🎁 OpenAI Shipmas狂欢夜，第二天早上发生了什么？🎉

OpenAI 的“Shipmas”惊喜：今天的演示，明天的降级

还记得那种完美的圣诞早晨的感觉吗？今年的 OpenAI Shipmas 带来了同样的兴奋感——十二天的礼物，每一份都承诺比上一份更神奇。然而，当我们拆开每一份新公告时，却发现了一些奇怪的现象。不出所料，几天之内，大多数礼物最终都被遗忘在角落里，积满灰尘，直到新年。OpenAI 的 Shipmas 也遵循了类似的模式，但有一个不寻常的转折：不是我们失去了兴趣，而是礼物本身似乎失去了魔力，一旦聚光灯熄灭，彩带落地，它们的能力就开始减弱。从 DALL·E 的质量下降到 GPT-4 的配额缩减，这种模式显而易见——我甚至有截图可以证明。

Shipmas 之夜

«Shipmas 在路上。» 由 FLUX [dev] 生成。

今年，为了庆祝 ChatGPT 发布两周年（2020 年 11 月 30 日），Sam Altman 宣布 OpenAI 将连续 12 天发布新功能。

许多人称之为 Shipmas，截至今天，已经发布了 7 个新功能，预计还会有更多。到目前为止，发布的内容包括：

1. o1 和 ChatGPT Pro：终于发布了 o1 的完整版本，并新增了每月 200 美元的订阅层级。
2. OpenAI 的强化微调研究计划（仅限受邀用户）。
3. Sora 全面开放。
4. Canvas 面向所有人，包括自定义 GPT（支持 Python 运行）。
5. GPT 集成到 Apple Intelligence 中。
6. 高级语音与视频功能。
7. ChatGPT 中的项目功能。

拆解这些发布

虽然有很多令人兴奋的东西，但直到今天，它们似乎并不新鲜。它们更像是“哦，终于来了”。这是因为其中许多功能之前已经宣布过，承诺过，但一直没有兑现。

所以，让我们简单回顾一下。

关于第一天，最让人印象深刻的是每月 200 美元的订阅层级。我得承认，我并不觉得这很贵。事实上，几个月前我取消订阅时，就向 OpenAI 提出了类似的建议：我注意到质量在下降，我假设这是因为服务成本太高，所以我建议他们提高价格，而不是降低质量。

此外，他们还发布了 o1。结果发现，他们已经在 9 月份发布了 o1-preview 和 o1-mini。对很多人来说，区别并不明显，OpenAI 的沟通也没有帮助。所以，看到一些被认为已经发布的东西再次发布，感觉很奇怪。而且，根据 o1 系统卡，一些旧模型的表现比新发布的模型更好。

还有 o1-pro，它似乎是 o1，但会执行四次提示并选择最佳结果。然而，一些实验表明，这种方法在某些场景下表现更差——最佳结果似乎并没有被很好地计算出来。

不过，第一天最好的消息是，随着每月 200 美元的订阅层级，o1 的限制被取消了。

关于第二天，嗯，技术性的东西，对吧？这似乎是一个仅限受邀合作伙伴的计划。它很像 Sora 的发布：只对少数人开放。但我们要记住一件事：12 个发布是一个很大的数字，所以有些是大动作，有些则是小礼物。

第三天：Sora。2024 年 2 月宣布，终于发布了。不过，不在欧洲。而且，人们说它并没有预期的那么好。发布时，已经有一些相当不错的替代品，有些甚至可以在本地运行。而且，即使是每月 200 美元的订阅层级，生成次数也相当有限。

第四天：Canvas。它于 2024 年 10 月 3 日发布，作为对 Claude.ai 的回应。唯一的区别似乎是现在它对所有人开放了。

第五天：ChatGPT 集成到 Apple Intelligence 中。问题是：Apple 是否因为 OpenAI 而推迟了 Apple Intelligence 的发布？

第六天：高级语音与视频功能。这是 5 月 13 日 GPT-4o 演示的一部分。他们宣布将在接下来的几周内发布，但完整的演示功能直到第六天才可用。

第七天：项目功能。这是一个不错的功能，主要集中在用户界面上，帮助准备复杂的任务。用于组织聊天的文件夹非常有用，所以对话搜索是必不可少的。然而，处理多个文件并与它们交互的部分，看起来很像 Claude.ai 的功能。不过，演示并不理想，因为 Claude.ai 可以直接预览更改，而无需下载。

降级的模式

无论 OpenAI 发布的工具多么花哨、优雅或好用，我都不指望它们在发布几个月后还能保持同样的水准。

为什么？

看看 DALL·E 3 在 ChatGPT 中的演变：

ChatGPT 本身也是如此。虽然这更难展示，所以我只能凭感觉说。

我最初很喜欢 GPT-4，但当 GPT-4o 推出时（更简单的模型，运行成本更低，但训练得更好），GPT-4 的配额消耗得更快。有一段时间，我甚至被限制在每天只能使用 5 次提示。

GPT-4o 虽然不错，但并没有很好地回应我的请求。它多次让我感到不舒服，特别是因为它把问题当成了请求。所以，它没有给我答案，而是把我的问题解释为一组扭曲的愿望，浪费了我的配额。

然后，当 GPT-4o-mini 推出时，GPT-4o 的配额被进一步缩减。此外，我注意到，有时尽管我选择了 GPT-4o，但实际上是 GPT-4o-mini 在回答提示。有很多研究关于使用更简单的模型处理琐碎问题，并使用不同的 LLM 来选择在每种情况下使用哪个模型，这样你可以在合理的资源消耗下得到不错的答案。然而，在这种情况下，我选择 GPT-4o 是有原因的。

此外，在某些情况下，特别是在长对话中，他们会重写我的提示，以适应之前的信息，可能是为了减少输入 token 的数量。

因此，如果我没猜错，他们在 GPT 中使用的减少账单的技术包括：

• 减少了使用配额。
• 更换了模型，尽管选择了另一个模型。
• 重写了我的提示。

基本上，OpenAI 在没有任何警告的情况下，降低了付费用户的质量和配额。

这就是为什么我问他们是否需要更多的钱——他们所做的所有改变都是为了减少计算时间和账单。所以，要么他们想从我的支付中为免费用户提取更多的钱，要么支付远远低于实际成本。

所以，当他们在公开场合宣布改进时，他们却在暗中降低服务质量。

历史会重演吗？

他们可以再次采取发布高质量产品，然后将其替换为更基础版本的策略。就像他们对 DALL·E 3 所做的那样。

关于 Sora，现在视频看起来很棒，但他们已经知道如何在图像生成器上降低质量。所以，很可能在接下来的几个月里，图像的质量会开始下降。而且，可能会像我一样，我以为我失去了提示的技巧。

Sora 在其系统卡中展示的三个质量级别。

关于 o1，系统卡已经揭示了一些细节。它们与“世界上最聪明的模型”这一说法并不一致。

当你阅读一个模型的系统卡，而竞争对手的模型被排除在外时，这可能意味着他们不想让你进行比较：

但更令人担忧的是，如果我们查看系统卡，在某些情况下，功能较弱的模型表现更好。这在前面的图表中已经可见，但还有其他更糟糕的结果。看起来他们失去了正确训练模型的能力。他们未能将能力的提升转化为性能的提升：

摘自 o1 系统卡。

问题是，即使现在 o1 似乎没有预期的那么好，他们还能如何降低质量？

他们确实可以降低质量。首先，他们已经应用了之前版本的所有技术。但此外，在 o1 的情况下，他们似乎有一个控制推理窗口长度的机制。这个推理窗口是 o1 家族更昂贵的原因，也是配额如此有限的原因。事实证明，如果窗口足够大，模型可以在没有我们监督的情况下探索许多选项，从而得到更好的响应。因此，窗口越短，响应的质量就越差。所以，我们可以预期这个窗口在接下来的几个月里会缩小。

«Shipmas 的残骸，几个月后。» 由 Flux [dev] 生成。

真正的开放 AI

但最令人失望的部分不仅是缺乏透明度，还有缺乏开放性。虽然一些替代品的可用性较差——它们没有预装在服务器上，你需要在自己的电脑上安装——但它们让你能够随时使用，没有配额或意外的质量下降。

一些完全精选的开源替代品包括：

作为 GPT-4o-mini 的替代品，你可以使用 Llama 3.1 8B。它几乎可以在任何电脑上运行，速度快，功能强大，而且完全私密。

作为 o1 的替代品，你可以使用 QwQ。这个模型的行为类似于 o1，并且在 o1 发布仅一个半月后推出。而且，它非常小——32B——通过适当的量化，可以在大多数消费级电脑上快速运行。

DALL·E 的一个很好的替代品是 Flux [dev]，或者 [schnell] 来探索更快的结果。它几乎可以在任何扩散应用中使用，比如 Draw Things。

«圣诞老人的玩具矿场», 由 Flux [schnell] 生成。

«云朵做的小狗», 由 Flux [schnell] 生成。

«美丽的圣诞图片», 由 Flux [schnell] 生成。

还有很多 Sora 的替代品——抱歉，我一个都没试过。但可以理解，长时间展示给人们，却不让他们接触，这已经引起了很多挫败感，令人惊讶的是，这些挫败感被引导到了开源替代品的创建上。ComfyUI 可能是最早的之一，但最近 HunyuanVideo 发布了，质量与 Sora 相当。

展望未来

我被诱惑了。他们的展示非常出色，他们逐步发布的方式让你忍不住想知道接下来会发生什么。我不知道下周会发生什么，我钦佩他们在圣诞节前几周如此努力地工作。

然而，OpenAI 之外还有很多好产品。这些产品在时间上保持一致，甚至不断改进，使用和配额透明，而且在某些情况下，它们似乎随着时间的推移而变得更好。

我希望下周，在第 12 天，他们会发布 GPT-4.5 甚至 GPT-5——真正的、无可争议的“世界上最聪明的模型”。我们可以称之为 GPT-4 的真正继任者，代表着期待已久的突破性飞跃。

感谢阅读。我通常喜欢写故事来思考我们如何理解和应用软件工程，并让我们思考我们可以改进什么。如果你喜欢这篇文章，别忘了点赞、评论和分享。__更多见解和讨论，____.