OpenAI 的 ChatGPT 负责人:我们正进入 AI 的新纪元(又一次)——Tibo Sottiaux(OpenAI)

▲ 图注：左为 Lenny，右为 Tibo；桌牌写着 OpenAI [DevDay]，画面底部字幕标明录制于 2026 年 9 月 29 日的 DevDay 现场。

• 场合与立场：OpenAI DevDay 当天、当着现场观众录制（画面底部字幕写的日期是 2026 年 9 月 29 日），Lenny 开场就说「你们今天发布了一大堆东西」。Tibo 是 OpenAI 高管，下面关于产品、生态与安全的说法都是自家立场，本文记作「Tibo 称」。→ 详细
• 发布前夜：他说自己睡得很好，是团队熬了大半夜——办公室里叫 the library 的房间被整个改成了「超级作战室」。→ 详细
• 还写不写代码：他先反问「写代码是什么？」。现状是偶尔合并一点代码，大量代码由 Codex 替他写、用来做分析——看趋势、理解一块业务、想下一个功能、看上次发布表现如何；唯一手写的是周末刷一点 LeetCode（算法练习题），他管这叫「疗愈时光」。→ 详细

▲ 图注：视频里配着这段话闪过的画面：标题「Build a new agent」，输入框里正打着一句让 agent 盯 Slack 里 #product-feedback 频道的指令（没打完就切走了）。

• 模型变快之后，并行的反而少了：Tibo 说他以前并行跑的 agent 要多得多，后来在 Ultrafast（按上下文是一个更快的模型或模式）上有了突破，agent 够快，他「又能进入心流了」，并行数就降了下来。他说很期待尽快把 6.1 Sol（按读音记）Ultrafast 推出去。→ 详细
• 扩张—收缩循环：往前沿推的时候，他搭的 agent 团队会越来越大；等模型有了下一次突破，他会发现「一个更大的 agent 就能全包了，还能把所有东西都留在记忆里、不断学习」，于是把团队缩回去，然后再扩张、再收缩。也就是说，在他这里多 agent 的编制不是固定架构，而是跟着模型能力伸缩的临时安排。→ 详细

• Lenny 的问题：他听完上面那段，联想到圈子里先后流行的两套做法——loops（让 agent 按设定好的循环反复跑）和 graphs（把多个步骤或多个 agent 连成一张流程图），问这是不是那些东西的演进。→ 详细
• Tibo 的回答是否定这条路：「非得去搭建、去摆弄你的 loop、把这些东西琢磨明白，这件事也许曾让大家兴奋过，但我不认为未来会是这么运作的」。他认为未来的样子就是他们给 Dots 的定位：一个极其聪明的 agent，24/7 全天候工作，理解你的目标和偏好，从反馈里学习。→ 详细
• 论证的落点是学习取代编排：他的原话是「长期来看，你要的就是一个会学习的系统，从你想达成的事情里学习。你不会想去琢磨『我得严格按这个方式让它循环，才能拿到结果』」。把它和上一节连起来看就是一条完整的线：人工搭的分工与循环是在补模型的短板，模型一进步这层就该拆，所以不值得当成长期资产去精调。→ 详细
• 他自己留的余地：Tibo 承认这次发布的东西「还不完美」，先开放给 Pro 用户，之后会学到非常多——这是方向判断，不是「今天已经做到」。关于什么时候值得自己搭 agent 外壳，见 ep184（Harrison Chase）；同批 262 的 Vas 站在企业流程一侧，看法并不一样，可以对着看。→ 详细

• Lenny 的归纳：现在有 Codex、ChatGPT Work、消费者版 ChatGPT 和 Dots，听下来 Dots 会成为跟 AI 对话的主入口，再由它去启动其他几样。Tibo 答「对」，但补了一句「不管是不是 Dots」。→ 详细
• 核心是从技术里挣脱出来：一种常驻、始终活跃的智能，从任何客户端、任何屏幕都找得到——打电话、进会议室它来做纪要、邮件里接着聊、发条消息；需要时随叫随到，不需要时自己退开。他说走哪儿都背着笔记本这块「砖」，等于「你被技术拴住了，而不是技术在为你干活」。同方向的另一种讲法见 ep205（Tara Seshan 讲常驻 AI 同事）。→ 详细

• 还没定型：Lenny 问过去两年变了这么多、是不是快定型了。Tibo 说还会剧烈地变：语音、多模态看上去凑齐了，但用起来仍然笨拙，而且「它会一直笨拙下去，直到有一天突然不笨拙了」。→ 详细
• 不笨拙是什么样：像两个人聊天一样跟它说话，它什么都记得；想头脑风暴就随手画两笔，人与人、agent 与 agent 共用一块白板（他说这是随 ChatGPT Spaces 起的头）。他认为这会超越「对话」和今天的多数客户端，也承认今天都还没真正跑通。→ 详细

• 合并 chat 与 Work 开关：Tibo 称用户反馈很明确——喜欢 Work 里的能力，但有时又想用 chat，因为更快、更舒服，所以要把两者合并，把这层复杂度拿掉。Codex 与 ChatGPT Work 的来龙去脉见 ep123。→ 详细
• Dots 的能力最终进 ChatGPT：目标是把 12 亿用户的下限整体抬高（他随口补了一句：到时候有多少用户再看）。→ 详细
• 零配置：Dots 没有模型选择器，不用配置，直接说话；唯一要选的是通过哪些渠道跟它对话。→ 详细

• 不是电影《她》那一路：Lenny 说这像《她》（Her），Tibo 说只看过一遍；他更常想的是三四十年前的科幻——《神经漫游者》（Neuromancer）和最早那版《星际迷航》：对电脑说话它就办事，「我们正在进入那个时代」。→ 详细
• 跟社区一起摸索：他说每次跟用户聊都发现对方在拿产品做他没预料到的事，「没有社区，我真不知道我们该怎么做」；Twitter 社区总体挺友善，他自己每天只花约半小时刷推，有灵感才发。→ 详细

▲ 图注：按角色分工的一组 agent——视频里闪过的四张卡片：Slate（Software Reviewer）、Trove（Third-Party Risk Manager）、Scout（Product Feedback Agent）、Tally（Weekly Metrics Reporter）；画面上没有标产品名。

• 今天发布的只有主 Dot：每人一个，可配置、可连上自己的各种 app；多个 Dot（他提到 team Dots）还没放开。→ 详细
• 为什么先从一个开始：主 Dot 是你平时发消息找的那个，对你的偏好了解最深。Tibo 称要先看大家拿它做什么、系统怎么调；之后很快能加第二、第三、第四个，「要多少加多少」，各分角色，组成虚拟团队。→ 详细
• 他自己的用法：分角色在他看来不是「绝对必要」，只有一件事活儿多到「够一整个 Dot 来干」才单拆——他已有一个专门替他盯 Twitter 的 Dot。→ 详细

• 他点名的黑马：Lenny 问今天哪样发布没得到应得的关注，Tibo 答是生态——「把一切都开放出来」的承诺。→ 详细
• Sign in with ChatGPT（用 ChatGPT 账号登录第三方产品，并在里面花自己的订阅额度）：目前 16 个合作伙伴。起源是去年他跟 Pi 和 OpenCode（两个开源编码 agent）的作者聊，觉得对方理应能直接用 Codex 的登录和用量额度，双方线上「握了个手」、信对方不干见不得光的事；越用越多，现在才做成有正式支持的东西。→ 详细
• 另一面是开放 ChatGPT 的造物设施：插件扩展加插件发现，让任何人都能把东西发到可能有 12 亿的用户面前。→ 详细
• 分成怎么算（他说 keynote 里没讲）：订阅用户有用量额度，额度花在某个插件上、或经 Sign in with ChatGPT 花在别的产品里，OpenAI 就跟对方分收入。Lenny 举例：有人在 ChatGPT Work 里用 Notion 或 Figma 插件，这两家就能赚到钱，Tibo 确认。比例对话里没给。→ 详细
• 插件靠什么被推荐：建议只有一句「做一个好插件」。机制是看留存（用户过段时间还回不回来用）、看成不成功、看质量，然后在对话里推荐给用户，不够好就停推。Lenny 总结这不是 AEO 那一套（凑对关键词、让别人写文章提到你），而是用户留得下来，得到肯定答复。→ 详细
• 这是第二次尝试：Lenny 提到他们之前有过一个 app marketplace，对话里的回应是「这一个才是对的」。→ 详细

• Lenny 的问题带着行业背景：他提到 OpenClaw 那一波、Peter 加入、还有了个基金会，之后是 Grok Bot、Muse、Instinct 这一堆，问 OpenAI 做了多久、为什么这么晚才拿出东西。→ 详细
• 先开了个玩笑：Tibo 反问还记不记得约一年前的 Codex Cloud，说 Grok Bot 的灵感就来自当时那个小动画，「非常、非常像」。→ 详细
• 正经回答是三样东西合流：长时间持续运行的长程任务（long-horizon，一件事连续干很久不跑偏）研究，Tibo 称做了两年多；前后连贯的记忆系统，时间差不多，很多早已上线到 ChatGPT；再加上 24/7 不停跑还保持产出。这些「汇到一起，架在 Codex harness 之上」才是 Dots（harness 指包在模型外面、负责调工具与管上下文的运行外壳，内幕见 ep145）。→ 详细
• 记忆好用的例子：他说很多用户讲过类似的事——有人不舒服去问，ChatGPT 记得他办过烧烤、切过青柠调 tequila，判断手上的灼伤多半是青柠引起的，用户的反应是「它怎么知道的？」。→ 详细
• 为什么强调安全：Tibo 称把安全与防护做对花了大力气，所以 Dots 搭着 Astra 一起发布——他称那是「我们最安全、对齐做得最好的模型」。→ 详细

• 取决于技术怎么造：Tibo 称 OpenAI 的设计原则是把人放在中心，把产品做成人的意志与品味的延伸，一件放大创造力的「搞创作的工具」。→ 详细
• 留给人的部分：「我们也许不再有写代码的人了，但造东西的人比以往任何时候都多」。人就是想看别的人在造什么——他举的例子是此刻：「我不是在跟 Dot 说话，我是在跟你说话」，并认为这一点在很长时间里都成立。→ 详细

• Lenny 点出的副作用：工程师的上下文切换多了很多，还冒出一种孤独感——整天跟 agent 说话而不是跟人。Tibo 说「一直在想」，列了两条要减的东西：配置疲劳（configuration fatigue，在各种设置里折腾的累），以及跟 agent 协作像「一场独自的冒险」——先是跟一个 agent 单聊，后来有了很多个、委派出去一大堆事。→ 详细
• 他理想的做事方式：AI 待在你的物理空间里，旁听几个人聊天；有人在白纸上记下一个想法，它就在后台开始做；又冒出一个想法，它再做另一个；结果投到屏幕上，大家边聊它边改。这样就不必「守着这块屏幕、满脑子想着怎么写 prompt」。他承认今天还没做到。→ 详细
• 关于「同时跑 30 个 agent」的压力：Lenny 说现在人人都在催「你怎么不多发点东西」。Tibo 引 Sam 讲过的承诺——降噪，让你把注意力花在想花的地方，把那些抢注意力的东西音量调小。他自己的体感是每次度假彻底断联一周，思路就变得更有创造力；也许你需要的会议更少，也许不必做那么多，休息好了反而更高效。→ 详细
• 他给的定性：这是整个行业要想明白的事，但「这才是 AI 的承诺，而不是每秒再多敲一条 prompt」。Lenny 接着提到他自己在做一个「精力审计」bot：盯着日历问他每件事是充电还是耗电、别人能不能做。→ 详细

• 来龙去脉：Lenny 问最近有什么把他震到的用例。Tibo 先自嘲现场演示刚当着所有人的面翻了车，然后讲：他的 Dot 检测到 ChatGPT 的生产环境挂了，在现场演示开始前 5 分钟主动提醒他「嘿，生产环境挂了」，还问「要不要我试着修一下？」。他回答「我觉得你还没到那个水平呢，小 Dot，不过谢谢你想试试」，转头联系工程团队排查，录制时已经修好。→ 详细
• 他觉得了不起的是那条推理链：有件重要的事叫 DevDay；有一套生产系统；有一场现场演示，多半用的就是这套系统；所以两件事是连着的，而且 5 分钟后就开始；所以该提醒他，因为他大概想知道。对话里还补了一句：当时要是回一句「行，去给我露一手」，故事会更精彩。→ 详细
• 权限给到哪：这个 Dot 能访问一部分生产系统，但带着 guardrails（护栏，限制它能做什么的规则）。Tibo 称所谓 specialist Dots（专职 Dot）就是在额外的护栏、额外的监控下运行，并且跑在自己的硬件上，有一些实际跑在 Mac mini 上。→ 详细
• 像章鱼一样的架构：他说 Dots 的根本区别是 harness 不跑在被操作的那台机器上；Dot 有自己的电脑，也可以再连你的笔记本，将来可能连上 10 台设备、全都能控制，「有点像章鱼」。Lenny 追问它是不是住在某个 VM（虚拟机）里，回答是「可能是，也可能不是」。→ 详细

• 贬值的只说了一样：打字快。升值的三样：好品味、替用户着想、跟你为之做产品的那群人建立连接。→ 详细
• 为什么是创始人型的人：Tibo 说现在前创始人、连续创业者普遍做得很好，OpenAI 招人时也是这个发现——他估计公司里现在有超过 120 位前 YC 创始人，「就像一个超大号的创业公司」。他的归纳是：想做出点有分量的东西的那股劲，加上「知道好长什么样」，比以往任何时候都重要。→ 详细
• 关于 PM：对话里接着提到一个观点（全文归在 Lenny 名下）——PM 在这个时代会活得很好，因为这本来就是 PM 的活：该往哪儿做、帮别人做出来、判断对不对够不够好、再迭代；另一方答「这个我同意」。→ 详细
• 角色边界在变模糊：Tibo 补充说，以前只做设计或只做工程、总觉得有点别扭的人，「现在轮到你发光了」。→ 详细
• 他怀不怀念做工程：怀念过一阵，但有了真正快的速度之后，那种感觉又回来了。他说 6.1 Sol（按读音记）的成本跟 Astra 大致相当，这个进展连内部都觉得惊人；速度够快、再加上能用语音控制，人就会回到「特别有创造力的状态」。这种心流跟过去手写代码的不一样，「但我并不怀念过去那种」。→ 详细
• 给应届生的建议，他讲的是一个人：Lenny 说现场很多人想成为下一个 Tibo。Tibo 答「下一个 Tibo 已经在 OpenAI 了」——Ahmed Ibrahim，入职时是应届生，现在负责 OpenAI Applied 的整个 compute fleet（算力集群），Codex harness 也有很大一部分是他搭的。让他脱颖而出的是：特别善良、特别愿意协作、总去解决真正重要的问题而不把自己放第一位；还有「像块海绵」，用上所有最新技术，以 Tibo 没见过的速度在学。几个月到一年之间，他已经是 Tibo 敢把最棘手的发布交出去的人。→ 详细

• 周末四个人起头的项目：Tibo 说内部很多前创始人在自下而上做点子。例子是一个叫 Decisions API 的东西（名字按听写记），基于他称作 Luna 的模型：起头是自己凑起来的 Slack 频道、四个人趁周末鼓捣，随后全公司放开，有人发现还能支持视觉输入，越来越多人出力。过程「感觉完全没有章法」，却一路做到了发布。→ 详细
• 另一头是有人拦：质量守高标准，欠火候的先拦下。原本打算 DevDay 当天发的还有不少，是他说「这已经够多了」，压到下周、下下周再发；还要有人主动站出来，把这股能量往有产出的方向引。→ 详细
• 自主权的对价是担责：Lenny 说从外面看，Tibo 想什么时候重置用户额度就按、想在 Twitter 上说什么就说。Tibo 的说法是「你有很大的自主权，然后你就得为它担起责任」——信任大家做好选择，出了问题赶紧修或从中学。能随时按重置是特权，也让他贴近社区，不用过一层层审批。→ 详细
• 他自己搞砸过什么：一是本可以更好地带团队做没那么复杂的东西（原话说成了 complexity，按上下文是口误，本意是往简单走）；二是 Codex 早期几次故障是他造成的，入职大约第三天就把生产环境搞挂了，「那之后我还没被开掉」。→ 详细
• 还有几次额度重置：「那得看搞坏几次东西」；对话里又补了半句——或者有事值得庆祝。→ 详细

• 三件没被算进去的事：一，互联网上的大多数动作将由 agent 来执行；二，模型会以相当惊人的速度变得更便宜、更快；三，所有模态（文字、语音、图像等输入输出形式）终于能无缝整合到一起。→ 详细
• 他对外面产品的评语：看大家在做的东西，他常觉得「还没完全领会到，差一点就到了」。他给的校准方法是：「认真想象一下这一切在一年后比今天好上大约 10 倍，你做东西的方式就会不一样」。这句话和第三节是同一个逻辑——按今天模型的短板去搭的东西，一年后多半是多余的。→ 详细
• 二阶效应一，产品得按 agent 的量级来建：Lenny 追问大部分流量来自 agent 之后会怎样。Tibo 举了合作很紧的 Notion：他们的 MCP（让 agent 调用外部工具与数据的标准接口）一做出来，所有会调用它的 agent 都能用上，海量流量随即涌进来，系统承压，还得把经济账算明白。→ 详细
• 由此而来的张力：做产品的人到底要不要开这么一个给 agent 用的接口？Tibo 的判断是可以拖一阵，但躲不掉，因为「大多数东西将来都是给 agent 用的」。→ 详细
• 二阶效应二，反过来的机会：为人打造充分利用所有模态、用起来特别愉悦的全新体验，他认为这件事「投入是不够的」。→ 详细

• 能力时间表：他原以为今天这种水平（他举 Astra）还要一两年才到，所以不得不修正原先的预判。→ 详细
• 语音：没想到自己会这么依赖语音——现在大量的事靠口述，或者直接给 agent 打个电话，「没料到这种感觉会好那么多」。→ 详细
• 年轻一代与招聘：他以前没意识到年轻人的才华和能量，以及他们会最先拥抱这些变化、最先摸索出怎么用，所以招聘策略也跟着改了。Lenny 的理解是新人没按某种固定方式工作过，可以直接全力投入 AI；Tibo 认同，并加了一条「吸收和学习都超级快」。→ 详细

• 问题是 Lenny 提的：他说现在到处在讨论 AI 的危险与 p(doom)（对 AI 导致灾难的概率估计），提到 OpenAI 放慢了一些训练、大家都在「给前沿控速」（pacing the frontier）。→ 详细
• Tibo 对「控速」的定义：提前投入，而且比自己觉得应该投的还多——投模型的对齐与安全、投安全防护、投护栏。他称花在「二级监控」上的算力越来越多：一部分算力给干活的主 agent，另一部分专门盯着它，确保它不做风险过高的动作，一旦看起来像被 prompt 注入（有人在输入里藏指令劫持 agent）就打断干预。他还说，在 API 这一层的投入「其实大部分都投进了安全栈」。→ 详细
• 按住不发：Tibo 称比 Astra 能力再高一档的东西到现在还没发布，已发布的是智能接近 Astra、但效率高得多的一档。他还提到新闻里报过的一件事：他们手里有过一版 6.1 Astra（版本号按听写记），后来没有发布，「这是让我非常自豪的一件事」。→ 详细
• 乐观的理由是激励：Lenny 说 AI 最近干了不少很不好的事，点了 Hugging Face 那件事，问他是不是乐观地认为能解决。Tibo 答是：除了责任感，OpenAI 自身的激励也摆在那儿——给 12 亿人做产品，其中很多人不懂技术，「这事不能搞砸」，所以「在这上面，我们不赌」。以上都是 OpenAI 的自我陈述，对话里没有外部佐证。→ 详细

• app 还没法消失：Tibo 说模型已经差不多到位，但还差一点，不足以让 app「几乎完全消失」；他最想要的是做到极致的简单。→ 详细
• 他自己也被选项累到：模型选择器、reasoning effort（让模型想多深的档位）、到底该用 multi-agent 还是 ultra、它们各自是干什么的——「你简直得有个模型选择器专业的博士学位」。他想尽快把这些统统去掉，这也呼应了前面说的 Dots 没有模型选择器。→ 详细