30 秒看懂
Matthew Berman 观看 OpenAI 2024 年 12 月的 Canvas 发布演示，并讨论该公司进军创意和开发者工具领域的趋势。演示人员展示了并排的写作工作区、行内评论、Python 执行和自定义 GPT 中的编辑功能。 一项调试演示修复了 Matplotlib 错误并绘出图表；后面的桑基图示例仍需进一步完善。Berman 还讨论了依托 AI 供应商开发产品的平台风险。
- 1Canvas 的三项变化OpenAI 在 2024 年 12 月的演示中宣布扩大可用范围、支持 Python 执行以及自定义 GPT 支持。
- 2聊天旁边的文档故事出现在可编辑的 Canvas 中，与对话分开。用户和 ChatGPT 都可以修改。
- 3调试循环控制台报告 Matplotlib 错误，ChatGPT 提出修改建议，演示人员重新运行代码并生成图表。
- 4不完美的图表生成的桑基图代码最初因颜色处理问题而失败；修正后生成的图仍需要完善。
- 5自定义 GPT 与 Canvas一个信件起草 GPT 使用图片和额外背景信息，生成可编辑的初稿。
要点建议
- 2024 年的公告扩大了 Canvas 的可用范围，加入 Python 执行，并将 Canvas 带到自定义 GPT。
- 并排显示的文档和聊天界面让人们可以直接编辑，同时请求模型修改或评论。
- Python 执行让 ChatGPT 能看到错误，支持运行、诊断、编辑和重试的循环。
- 桑基图示例先出现错误，随后生成了并不完美的图表，说明仍需检查输出。
- Berman 既看到集成 AI 工具的机会，也看到依托供应商开发产品的平台风险。
按章节阅读整理后的全文
Canvas 更新公告
OpenAI 宣布扩大 Canvas 可用范围、支持 Python 执行并在自定义 GPT 中提供 Canvas。Berman 评论了 2024 年 12 月的发布。
在 OpenAI 2024 年 12 月发布活动的第四天，重点是 Canvas：一个独立界面，让用户与 ChatGPT 协作处理写作和代码。此前的公告包括 o1 Pro 和 Sora。我们一起观看演示，看看新的 Canvas 功能如何运作。
OpenAI 产品负责人 Kevin 说，Sora 的需求异常高，团队正在努力扩大访问范围。我注意到发布后服务有所改善，包括能够查看视频生成进度。演示的其余部分转向 Canvas，此前它已面向 Plus 用户进行测试。
Kevin 宣布了三项变化：Canvas 向所有人开放并集成到主模型中；用户可以在 Canvas 中运行 Python 代码；Canvas 也将支持自定义 GPT。我尤其期待在同一环境中运行代码并根据输出迭代。这些公告描述的是视频发布时的产品状态。
并排写作
演示人员在分开的聊天和文档面板中创建并编辑故事。Berman 讨论 OpenAI 开发创意工具的意义。
OpenAI 工程师 Lee 和 Alexi 从一个圣诞故事开始。2024 年的输入界面有一个工具按钮，Lee 从中选择 Canvas。我猜测 OpenAI 最终可能会让外部开发者为该菜单开发工具，但我没有信息证实这样的计划。
Lee 请 ChatGPT 写一篇关于傻精灵的儿童故事。聊天在左侧，文档在右侧，故事正文与对话及其开场说明分开。这种布局让人更容易找到并编辑文档，而不会让修改淹没在漫长的聊天记录中。
用户和 ChatGPT 都可以编辑 Canvas。Lee 直接缩短故事标题，也可以在聊天中提出请求，让模型进行修改。我认为，与单一的消息流相比，这种并排布局让创意写作和编程更容易操作。
这也反映了我对 OpenAI 定位的看法：它不仅提供模型，也提供创意工具。随着模型越来越趋于商品化，工具和基础设施变得重要。不过，对于基于 OpenAI 开发产品的开发者来说，平台风险值得考虑：平台最终可能推出竞争产品。
演示人员展示了添加文本、加粗等普通编辑功能，以及让 ChatGPT 提出修改建议的快捷方式。其中一些功能此前已经存在。有用之处在于，人可以直接编辑文档，同时针对上下文向模型请求反馈或修改。
为现有文档提供反馈
粘贴的文本可以在 Canvas 中打开，并在发送前编辑。模型为文章的特定部分留下评论。
Alexi 将一篇关于圣诞老人雪橇的虚构物理学文章粘贴到输入框。对于这段较长文本，界面出现新的“在 Canvas 中打开”按钮，让用户在发送前将其作为草稿编辑。加粗标题是普通编辑操作，不是 AI 操作；在消息发送之前，ChatGPT 还没有看到草稿。
Alexi 请求从物理教授的角度给出评论。ChatGPT 选中文章中的部分内容并留下行内评论，用户可以应用或拒绝。我认为行内评论可能此前就有了，但这种交互很吸引人，因为反馈直接附在相关文本上，很像协作文档编辑器。
运行、调试和修改 Python
演示人员运行有错误的脚本、查看异常、应用修复并检查改动。第二个图表示例又出现错误，结果也不完美。
接下来的演示转向编程。Alexi 从本地 IDE 复制一个有错误的 Python 示例到 ChatGPT，并在 Canvas 中打开。代码编辑器识别 Python，提供语法高亮和基本自动补全，顶部还有 Run 按钮。
我认为这是将更多开发工具引入 ChatGPT 的一步，尽管展示的编辑器仍然比较基础。Alexi 请模型调试脚本。ChatGPT 识别出无效的 Matplotlib 调用 plt.label，并建议改用 plt.title。
演示人员运行原始代码。控制台打开并显示异常，ChatGPT 也能看到它，并留下评论解释问题。点击 Fix bug 会将代码和错误发送给 ChatGPT，模型随后修改 Canvas。这让执行、反馈和编辑成为同一个循环的一部分。
Show changes 控件可以显示行内差异，演示人员说文档也支持这一功能。修正后，他们再次运行脚本，生成了一张折线图。重试成功支持这次特定修复，但不保证生成的修复总是正确。
演示人员解释说，Canvas 使用 WebAssembly Python 模拟器运行代码、加载库，并快速提供反馈，包括图形。当时我理解该功能支持 Python，并猜测以后可能支持其他语言；这并不是官方公告。
在第二个编程例子中，Alexi 请 ChatGPT 添加一张展示圣诞老人玩具流向的桑基图，并使用合适的颜色。模型添加了代码和数据，但第一次运行出现颜色错误。它随后建议修正，让每条流使用单一颜色。
下一次运行生成了图形，不过演示人员注意到桑基图的布局仍有问题。他们建议继续完善，甚至可以将图片拖进提示框，让 ChatGPT 看到结果。这个例子既展示了反馈循环的好处，也说明需要检查输出。
自定义 GPT 中的 Canvas
一个圣诞老人信件起草 GPT 利用信件照片和背景信息生成可编辑的回复。Berman 最后评价了这些更新。
最后一项公告是将 Canvas 带到自定义 GPT。这些 GPT 可以获得特定任务的指令和背景信息，并分享给其他人。Lee 以圣诞老人信件起草工具为例。我自己也使用几个自定义 GPT，很想知道其他人如何使用它们。
演示人员提供了一张 Alexi 信件的照片，信中要求自行车、GPU 和暗物质，并补充说 Alexi 今年表现很好。自定义 GPT 在 Canvas 中起草回复。这个例子的目的是给圣诞老人一个可供审阅和编辑的起点，而不是自动发送未经修改的回复。
草稿回应了自行车和 H100 GPU 的请求，同时认为暗物质超出了玩具工厂的能力。用户可以在 Canvas 中修改它。这些是改善使用体验的更新，规模不及 o1 或 Sora 的发布，但我认为集成的写作和代码工作流很有用。
同频道的其他文章
34:21EN → 简体中文
Matthew Berman· 2026年10月27日Matthew Berman 解读 Anthropic 的上市文件、AI 增长与治理Matthew Berman, Sam Altman · Forward Future主持人审视 S-1 中的财务指标、算力战略和投票结构，并质疑 AI 快速发展与安全之间的张力。
0:26EN → 简体中文Matthew Berman· 2026年10月25日Sam Altman 谈 AI 世界中的人类价值与问题解决Sam Altman · OpenAI在一段简短的访谈摘录中，Altman 思考解决难题的乐趣，以及人在解读结果时的作用。
0:36EN → 简体中文Matthew Berman· 2026年10月25日Kimi K3.1 与魔方求解演示Matthew Berman · Forward FutureMatthew Berman 展示一个被打乱的虚拟魔方如何复原，并对 Kimi K3.1 的测试给予积极评价。
0:21EN → 简体中文Matthew Berman· 2026年10月24日AI 生成的 Kimi 基准图表使用了虚构分数Matthew Berman · Forward FutureMatthew Berman 要求生成一张 Kimi K3.1 Pro 基准图表，随后发现图中的数字只是示意性占位值。
25:50EN → 简体中文Matthew Berman· 2026年10月24日Kimi K3.1 Pro 实测：3D 演示出色，表现不一，价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力，并比较基准成绩与价格。
32:20EN → 简体中文Matthew Berman· 2026年10月23日本地 AI 究竟适合谁？成本、取舍与混合模式的未来Matthew Berman · Forward FutureMatthew Berman 权衡数据控制和自主权，与硬件成本、设置复杂度及推理速度之间的关系。