GPT-5：AI推理的新纪元与挑战

「GPT-5，正引领一场革命性的变革」。

近日，OpenAI的创始人Greg Brockman在接受Latent Space团队的专访时，对GPT-5给予了高度评价，称其为AI发展的一个重要里程碑。

这次访谈，信息量丰富，涉及了GPT-5的意义、推理与强化学习的未来、算力限制以及AI工程实践等多个方面。

Greg Brockman表示，「在内部完成GPT-4训练后，我们就明确了下一步必须推进到推理范式。这并不是一个新概念，而是让模型变得可靠的必经之路」。

以下是访谈的核心亮点：

· GPT-4虽然能够进行持续对话，但可靠性不足；而GPT-5则真正掌握了『推理』

· 未来的模型将不再是『一次训练，无限推理』，而是边用边学

· 超临界学习：AI不仅能学到答案，还能推导出后果链

· 使用AI需要管理技巧，需担任多智能体经理人

· 目前最稀缺的资源是算力

GPT-5：一个革命性的分水岭

谈及GPT-5时，Greg强调这是OpenAI首个『混合模型』，通过路由器在推理模型与非推理模型之间自动切换。

这种模式简化了使用过程，避免了用户在选择版本时的纠结。

从性能上看，GPT-5在解决数学、编程、物理等高度智力任务方面表现出质的飞跃。

Greg将GPT-5与前几代旗舰进行了对比，指出GPT-3的文本能力还很基础，甚至无法完成『排序数字』这样的基本任务。

而GPT-4虽然实用性大幅提升，但在深度智力上仍有不足。

「而GPT-5则是一个真正的分水岭」。

在IMO、IOI等国际比赛中，GPT-5已经能够写出与最优秀人类相当水平的证明。

这意味着，过去看似不可能的挑战，现在只需少数人团队就能解决。

更令人惊讶的是，物理学家反馈称，GPT-5的推理过程能够重现他们数月研究得出的见解。

这意味着模型已经超越了『辅助写作工具』的范畴，成为真正的科研合作者。

超临界学习：从静态到动态

人类学习有『睡眠回放』，AI也在探索『推理-再训练』的循环。

OpenAI的模型从『离线训练+大量推理』转向了『推理+基于推理数据的再训练』，逐渐接近人类学习过程。

Greg表示，「我们正从『一次性训练，无限次推理』的时代，迈向『边推理边训练』的新纪元」。

这个过程中，人类只需设计少量任务，模型通过成千上万次尝试即可学习到复杂行为，但算力消耗巨大。

最佳工程实践：构建Prompt武器库

有了如此强大的模型，如何发挥其最大效用？

「要充分利用模型的潜力，确实需要一些特殊的技巧」。

1. 构建AI友好型代码库：模块清晰、单元测试完整、文档详尽；

2. 拆解任务，让多个智能体并行完成；

3. 要做『Prompt库』管理，积累自己的提示武器库，不断探索模型的边界。

这些Prompt往往不是唯一答案，而是让模型发挥创造性和多样性的测试。

算力：永恒的瓶颈

未来，算力将成为最炙手可热的资源。

在OpenAI内部，更多计算资源意味着能够开展更大项目，取得更多成果。

如果我们有更多算力，就能转化为更强的模型。

他还将算力比作一种『能量』，预训练是将能量转化为潜在的智力（potential energy），而推理则把智力再次释放为动能（kinetic energy），用于现实世界中的任务。

未来展望：AI生成一切？

Greg Brockman在访谈中提到，未来的世界可能会是一个惊人丰饶的AI驱动社会。

无论是医疗、教育还是其他行业，AI的应用空间无比广阔。

如果AI能免费生成一切物质，金钱可能会失去意义；但算力将成为新的稀缺品。

最后，Greg回忆起年轻时认为『错过了时代』的想法。他强调，「现在依然是进入AI的最佳时机」。