撰文：Techub News 整理
导语
在 GPT-4.5 正式发布当天，OpenAI 首席研究官 Mark Chen（马克·陈）罕见地接受了 Big Technology Podcast 的专访。这是 OpenAI 高层四年来首次接受此类深度访谈，时机恰逢其最新旗舰模型问世。Mark Chen（马克·陈）于数月前刚升任此职，此次发声不仅是为了介绍 GPT-4.5，更是为了阐释 OpenAI 在模型扩展、研发范式以及未来方向上的关键思考。面对外界对 GPT-5 的急切期待和关于“扩展墙”的广泛讨论，他的分享提供了来自 OpenAI 核心研发团队的一手视角。
摘要
- GPT-4.5 是 OpenAI “可预测扩展范式”下的最新里程碑，性能相较前代实现了“数量级”提升，其意义堪比从 GPT-3.5 到 GPT-4 的跨越。
- OpenAI 目前正沿“无监督学习”和“推理”两条轴线并行推进模型能力前沿，GPT-5 将是这两条路线成果的集大成者。
- 模型扩展的回报并未减弱，GPT-4.5 证明了在增加计算、数据和优化算法后，性能仍能按预期提升。同时，模型架构优化（如混合专家）与核心能力开发是相对独立的两个层面。
- GPT-4.5 在传统基准测试之外，展现出更高的“情商”（EQ）和创造性写作能力，这代表了模型能力探索的新维度。
- OpenAI 的战略是“推进智能前沿”与“降低能力获取成本”并行，既打造旗舰模型，也提供成本更优的小型模型，形成完整的产品组合。
GPT-4.5：可预测扩展的最新证明
Mark Chen（马克·陈）开宗明义，将 GPT-4.5 定位为 OpenAI “可预测扩展范式”下的最新成果。这一范式始于 GPT-3，历经 GPT-3.5、GPT-4，如今延续至 GPT-4.5。他解释道，基于过往模型训练积累的经验，团队能够较为准确地预测，当投入的计算资源、数据规模以及算法效率提升一个数量级时，模型性能将获得怎样的进步。GPT-4.5 正是这一预测曲线的下一个点，其性能提升的幅度与从 GPT-3.5 到 GPT-4 的跨越属于同一量级。
针对为何此次发布的是 GPT-4.5 而非万众期待的 GPT-5，Mark Chen（马克·陈）表示，命名始终力求反映模型能力的实际跃迁程度。当前模型的能力提升符合“4.5”的定位。他承认 GPT-4 到 GPT-4.5 的间隔时间似乎更长，但这部分归因于 OpenAI 同期将大量精力投入了另一条关键赛道：“推理”范式的开发。他强调，公司的研发是探索性的，会同时推进所有有潜力的方向。
两条扩展轴线：无监督学习与推理并进
Mark Chen（马克·陈）详细阐述了 OpenAI 当前并行的两大扩展轴线。第一条是传统的“无监督学习”扩展，即通过增加计算、数据和改进算法来提升模型能力，GPT-4.5 是这条路线的最新成果。第二条则是“推理”扩展，即让模型具备更深度的思考、规划和自我修正能力，OpenAI 的 o1 系列模型便是此方向的代表。
他澄清，这两种范式并非对立，而是互补的。“无监督学习”为模型提供了广泛的世界知识基础，而“推理”能力需要建立在这些知识之上。一个知识匮乏的模型无法凭空学会深度推理。同时，两种范式之间也存在反馈循环，推理能力的进步可能反过来要求或促进基础知识的进一步扩展。
在应用场景上，两种模型也呈现出不同的特点。像 GPT-4.5 这样的大型模型响应迅速，适合需要即时反馈的知识性工作和创造性写作；而像 o1 这样的推理模型则可能需要更长的“思考”时间，适合解决复杂、多步骤的问题。Mark Chen（马克·陈）特别指出，在创意写作等场景中，GPT-4.5 的表现已经超越了当前的推理模型。
破解“扩展墙”质疑：回报未减，优化持续
面对业界关于大模型扩展可能遭遇“收益递减”或触及“扩展墙”的疑虑，Mark Chen（马克·陈）给出了明确的否定回答。他表示，在开发 GPT-4.5 的过程中，增加计算和数据资源带来的性能回报与以往模型的经验一致，并未出现衰减。OpenAI 的扩展机制依然有效且可预测。
针对此前有报道称 GPT-4.5 的训练曾多次中断重启，遭遇了棘手难题，Mark Chen（马克·陈）回应称，这种“训练-诊断-干预-重启”的模式是所有大型基础模型研发过程中的常态，并非 GPT-4.5 所独有。他强调，将这些庞然大物视为一场大型实验，在过程中进行监控和调整，是确保最终成功的关键。
当话题转向 DeepSeek 等同行通过模型架构优化（如混合专家模型 MoE）显著提升效率时，Mark Chen（马克·陈）区分了“模型核心能力开发”与“推理服务优化”两个层面。他认为，让模型更高效、更低成本地运行（推理优化），是独立于提升其核心智能的工作。OpenAI 在这两方面都持续投入，并且已经成功地将 GPT-4 系列模型的推理成本降低了数个数量级。他确认，混合专家等架构优化技术是通用技术，既适用于 GPT 类基础模型，也适用于推理模型，OpenAI 也已进行过诸多探索。
大模型与小模型：前沿推进与普惠交付的平衡
对于社区中“小众化、专业化小模型才是未来”的观点，Mark Chen（马克·陈）阐述了 OpenAI 的平衡哲学。一方面，公司的根本使命是“推进智能前沿”，这意味着必须持续开发像 GPT-4.5 这样的旗舰模型。他坚信，将模型能力从“99.9 分位”推到“世界顶尖”水平具有根本性意义，因为这可能解锁全新的、变革性的应用，例如真正强大的 AI 智能体（Agents）。
另一方面，OpenAI 也致力于让先进能力变得普惠。这体现为同时提供像 GPT-4o-mini 这样成本效益高的“小型”模型，让更多用户能以可承受的价格获得接近前沿的能力。因此，OpenAI 的战略是打造一个从旗舰模型到轻量模型的完整组合，而非非此即彼的选择。Mark Chen（马克·陈）认为，小众模型不会消失，但 OpenAI 会同时构建最强的基础模型，并设法随着时间的推移，将这些顶级能力以更低的成本交付给所有人。
超越传统基准：情商与能力探索的新维度
除了在数学、代码、知识问答等传统基准上符合预期的提升，Mark Chen（马克·陈）特别强调了 GPT-4.5 在“情商”（EQ）和创造性方面的显著进步。他举例说明，当用户向模型倾诉困境时，GPT-4.5 能给出更简洁、共情、人性化的回应，而不是机械地罗列一长串建议。在创意写作和生成 ASCII 艺术等任务上，新模型也表现出了更细腻、更少出错的能力。
他预见到可能有人批评这是“转移评测焦点”，但坚决否认了这一说法。Mark Chen（马克·陈）重申，GPT-4.5 在传统硬性指标上完全达到了扩展定律的预期。他强调，每次发布新模型，都是一个与社区共同“发现用例”的过程。GPT-4 已经非常智能，而 GPT-4.5 则在情感理解和创造性表达等更微妙的领域展现了新的可能性。OpenAI 分享这些早期发现，正是为了邀请用户一同探索模型的新能力边界。
团队、产品与未来：智能体是模型能力的自然延伸
在访谈尾声，Mark Chen（马克·陈）简要谈及了 OpenAI 的团队状况。他承认 AI 领域变化飞速，人才流动是行业健康发展的自然现象，这也给内部优秀人才提供了崭露头角的机会。他坚信 OpenAI 依然拥有世界顶尖的人才储备，其标准与行业其他公司有显著区别。
关于“更好模型”与“更好产品”孰轻孰重的经典辩论，Mark Chen（马克·陈）的立场鲜明：更强大的模型是更高级别产品的根本前提。他以 Deep Research（深度研究）功能为例，指出这种能够深入调研、综合信息并生成完整报告的能力，只有在模型具备足够水平的推理和知识基础时才能实现。模型能力的进步，会自然催生新的产品形态和应用范式，而智能体（Agents）正是当前模型能力与产品结合的前沿体现。未来，随着模型在推理和无监督学习两条轴线上继续推进，AI 智能体的能力和可靠性将迎来质的飞跃。
