2024年OpenAI十二日发布会深度总结：AI应用产业化的开端

OpenAI十二日发布会回顾， 模型迭代助力AI生产力工具人人可用

Day1: 满血o1更快更强支持多模态，Pro会员无限制访问

OpenAI为期12天的发布会如期结束，新版模型、智能体应用为重要方向。12月5日，OpenAI CEO San Altman在X平台宣布，自12月6日太平洋时间上午10点开始， OpenAI将启动为期12天的活动。在每一个工作日将进行直播，展示一些新发布的内容或演示。

满血o1亮相Day1发布会，推理速度更强更快且支持多模态，o1实用性大大增强，未来在医学影像、工程设计等多领域具有应用前景。

复杂问题错误率减少34%，在多项基准测试中，满血o1性能直接暴涨，在数学、代码问题中，拿下了最优的成绩。相较于o1-preview，o1数学性能提升了近30%， 代码能力提升了27%；o1在GPQA Diamond基准测试中，表现完全超越了人类专家。

推理速度提升50%，根据问题复杂度更智能地思考。对于简单问题能快速回应，而在面对复杂的数学和编程问题时则会投入更多时间深度分析。

支持多模态，满血o1不仅能理解图像，还可以结合文本进行联合推理。发布会现场展示，在太空中收集太阳能，以供太空数据中心使用的一套系统草图让o1识别， o1准确了解太空需要散热片并计算出大小。

推出时间：发布当天，Plus和Team用户即可使用o1，企业版和教育版用户预计将在一周后获得访问权限，o1未来或支持Web浏览和文件上传工具以及上线API。

Day2: 强化微调，少量数例定制专业级模型

Day2面向企业机构和开发者推出强化微调（RFT），增强推理能力使得高质量数据可训练出专家助手，根据各自特定的需求来定制o1 mini模型。

强化微调 VS. 传统监督微调，更注重特定任务推理能力。强化微调是一种利用强化学习原理来进一步优化和定制预训练模型的方法，允许开发者通过使用数十到数 千个高质量的任务来定制模型，使其在特定任务上表现更佳。不同于传统监督微调（SFT），RFT专注于教AI学会推理与解决问题，而非简单地模仿输入数据。

用户仅需提供数据支持，OpenAI将承担所有技术工作。o1为通用模型，在特定任务推理表现仍需深度理解。用户需要准备一个数据集和一个评分系统，以评估模 型在训练和验证数据集上的表现。通过结合o1模型、微调技术和特定数据，用户可以创建一个性能超越原始o1模型的新版本--o1 mini。  强化微调预计在法律、保险、医疗保健、金融和工程等领域有积极结果，因为该模型在结果具有客观“正确”答案（大多数专家都会同意）的任务中表现出色。

推出时间：OpenAI的Alpha项目已开启，计划在2025年初正式面向公众推出RFT。

我们认为，强化微调可大幅降低定制化AI应用的开发门槛，AI应用有望进入从1-N的快速发展阶段。

Day3: Sora亮相推出，开箱即用的视频创造工具

Day3正式推出Sora Turbo，生成速度更快，丰富功能使之或成为开箱即用的视频创造工具。

Sora基础功能包括文生、图生视频；宽屏、竖屏或方形画面比；最高1080p分辨率；最长20秒时长；最多可支持同时生成4段视频片段供选择。

在视频处理流程上，Sora采用了分级处理机制。360p的预览版本生成速度很快，通常只需20秒左右，而1080p的完整版本则需要2-3分钟的处理时间。系统支持后 台处理，允许用户同时提交多个任务，并提供实时的处理进度反馈。

单独设计Sora网页，更好地帮助用户创作故事。打开主界面，用户可以查看和管理所有的视频生成内容，并且切换网格视图、列表视图，以及创建文件夹和收藏夹， 查看书签等。

推出时间：当地时间12月9日晚些时候，美国、以及大多数其他国家的用户，可以访问OpenAI官网体验Sora。它被包含在ChatGPT Plus、ChatGPT Pro的会员订 阅中，无需额外付费。其中，Plus能享受的视频生成权益包括：生成最多50个优先视频，视频分辨率最高达720p，视频时长为5秒；而Pro能享受的视频生成权益包 括生成最多500个优先视频（无限个relaxed视频），视频分辨率高达1080p，视频时长为20秒，可并发生成5个，还能下载无水印视频。

Day4: Canvas开启人机协作新模式

Day4向全体ChatGPT用户正式开放交互界面Canvas，ChatGPT升级为生产力工具，人机协同的文档写作、论文审稿、代码编辑成为可能。具体来看ChatGPT Canvas此次推出了三项重要更新：

Canvas 正式向所有用户开放，并与 OpenAI 的主要模型深度集成。编辑文字，左边是对话模式，右边是人类可直接编辑的文档；审稿，让 ChatGPT 更加直观地 帮忙审阅自己的文章，并给出批注建议。

支持用户直接在 Canvas 中运行 Python 代码，并直接查看文本或图形输出。集成WebAssembly的Python模拟器，用户将代码粘贴到Canvas后，ChatGPT自动 识别并切换到代码模式，支持实时执行、错误修复、调试演示等。

Canvas在单独的窗口中打开，可以整合到定制的GPT模型中。演示了装扮圣诞老人的GPTs，模拟圣诞老人回答问题，创作圣诞故事。

我们认为，ChatGPT Canvas功能，突破了ChatBot本身聊天对话的限制，通过工具和Agent手段，让基础模型获得更大的空间，正在朝着OpenAI的Karina Nguyen对AGI愿景逐步迈进：随人类喜好不断演变和自我调整的空白画布，彻底改变人机协同方式。

Day5: ChatGPT in Apple Intelligence，端侧AI划时代革命

Day5展示了与苹果的合作，将ChatGPT集成到iOS和Mac OS中，宣布苹果的iPhone、iPad、Mac可以原生使用ChatGPT，并且iPhone 16以上的手机可以使用 高级视觉功能。

首先是与Siri的协同。当Siri判断某个任务可能需要ChatGPT的协助时，它可以将任务移交给ChatGPT处理。例如，通过siri直接与ChatGPT对话，生成圣诞节party 方案、假日播放列表，并可添加表情emoji、添加播放列表封面等。

其次是写作工具的增强。用户现在可以使用ChatGPT从头开始撰写文档，还能进行文档细化和总结。

第三是iPhone 16的相机控制功能，它能够通过视觉智能让用户更深入地了解拍摄对象。通过ChatGPT控制iphone16的相机，通过长按相机控制按钮，用户可以搜 索或向chatgpt询问相机框架内的内容。

最后在工作中使用chatgpt，即将chatgpt嵌入mac os当中，可以几乎在任意应用程序调用siri。有三种调用方式：语音调用、点击右上角siri图标和双击命令键。

我们认为，OpenAI与苹果的合作，将使其成功地嵌入了全球重要的消费级硬件生态系统的核心位置，变为“苹果设备默认的AI大脑”，不仅有望带来用户数量的 增长（引流苹果手机用户至ChatGPT），而且对用户粘性增强起到重要作用。

Day6：实时交互时代，高级实时视频对话和屏幕共享

Day6正式推出了ChatGPT高级语音模式，已增加了屏幕共享和视觉识别能力，能够根据用户手机摄像头捕捉的画面或屏幕上显示的信息提供相应的辅助，支持50 多种语言的情感和语气的对话交流。

高级语音功能其原生的多模态交互，使得对话更加自然流畅。ChatGPT能够在仅通过语音描述的情况下记住摄像头中出现的人名。

共享手机摄像头视频，实时视频对话。直播中，开发人员展示了通过视频对话，ChatGPT逐步教会用户制作手冲咖啡的步骤，并对用户的制作过程做行评判。

共享手机屏幕，理解手机屏幕的内容并自然对话。用户可以向ChatGPT展示手机上的任何应用，无论是打开一条消息还是其他任何内容，用户都可以向ChatGPT寻 求回复建议，甚至可以识别出用户当前正在使用的具体应用。

此外，圣诞节期间，ChatGPT加入了santa圣诞老人语音模式。而且，当用户首次与圣诞老人对话时，可以尽情与圣诞老人畅谈，不受使用限制的影响。

推出时间：发布日起，最新的移动应用将逐步向所有Team用户及大部分Pro和Plus订阅者推出高级语音视觉功能。对于欧洲的Pro和Plus用户，OpenAI将尽快提供 这项服务。至于企业用户和教育用户，他们将在明年年初获得访问权限。 

我们认为，高级语音模式是OpenAI多模态应用先进水平的代表，通过与端侧适配，将加速生成式AI普及，并实现AI应用的真正落地。

Day7：Projects in ChatGPT，自定义的高效率协作平台

Day7发布Projects in ChatGPT，这将允许用户对聊天和数据进行分组，从而更轻松地根据用户需求定制ChatGPT，从一个单一的AI对话，演变成一个高效率的 协作平台。具体来看，Projects在ChatGPT实际的用途与功能：

个性化文件与指令上传，根据项目需求定制ChatGPT的所有对话：项目创建完成后，用户可以将各类文件上传至项目中，包括PDF文档、数据电子表格、图片和音 频文件等，整体兼容性非常强。例如，在“圣诞节交换礼物”示例项目中，上传规则、预算、活动细节等文件，并下达项目具体的指令，设置过后，这个Projects就 可以帮用户整理交换礼物的人、礼物等内容。

对话管理与搜索。项目创建完成后，组织和搜索过去的对话记录，对项目上传的文件也可快速查询，省去了每次会话开始时重复共享文档的繁琐步骤。

集成ChatGPT任何一项功能。该服务可以将ChatGPT的各种功能整合至一处，便于用户创建并管理各类项目，它不仅支持Canvas界面，还能通过ChatGPT Search 轻松接入互联网资源。例如，借助Canvas可以对个人网站模板进行修改。

推出时间：发布日起， ChatGPT Plus、Pro和Teams用户已经可以使用该功能，未来会扩展至免费用户。

我们认为，Projects可成为一个高效率协作平台，提高员工效率、解放员工生产力，帮助企业用户降本增效。

Day8：ChatGPT search，开启AI搜索引擎新时代

Day8 OpenAI向全球所有用户推出ChatGPT search，速度表现更快，并可集成至ChatGPT高级语音等其他功能当中。具体来看，ChatGPT search带来如下更新：

实时搜索，提供相关网页链接，并支持多模态展示。OpenAI对搜索的算法进行了深度优化，可在用户提出问题后获取实时内容（分钟级别），包括股票、新闻等。 ChatGPT可直接承担搜索引擎的作用，展示丰富的视觉图像和列表，并可直接访问源链接，同时支持多模态如视频播放功能。

在高级语音中集成ChatGPT search，并实现快速响应。在高级语音模式下，用户可以与ChatGPT进行更自然的多轮搜索对话，更像是一位语音搜索管家。

更好的移动端体验，手机搜索中集成地图，提供原生地图体验。用户可以在安卓、iOS、平板等移动端更好地使用搜索功能，效率提升40%以上。同时，ChatGPT集 成了全新的地图功能，用户可以直接在搜索结果中查看周边地理位置信息，进行路线规划和地点探索。

推出时间：发布日起， ChatGPT搜索现在可供ChatGPT可用区域的所有登录用户使用。

我们认为，ChatGPT搜索有望凭借精确性、个性化、多模态等优势取代传统搜索方式，面向所有用户开放此功能将成为ChatGPT重要流量入口，降低用户获取成本 并提升用户使用粘性，为后续商业价值兑现打下扎实基础。

Day9：上线o1 API，简化开发流程、降低开发成本

Day9面向开发者上线o1 API、实时API和全新的偏好微调。目前，这些API已经普遍可用，可在OpenAI开发论坛查看。

1）o1 API功能更强、速度更快、成本更低：集成了函数调用、结构化输出、开发者消息、推理力度（Reasoning effort）以及视觉输入功能。o1 API与之前的预 览版本相比，思考成本降低了60%；GPT-4o音频成本比以前下降60%；GPT-4o mini比之前成本下降10倍。暂时还未推出o1 Pro的API，将在未来推出。

函数调用评估、结构化输出评估、编码评估、AIME评估中，o1相比gpt-4准确度大幅提升。其中，函数调用是指允许模型根据输入数据自动调用相应的后端服务或 外部API，实现复杂任务处理能力；结构化输出支持JSON格式的数据返回，确保输出结果符合预期结构，方便后续解析与应用；开发者消息是指新型系统消息形式， 赋予开发者更大的控制权来指导模型行为；推理力度参数用于调整模型思考时间，平衡性能与准确性之间的关系。

另外，在提升开发者体验和产品质量方面，OpenAI发布了新的SDK，新增对Go和Java SDK的支持。与Python SDK和Node SDK类似，它们支持OpenAI上所有用 户需要的API端点；在简化流程上，他们也推出了一个全新的登录、注册、获取API密钥的流程，开发者在几秒钟内即可获取API密钥。

直播展示了基于高级视觉功能的应用案例，即检查表单中的错误。首先通过上传有错误的文本图片表单，o1发现了其中的错误并给出指导意见。

Day10：新增ChatGPT热线电话，AI步入全民时代

Day10上线ChatGPT热线电话，拥有专属号码1-800-ChatGPT（仅限美国地区1-800-242-8478），并可与WhatsApp交互，便捷地进行语音/短信对话。 拨打ChatGPT专属电话，低延迟回复。同时，无论是iPhone智能手机还是翻盖机、老式机均可在美国使用热线电话功能，大幅提高AI用户普及范围。 集成WhatAPPs，与ChatGPT短信对话，未来可增加图像聊天、搜索等功能。用户只需在WhatsApp的联系人列表中添加 ChatGPT，号码同样是1-800-242-8478。 添加完成后，点击该联系人即可开启与ChatGPT的WhatsApp对话。目前可以在不需要ChatGPT账户的情况下与之进行文本交流，未来也在研究通过账户的方式访 问，使之具备图像聊天、搜索等功能。

Day11：ChatGPT桌面版升级，从会话助手变身“AI代理人

Day11上新ChatGPT桌面版，MacOS桌面应用程序可与各类应用程序交互操作，一站搞定编码、写作、数据分析等任务。这将使得ChatGPT无缝衔接至日常工作 流程，从会话助手变身为“AI Agent”。在发布日当天，该功能即向订阅会员开放使用，只需拥有最新版本的MacOS应用程序。

目前，全新桌面版ChatGPT将超越单纯的问答，能够通过与30多种应用协作来辅助提升用户的写作和编程能力。 1）代码协作助手：ChatGPT可与Warp控制台、Xcode等进行交互中，自动完成繁琐的代码流程，解决复杂问题的编码问题。例如，与Warp控制台交互过程中， 在选择Warp后，ChatGPT能够根据Warp中的上下文判断出用户正在使用Git，直接为其提供了获取每日提交数量的命令。为了更直观地展示数据，ChatGPT可使用 高级数据分析功能将结果以柱状图呈现。同时，在编程方面ChatGPT的协作功能支持主流开发环境，包括VSCode、Jetbrains、RubyMine、BBEdit等，估计以后 还会添加更多IDE开发环境。 2）文本协作助手：ChatGPT支持与三个新的应用程序Apple Notes、Notion和Quip等交互，协助用户文字创作。直播展示中，OpenAI开发人员选择ChatGPT与 Notion交互，帮助其编写一个关于旧金山历史的步行游览文档，尤其是对旧金山历史上的任务诺顿皇帝的介绍。在这过程中，ChatGPT还可利用Search功能确保协 作信息的准确性以及内容的丰富性。 3）ChatGPT除了支持文本，也能够利用高级语音模式，通过对话的形式完成用户需求，例如写作和编程。

Day12：o3和o3 mini王炸来袭，AGI渐行渐近

Day12亮相王炸产品o3和o3 mini，刷新SOTA定义推理大模型性能新高度，朝着AGI目标渐行渐近。 o3系列模型迈向AGI，基准测试结果惊人。o3在编码、数学以及 ARC-AGI 基准测试等多个基准上超过了 OpenAI 此前的 o1 模型（o1得分25%，o3得分87.5%)。 SWE-Bench 测试：71.7%——o1得分48.9%； Codeforces 评分：2727——相当于全球人类程序员编码竞赛中，排名第175位； AIME：96.7%——意味着在数学测试中只错1道题。

报告节选：

编辑：火腿肠