截至 2026 年 9 月 1 日，我检索到关于 Tibo（Thibault Sottiaux）最新的一场公开 YouTube 长访谈，是 Matthew Berman 在 8 月 24 日发布的 How to Understand the Next Wave of AI Before Everyone Else。44 分钟里，这位从 Codex 走向 OpenAI 核心产品负责人的工程产品领导者，谈了 DeepMind 的教训、Codex 与 ChatGPT 的合并、个人智能体、云端执行、Ultra Fast、算力效率、递归式自我改进和安全暂停。

如果只看热闹，最容易记住的是 Tibo 那个可以重置 Codex 用量的实体按钮；如果看产品路线，真正重要的却是另一件事：Codex 正在从“替程序员写代码的工具”，变成 OpenAI 用来探索下一代通用智能体的产品原型。

这篇文章按完整逐字稿重新整理访谈的十个关键判断，并在后半部分用一种接近马斯克的第一性原理方法，把“个人 AGI”“云端 Agent”“超高速推理”这些宏大叙事拆回基本变量。涉及路线、数字和安全判断的内容，我会区分 Tibo 的原话、主持人的提问与我的推演，避免把产品愿景直接写成已实现的事实。

观看原始访谈（44:28） · 封面使用原视频缩略图，版权归 Matthew Berman / YouTube 原权利人所有。

1. 真正拉开差距的，不只是研究能力，而是把能力交到用户手里的组织能力

Tibo 从自己在 Google DeepMind 的经历谈起。ChatGPT 发布大约一年前，团队内部已经有类似 LM Chat 的对话产品探索，模型也从“有趣”逐渐变得“有用”。问题不在于没有技术和想法，而在于 DeepMind 当时并不是一个以交付产品为核心搭建的组织。

他把 OpenAI 的差异总结成三个部分：研究与产品紧密协作；组织自下而上，个人可以迅速聚集资源验证想法；面对新产品时，内部很少出现过强的 stop energy。但他也补上了另一半：快速交付不能变成功能拼盘，仍要用简洁、性能、效率和整体产品质量约束方向。对应视频 0:45–4:22

对创业者，他给出的建议是有判断、尽快接触真实用户、根据反馈迭代，并愿意主动颠覆自己的主业务。即使已经拥有一台“印钞机”，也必须在能力拐点出现时重新分配资源，因为技术演进不会等待现有业务做好准备。对应视频 4:22–7:23

我认同这种交付文化，但不把“阻力少”简单等同于“决策好”。没有验证门槛的快，会制造债务；没有交付倾向的稳，会错过窗口。更完整的机制应该是：让实验低成本、让上线可回滚、让结果可测量、让高风险动作有明确审批。 这样组织减少的是无效阻力，而不是必要约束。

2. Benchmark 只能描述能力，真实使用才会发现产品

Tibo 提到一个很容易被忽视的事实：即使是 OpenAI，也常常要在模型训练完成后亲自反复使用，才会发现它真正适合做什么。Benchmark 无法穷尽产品形态。

他用语音举例。高质量语音与工具调用结合后，交互不再只是“把键盘换成嘴巴”，而是让人可以在早晨直接说出当天要做的事情，再由系统访问工具继续执行。能力变化打开了新的输入方式，输入方式又重写了人们对产品的理解。对应视频 5:47–7:23

这意味着模型评测和产品评测不能混为一谈：

  • 模型评测回答“在受控任务上能不能做”；
  • 产品评测回答“在真实上下文中能不能稳定完成”；
  • 行为数据回答“用户是否愿意把它放进日常工作”；
  • 业务结果回答“完成之后是否真的创造价值”。

AI 产品最危险的误区，是拿第一层的提升替代后面三层的证据。

3. 下一代 Agent 的目标，是让 Harness 从用户视野里消失

Tibo 认为，今天的高级 Codex 用户已经习惯了很多不自然的操作：维护 Skill 文件、修补记忆、管理多个子智能体、理解它们怎样组成一个小网络。这些机制有用，却会不断打破“我在和一个真正理解我的搭档合作”的感觉。

他期待的系统应当理解个人目标、日常习惯和团队状态，不只等待命令，还能在适当时机主动行动。用户不应持续维护 Agent 的内部脚手架；记忆、Skill、子智能体和工具编排最终都应该退到产品内部。对应视频 7:23–9:38

这里的重点不是把配置入口全部删除，而是重新定义谁为复杂性负责。今天是用户在替 Agent 维护上下文，未来应该是系统主动整理、验证、淘汰和更新上下文，同时让用户看得见关键依据、能纠正错误、能控制边界。

最好的 Harness 不是没有结构，而是把结构变成可靠的系统能力，而不是用户的日常负担。

4. 模型能力继续上升后，笔记本电脑会成为“按人类设计的瓶颈”

Tibo 的一个强判断是：下一代模型需要的不只是用户的笔记本电脑。个人电脑的资源与界面，本来就是按人的输入速度、思考速度和有限多任务能力设计的；模型却可能同时操作远多于人类能照看的应用和任务。因此，更强的 Agent 会自然走向云端资源、并发执行和更大的工作空间。

当生成速度提升后，瓶颈会依次移到网络、工具调用、编译、测试和整个 Agent 轨迹的固定开销。解决办法也不只是继续加快 Token，而是把探索、写测试、编译和验证假设并发起来，让系统在同一时间推进多个相互独立的工作流。对应视频 9:38–10:44

但“更多云资源”并不自动等于“更好的 Agent”。云端还带来新的约束：数据权限、执行隔离、网络延迟、成本上限、状态一致性，以及用户如何知道后台究竟发生了什么。计算边界消失后，治理边界反而必须更清晰。

5. 速度的真正价值不是少等几秒，而是保护人的注意力

主持人描述了今天常见的重度工作流：一次启动十到十五个 Agent，三四十分钟后轮流接收结果，再不断切换上下文。Tibo 认为，产品应围绕人的注意力规律设计，而不是把并发数量本身当成先进程度。

当超高速模型与语音结合，系统可能和人一样快，甚至更快。用户可以保持在同一个问题里，边表达、边看原型、边调整方向，不必靠大量并行任务填满等待时间。对不喜欢频繁切换的人，速度带来的核心收益是保住 Flow；对擅长多线程的人，收益则可能没有想象中那么大。对应视频 10:44–12:23

访谈后面进一步澄清：如果任务主要是连续生成代码，例如快速做网站或游戏原型，体感可能接近十倍；如果流程包含大量工具调用，网络和轨迹开销会把端到端提升压到三到四倍。主持人提到的十四倍是模式标称量级，不应直接等同于所有真实任务的完成速度。对应视频 34:13–37:56

还需要注意产品命名：Ultra Fast 是这场访谈里的称呼；OpenAI 当前官方文档分别把 fast 描述为速度模式，把 ultra 描述为通过子智能体并行提高复杂任务能力的设置，不能只按字面把两者当成同一个公开选项。OpenAI Model Guidance

这也是一个很实用的产品判断：不要只优化模型延迟，要优化“从产生意图到看见可验证结果”的完整回路。

6. “个人搭档”和“后台自动化”是两类不同的 Agent 产品

谈到 Loop、Graph 等 Agent 技术时，Tibo 没有继续比较编排名词，而是把问题拆成两类。

第一类是个人智能体。它与人保持在同一个工作流里，理解这个人的长期目标与偏好，能够主动提出重要想法，也能处理编程、研究、建议等不同任务。这里最重要的是个性化、连续性和协作感。

第二类是端到端自动化系统。它在后台接管复杂流程，例如读取生产日志后自动优化性能、发现回归后修复，或者在安全扫描器发现漏洞后立即打补丁，把暴露窗口缩短到接近于零。人不需要持续控制，只在高风险动作上审批。对应视频 12:23–14:27

这一区分非常关键。个人搭档追求低摩擦沟通，后台自动化追求确定性、审计和异常恢复；前者要理解人，后者要约束系统。把两者塞进同一种聊天体验，会同时损害亲密感与可靠性。

7. ChatGPT 与 Codex 合并，目标不是少一个入口，而是同一个智能内核适配不同的人

对于 ChatGPT 与 Codex 的合并，Tibo 的解释很直接：未来模型使用的是同一种底层技术、Harness 和多模态能力，编程与非编程不应被分割成两套完全不同的智能系统。

他把职业标签视为人类处理复杂现实的抽象。软件工程师、设计师、产品经理并不是互不相交的物种，每个人都位于不同能力与需求构成的连续光谱上。因此，最终界面应该根据个人自动适配，而不是先要求用户选择“我是程序员”或“我不是技术人员”。他用 personal AGI 描述这个终态：同一套系统连接每个人不同的工具、目标和生活，产生不同的使用方式。对应视频 14:27–17:00

交互也会从文本框扩展成更自然、更环境化的存在。白板上的内容、人的语气、视觉线索和语音对话都可能成为上下文。Tibo 观察到新版语音上线后，完全通过语音使用 ChatGPT 的人快速增长，并把它归因于一个朴素规律：人会选择阻力更小的路径。对应视频 17:00–20:25

我赞同“一个智能内核”，但对“一个界面”保留意见。统一底层不等于抹平专业界面。 写代码需要 Diff、测试和版本控制，财务需要口径、审批和审计，医疗需要证据与责任边界。真正的自适应界面不是永远只剩一个输入框，而是系统能根据任务风险和领域结构，及时长出正确的工具。

8. Codex 的增长、社区与 Reset：用户信任不是营销口号

主持人在访谈中提到 Codex 达到 2,000 万用户。Tibo 把增长部分归因于 Codex 能力进入 ChatGPT，让产品触达原本不会主动寻找编程 Agent 的产品、设计、销售、市场和沟通人员。面对与 Anthropic 的比较，他没有直接评价对手，而是强调三件事：最强能力、极高效率，以及让尽可能多人获得有用产品。对应视频 20:25–23:37

社区最熟悉的 Reset，则起源于更具体的原则：如果团队迭代时把产品弄坏了，或者体验明显低于承诺，就补偿用户额外用量。后来 Reset 也被用来庆祝增长、邀请用户尝试新能力，甚至有了实体按钮。Tibo 强调，这并不是和市场、财务共同设计的活动，而是他认为“应该补偿”时可以做出的决定。对应视频 23:37–26:41

这个做法的价值不只在免费 Token，而在建立一种可感知的服务修复：出了问题，团队承认影响并给出补偿。不过，善意按钮不能替代稳定的容量规划、透明的计费规则和可预期的服务水平。用户最终需要的不只是偶尔被照顾，而是可以据此安排工作的可靠系统。

9. 递归式自我改进已经发生，但首先发生在基础设施

Tibo 解释，OpenAI 提前多年规划算力，一大部分计算资源继续投入研究，同时也持续优化现有模型的推理效率。更强模型已经被用来重构 Serving Stack、优化 CUDA Kernel、改进产品和寻找新的交互方式。访谈中他提到，普通模式的速度在三个月里大约提升了 60%；Luna 的显著降价则主要来自效率提升，并把收益继续传给用户。对应视频 26:41–30:25

OpenAI 的官方发布也能交叉验证这条路线：GPT‑5.6 Luna 降价 80%，Terra 降价 20%；更强模型参与了推理栈与 Kernel 优化，使更高吞吐能够在接近相同的算力包络中运行。OpenAI：提升 GPT‑5.6 的性价比

Tibo 把这视为递归式自我改进的早期形式。它不是模型突然无监督地创造下一代模型，而是一个更工程化的闭环：模型帮助优化承载模型的基础设施，基础设施让模型更快、更便宜、更容易被使用，新增使用又为下一轮研究和产品改进提供资源。对应视频 30:25–32:00

这种表述比“智能爆炸”更可信，也更值得产品团队学习。真正可复制的飞轮往往不是一句宏大叙事，而是把每一轮能力提升重新投入评测、工具、数据、运行时和交付效率。

10. 安全暂停、Ultra Fast 与广泛可及，构成同一条路线的三种约束

主持人问到 OpenAI 暂停最前沿强化学习训练的决定。Tibo 的说法是：能力提高后，对齐与安全的重要性同步上升；暂停给团队时间理解并加固系统，安全团队通过讨论和探索形成了一组相对清晰的原则，再决定何时以更充分的控制继续训练。对应视频 32:00–34:13

这段内容应谨慎理解。Tibo 没有公开暂停的具体触发条件、评估指标或恢复门槛，因此我们只能把它视为负责人对内部过程的概括，不能据此证明所有风险已经被解决。真正有意义的安全不是“曾经暂停”，而是能力、风险、评测、部署权限与事故响应之间存在可重复的治理机制。

Ultra Fast 则体现了另一端的约束：时间。OpenAI 内部会把更快能力优先给事故响应等高风险、每秒都重要的场景，也会给需要在截止时间前快速验证的新产品探索。对于大量工具调用的任务，它不会获得完整的标称速度；对于共享画布、实时原型、语音协作等非文本交互，它却可能改变创造过程。对应视频 34:13–40:00

即使 OpenAI 员工理论上能消耗大量 Token，Tibo 说团队也没有把 Ultra Fast 无限制开放给所有内部员工，而是控制内部使用，把绝大部分容量留给外部客户。这个细节说明速度模式不只是模型问题，也是容量分配与产品承诺问题。

Tibo 预计类似速度在一两年内会接近默认水平，同时永远存在一个更昂贵、更高性能的上一档。访谈最后，他用 Luna 说明“今天的前沿能力会迅速变便宜”，并把效率提升与广泛可及联系起来；对尚未尝试 AI 的人，他建议先从写作、个人建议、健康和财务等具体帮助出发，而不是先接受一整套宏大未来叙事。对应视频 40:00–44:28

用第一性原理重算一次：Agent 产品到底在优化什么？

马斯克常用的第一性原理方法，不是从行业惯例继续加功能，而是把系统拆到无法再删的基本事实，再从底层重新推导。沿着这条方法，我会先把“更好的 Agent”写成一个更朴素的目标：

在可接受的总成本与风险下，用更少的人类注意力，稳定地产出可验证的结果。

这里没有模型名字，也没有 Chat、Codex、Skill、Subagent 或 Cloud 这些产品形态。它只包含七个基本变量：目标是否清楚、上下文是否充分、推理是否足够、工具能否行动、反馈能否验证、风险能否控制、人的注意力是否被正确使用。

从这个目标出发，可以推导出六个结论。

1. Token 速度不是终点，闭环速度才是

如果模型快十四倍，但工具调用、网络、权限确认和测试没有变快，任务就不会快十四倍。真正需要测量的是：从用户表达目标，到系统完成行动、通过验证、交回结果，端到端用了多久。

所以 Ultra Fast 的价值不应只写成 Tokens per Second，而应看三种时间：人等待了多久、系统完成了多久、错误被发现并修正用了多久。速度如果让验证跟不上，可能只是更快地产生返工。

2. 算力越丰富，调度与验证越稀缺

当 Agent 可以同时操作一百个应用，问题不再是“能否并发”，而是“哪一百件事值得做”“冲突怎样处理”“完成标准由谁定义”。并发能力扩张会把瓶颈推向任务分解、优先级、状态管理和验收。

这与软件工程史很像：计算资源便宜后，复杂性没有消失，而是上移到了系统设计。Agent 时代的稀缺资源会从生成能力转向可靠编排。

3. 个人智能体与自动化系统不能共用同一套控制逻辑

个人智能体需要连续理解、低摩擦表达和适度主动；后台自动化需要权限最小化、幂等、审计、回滚和升级路径。一个是协作关系，一个是生产系统。

因此，产品设计至少要先回答：这是一个人在环内的搭档，还是一个人只在异常和高风险动作上出现的自动系统？不回答这个问题，就无法正确设计记忆、通知、审批和失败恢复。

4. “同一个智能”不等于“同一个表面”

Codex 与 ChatGPT 共用模型、Harness、记忆和工具层是合理的，因为底层问题都在理解目标并执行动作。但任务不同，验证结构也不同。代码要看 Diff 和测试，研究要看来源，数据分析要看口径与可复现过程。

更合理的终态不是一个万能聊天框吞掉所有软件，而是同一个智能内核按任务动态生成专业界面，并保留领域所需的证据和控制。

5. 递归式自我改进的现实起点，是可测量的工程飞轮

模型优化 Kernel、Serving、测试和产品代码，比讨论无边界的自我进化更接近今天可以验证的事实。如果一轮优化让单位结果所需算力下降，更多用户开始使用，真实工作负载暴露新瓶颈，再由模型参与下一轮优化，这已经形成可复利的系统。

企业不必等待“模型训练模型”的终极版本。先让 Agent 帮助改进自己的评测、工具可靠性、上下文质量和交付流程，就能建立一个更小但真实的自我增强闭环。

6. 智能越便宜，责任越不能被隐藏

推理成本下降会让更多动作值得自动化，却不会自动降低错误的业务代价。Agent 可以在一分钟内生成系统，也可以在一分钟内扩大一个错误。越是走向个人信息、财务、健康、生产系统和安全响应，越需要明确证据、权限、最终责任人与停止条件。

广泛可及不只是“人人都能调用”，还应包括普通人能理解系统做了什么、为什么这样做、如何拒绝，以及出错后谁来处理。

我对 Codex 下一阶段的判断

这场访谈并没有公布一张可以照抄的产品路线图，却把方向说得很清楚：Codex 今天暴露出的 Skill、Memory、Subagent、并行任务和云端环境，不是最终产品，而是下一代智能体正在长出来的骨架。

我认为接下来真正值得关注的，不是 Codex 会不会多一个模式，而是四个变化：

  1. 从 Prompt 到 Goal：系统围绕长期目标组织工作，不再只等待单次指令；
  2. 从生成到执行：价值从回答问题转向跨工具完成并验证任务；
  3. 从本地窗口到云端工作空间：计算和并发突破个人电脑，但权限与状态必须可治理；
  4. 从统一入口到自适应工作台：底层智能收敛，界面却会根据任务长出不同的专业结构。

对做 Agent 产品的人，眼下最有价值的动作不是猜“personal AGI”哪天到来，而是找一个真实工作流，把目标、Context、工具、验收、权限和异常路径连成闭环。然后持续观察瓶颈移动到哪里：模型、工具、网络、算力、人的注意力，还是组织决策。

Tibo 这场访谈最重要的提醒也正在这里：技术迭代不是把同一个环节无限加速，而是不断改写整个系统里最稀缺的东西。今天我们管理 Skill 和 Subagent，明天这些细节可能都会消失；但定义正确目标、提供真实上下文、验证结果并承担责任，不会因为 Agent 更强而自动消失。

参考资料：

本文封面为原 YouTube 视频封面，仅用于指向和评论该访谈；正文为基于完整访谈的中文整理、事实核对与原创分析。