OpenAI承认“没全做对”，ChatGPT Work翻车后紧急修复

Thibault Sottiaux 在过去 24 小时里，做了一件很多产品负责人最不愿做的事——公开承认翻车。作为 OpenAI 相关项目的主管，他在一份声明里直接说：“We didn't get everything quite right.” 这句英文原文的意思很直白：我们没有把所有事都做对。触发这场坦白局的，是 ChatGPT Work 和 GPT-5.6 Sol 发布之后涌来的大量批评。Sottiaux 表示，团队刚刚过去的几十个小时里，一直在阅读反馈、分析使用模式，并且直接跟用户聊。他们把问题圈定在四个区域，每一处都打在了用户日常体验的痛点。

第一个问题就出在最高推理算力设置上。按照 Sottiaux 的说法，这套设置太容易被用户触碰到，而界面又没有足够清楚地告诉用户，切换到高推理模式会对使用限额产生多大影响。发布之后，立刻有用户抱怨，当 GPT-5.6 Sol 运行在最高推理强度时，消耗使用配额的速率，远比前一版 GPT-5.5 快得多。这就制造了一个有趣的张力：OpenAI 首席执行官 Sam Altman 曾经公开表示，GPT-5.6 在智能体编码任务上的令牌效率比前代提升最多 54%。账面数字是更省了，可用户拿到手里的感觉却是跑得更快了，原因就卡在默认设置和提示透明度上。相当于一台车百公里油耗确实降了，但一脚踩下去直接被推入运动模式，油表掉得比旧车还猛。

桌面客户端的全面改版，是第二个引爆点。Sottiaux 形容这次改动是“一个大胆的动作”，将聊天记录、项目这类用户原本熟悉的入口，一并藏到了不那么容易找到的地方。对于依赖多智能体工作流的用户群体来说，改版带来的不仅是查找困难，还有实际流程的退化。原本跑得好好的协作链路，发布之后出现了回退，插件提交路径上也被一堆错误卡住。Sottiaux 没有回避这个事实，直接承认部分已有工作流回归到了更差的状态。这不是 UI 好不好看的问题，而是直接动了专业用户的效率底盘。

第三个问题藏在沟通中，而且迷惑性极强。围绕着编程工具 Codex，OpenAI 给出的信号几乎前后矛盾。ChatGPT Work 发布后，一些用户打开 Codex 桌面客户端，迎头一条欢迎语赫然写着“Codex 现在就是 ChatGPT 应用”。这种措辞给人的直觉就是，Codex 要被合并甚至停用。Sottiaux 赶紧出来灭火，说发布时的宣传口径太重 ChatGPT Work，导致 Codex 使用者产生了工具会被逐步关闭的印象。他现在的表态是：“绝对不是我们的本意，我们爱 Codex，它会一直存在下去。”但信息混乱已经造成，而且更深层的困惑在于，用户很难分辨 ChatGPT Work 里哪些功能是真正新的，哪些只是原有能力的重新打包。到底该用哪个平台，发布后也没有清晰指引，这直接动摇了用户对产品线的认知。

关于第四个问题，也就是使用限额和算力选择的默认导向，OpenAI 已经有了即时动作。Sottiaux 透露，团队在一天之内两次重置了 Codex 和 ChatGPT Work 的使用限制，为的是让用户能继续自由尝试，不必因为配额焦虑而停下来。同时，默认设置和模型选择器也在调整中，不会再悄悄把用户推向不必要的高算力层级。这个细节其实折射出一个产品理念的摇摆：OpenAI 一方面希望用户愿意为高级推理买单，另一方面又不敢让算力券烧得太快引发口碑反噬。默认选项的设计，本质就是商业诉求和用户体验的拉锯。目前能看到的解决路径，是让耗费更透明，让选择权回到用户手里，而不是靠隐藏信息来调节行为。

下周即将到来的更大更新，则试图把被掀翻的桌面体验重新摆回正位。Sottiaux 给出的承诺是，聊天和项目将以“更熟悉且可定制的方式”回到侧边栏。这句话的重点在于“可定制”，意味着 OpenAI 不再试图用一次大改版教育用户，而是承认旧有的信息架构对一批人来说就是最舒服的。同时，使用量度量和重置时间也将在界面中更加显眼，直接呼应了前述算力黑箱的问题。另外，几个插件上的病症正在解决中，产品内嵌的 Codex 界面会得到改进，桌面端最紧急的若干错误也会被打上补丁。这些修复听上去没有颠覆式创新，却恰恰是专业用户日常依赖的地基。

把整件事拆开看，ChatGPT Work 和 GPT-5.6 Sol 的这轮波折，与其说是技术翻车，不如说是一次产品节奏和沟通策略的集体翻涌。桌面改版触怒了习惯固定的老用户，算力设置惹毛了对成本敏感的中重度使用者，Codex 的混乱信息则动摇了开发者社区的信任。Sottiaux 那句“没做对”是对内承认，对外其实是把姿态放软，用快速响应换取再给一次机会的空间。但产品一旦在认知层面被贴上“混淆”“难用”“吞额度”的标签，想要靠一个更新就彻底扭转，需要远比修复侧边栏更大的动作。至于 GPT-5.6 那些被反复提及的令牌效率数字，最终要让用户在真实工作场景里体感到，而不是靠声明来证明。