Tibo 谈编程智能体、AI 速度与 OpenAI 的产品方向

Berman 请 Tibo 回顾他在 DeepMind 的经历，以及早于 ChatGPT 的内部语言模型聊天产品。Tibo 说他负责基础设施和研究产品，早期语言模型成果自然催生了对话工具的想法。

Tibo 回忆说，当时的研究环境很有创造力，但 DeepMind 并未为发布产品做好组织准备。他将其与 OpenAI 对比：据他说，后者的研究和产品团队紧密合作，并倾向于快速发布。

谈到早期聊天机器人是否让人觉得特别，Tibo 说最初连贯的回答更有趣而非有用，后来逐渐变得更有帮助。这段经历让他思考应该保留企业文化中的哪些部分、避免哪些障碍。

Tibo 将 OpenAI 描述为一个自下而上的地方，人们可以围绕想法组队并快速发布。同时，他希望产品有统一方向、简洁且质量过硬，而不是一堆互不相关的功能。

给创业者的建议是坚定信念、接触用户并根据反馈快速迭代。对成熟公司，Tibo 又提出更难的一点：即便新想法可能冲击现有业务，也要愿意重新分配资源。

Berman 问，公司成熟后是否更难维持这种文化。Tibo 认为组织必须保持面向未来，因为 AI 的发展方向不会等待企业调整现有安排。

Tibo 说，即使模型训练完成，基准测试也无法揭示它的全部能力。团队通过实际试用发现能力，这些发现可能改变产品设计。

例如，Tibo 说改进后的语音和听写让他能对手机说出任务，再让助手使用连接的工具。他认为界面改进会改变人们与系统交互的方式。

Berman 问编程智能体的运行框架还有哪些创新空间。Tibo 指出，维护技能文件、记忆不完善和手动管理子智能体都会增加负担；在他看来，这些机制打断了流畅使用助手的体验。

Tibo 希望助手理解用户的目标、日常工作和团队背景，适时响应，并主动提出有用想法。他将其作为产品方向，而不是宣称现有系统已经完美实现。

他认为笔记本电脑的设计围绕人类能力展开，而未来模型可能同时处理许多应用。因此，能力更强的智能体可能需要超出单台笔记本电脑的计算资源。

Tibo 说，更快的推理可能把瓶颈转移到网络延迟、工具调用或系统的其他环节。并行探索、测试和编译，可以让系统在个别操作等待时继续工作。

Berman 说，同时运行十几个智能体会增加认知负担。更快的响应也许能让他一次只处理较少任务；Tibo 认为，如何照顾人的注意力、何时打断用户，都是产品设计问题。

Tibo 设想快速语音交互、原型和报告能让人保持工作心流。他希望技术适应用户，而不是让用户不断迁就技术的运作方式。

Tibo 区分了两个问题：为个人定制的智能体，以及复杂流程的自动化。前者强调个人背景与协作；后者可能监控生产日志或帮助修复安全漏洞。

对于自动化系统，Tibo 设想常规步骤只需少量人工参与，高风险操作仍由人批准。这是他提出的职责划分，并不能证明自主系统在所有场景下都安全。

Berman 问起 ChatGPT 和 Codex 的合并。Tibo 说，一些用户最初对此有疑问，但 OpenAI 的目标是共享底层智能体和运行框架，处理编程及其他工作。

Tibo 希望界面适应个人，而不是迫使用户在固定的技术和非技术身份之间选择。他设想同一类产品服务于任务、连接工具和需求各不相同的人。

Berman 问理想的人机交互是什么样，Tibo 强调自然语言和对细微语境的理解。他的目标是减少用户为了让系统理解自己而需要付出的努力。

Berman 问非语言信号是否重要。Tibo 设想助手能够理解白板上的想法，并自然地进行语音对话；他说，采访时语音使用量正在增长。

Berman 提到 Codex 据称已有 2000 万用户，并询问与 Anthropic 的竞争。Tibo 则强调 OpenAI 所称的重点：有能力且高效的模型，以及面向不同用户广泛提供产品。

当 Berman 追问定位与品牌差异时，Tibo 强调社区反馈和 OpenAI 的使命。他的回答主要描述自己公司的观点，并未详细比较两家公司。

Berman 问重置使用额度是增长策略，还是对开发者的善意。Tibo 说，这最初是团队出现故障或配置错误、导致用户体验不佳时给予的补偿。

Tibo 说，他觉得合适时可以触发重置，这个过程不需要和市场或财务部门协同。他还说，有时提供额外额度是为了庆祝或让用户试用新功能。

Berman 将额度重置与算力规划联系起来，问 Luna 所报告的降价有多少来自效率提升、有多少来自商业策略。Tibo 没有给出数字拆分，而是谈到提前规划算力和工程优化。

Tibo 说，先进模型可以帮助工程师重构服务栈，同时改善成本与速度。他称普通运行速度在三个月内提高了约 60%；这是采访时的公司说法。

他表示 OpenAI 希望将显著的效率收益分享给客户，而不是全部留给自己。谈到算力分配，他说这些改进让团队能在相近算力范围内容纳更高吞吐量。

Berman 问，用一个模型改进另一个模型是否属于早期的递归自我改进。Tibo 广义地使用这个术语，将模型帮助改进推理基础设施、内核、产品及人们使用模型的方式也包括在内。

谈到据报道暂停前沿强化学习工作，Tibo 说能力越强，安全和对齐就越重要。他表示，暂停让团队有时间理解并加固系统，然后再重新开始。

Berman 问重新开始训练是否有预先设定的目标。Tibo 说安全团队经历了讨论和探索，形成了一套较明确的原则；他在采访中没有给出具体门槛。

谈到超快速推理，Tibo 说 OpenAI 会在故障响应等每秒都重要的高风险场景使用它。团队在需要迅速试验想法、赶上产品决策时，也可能申请使用。

两位嘉宾都提到自己有 ADHD，但偏好不同：Tibo 常常喜欢切换上下文，Berman 则更愿意集中处理少数任务。Tibo 说，即便如此，当他想专注时，快速响应也有助于保持心流。

Tibo 说，当智能体需要生成大量代码、工具调用较少时，更快的 token 生成速度帮助最大。如果网络或工具开销占主导，端到端加速可能远小于生成速度的倍数。

谈到员工是否总用最快模式，Tibo 说 OpenAI 限制内部使用，并把大部分容量留给客户。这是他对采访时公司资源分配的描述。

对于外部用户，Tibo 期待非文本协作：在共享画布上生成不同方案、选择图片，或实时调整原型。他认为快速反馈能让创作迭代更流畅。

Tibo 预测，随着硬件和 token 效率改善，很快的速度可能在一两年内接近标准配置，而更昂贵的高一级服务仍可能存在。这是预测，不是承诺或有保证的价格。

Berman 问如何回应担忧就业、环境影响或人工智能本身的人。Tibo 主要谈到效率提高、成本降低和更广泛的使用机会，并没有逐一充分回应这些担忧。

对于不敢尝试 AI 的人，Tibo 建议了解别人如何实际使用它。他说自己使用健康相关工具，在看医生前获得更多信息；这是他的个人经历，而不是用它取代专业医疗。