OpenAI 双高管：AI 进入“长思考”时代，企业要改这四件事

全文 3,000字 | 阅读约 8 分钟

（对谈片段：Jakub Pachocki深度解析 AI 长时推理突破）

不是更会聊天。

是更会长思考。

最近，硅谷风投 a16z Podcast 发布一场深度对谈，OpenAI 首席科学家 Jakub Pachocki 与首席研究官 Mark Chen 同台， 首次完整披露 GPT-5 背后的核心发展方向：

长时推理（long-horizon reasoning），强化学习（RL）的持续突破，以及在基准测试分数趋于饱和的情况下，AI 如何实现进一步发展。

他们提出了一个重要观点：我们正在进入 AI 的“长思考”时代。

Jakub 说，GPT-5 代表着关键转变：AI 从秒级反应走向小时级思考。

而Mark 补充说，在内测中，专业研究人员发现模型已经具备了协同思考的能力：“氛围编程”，正在演化成“氛围研究”。

这不仅是技术突破，更预示着 AI 应用模式的根本转变：

当 AI 进入“长思考时代”，企业的使用方式、协作节奏、组织结构都要重新设计。

第一节｜AI 的工作方式，从秒反应变成小时思考

过去几年，大家习惯了和 AI 聊天，一问一答，几秒钟内出结果。 但 GPT-5 发布后，OpenAI 内部传递出一个新信号：

“AI 不该只在几秒钟内反应，而应该在几小时内真正想清楚。”

这正是模型背后的根本设计方向。

Jakub 解释说，在 GPT-5 之前，OpenAI 其实有两条不同的模型路径：

• 一条是我们熟悉的 GPT-3.5、GPT-4，追求快速响应、即时输出；

• 另一条是 O 系列，比如 O3，模型在内部想一会儿，再慢慢给出更靠谱的答案。

GPT-5 的目标，就是把这两种能力合并，让模型能自动选择合适的思考时长。

Mark Chen 解释说：“我们想让用户不用操心到底该用哪个版本、选哪个速度。模型会自己判断：这个问题需要想多久，再开始动手。”

OpenAI 内部团队认为，AI 正在从快速响应转向深度思考。

比如在数学建模、代码改写、策略规划这些场景中， 用户不再只是要一个答案，而是希望 AI 能：

• 想清楚问题到底是什么；

• 拆成哪几步来解；

• 每一步要不要重新推理；

• 哪一步错了，能不能调整；

• 形成一套完整的解决思路。

Jakub 说，这类长时间推理的任务能力，以前靠人来做，现在AI已经能够胜任：

现在的模型已经能在 1 小时到 5 小时的时间范围内持续工作。

就像一个研究生不再是看一眼题目就给答案，而是能盯着一道难题琢磨一下午，最终得出一套完整思路。

Mark 也强调，O3是第一个真正适合日常推理工作的模型，而GPT-5进一步增强了这种能力，能在更长时间内保持稳定和准确。

这对企业意味着什么？

你需要重新认识 AI 的能力边界。它不再只是快速输出答案，而是能够进行长时间、深层次的问题分析。

AI 工作模式的这种根本转变，要求企业也要调整自己的使用策略。

第二节｜提示词没用，AI 要你陪它做研究

过去几年，很多企业围着 AI 搭场景、搞培训、练提示词。 但 OpenAI 两位高管给出的提醒很明确：

我们现在要做的，不只是让模型回答，而是让它能“自己想办法”。

在这次访谈中，主持人提到了一个真实场景：几位高中生使用GPT编程时发现，现在写代码变成了 “氛围编程 (Vibe Coding)”，更像是在跟 AI 讨论、试探，根据AI的建议逐步完成。

对此，Mark 表示：“我觉得未来会进入一个新阶段，叫'氛围研究（Vibe Researching） '。”

这句话意思是：AI 开始具备辅助发现的能力。

在GPT-5 的内部测试中，OpenAI 把模型交给专业科学家和数学家试用。Jakub 发现了一个意外现象：他们拿出真正困难的问题，模型能够找到全新的解法，这些是之前版本做不到的。

这些专家的反馈是：GPT-5 已经不是在给答案，而是在和他们一起思考、一起寻找解题路径。

这种使用方式与传统的 AI 交互完全不同：

• 不是下个指令等输出；

• 而是与 AI 共同解决难题，愿意等它深度思考后再给出结论。

Mark 强调了这一转变：“我们发现，旧一代模型在简单问题上花费过多时间，复杂问题上反而处理得太快。新的 Codex 正在寻找平衡点：简单任务快速完成，复杂问题投入充足时间。”

模型不再只是被动执行指令，而是开始主导思考过程。

与此同时，企业需要适应是： 从追求完美的提示词技巧，转向设定清晰目标， 然后给系统充分的思考空间。

就像与专业顾问合作，你描述清楚问题，然后信任对方的判断和工作方式。

第三节｜别只看答得准，要看能不能发现新东西

很多企业在上线智能工具后，习惯用传统指标评估效果：模型在测试题里答对了多少；响应速度如何；有没有犯错误。

但在 OpenAI 看来，这类评估标准，已经不够用了。

Jakub 明确表示：

“我们过去几年用的这些评估指标，已经快饱和了。”

什么意思？

比如数学题、编程题这种测试方式，从 GPT-3 到 GPT-4 到 GPT-5， 准确率从 96% 到 98%、99%，进步空间已经很有限。

就像一位学生，已经能稳定考 98 分，再追问他能否考 99 分意义不大。

Jakub 提出，真正重要的，是看模型能不能发现新东西。

我们希望看到的标志，是模型在科学或工程上，能有一些真正的实际进展。

举个例子：

OpenAI 最近在 AtCoder 编程比赛中测试模型， 它的表现已经能拿下全球第二名。主持人调侃说：“那你们只差第一名了。”

Jakub 并没有纠结于排名，而是强调了比赛的深层意义：

“这些比赛其实是未来研究成功的真实标志。世界上很多优秀的研究员都是从这种竞赛走出来的。”

但他也指出，这些标准仍有局限，因为它们还是人为设定的任务，都有固定答案。

接下来，OpenAI 更关注的是：

• 模型能否在没人给方向的情况下自己探索

• 能否真正提出别人没想到的做法

• 能否在开放的、没有标准答案的领域里持续推进

这类过程已经远超答对错的范畴，更像是在考验独立研究能力。

Mark 透露，为了训练这种能力，OpenAI 内部会让模型完全自主解决问题，不提供任何提示或答案。

回到实际应用层面，企业不应只关注工具做对几道题，而要重点评估：

1. 创新性：它是否带来了你没想到的解决方法

2. 效率性：它是否显著提升了工作效率，解决了原本耗时很久的任务

3. 价值性：它是否产生了真正的经济价值，解决了实际问题

这才是下一个阶段，评估 AI 能力的核心标准。

第四节｜AI具备持续推理能力，组织要适应变化

当 AI 具备了长时间思考的能力，企业能否真正用好它，关键在于组织结构是否匹配。

在 GPT-5 的研发背后，OpenAI 也面临着一样的问题： 如何让团队适应更复杂、更长周期的 AI 研发？

为了解决这一问题，Mark Chen 提到，OpenAI 持续推出新模型的背后，是一种专注攻克难题的研究文化：

我们不是靠模仿别人，也不是靠盯着竞争对手。我们知道自己要做什么，大家被这个目标吸引而来。

这句话的重点，不在信念，关键在于组织方式：不依赖个别天才单打独斗，而是构建一个不怕失败、有储备、有接力能力的团队。

Jacob 分享了一个细节：

“我们最成功的一些研究员，加入 OpenAI 前根本没做过深度学习。他们原来是做物理、做数学、做金融的。”

但他们有两个共同特征：

• 有技术基础；

• 能在一个方向上反复尝试，愿意做难题。

这也意味着，招聘重点不应该是工具使用的熟练程度，而应该是持续学习和适应变化的能力。

当然，学习适应能力也有不同的表现形式。Mark 说，OpenAI 内部有两种研究员都很重要：

• 一种擅长提出新想法，探索多个方向；

• 另一种擅长深挖一个想法，逐步验证和打磨。

他们的策略是把不同专长的人才组合起来，实现优势互补。

同样地，对企业而言，要发挥 AI 价值，组织结构也需要相应调整：

• 专注长期目标持续推进，而非只追短期热点；

• 建立能够留人、培养人、支持迭代的机制；

• 培养团队与智能系统协同工作的能力。

正如 Jakub 所说：

“一个好的研究组织，最明显的标志是团队永远在学习新东西，从没停下来过。

这个趋势下，AI 进入新阶段，组织调整必须跟上。

结语｜AI 不再只是工具，而是思考伙伴

OpenAI 的 Jakub Pachocki 与 Mark Chen 花了一个小时只讲一件事：AI 正在从聊天工具变成思考伙伴。

具体来说：

AI 开始会深度思考、持续推进、主动规划。

这要求企业同步调整四个方面：

• 任务周期：适应长时间推理过程

• 协作方式：从下指令转向共同探索

• 评估标准：从准确率转向创新能力

• 团队结构：匹配 AI协作需求

企业如果还停留在提示词优化和试点项目上，就会被时代抛弃。

GPT-5 标志着新协作模式的开始。

AI 进入“长思考”时代， 企业面临的不再是如何用好 AI，而是如何跟上 AI。

本文由AI深度研究院出品，内容翻译整理自OpenAI首席科学家Jakub Pachocki与首席研究官Mark Chen在a16z Podcast的访谈。未经授权，不得转载。

星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标

https://www.youtube.com/watch?v=KSgPNVmZ8jQ&utm

https://podcasts.apple.com/be/podcast/from-vibe-coding-to-vibe-researching-openais-mark-chen/id842818711?i=1000728378665

来源：官方媒体/网络新闻，

排版：Atlas

编辑：深思

主编：图灵