[23] 技巧4：报告格式优化 - 默认生成报告可读性差，需指定摘要前置、关键见解优先等结构化格式[24] - 推荐使用金字塔原则：结论先行，论据支撑[31] 工具选择策略 - ChatGPT为最佳通用工具，尤其GPT-5版本具备深度分析和Agent Mode交互优势[38][39] - Gemini适合备用，Perplexity擅长特定网站/论坛研究，Claude/Grok输出简洁[40][42] - 工具对比维度包括定价限制、研究规划、上下文处理等7项指标[43] GTM实战用例 用例1：内部项目指南 - 可快速生成营销归因模型等复杂项目实施手册，含方法对比及分步SQL代码[46][47] - 需明确公司技术栈（如Salesforce+Snowflake）以获取定制方案[47] 用例2：竞品广告分析 - 通过Agent Mode抓取LinkedIn广告库50+案例，分析定位策略及CTA设计[51][54] - 输出含具体广告链接及截图，覆盖广告类型、受众画像等维度[56] 用例3：网页审计 - 结合竞品分析与行业最佳实践，提出改进优先级排序及文案示例[63] - Agent Mode可交互验证页面元素，避免静态分析误差[64] 用例4：产品功能对比 - 基于官方文档生成竞品功能差距分析，需验证信息时效性[67][68] - 可延伸生成竞争力文案，如客户比较页面设计建议[69] 用例5：国际市场评估 - 采用两阶段法：先由GPT-5建立评估框架，再通过Deep Research生成国家排名[72][75] - 关键数据源包括政府统计（如Eurostat）和企业规模数据（如UK Business Population）[9][76] 扩展应用场景 - 使用Perplexity监测社交媒体反馈，或通过Agent Mode记录竞品用户流程[80] - 生成行业增长技巧报告并与推理模型协作筛选适用方案[80]

核心观点 - OpenAI通过合并Deep Research和Operator项目，开发出能执行长达一小时复杂任务的AI Agent，具备文本浏览、GUI操作、终端访问及API调用等综合能力 [5][6][11] - 该Agent采用"强化学习+共享工具集"训练方法，所有工具共享状态，支持多轮交互和任务中断/纠正，开启"下达任务后离开"的新范式 [6][22][24] - 团队认为未来属于单一全能型Agent而非功能割裂的工具集合，因不同技能间存在显著正向迁移效应 [7][44] Deep Research与Operator的融合 - Deep Research擅长文本浏览与信息综合但缺乏GUI交互能力，Operator精于可视化操作但文本处理较弱，两者互补形成"1+1>3"效果 [9][10] - 合并后新增终端工具、图片生成、API调用等功能，可创建电子表格/幻灯片等产出物 [11][12][13] - 典型用例包括学术研究整合、购物决策辅助、财务模型构建等，最长任务耗时1小时 [16][18][20] 技术实现与训练方法 - 采用强化学习在虚拟机环境训练，模型自主掌握工具使用逻辑而非人工编程规则 [24] - 训练规模较早期项目提升约10万倍，数据效率极高，小规模高质量数据集即可实现复杂能力 [45] - 突破性在于工具状态共享和上下文长度限制突破，支持跨工具无缝切换 [6][21] 产品特性与交互设计 - 设计为开放式模糊命名，鼓励用户探索未预设的用例（如代码搜索等意外场景） [14] - 支持实时观察任务进度、中途干预、后续修改等"旁观接管"式交互 [23] - 当前专注"专业消费者"场景，兼顾个人消费与工作需求 [15] 未来发展路径 - 短期聚焦提升基础操作准确性（如表单填写等）和任务多样性覆盖能力 [46][47] - 长期探索Agent自主决策、个性化记忆及多模态交互界面 [42][49] - 技术瓶颈在于真实世界交互的稳定性（网站宕机等）和安全风险控制 [26][27] 团队协作模式 - 由原Deep Research（3-4人）和Operator（6-8人）团队合并，研究与应用团队深度协同 [30][34] - 采用"用例反推"开发模式，产品需求直接驱动模型训练 [34] - 跨部门协作涉及安全/法律/工程等多团队联合红队测试 [28][29]

**行业与公司关键要点总结** --- **1. 行业概述** - **AI行业核心逻辑**：技术范式推动模型能力增强，解锁更大应用空间，加速价值创造 [7] - **四大趋势方向**：应用趋势、模型趋势、技术趋势、行业趋势 [4] --- **2. 应用趋势** - **通用类Agent**： - 深度整合工具使用，完成复杂研究任务（如生成图文报告、视频素材）[9] - 交付内容深度提升（从简单文字到多文件编辑）[9] - **Computer Use Agent (CUA)**： - 基于视觉操作GUI，打破数据孤岛，但成本高、异步化难 [12] - **垂类Agent涌现**： - **旅行**：飞猪“问一问”支持多Agent协同（路线规划、票务查询）[13] - **设计/创作**：自然语言生成生产级海报/视频（如GPT-4o图像生成）[13][26] - **时尚**：自然语言生成穿搭方案 [13] - **AI编程**： - Cursor ARR突破5亿美元，演化阶段：代码补全→端到端交付 [15] - 验证成本高（人类反馈占90%工作量），需拆解为小问题解决 [48] - **模型上下文协议（MCP）**： - 标准化接口调用外部工具，但生态未成熟（仅支持20-30个调用）[16] --- **3. 模型趋势** - **推理能力提升**： - 思维链技术推动数学/代码能力进步（如AIME 25准确率+23%）[19] - 工具使用端到端训练（如o3模型，任务准确率+81%）[21] - **多模态融合**： - 视觉推理（如o3模型解决量子力学题目）[24] - 图像生成控制力增强（支持16个细节指令、多轮编辑）[26] - 视频生成整合原生配音（如Veo 3唇动同步）[27][28] - **小模型普及**： - 极致性价比（如Qwen3-0.6B、Gemma 3n仅需2GB RAM）[33] - **评估演化**： - 传统静态榜单饱和，转向实用性任务（如HealthBench医疗评估）[35] --- **4. 技术趋势** - **训练阶段重心**： - 预训练（基础能力）与后训练（激发能力）并重，强化学习算力需求超预训练 [39][41] - **强化学习**： - 算力消耗未来占比最高（如xAI集群扩展至100万卡规模）[56] - **多智能体系统（Multi-Agent）**： - 分布式处理提升效率（如Grok 4采用此架构）[43] - **在线学习**： - 从交互经验中学习，突破人类数据依赖（如Google Deepmind“经验时代”）[44] - **Transformer架构迭代**： - 优化注意力机制（如MiniMax-01支持400万token上下文）[45] - 混合架构涌现（如腾讯混元T1融合Mamba-Transformer）[46] --- **5. 行业趋势** - **头部玩家竞争**： - OpenAI领先优势缩小，谷歌Gemini 2.5 Pro、xAI Grok 4（科学/工程类SOTA）达第一梯队 [58] - 中美差距缩小：中国多模态（如Seedance视频生成）和代码能力（Qwen3-Coder）达SOTA [60][61] - **AI编程争夺战**： - 海外：OpenAI Codex、Anthropic Claude Code、谷歌Gemini Code [62] - 国内：通义灵码、字节Trae（对标Cursor）[63] - **创业公司分化**： - 技术驱动（如DeepSeek开源R1模型）vs. 商业化落地（如零一万物聚焦B端）[64] - **算力竞赛**： - xAI算力集群快速扩张（2025年达100万卡），强化学习算力需求+567% [56] --- **6. 其他关键数据** - **视频生成商业化**：字节可灵月收入1400万美元 [31] - **系统提示词**：Claude模型1.7万字提示词决定用户体验 [51] - **验证瓶颈**：AI编程中90%工作量来自代码验证 [48] --- **注**：所有数据与观点均引自原文标注的文档ID，未进行主观推断。

文章核心观点 - OpenAI发布通用型ChatGPT Agent，整合深度研究工具Deep Research与执行工具Operator，可一站式完成复杂任务，但存在速度慢、个性化不足等短板 [1] - ChatGPT Agent采用"浏览器+沙盒虚拟机"架构，与Manus、Genspark形成技术路线差异 [1] - Agent将重塑互联网入口，改变流量分发模式，对创作者商业模式产生影响 [52][56][64] 主流底层架构对比 - 浏览器（Browser-based）代理：万能但运行速度慢，Token消耗高 [12][13][14] - 沙盒（Sandbox）环境：高效但无法联网操作，工具库受限 [16][17] - 大模型加限制沙盒：如Genspark，环境封闭，仅能运行预设程序包 [18][19] - 工作流集成（Workflow API）：速度快、结果精准，但业务范围有限 [21] 主要Agent产品优劣势 - OpenAI ChatGPT Agent：深度研究能力强，浏览器执行层面表现优异，基准测试达50多分（其他最高20多分） [4][6] - Manus：虚拟机环境搭建优势，但受浏览器能力限制，执行速度慢（30多分钟/任务） [27][28][31] - Genspark：垂直化模板设计，速度较快但通用性下降 [33][34] - Pokee：执行速度最快（市面产品的4-10倍），采用第三方集成SDK，Token成本降低50%-60% [36][40] 用户体验差异 - 浏览器架构Agent（如Manus、ChatGPT）：功能全面但速度慢 [27][28] - 沙盒架构Agent（如Genspark）：执行速度快但功能受限 [34] - 工作流集成Agent（如Pokee）：专业场景高效但需平台接口支持 [40][41] 商业模式与技术路线 - ToC产品（Manus、Genspark、ChatGPT Agent）：面向普通消费者，解决通用需求 [46] - ToB产品（如Pokee）：针对专业人士重复性工作场景 [46][48] - 平台接口开放程度直接影响Agent能力边界 [43][48] 行业趋势与影响 - Agent将改变互联网流量入口模式，门户网站流量可能下降 [52][56] - 广告模式可能从流量分成转向知识产权直接付费 [64] - 推荐系统算法可能从排名导向转向连续交互机制 [67][68][69] - 多智能体协作协议（MCP）发展面临可用性挑战 [58][59]

OpenAI发布ChatGPT Agent进军通用AI Agent赛道 - 7月17日OpenAI正式发布ChatGPT Agent 融合Deep Research(搜索)和Operator(执行)两大工具 实现"搜索与执行"一体化能力 [1][4] - 技术路线基于浏览器控制 通过视觉模型模拟人类网页操作 通用性强但速度慢 任务耗时可达几十分钟 [7][9][12] - 发布当日ChatGPT日指令量达25亿条 年化9125亿次 相当于谷歌年搜索量的18% [48] 通用AI Agent四大技术流派对比 浏览器为主派(OpenAI) - 优势：全网访问 通用性极强 视觉模型和浏览器点击能力领先行业 [9][13] - 劣势：需加载完整HTML和脚本 Token消耗高 速度慢成为主要痛点 [10][12] 虚拟机+浏览器派(Manus) - 沙盒虚拟机提供隔离计算环境 可本地执行复杂操作 结合浏览器增强功能 [14][16] - 4月融资7500万美元 估值5亿美元 但受限于浏览器能力 页面导航等精细操作困难 [20][22] 大模型+虚拟机派(GensPark) - 限制性沙盒环境搭配预置工具 通过API直接调用服务 牺牲通用性换取速度 [24][26] - A轮融资1亿美元 估值5.3亿美元 集成80多个预构建工具 标准化工作流提升可靠性 [28][31] 工作流+工具集成派(Pokee/UiPath) - 预设节点调用第三方应用 速度达行业4-10倍 工具调用成本降低50%-60% [32][34] - 强化学习自动规划流程 但局限于特定场景 通用性不足 [33] 未来流量入口与商业模式变革 - Agent交互将产生"幽灵光标"现象 取代人类成为互联网访问主力 门户网站流量面临断崖式下跌 [39][41][42] - Google推出Agent2Agent协议争夺入口标准 内容付费模式可能取代广告分成 [42][46] - 创作者可通过API直接收费 广告嵌入Agent工作流环节 商业生态面临重构 [46]

通用AI Agent技术路线分析 - OpenAI推出ChatGPT Agent，融合Deep Research和Operator工具，实现"搜索与执行"一体化功能 [7][8] - 目前通用Agent领域形成四大技术派系：浏览器为主派、虚拟机+浏览器派、大模型+虚拟机派、工作流+工具集成派 [11][59] - 浏览器为主派(OpenAI)优势在于通用性强但速度慢，任务完成需几十分钟 [15][17][20] - 虚拟机+浏览器派(Manus)本地执行效率高但外部访问受限，4月融资7500万美元估值5亿美元 [34][35] - 大模型+虚拟机派(GensPark)牺牲通用性换取速度，A轮融资1亿美元估值5.3亿美元 [45][47] - 工作流+工具集成派(Pokee/UiPath)速度快但通用性差，速度可达其他产品4-10倍 [57][58] 行业竞争格局 - OpenAI入局引发市场格局洗牌，ChatGPT日指令量达25亿条，相当于谷歌年搜索量18% [75][76] - 各技术路线代表公司：OpenAI(ChatGPT Agent)、Manus、GensPark、Pokee/Zapier/UiPath [59] - 通用性与速度稳定性难以兼得，OpenAI和Manus选择通用性，GensPark和Pokee选择速度 [60] - 行业趋势从通用转向专精场景，通过工作流提升用户留存率 [61][62] 未来流量入口变革 - AI Agent将成为互联网访问主力军，产生"幽灵光标"现象 [66][67] - 传统门户网站流量将快速下降，流量入口转向各方向Agent [70] - Google推出Agent2Agent协议试图占据入口地位，ChatGPT和Claude也在布局 [70] - 广告模式将颠覆，内容创作者可通过Agent直接收费 [72]

Manus新功能Wide Research发布 - 公司推出新功能Wide Research（广度研究），目前仅对Pro用户开放，未来将向Basic和Plus用户开放，暂无免费用户开放计划 [3] - 该功能是公司内部耗时最长的开发项目，耗时超两个月 [6] - 功能定位为"广度研究"，与OpenAI的"深度研究"形成差异化竞争，直接挑战行业巨头 [6] 技术特点与性能对比 - Wide Research采用并行计算技术，可将任务拆分为批量子任务处理，计算能力扩展100倍，但算力消耗显著增加 [9] - 实际测试显示，Wide Research能完成全球前100MBA学校列表等广度任务，而ChatGPT Agent仅能处理10所学校 [7] - 功能演示显示可同时比较100双运动鞋或生成50张风格海报，展现横向扩展优势 [9] 用户成本与行业竞争格局 - 单个Wide Research任务预计消耗1000积分（子任务约10积分/个），远超免费用户每日300积分限额 [10] - 行业存在技术路线分化：Wide Research强在并行效率，Deep Research长于复杂逻辑推理，两者结果可靠性均需提升 [10] - AI Agent领域陷入同质化竞争，公司通过Wide Research实现差异化创新，突破行业"深度研究"内卷现状 [12] 战略意义与行业影响 - 新功能发布被视为公司技术实力的重要证明，回应市场对其发展状况的质疑 [5] - 从产品推出到功能迭代仅用5个月，展现快速创新能力 [5][6] - 行业面临AGI技术瓶颈，公司尝试通过计算范式创新开辟新竞争维度 [12]

核心观点 - OpenAI发布ChatGPT Agent，通过专用模型实现任务规划、跨工具调用和文档生成等复杂流程，显著提升AI Agent能力 [5][9] - 初创公司如Manus和Genspark通过工程优化和上下文设计在响应速度、任务完成度和用户体验上暂时领先，但面临底层模型能力差距 [13][21][27] - AI Agent市场快速增长，预计从2024年51亿美元增至2030年471亿美元（CAGR 44.8%），巨头与初创公司技术路线分化 [45][46] 技术对比 - **OpenAI技术路线**：端到端训练的统一模型（o3系列），在《人类的最后考试》测试中得分41.6%（pass@1），SpreadsheetBench性能达投行分析师1-3年经验水平 [9][29][32] - **初创公司技术路线**：依赖上下文工程（如Manus的KV缓存设计），首个token生成成本降低10倍，通过提示工程优化使数学题正确率从27%提升至49% [36][37][40][42] 行业竞争动态 - Manus在OpenAI发布后3小时内发布10条对比测试，展示更优的行程海报、财务分析PPT等任务完成度 [13][15][20] - Genspark宣称其24人团队在响应速度、成本和质量上"领先OpenAI好几倍"，并发布9个对比案例 [21] - OpenAI承认当前ChatGPT Agent速度较慢（部分任务需20分钟），但强调后台持续推理能力（最长2小时） [24] 市场影响 - 微软CEO称20%-30%代码由AI生成，Klarna的AI Agent替代700名客服，显示AI Agent已实质性改变劳动力结构 [45] - OpenAI计划整合支付系统向商家收取佣金，商业化步伐加速 [49] 产品差异 - **OpenAI**：强调底层模型能力，输出标准格式文件（如Excel/PPT），用户需二次加工 [24][32] - **初创公司**：提供现成模板和设计（如Manus的行程海报、Genspark的图表总结），降低用户使用门槛 [13][21][27]

OpenAI ChatGPT Agent发布 - OpenAI发布ChatGPT Agent智能体，具备自主思考和行动能力，能主动选择工具完成复杂任务如查看日历分析会议、分析竞争对手创建幻灯片、将截图转为可编辑PPT等[2][3] - ChatGPT Agent整合Operator的网页操作能力、Deep Research的信息整合能力和ChatGPT对话能力，形成统一智能体系统[3] - 智能体系统支持调用可视化浏览器、文本浏览器、终端工具和API接口，分别用于网页交互、文本处理、代码运行和应用数据访问[4] - 金融交易等高敏感操作受限制，执行重要操作需用户授权，访问金融网站时限制标签页切换以确保安全[4][5] Manus中国市场调整 - Manus清空国内社交平台内容，官网显示地区不可用，被曝将总部迁至新加坡并裁减中国区约80名非核心员工[6] - 公司回应称调整基于经营效率考量，核心研发团队40多人迁往新加坡[6] - 联合创始人季逸超技术复盘显示团队经历四次框架调整，选择基于开源/商业大模型构建智能体而非自研[6] - 外界猜测迁址或为规避美国投资审查风险，且因主要依赖Claude模型在国内面临成本与合规挑战[7] 智能体行业动态 - 2024年全球AI智能体市场规模预计54亿美元，2025年可能成为AI Agent元年[8] - 基础大模型能力决定Agent上限，C端Agent受大厂和创业公司重点关注，OpenAI、Google、字节、阿里等积极布局[8] - Gartner预测智能体市场将经历退潮，到2027年底超40%项目可能被取消[8] - 当前Agent在复杂工具调用中可达90%准确率，但基础模型尚难自主调用上万个工具[9]