下一代 Agent 天然会走向云端和更大规模的计算资源
henry 发自凹非寺
“只要哥想重置，哥随时都可以重置。”
刚刚，赛博义父、AKA Codex 重置额度之神 Tibo，在最新一期与 Matthew Berman 的播客节目中自信表示道。
而且最“骚”的是，为了重置，Tibo 还专门搞了一个实体按钮。
作为 Codex 现任负责人，除了介绍如何给大家发福利，Tibo 在这期播客节目中还详细回顾了自己此前的谷歌生涯，并透露了自己以及 OpenAI 现阶段的一些重要工作。
可以说，这是外界少有的一次深入了解这位 OpenAI 新晋产品负责人的机会。
从 OpenAI 的产品文化、下一代 Agent、GPT 究极极速模式（Ultra Fast），到未来的人机交互、OpenAI 停止开发前沿模型训练、RSI，几乎无所不谈。
Tibo 的核心观点如下：
- ChatGPT 和 Codex 最终会走向融合。未来不会有“编程 Agent”和“聊天助手”两个产品，而应该是同一个高度个人化的 AGI，根据不同人的任务、能力和习惯自动调整界面。
- 下一代 Agent 的核心，不是再增加更多 Skill、Memory 或子 Agent，而是让这些机制“消失”。用户真正想要的是一个持续理解自己、目标、日常和团队上下文的伙伴，而不是不断管理 skill 文件、记忆和 Agent 网络。
- 笔记本电脑会成为 AI Agent 的新瓶颈，下一代 Agent 天然会走向云端和更大规模的计算资源。
- 今天同时运行 10～15 个 Agent，是在用并发弥补模型速度较慢的问题；Ultra Fast 一旦将响应速度压缩到接近人类思考的速度，工作流将重新回到实时交互和“心流”，而不是不停切换上下文。
- 不看重竞争。OpenAI 对 Anthropic 的差异化叙事，不是单纯强调“模型更强”，而是“把最强能力交给尽可能多的人”。OpenAI 强调广泛分发、社区参与和降低使用门槛，这也是 Codex 并入 ChatGPT 的重要原因。
- OpenAI 已经在实际使用“递归式自我改进”。这不只是让模型研究模型，还包括让最强模型优化 CUDA 内核、推理栈和基础设施，形成“更强模型 → 更高效率 → 更多算力 → 更强模型”的飞轮。
（Tibo 全名 Thibault Sottiaux，来自比利时，本科就读于鲁汶天主教大学（UCLouvain），学习应用数学。2015 年，他加入 Google，最初参与 Google Maps 相关工作，随后进入 Google DeepMind，负责 AI 研究基础设施建设，并参与支撑包括 AlphaGo 在内的前沿 AI 项目。2024 年，他加入 OpenAI，开始负责 Codex 项目。随着 AI 编程浪潮爆发，Codex 迅速成为 OpenAI 增长最快的产品之一，Tibo 也因此进入开发者社区视野。由于他经常亲自回复用户反馈，帮助开发者重置 Codex 使用额度，被网友尊为“赛博义父”。）
以下是对话全文，经整理：
Google 与 DeepMind 的经验
主持人： 太好了，我真的很期待和你聊聊。我想先从你在 Google 的经历聊起。你当时在 DeepMind 团队。在 ChatGPT 出现之前，Google 有一个叫作 LM Chat 的东西。
你曾发帖说，Google 太紧张了，不敢发布它；DeepMind 也被阻止推出可能冲击 Google 的产品。我经常想到这件事。当时你在做这些产品，而那是在 ChatGPT 真正改变世界之前很久。你那时是怎么想的？
Tibo： 那是一段非常令人兴奋的时期。DeepMind 是一个很有创造力的地方。
我个人的专长，是为加速研究而建设基础设施和产品。当时有一个团队在做语言模型，以及它们的 scaling。
后来，他们已经取得了相当不错的结果，所以很自然地就想到：能不能把它变成一个可以与你对话，并能用于各种事情的产品？
于是，像 LM Chat 这样的想法自然就出现了。它起初是一个内部项目，之后大家产生了将其打造为面向公众开放工具的愿景。
主持人： 那是哪一年？
Tibo： 大约是在 ChatGPT 出现前一年。
Tibo： 此外，我们还在做各种其他项目，这里就不展开说了。那确实是个非常有创造力的地方。只是，DeepMind 并不是一个被设计来交付产品的组织。
相比之下，OpenAI 在这方面非常不同。我们现在的研究与产品团队协作得极其紧密。
我们一起构思，一起共同设计很多东西。我们非常倾向于把产品推出去，也非常倾向于让人们能够用上它们。我很喜欢这一点。这也是吸引我来到这里的原因：使命、人才，以及人才密度。OpenAI 有太多很棒的地方了。
主持人： 你当时参与 LM Chat 时，是否已经知道它很特别，或者将来会变得很特别？
Tibo： 确实感觉非常特别。那种模型让你第一次意识到：它能够生成连贯的文字，而且能提供一些帮助。一开始，它只是好玩，后来才逐渐变得越来越有用。
主持人： 你说你经常想起那件事，我很能理解。我觉得 Google 在很多方面是自己绊住了自己。你从那里学到了哪些经验，并把它们带到了 OpenAI？
Tibo： 是的，这就是我常常思考它的原因。我会从团队文化以及 OpenAI 整体文化的角度去想：哪些好的部分要保留，哪些事不该做。
OpenAI 的文化非常自下而上，也非常赋能。人们可以提出各种想法，聚在一起，然后非常快地推出产品。对于新产品创意，整体上几乎没有什么阻力。这很令人振奋，也很有趣；一切都是为了积极地影响世界。保留这一点对我来说非常重要。
另一件同样重要的事，是别让它变得一团乱，对吧？你不希望最后堆出一大杂烩：全是新功能，却没有整体方向和一致性。因此，它也需要由简洁感来平衡，并且要为产品质量感到自豪。
我认为，ChatGPT 的 iOS 应用是市面上最好的应用之一。我们希望保持这一点。我们在愉悦感、性能、效率和简洁性等方面投入很多。这些是总体原则，同时仍然要赋能每一个人去尝试新事物、快速交付。
打造 OpenAI 的文化
主持人： 如果要给创业者一些建议，怎样培养出这样的文化？OpenAI 内部有哪些更具体的要素或做法，是你会建议创业者借鉴的？
Tibo： 我认为，要有坚定的信念；同时要找到一种方式，既能够贴近用户，又能根据反馈快速迭代。此外，还要愿意颠覆自己。对创业者来说，这一点或许没那么直接相关，但对 OpenAI 这样的公司来说非常相关。
我们不断会有新的研究、新的想法；能够判断什么时候该投入其中，即使这意味着可能要从主营业务中重新调配资源，也极其重要。这很难，但真的非常重要。
主持人： 没错。这正是你刚才描述 Google 没能做到的事。
Tibo： 有一说一，他们是有计划的，只不过一切都属于一个更大计划的一部分。对我来说，那不是正确的地方。
主持人： 随着 OpenAI 或任何公司逐渐成熟，要维持这种快速交付、愿意自我颠覆的文化，会不会变得更难？尤其当你已经有一头不断赚钱的现金牛，同时另一边又有个可能很酷、很有创新的新东西时。
Tibo： 我们非常面向未来。AI 的未来、它最终会是什么样、人类会怎样从中受益，并不会停下来等待，也不会在意你在接下来一个月或三个月已经建立起来的东西。
因此，我认为非常重要的是要全情投入，并且对它的发展方向保持开放的眼光，再想清楚自己该如何定位，确保你能够抓住那股浪潮。
即便对 OpenAI 来说也是如此：我们训练模型，然后才发现它们的能力。基准测试并不能告诉你一切。
我们必须亲自花很多时间试用模型，才会意识到：噢，也许我们之前没有想过可以用它以这种特定方式获益；或者，噢，它居然能做这件事。
于是，这会改变我们思考产品的方式。比如现在，我们推出了新的语音功能，它非常令人愉悦，交流起来也很自然。它还能使用工具。
这就改变了很多事。现在，我会花更多时间直接跟它说话。还有一件我一直在做的事是语音听写，因为听写的质量非常、非常好；与打字输入提示词相比，这种方式高效得多。
所以早上，我会坐在那里，拿着手机说一大段话：“要让 ChatGPT 做几件事……”然后它就会去完成；它能访问我的所有工具。而在我们拥有真正出色的语音模型之前，这并不可能。因此，它会突然彻底改变你对产品的思考方式。
AI Agent 的未来
主持人： 好，我们继续聊新模型、新的 harness（智能体运行框架）。几周前，我还要从你另一条很精彩的帖子说起：“Codex 在两到三个月后会显得很原始。我们即将经历又一次重大演进。下一代模型需要的，不只是你的笔记本电脑。”那么，先从 harness 开始。随着模型变得更强，harness 的哪些方面仍有很大的创新空间？
Tibo： 太多了，真的太多。比如我刚才说的语音。现在，如果你是 Codex 或其他编程智能体的资深用户，你已经有点习惯那种不够顺畅的感觉了，对吧？
你得管理 skill 文件；这是一种教它东西的方式，但我认为许多人也意识到，这些文件长期维护起来挺难的。记忆也是个问题：它并不总能记住一切；如果你有子智能体，就得操心子智能体，还得搭建某种小型网络。在与它互动的各个环节，这种“它是一个完整伙伴”的幻觉都会被打破。
你真正想要的，只是一个能深刻理解你、理解你的目标、理解你的日常，也理解你的团队在做什么的东西。理想情况下，它还能做出反应，主动出击，在日常中帮助你，并且不打破那种幻觉：它就是你身边那个完美的小伙伴。这正是我们努力的方向。
另一件事是，当你拥有非常、非常强大的模型时，你会发现笔记本电脑本身也会成为限制。一台笔记本电脑所能承载的工作量，是为人类设计的。
△AI 生成
它大致是为了容纳你能产出的工作量、你的打字和思考速度，以及你需要同时打开多少应用程序而设计的——这些都是人类的限制。
模型没有同样的限制。举例说，模型也许将来能同时处理 100 个打开的应用程序，而且完全没问题。因此，从资源访问的角度看，很明显，未来的模型需要的资源会超过一台笔记本电脑所能提供的资源。
主持人： 你的意思是，我猜，是云端智能体？而一旦有了我们稍后要谈的 Ultra Fast，token 速度达到据称比 Fast 快 10 到 14 倍，到时候带宽约束会改变。CPU 会成为带宽；从字面上说，工具调用、网络、任何工具以及技术栈中的任何开销，都会成为限制因素。
Tibo： 不过，你也可以通过同时并发地做多件事来补偿。你可以一边探索，一边写测试，同时编译，并且同时验证一个新假设。这样你就在不断转移瓶颈的位置，因为你能够并发处理更多事情，模型也能非常高效、非常快速地思考和推进。
主持人： 以目前的 token 速度，我发现自己会并行启动 10 到 15 个智能体，这给我带来了相当明显的认知负担：要不断切换上下文、不断启动它们，而且你可以预期一个任务要 30 到 45 分钟后才会返回。
现在有了 Ultra Fast，这个工作流会显著改变；我想我不会再同时开 10 个或 15 个智能体，这或许是件好事。可能一次只需要三四个。你认为独立开发者的工作流会如何随时间变化？
Tibo： 我认为，管理你的注意力、让体验更贴合你的注意力，是我们非常重视的事情。
AI 如何改变开发者工作流
Tibo： 毕竟，我们是在为人类构建产品。我们希望打造最能赋能人类的技术，这就要求围绕你的多任务处理能力来设计：你希望怎样管理注意力？某件事应当现在呈现给你，还是 30 分钟后再呈现更好？
而当 Ultra Fast 的速度与语音结合时，你会突然感觉：好吧，这个东西的运行速度可以和我一样快，甚至更快。
于是，你能保持心流、不断构思、看到原型，实时地生成小型报告，那种感觉真的很好。你会突然觉得：对，之前我让 10 个智能体多任务并行，那种方式我其实并不想再回去了。
所以，我们正努力带来那种非常自然、同时又仿佛为你量身打造的体验。你无需去适应它，而是让技术来适应你。
主持人： 过去几个月里，大家讨论了不少智能体式编程技术。Loops 曾经很流行，现在仍然流行；如今我又听到 graphs。这些技术是否都是为了让独立开发者能够管理注意力，或者像你所说的那样，对注意力更友好？我喜欢这个说法。
Tibo： 我会把问题分为两类。第一类，是构建最好的个人 AGI，或者说个人智能体：它能和你一起处于心流之中，主动提出重要的新想法；一旦找到机会，就非常高效地按你的意图做事。
无论是技术问题，还是研究、建议之类的事，它都能完成，而且能高度贴合你。这是非常重要的事情，它深深扎根于对作为人类、作为独特个体的你的理解。我们正在全力推进这一类问题。
另一类问题则是全面自动化：你更多是在构建智能系统，让它们接管一个非常复杂的流程。也许这类流程需要，或者曾经需要智能，并且看上去非常复杂。
举例来说，查看生产日志并自动做性能优化，或者发现回归问题后自动修复。在网络安全领域，我们也看到了这种趋势。
比如，有扫描器发现一个漏洞时，能否自动修补它，并把这个漏洞暴露的窗口期缩短到几乎为零，不让人参与那些闭环，或者只让人极少参与；你只需要批准高风险动作，系统主体仍然是自动化的。此时，你也不必对它保持那么直接的控制。
主持人： 明白。
ChatGPT 与 Codex 的融合
主持人： 那么，我想稍微换个话题。过去几个月，ChatGPT 和 Codex 一直走在融合的路径上。
我首先想问：这件事进展得怎么样？在内部是什么感受？你从用户那里收到了什么反馈？
Tibo： 它确实带来了很大的助益。起初我们收到的反馈是：“为什么要合并它们？真的必须这么做吗？”但未来的模型要求我们合并。
所以，我们就会这么做，因为这是构建那个极具个人化、能力超强、能以各种方式帮助你的智能体时，最简单、也最正确的做法。
它们的底层会是同一套技术：同一个 harness、同一种思路。它高度多模态、语音优先、极其高效；无论你是不是在编程都没关系。这个智能体什么都能做，而且效率极高。
你想要的界面则应当根据你的需求进行调整。你不该先决定“我是程序员，所以我要一个程序员界面”，或“我不懂技术，所以我要一个非技术界面”。
人们处于一个连续的光谱上；软件工程师、设计师之类的标签，只是我们为了应对过于复杂的现实而创造的人类概念。
因为说到底，每个人都在那条光谱的不同位置。因此，我们要构建一个能为每个人适配的完美界面。无论你懂不懂技术，它都会根据你的具体个性来调整。这就是我们这样做的原因。
主持人： 不过，这是否意味着最终必然会变成一个统一界面？不再有下拉菜单让人选择不同产品？想到我妈妈可能会使用和我完全相同的界面，确实很不可思议。
当然，它会按我的需要进行定制。如果我在做更复杂的工作，可能需要更多信息。但对你来说，最终形态是什么？
Tibo： 没错，就是同一件东西。你和你妈妈会使用同一个东西。它会是你们各自的个人 AGI。你们会有非常不同的任务、从中获得不同的效用，也会把它连接到生活中不同的工具，带来不同的想法和需求。然后，它会持续调整自己，尽可能地让你受益。它也会以同样的方式服务你的朋友和所有其他人。
人机交互的未来
主持人： 我想回到你刚才说的一点。你在描述最终状态时，好几次用了“幻觉”这个词。对普通用户来说，那个完美的“幻觉”是什么？如果你设想一下几年后，AI 和人类之间的互动会是什么样？
Tibo： 对我而言，它会是一种极其贴合人类的东西。这也是大型语言模型成功的原因：它使用自然语言。自然语言本就是人类的概念，对吧？我们习惯彼此交谈。如果明天你给我写一封