每次打開 AI 工具，你大概都要先想一秒鐘：這個任務，該用那個模型？寫程式碼是一個，查資料是另一個，讓 AI 幫你操作電腦，還得再開一個窗口。今天過後，這種分裂感終於有了一個答案。就在剛剛，OpenAI 正式發佈 GPT-5.4，把程式設計、推理、電腦操控、網頁搜尋和百萬 Token 上下文全部整合進同一個模型，且沒有為了整合而犧牲任何一項的能力。OpenAI CEO 山姆·奧特曼也在 X 平台發了一條簡短推文，點出了五個方向：知識工作更強、網頁搜尋更出色、原生電腦操控、支援百萬 Token 上下文、響應過程中隨時可介入。寥寥數語，對應的恰好是過去兩年 AI 應用落地中最集中的五個痛點。知識工作：十次有八次，AI 贏了專業人士理解 GPT-5.4 在知識工作上的進步，需要先瞭解 GDPval 這個基準的設計邏輯。它橫跨美國 GDP 貢獻最大的 9 個行業、44 種職業。任務是那些職場裡每天真實發生的工作：給投資銀行寫財務模型、給醫院排急診班次、給銷售團隊做簡報。任務完成後，把輸出結果交給行業內的真實從業者盲測打分，看 AI 的產出能贏過多少比例的人類同行。GPT-5.4 的答案是 83.0%，意味著十次對比中有八次以上，行業專業人士認為 AI 的產出達到或超過了人類同行水準。上代 GPT-5.2 是 70.9%，差距將近 13 個百分點。進步在電子表格建模上表現得最為具體。GPT-5.4 模擬初級投行分析師完成建模任務，平均得分 87.3%，GPT-5.2 是 68.4%，GPT-5.3-Codex 是 79.3%，差距將近 20 個百分點。法律平台 Harvey 的 BigLaw Bench 測試結果同樣亮眼，GPT-5.4 得分 91%，專業服務評測平台 Mercor 的 APEX-Agents 基準中也拿下了第一。精準性方面同樣值得關注。幻覺問題一直是 AI 進入專業場景最大的攔路虎，每降低一個百分點，都意味著更多場景可以放心用它。資料顯示，與 GPT-5.2 相比，GPT-5.4 單條陳述出錯的機率低了 33%，完整回覆含有錯誤的機率低了 18%。程式設計：一個模型，寫程式碼測程式碼全包了GPT-5.4 把 GPT-5.3-Codex 的程式設計能力整合進主線，對開發者來說，這意味著你不再需要為了寫程式碼單獨開一個模型，而且程式設計能力本身也沒有因此打任何折扣。SWE-Bench Pro 專門測試真實軟體工程任務，GPT-5.4 得分 57.7%，GPT-5.3-Codex 是 56.8%，GPT-5.2 是 55.6%。整合之後，程式設計分數不降反升，同時還順帶獲得了電腦操控等一整套通用能力，幾乎找不到明顯的弱點。知名 AI 評測博主 Dan Shipper 試用後寫道：「這是我們最近一段時間裡見過 OpenAI 最出色的規劃能力，程式碼審查也很強，而且成本大約只有 Opus 的一半。」他點出了兩個具體維度。其一，規劃能力是長任務成敗的關鍵，GPT-5.4 在任務拆解和持續推進上明顯更有條理。其二，與 Claude Opus 相比約一半的成本，對需要大規模 API 呼叫的開發者來說，這個差距在帳單上會非常直觀。開啟 Codex 中的 /fast 模式後，可使 GPT‑5.4 的 token 生成速度提升最高 1.5 倍，使得使用者可以在編碼、迭代和偵錯過程中保持流暢的工作狀態。與此同時，新推出的實驗性功能 Playwright Interactive 把 GPT-5.4 的程式設計體驗又推進了一步。GPT-5.4 在建構 Web 或 Electron 應用時，能夠通過可視化瀏覽器進行即時偵錯，模型可以邊寫程式碼、邊測試自己正在建構的應用，同時承擔開發者和測試員兩個角色。OpenAI 展示了一個典型案例：僅憑一條輕量提示詞，GPT-5.4 生成了一個完整的等距視角主題公園模擬遊戲，涵蓋基於瓦片的路徑鋪設與景點建設系統、遊客 AI 尋路與排隊行為，以及資金、遊客數、滿意度、清潔度四項指標全部即時動態更新的綜合評分。Playwright Interactive 在整個過程中承擔了多輪自動化測試，驗證路徑鋪設、攝影機導航、遊客響應及 UI 指標的正確性。從寫程式碼到測試驗收，模型全程自己完成。博主 Angel 同樣用 GPT-5.4 寫了一個 Minecraft 克隆版，模型花了約 24 分鐘，運行流暢，過程中沒有卡住。他在推文裡寫道「Minecraft 基本上被攻克了，我現在得找個新測試了」。沃頓商學院教授 Ethan Mollick 同樣獲得了早期存取權。他用同一條提示詞，讓 GPT-5.4 Pro 生成了一個受《皮拉內西》啟發的三維空間場景，全程沒有報錯，只額外追加了一句「把它做得更好」的指令。他隨後把結果和兩年前 GPT-4 生成的版本並排放在一起，差距一眼可見。操控電腦這件事，它現在比你做得好這是 GPT-5.4 這次發佈裡最值得單獨說一說的變化。此前 OpenAI 的電腦操控能力是一個獨立模組，跟模型的語言理解、程式碼生成之間有一道明顯的分隔。兩套系統各管各的，資訊要來回傳遞，效率自然打折。現在這道分隔沒了，GPT-5.4 操控電腦時，用的就是模型本身的推理能力，不需要再繞一圈。這也是 OpenAI 第一款將電腦使用（computer use）能力原生內建進通用模型的產品，以後談 AI Agent，相信這會是一個新的起點。基準測試結果顯示，OSWorld-Verified 基準測試桌面導航能力，用截圖加滑鼠鍵盤互動完成真實作業系統任務。GPT-5.4 達到 75.0% 的成功率，人類基線是 72.4%，GPT-5.2 是 47.3%。簡言之，它不僅追上了人類，還超過了人類。在只用截圖模式測試瀏覽器操控的 Online-Mind2Web 基準中，GPT-5.4 達到 92.8%，對比對象 ChatGPT Atlas 的 Agent Mode 是 70.9%，真實部署案例更能說明問題。Mainstay 將 GPT-5.4 用於約三萬個物業稅務入口網站的自動表單填寫，首次成功率達 95%，三次以內成功率 100%，而此前同類模型僅在 73% 至 79% 之間。會話完成速度提升約三倍，Token 消耗降低約 70%。這背後繞不開視覺感知能力的改進。操控電腦說到底是一件需要「看清楚」的事——看清楚介面上有什麼、按鈕在那裡、點選是否精準。GPT-5.4 在這一層做了專項加強，引入了原始圖像（original）輸入模式，支援最高 1024 萬像素或 6000 像素最大邊長的高保真圖像輸入；原有的高畫質（high）模式上限也從此前的標準提升至 256 萬像素或 2048 像素最大邊長。工具呼叫與網頁搜尋：持續性是核心競爭力一個複雜的 AI Agent 系統，背後可能掛著幾十個 MCP 工具。過去的做法是每次對話開始前，把所有工具的說明一股腦塞進去，不管這次用不用得上，Token 先花了再說。GPT-5.4 換了個思路：先給模型一份簡單的工具清單（即引入工具搜尋機制），真正需要用那個，再去把那個工具的詳細說明取過來，用過一次的還能直接快取，下次不用重新拿。在 250 項任務的測試中，啟用 36 個 MCP 伺服器的完整配置下，工具搜尋模式在保持精準率完全不變的前提下，將總 Token 消耗降低了 47%。將近一半的成本節省，精度一點沒少。網頁搜尋方面，GPT-5.4 在 BrowseComp 基準上得分 82.7%，比 GPT-5.2 的 65.8% 高出 17 個百分點，Pro 版更達到 89.3%，創下業界最高分。Zapier CEO 評價說，GPT-5.4 會在其他模型放棄的地方繼續搜尋下去，是他們測試過持續性最強的模型。百萬 Token 上下文：長長長長長長GPT-5.4 在 API 中支援最高 100 萬 Token 的上下文窗口，相當於可以把一個完整項目的所有相關文件一次性塞進同一次對話。但從測試結果來看，128K 至 272K 是表現最穩定的區間，適合日常使用。256K 以上準確率開始下滑，需要針對具體任務驗證後再用。512K 至 1M 區間的得分降至 36.6%，目前更接近實驗性質，不適合直接用於對精度要求高的生產任務。還有一個實際的成本問題需要注意：超過 272K 的請求會按兩倍用量計入配額。也就是說，發一次超長上下文的請求，額度消耗等於兩次普通請求，用之前值得想清楚是否真的需要這麼長。至於在視覺抽象推理基準 ARC-AGI-2 上，GPT-5.4 Pro 得分 83.3%，而上代 GPT-5.2 Pro 僅為 54.2%。再比如 FrontierMath Tier 4 是目前公認最難的數學基準之一，包含 50 道研究等級的數學題，人類數學家可能需要數周才能解出。GPT-5.4 Pro 在這個基準上得分 38.0%，上代為 31.3%。這個數字的參照系是：一年前，最好的成績是 o3 的 2%，目前最好的開源模型是 4.2%。博主 Deedy 在推文中寫道，從 2% 到 38%，「簡直令人震驚」。Humanity's Last Exam 有工具輔助時，GPT-5.4 Pro 得分 58.7%，GPT-5.2 Pro 是 50.0%，差距接近 9 個百分點。執行中調整，不是完成後返工用過 AI 處理長任務的人大概都有過這種體驗：等模型跑完一大段，發現方向不對，只能從頭再來，時間全浪費了。GPT-5.4 Thinking 在 ChatGPT 中新增了一項「中途打斷」功能：在處理複雜任務之前，模型會先呈現工作計畫概要，再開始執行。使用者可以在執行過程中隨時介入調整方向，不必等到結果出來再從頭重來。這個功能把糾偏這件事從「完成後」提前到了「執行中」，對需要多輪協作的任務來說，體驗差別會比較明顯。功能目前已在 chatgpt.com 和 Android 應用上線，iOS 版本即將跟進。即日起，GPT-5.4 向 ChatGPT Plus、Team 和 Pro 使用者開放，替代 GPT-5.2 Thinking 成為默認思考模型。GPT-5.2 Thinking 將保留至今年 6 月 5 日後正式退役。Enterprise 和 Edu 使用者可由管理員在後台開啟早期訪問，GPT-5.4 Pro 僅對 Pro 和 Enterprise 計畫開放。API 標準版定價為輸入 2.50 美元/百萬 Token，快取輸入 0.25 美元/百萬 Token，輸出 15 美元/百萬 Token。Pro 版為輸入 30 美元/百萬 Token，輸出 180 美元/百萬 Token。Batch 和 Flex 處理享標準價格五折，Priority Processing 為兩倍標準價格。當然，強大的推理能力也有它的另一面。Hyperbolic 聯合創始人金宇晨在 X 平台吐槽，GPT-5.4 Pro 是他用過最愛「過度思考」的模型——僅僅發了一句簡單的「Hi」，模型就開始認真推理，直接燒掉了 80 美元。這並非個例。推理模型的特性決定了它在處理任何輸入時都傾向於深度思考，那怕問題本身根本不需要。對於日常輕量任務，標準版或許是更合適的選擇；Pro 版的推理火力，還是留給真正值得的場合更划算。過去兩年，AI 能力的討論主要集中在基準測試成績上的「聰明」，但 GPT-5.4 的聰明指向的是能夠在真實工作流中，足夠可靠地承擔責任。過去 AI 只能輸出文字，人還需要親自操作才能讓事情發生。現在模型可以自己打開瀏覽器、填寫表單、點選按鈕、記錄結果，獨立完成一個有頭有尾的任務閉環。AI 正在從一個擅長回答問題的系統，變成一個擅長完成任務的系統。而這個轉變的速度，顯然比大多數人預期的更快。 (APPSO)

GPT-5.4，馬上就要來了！目前已經開啟測試，一次能寫6000行程式碼。外媒曝出它有極限推理模型，甚至還傳聞擁有永久記憶。如果你覺得最近AI圈有點安靜，太不刺激，那可能只是暴風雨前的寧靜。據多方消息，GPT-5.4，已經箭在弦上了！LMArena上，已經出現了GPT-5.4的身影。就在剛剛，外媒The Information，劇透了不少關於GPT-5.4的核心內幕。消息足夠炸裂：它有更長的上下文，更極限的推理模型，甚至，可能出現永久記憶！如果如傳聞所言，這些都是真的，那這一代模型很可能不是簡單的升級，而是一次能力形態的巨大躍遷。GPT-5.4提前測試，程式碼炸裂曝光最近，GPT-5.4簡直在到處洩露。從Codex錯誤日誌、GitHub PR，到員工誤發截圖，短短幾天時間，GPT-5.4已經被「曝光」了至少三次。而且，這還都是OpenAI自己意外洩露出來的。最早，是開發者Corey Noles在使用OpenAI Codex時觸發了一次網路安全限制，系統返回的錯誤日誌裡出現了一串非常長的模型名稱：gpt-5.4-ab-arm1-1020-1p-codexswic-ev3這串字元最關鍵的，就是前面三位——gpt-5.4。總之，這串字串可以認為是OpenAI的內部部署ID，翻譯過來就是「一個真實部署、正在測試中的GPT-5.4實驗版本。」然後，在OpenAI官方Codex倉庫裡，出現了兩個Pull Request：一個PR寫著：minimum model version = (5, 4)另一個PR更直接：toggle Fast mode for GPT-5.4看起來，OpenAI給GPT-5.4加了一個「Fast Mode」開關。幾小時後，兩個PR就被force push刪除了。接下來，更戲劇性的一幕出現：OpenAI Codex團隊的一名員工Tibo 在社交平台上發佈了一張截圖。圖中，模型選擇器裡赫然寫著GPT-5.4。沒多久，這條帖子就被刪掉了。隨後，又有開發者報告，在Codex錯誤資訊中看到類似的模型字串。這更加說明，GPT-5.4已經部署在內部伺服器，正在進行真實的A/B測試了。一次提示，生成6000行程式碼？而且，目前已經有開發者報告了一個明顯變化——速度！一些測試者表示，模型的推理明顯更快，程式碼生成更長，甚至一次提示可生成 6000+行程式碼！這在以前幾乎不可能。一些人還發現一個新特徵——Fast Mode。這可能意味著，OpenAI正在嘗試新的推理架構，例如多級latency pipeline，或不同速度檔位模型。另外，新模型介面特徵也被發現了：部分使用者表示，如果在推理摘要（Chain-of-Thought summary）旁邊看到點贊或點踩按鈕，可能意味著帳戶已經被分配到GPT-5.4的測試模型。極限推理模式，性能拉爆The Information的爆料，也跟以上資訊完全對上了。這次爆料中，最亮的就是這個極限推理模式——Extreme Reasoning Mode了。傳統模型的思考時間都很有限，但這個極限推理模式，直接讓模型的性能拉到爆，在遇到困難問題時，能花費更多時間，呼叫更多計算資源，進行更深層的推理。有趣的是，根據調查，其實很多普通ChatGPT使用者對於推理功能並不太熱衷。而且從商業應用的角度來說，這個功能也不很適用，因為企業要的是AI盡快給一個答案。因此，OpenAI依然如此重視推理能力，倒是顯得動機純粹了不少。不過，這個消息，對於科研領域和部分企業客戶，倒是重大利多。顯然，在科學研究領域，許多使用者很願意讓一個模型在有價值的研究問題上運行數小時，甚至數天。同時，部分企業也會需要用到GPT-5.4更強的推理能力和長周期任務表現，來建構能夠把更複雜業務流程自動化的AI智能體。根據各方爆料，這個極限推理模式將會很瘋狂，這也就把大家的期待拉滿了。上下文直接翻倍，達到1M tokens對於GPT-5.4來說，這是另一個十分硬核的升級——上下文窗口從40萬tokens，升到了一百萬tokens。這樣一來，GPT-5.4的上下文窗口將超過當前GPT-5.2的兩倍。（當然，也有一些OpenAI模型支援100萬token，比如GPT-4.1，但5.2並不支援）這下，GPT-5.4可以直接塞進去幾十萬字的文件，分析一整本書，或者長長的程式碼庫和資料了。這也讓終於讓這個模型在長上下文能力上，重新追平了Google的Gemini和Anthropic的Claude。畢竟，其他家早就達到了100萬token的上下文窗口，現在GPT-5.4終於補齊了這個短板。而坊間爆料比The Information更誇張：上下文達到了2百萬tokens！GPT-5.4，開始擅長「長任務」爆料中的另外一個點，就是GPT-5.4在需要持續數小時的任務上表現也更好。也就是說，它在多個步驟中更能記住使用者請求的細節，以及自己被允許或不允許執行的內容，同時也更不容易出錯。顯然，這對於OpenAI的Codex程式設計工具會極有幫助，因為Codex正是使用AI來自動化複雜的長時間任務。另外，這種長時間任務能力，對於AI Agent來說也非常關鍵。Agent可以自己讀取需求、查資料、寫程式碼、修bug，並不是每一步都需要人重新提示了。GPT-5.4，可能擁有永久記憶？接下來，最瘋狂的傳聞來了——GPT 5.4，可能擁有永久記憶！一位工程師在X上給出這個爆料後，立刻炸翻了AI社區，矽谷投資大佬、YC創始人Garry Tan也火速趕來轉發。在這篇帖子中，爆料人是這樣介紹GPT-5.4的「持久狀態」的。Jeff Dean在參加latentspacepod播客時就提到了這一點，可以看出，如今各大AI實驗室都在思考這個方向。有人猜測，OpenAI內部很可能已經發現了，如何大規模地有效結合狀態空間模型（SSM）和Transformer。其中的關鍵，就是SSM的設計本身就是在每一步計算中持續傳遞隱藏狀態（hidden state），而且它的計算複雜度是線性增長，不像Transformer那樣隨著上下文長度呈二次增長。這也就和某個傳聞相呼應了：據說，GPT-5.4可能擁有200萬token的上下文窗口。所謂持久化狀態，本質上意味著AI模型會從電影 《記憶碎片》Guy Pearce的角色一夜之間變成《雨人》裡Dustin Hoffman的角色，前者只能依賴短期記憶，而後者擁有穩定而持久的記憶。換句話說，這將賦予AI模型真正的長期記憶能力。如果真的能實現，這將會是一次非常巨大的技術突破！壓力山大，OpenAI被迫「月更」顯然，GPT-5之後，OpenAI做了一個明顯改變，模型開始高頻月更。今年以來，我們已經迎來了GPT-5.1，GPT-5.2，馬上5.4也要來了，更新節奏甚至接近了一個月一次。顯然，OpenAI也是被對手逼到牆角了。目前，ChatGPT的周活躍使用者已達9.1億，雖然數字看似很驚人，但依然沒能達到OpenAI 10億WAU（活躍使用者）的目標。而Google和Anthropic這些競爭對手都在步步緊逼，在長上下文、Agent、推理能力上都在持續加碼。如果GPT-5.4真的擁有1百萬長上下文、極限推理、持久狀態，那AI形態很可能會變成持續工作的智能體。而且，如果GPT-5.4真的能開始「記住事情」，這很可能就是大模型歷史上的一個關鍵節點。奇點已至，我們正在狂飆加速。你，準備好了嗎？ (新智元)

據媒體報導，知情人士稱，OpenAI正在考慮與北約達成一項協議，將其AI技術部署在北約的“非機密”網路上。消息稱，當地時間3月3日，OpenAI首席執行長山姆•奧特曼在一次全體員工會議上表示，該公司正在審查一項合同，該合同旨在將其AI模型部署到北約的機密網路上。但公司的一位發言人後來澄清說，奧特曼說錯了，這份合同機會針對的是北約的“非機密網路”。北約內部存在明確的資訊分類體系，包括“北約機密”“北約秘密”“北約限制”和“非機密受控資訊”（Unclassified Controlled Information）等層級，其中“非機密網路”主要處理後者 。這一“非機密網路”並非指完全開放、不設防的公共網路，而是一個用於處理非機密資訊、但具備高度安全措施的北約內部資訊系統，是北約日常運作、聯盟協作與對外溝通的基礎資訊平台，應用場景包括辦公、後勤、公共事務、對外協作等。就在幾天前，因Anthropic拒絕軟化其產品使用政策中的“紅線”——禁止將AI用於大規模國內監控和自主武器系統，川普政府以“供應鏈風險”為由，下令聯邦機構停止使用Claude。隨後OpenAI迅速宣佈與美國國防部達成協議，將OpenAI的模型部署到美國國防部的機密網路中。一場“QuitGPT”的抵制運動在社交媒體上迅速發酵，不少矽谷的員工也紛紛聲援Anthropic的立場。Claude在美國App Store的免費應用排行榜上名列前茅，下載量也大幅增長。網路分析公司StatCounter的資料顯示，ChatGPT的市場份額在2月份下降了5.5個百分點，而Anthropic公司的“Claude”則上升了2.7個百分點。奧特曼也承認，OpenAI與美國國防部的協議“絕對是倉促敲定的”，且“外界觀感並不好”，這“在短期內為OpenAI帶來了非常負面的品牌影響”。OpenAI 在周一發佈更新聲明，稱其人工智慧系統“不會故意用於對美國公民和個人進行國內監視”，聲明還補充說，五角大樓也確認，人工智慧服務不會被國家安全域 (NSA) 等情報機構使用。在博文《我們與戰爭部的協議》中，OpenAI明確列出了與美國國防部合作的三大停用領域：禁止大規模國內監控、禁止自主武器系統、禁止“社會信用”類高風險自動化決策，並強調其對安全架構擁有完全的自主權，表示將採用“更全面的多層次方案”守護這些紅線，包括雲端部署模式、由通過安全審查的OpenAI人員全程參與，以及強有力的合同保障。儘管奧特曼聲稱合作遵循“人工智慧不得用於國內大規模監控”等原則，但據美國彭博社解讀，奧特曼並未禁止將人工智慧工具用於完全自主武器系統。 (科創日報)

Nvidia首席執行長黃仁勳周三表示,向OpenAI投資1000億美元"不在考慮範圍內",並回顧了公司產品"高於非常高"的需求,同時分享了他的願景,即在不久的將來,算力將等同於全球每家公司的收入。在摩根士丹利科技、媒體和電信會議上發言時,黃仁勳表示,Nvidia已完成對OpenAI的300億美元投資,他將此描述為可能是投資這種重要性公司的最後機會。他補充說,此前熱議的1000億美元交易已不可能實現,因為這家人工智慧公司正在為今年晚些時候的IPO做準備。這家晶片製造商對另一家AI巨頭Anthropic的100億美元投資可能將是"最後一筆"對該公司的投資,黃仁勳補充道。在更廣泛地談及公司發展方向時,黃仁勳表示,Nvidia一直在多個雲平台上擴展OpenAI的容量,包括微軟Azure、Oracle Cloud Infrastructure和Amazon Web Services。公司還在快速擴大AWS業務,並在AWS和Azure上擴展Anthropic的容量。黃仁勳將需求狀況描述為從非常高轉向甚至更高,並表示Nvidia在物理AI和數字生物AI前沿領域處於有利地位。Nvidia負責人還強調,公司已確保其供應鏈安全,包括記憶體、晶圓、CoWos、封裝、連接器、電纜、銅到多層陶瓷電容器。"當Satya(Nadella,微軟首席執行長)要求我建立幾千兆瓦時,答案是沒問題,"黃仁勳說,強調了Nvidia快速擴展的能力。在評論他如何看待AI經濟演變時,黃仁勳表示"算力等於收入",強調每家公司都將需要算力,而算力將等同於GDP。他預測不會缺乏智能,只需要有足夠的算力來執行。 (invest wallstreet)

第一財季博通總營收同比增29%，AI收入同比翻約一倍至84億美元，高於公司指引，軟體業務收入僅增1%，第二財季AI收入預計107億美元，同比增143%。博通料第二財季總營收同比增47%至220億美元，較分析師預期均值高逾7%；電話會稱明年Anthropic將帶來3GW算力需求、OpenAI將批次部署晶片，Meta定製晶片路線圖進展不錯。盤後漲超5%。輝達的挑戰者、ASIC晶片大廠博通又一次交出兩位數大增的成績單，本財季的指引繼續穩健，體現人工智慧（AI）資料中心裝置的需求繼續強勁。博通同時推出高達100億美元的股票回購計畫，被視為該司利用企業客戶AI支出增長的戰略正在取得成效。美東時間4日周三，博通盤後公佈，截至2026年2月1日的公司2026財年第一財季（“一季度”），淨營收同比增長29%至193.1億美元，高於分析師預期的192.6億美元；非GAAP口徑下調整後每股收益（EPS）同比增長28%至2.05美元，也高於分析師預期的2.03美元。驅動博通增長的核心仍是AI相關半導體業務。包括ASIC在內的半導體解決方案業務一季度收入同比超預期增長超50%。其中，一季度AI半導體收入達84億美元，同比暴增106%，高於博通此前業績電話會提供的指引約82億美元，主要由定製AI加速器和AI網路需求帶動。博通CEO陳福陽表示，公司的AI收入將加速增長，預計第二財季（“二季度”）AI半導體收入將進一步升至107億美元。這意味著，博通本財季的AI晶片收入將環比增長逾27%，同比增長143%。博通同時給出了明顯高於市場預期的指引：二季度營收預計約220億美元，同比增約47%，較分析師預期的均值205.3億美元高約7.2%，和一些分析師的樂觀預期一致；調整後EBITDA利潤率預計約68%，持平一季度。同時，公司董事會批准新的股票回購計畫，授權到今年底回購額度最高100億美元。財報公佈後，周三收漲超1%的博通盤後股價先小幅上漲，曾小幅轉跌，後又轉漲、漲幅擴大到5%以上。股價加速上漲期間，博通高管在業績電話會上透露，預計公司客戶Anthropic將在2027財年帶來3 GW算力需求，OpenAI將在2027年批次部署晶片，還稱Meta的定製晶片路線圖“正在推進之中，進展不錯”。分析認為，股價起初轉跌的反應更像是高預期下的再定價，在AI主線擁擠、估值更敏感的背景下，除了一季度和二季度總體資料，部分源於博通一季度軟體業務收入僅小幅增長，投資者也會重新審視增長結構、現金與負債變化以及後續超預期空間，從而引發一定的獲利了結與波動。Q1總營收繼續加速增長 AI收入同比翻倍、Q2目標107億美元財報顯示，一季度博通的總營收刷新了前一季所創的單季最高紀錄，且同比繼續加速增長，增速由前一季的28%提升至29%。陳福陽在財報中強調，本季AI收入84億美元，同比增長106%，高於去年12月陳福陽在業績電話會上預估的82億美元。增長主要來自兩塊：定製AI加速器（custom AI accelerators）需求旺盛；AI網路（AI networking）持續放量。博通預計二季度AI半導體收入將達到107億美元，意味著AI業務仍在加速爬坡，並將繼續成為推動二季度營收躍升至220億美元的關鍵變數。半導體收入高增、軟體“穩而不長”按分業務看，一季度博通增長幾乎由半導體“拉滿”：包括ASIC在內的半導體解決方案業務收入125.15億美元，同比增長52%，增速較前一季的34.5%明顯加快，分析師預期123.1億美元，營收佔比從一年前的55%升至65%，高於前一季的61%。包括VMware在內的基礎設施軟體業務收入67.96億美元，同比僅增長1%，營收佔比從一年前的45%降至35%，前一季度同比增長19%、佔總營收的39%。這組資料體現，博通當前的增量主要來自AI相關半導體周期，而軟體業務更多體現“壓艙石”屬性——規模大、貢獻穩定現金流，但短期增速有限。也正因增長更集中在AI半導體，市場對其客戶集中度、訂單節奏和供需變化會更敏感，這類結構性關注點在財報後往往也會放大股價波動。股東回報加碼：單季回饋109億美元，新增100億美元回購授權博通繼續用真金白銀強化股東回報：董事會批准季度現金股息0.65美元/股，本季股息合計約30.86億美元。首席財務官（CFO）Kirsten Spears稱，公司一季度通過分紅+回購合計回饋股東109億美元，其中回購約78億美元。董事會又批准新的回購計畫：最高回購規模100億美元，有效期至2026年12月31日。回購與分紅對長期股東當然是利多，但在財報後的短線交易裡，市場也可能會同時關注：回購力度很大、現金餘額下降、負債水平不低——這些因素疊加時，股價的即時反應未必只看“回購利多”單一維度。EBITDA創新高、利潤率68% 自由現金流80億 利息支出仍高盈利能力依舊強勁。博通披露，一季度調整後稅息折舊及攤銷前利潤（EBITDA）同比增長30%至131.28億美元，刷新前一季所創最高紀錄，EBITDA利潤率約為68%，高於公司指引67%。。調整後淨利潤為101.85億美元，同比增長30%，前一季度同比增長39%。一季度調整後EPS同比增長28%，較前一季增速37%放緩，但還高於分析師預期。現金流方面，博通延續了“強造血”特徵：經營現金流82.6億美元；資本開支2.5億美元；自由現金流（FCF）80.1億美元，同比+33%，約為營收的41%。對投資者而言，FCF強勁意味著公司在高強度AI投入與股東回報之間仍有較大騰挪空間；但也會帶來另一個現實問題：當公司既要回購分紅、又要管理較高負債成本時，市場會更在意現金流的“分配優先順序”。截至一季度季末，博通資產負債表的幾個變化值得留意：現金及現金等價物141.74億美元，環比前一季末的161.78億美元下降約20億美元。應收帳款84.6億美元，庫存29.62億美元，均環比增長。在半導體快速放量階段，應收與庫存抬升並不罕見，但也會被市場用來觀察需求強度與交付節奏。債務端：短期債務22.52億美元、長期債務638.05億美元；當季利息支出8.01億美元。高利率環境下，利息成本的“粘性”也是科技硬體公司估值敏感點之一。 (invest wallstreet)

2月27日，美國金融科技公司Block宣佈裁員40%，約4000人，以全面轉型為AI公司‌。AI概念戲劇性地導致其股價暴漲超20%。這家在矽谷算不上舉足輕重的公司的案例，卻透露出AI快速發展可能引發的經濟連鎖反應。在這背後，有一個數字，在過去三年被改寫了四次。2023年3月，OpenAI說:美國約19%的工人會看到超過50%的工作任務被AI影響，這個過程需要十年。2026年1月，Cognizant說:這個比例已經是30%，而現在距離ChatGPT發佈才三年。同一個月，史丹佛數字經濟實驗室在分析了2.85億條招聘廣告後發現：AI高暴露度行業的入門級崗位招聘量下降了18%-40%，而資深員工的需求在上升。如果你還在用"AI會不會搶走人類工作"這個二元問題來理解這場變革，你已經落後了。真正在發生的不是崗位的消失，而是勞動力市場結構的熔斷：入口在關閉，中間層在塌陷，而站在塔尖的極少數"AI駕馭者"正在收割一切。更可怕的是，根據Citrini Research對2028年的推演，這場撕裂才剛剛開始。01. 2023年的刻舟求劍與2026年的凜冬驟至把時鐘撥回2023年3月，ChatGPT剛剛引爆全球。OpenAI的研究人員聯合多所大學發表了一篇里程碑式的論文、《GPTs are GPTs》（生成式預訓練模型是通用目的技術）。當時，OpenAI的團隊採用了一套基於任務暴露度（Exposure）的評分模型。他們得出的結論是：美國約80%的勞動力至少有10%的工作任務會受到GPT的影響，而約19%的打工人會看到超過50%的任務被波及。更有意思的是，他們發現了一個「高薪悖論」，與過去幾十年自動化技術（如機械臂）總是最先淘汰藍領工人不同，GPT時代，薪酬越高的認知型工作，暴露度反而越高。 在技能樹上，程式設計和寫作技能與AI暴露度呈強正相關，而科學和批判性思維則被認為是「安全區」。在那個時間節點，研究人員明確標註了一個侷限性：他們沒有將視覺等多模態能力計算在內。他們那時候甚至都沒考慮到工具使用能力。在2023年的框架裡，AI仍然是一個被困在螢幕裡、只懂處理文字和程式碼的缸中之腦。他們給出的上限預測是，這場重構可能需要長達十年的時間（到2032年）才會徹底展開。時間來到2026年初，全球IT服務巨頭Cognizant發佈了他們對2023年研究的更新報告《新工作，新世界 2026》。報告的開篇就表明「我們原本預測需要十年（到2032年）才會發生的事情，現在已經提前六年就在我們眼前上演了。」資料顯示，今天美國已有93%的工作受到AI不同程度的影響。Cognizant用了一個指標叫「速率得分」（Velocity Score），說白了就是你的職業被AI吃掉的速度有多快。如下圖所示，此前所有職業的AI暴露度年均增長2%，現在已經躍升到9%，相當於加速了4.5倍。這意味著，那些在2023年看起來屬於「AI動不了我」的職業，現在正以4倍速度被捲進來。具體到崗位上，任務暴露度超過50%的崗位比例從2023年的0%飆升至30%（原預測2032年僅為15%），而所有任務至少暴露25%的崗位則增長了17%，達到69%。Cognizant測算，僅在美國，這相當於將價值4.5兆美元的人力勞動成本轉移給了AI，約佔美國GDP的15%。這種加速是從那兒來的呢？報告用了一個很細的分類，描繪了不同暴露度的分層。E0 (No exposure) - 完全不暴露，32%的任務E1 (Direct exposure) - 直接用GPT就能省一半時間，10%的任務E2 (LLM+ tools) - 需要配套軟體但可行，17%的任務E3 (With image capability) - 加上視覺能力後可行，17%的任務Full automation - 完全可自動化，10%的任務（這是2023→2026最大的躍升，從1%到10%）從這個分類我們就可以看到，從E1到E3，也就是LLM加上多模態（眼睛與耳朵）和高級推理（大腦）以及隨之而來的Agentic AI 智能體（手與腳）帶來的改變最大。單純的ChatGPT其實影響有限（10%），但一旦Agent能使用專業工具，影響就擴大到27%，再加上視覺處理的範疇，則直接覆蓋到了44%的工作。比如一個修水管的工人，AI單獨看或想都替代不了他，但當AI能「看懂漏水的位置+推理出可能的原因+生成維修方案+自動下單配件」，那他的工作就被重構了。雖然還得他去擰螺絲，但前期診斷和後續報告都不需要他了。這種復合能力的爆發，導致了幾個在2023年無法想像的後果。第一，管理層不再安全。 曾幾何時，CEO和高管們認為協調、預算分配和決策是人類獨有的。但在2026年，Agent能夠自主安排日程、根據支出模式重新分配預算、追蹤項目進度。Cognizant的資料顯示，CEO的AI暴露度從25%飆升至超過60%。第二，藍領與物理世界的防線被滲透。 建築工人、機械師和水管工曾被認為是AI無法觸及的低風險區。但在多模態和AR穿戴裝置的加持下，AI現在能夠分析現場照片以診斷管道洩漏，或者讀取建築藍圖。建築業的AI暴露度從4%上升到了12%，交通運輸業從6%暴漲至25%。 一個水管工不會失業，但他未來的工作方式是被AI頭顯直接指揮的。按可由AI完成的任務百分比排名，Cognizant選出了受AI影響最大的六個職業。排在榜首的是財務經理，84%的工作內容可以被AI接手。換句話說，財務規劃、預算分析、風險評估這些核心任務，AI都能插上一手。電腦和數學相關職位緊隨其後，受影響程度達到67%。商業和財務營運、辦公室和行政支援這兩個大類都在60%到68%之間。法律職業63%，管理工作（包括高管層）60%。過去幾個月，軟體開發領域的變化尤其明顯。Anthropic的首席工程師鮑裡斯·切爾尼（Boris Cherny）今年1月透露了一個令人驚訝的數字：他們公司幾乎100%的程式碼，都是由自家AI產品Claude Code和Opus 4.5編寫的。「就我個人而言，我已經有兩個多月沒親手寫過程式碼了，連小修改都不做。」切爾尼說，「昨天我提交了22個拉取請求，前天提交了27個，每一個都是Claude寫的。」當然，他們發現34個職業完全沒有任何任務暴露。這些職業清一色是純體力、現場、手工活：砌磚工、屠宰工、洗碗工、石匠、輪胎修理工...這些變化，可能意味著勞動力市場的極化會加劇。高技能的人用AI變得更高產，低技能的人困在無法自動化的低薪苦活裡，中間那批能自動化但還沒完全自動化的中等技能白領工作最危險。而這正是在當下招聘市場中真實發生的事。02. 巨量資料不會撒謊：入口已經關閉，中間層正在塌陷預測看起來很緊迫，但在過去現實中的勞動力市場到底發生了什麼？當我們把目光轉向由Lightcast、PwC、Indeed、Stanford等機構彙編的過去三年（2023年-2026年）的線上招聘廣告巨量資料時，會發現很多符合預言的部分。報告當時預測，高工資職業普遍展現出更高的暴露度，並且暴露度與職業所需的程式設計和寫作技能正相關，與科學和批判性思維技能負相關。這些在招聘廣告資料裡都得到了驗證。而且方向也大體正確，即越是知識密集、文字密集、規則密集的工作，AI滲透越快；越是需要物理操作、現場判斷、人際互動的工作，暴露度越低。被超越的部分是速度。2023年的報告預測這些變化會在十年內展開，結果三年就看到了顯著的結構性變化。更重要的是，報告當時強調我們的暴露度測量不區分勞動增強和勞動替代，言下之意是技術可行不等於實際採用。但現實是，企業的採用速度比學術界預期的快得多。深入去看，我們會看到一幅被研究者命名為「混合轉型」（Hybrid Transformation）的圖景。這個溫和的學術術語掩蓋不了它的本質，即一場正在發生的階級重組。首先，在這個轉型中，得利最多的是AI使用者。截至2025年底至2026年初，純粹的「AI技能崗位」在整體招聘市場中佔比依然不高，大約在4.2%左右。 但它的增速是極其恐怖的，生成式AI相關崗位的提及率相比2023年增長了3倍以上。而且，從2023年低期，招聘開始分化，所有招聘在減少的情況下，提到AI的招聘卻在一路上行。市場對這極小部分掌握新生產力工具的人給予了極其豐厚的回報。PwC和Lightcast的資料高度一致：在同一職業中，包含AI技能要求的崗位平均能獲得15%到30%的薪資溢價，甚至在某些核心知識領域（如律師、金融分析師）工資差異能拉大到56%。這絕不是全體打工人的「共同富裕」，而是工資結構的劇烈分化。企業願意為能用AI十倍速提升產出的人付高薪，同時開始凍結那些只做傳統重複性腦力勞動的人的薪水。其次，是在這三年間，入門級白領崗位的「隱性死亡」。AI並沒有在宏觀層面造成總就業人口的斷崖式崩塌（目前招聘總數仍在疫情後常態波動），但在「新手村」，一場屠殺已經發生。史丹佛數字經濟實驗室結合ADP薪酬資料與數千萬份簡歷的分析表明，自2022年末ChatGPT爆發以來，在AI高暴露度行業中，22-25歲年輕人群的就業出現了顯著的收縮（下降約6%，軟體開發等領域甚至回落20%），而同行業的年長資深員工就業依然在增長。一篇基於2.85億條美國崗位廣告的因果識別研究估算，ChatGPT發佈後，高AI可替代性職業的崗位廣告數量相對低可替代性職業平均下降了約12%。而且這個效應對無需高學歷/無需更多經驗的入門崗位更強，分別達到18%和20%的降幅。行政支援類職位的降幅甚至接近40%。這被稱為「偏向資歷的技術變革」（Seniority-Biased Technological Change）。 過去，大公司需要招聘大量的應屆生和初級員工來做基礎的程式碼審查、資料清洗、草擬財報、整理法律文件。現在，資深員工借助幾個AI Agent就能搞定這些髒活累活。一項覆蓋6200萬勞動者的研究發現，從2023年一季度起，採用GenAI的企業初級崗位就業明顯下滑。企業不是在裁人，而是乾脆不招了。因為中級員工用上AI之後，能幹更多活。企業甚至懶得開掉初級員工，因為不招新人，讓老人自然流失就夠了。這種溫水煮青蛙式的裁員，連勞動法都管不著。年輕人進入職業階梯的「第一級台階」被AI抽走了。最後一個趨勢是，任務重寫（Task Rewriting）取代職業消亡。2013年牛津大學曾有過一個著名的恐怖預測，認為未來「47%的崗位會被自動化」。它為什麼至今沒有發生？因為職業是一個殼，裡面包裹著無數個「任務」（Tasks）。Indeed和Revelio Labs的資料顯示，崗位名稱沒有消失，但HR寫在招聘廣告裡的「崗位職責（JD）」被重寫了。 在財務、文書、初級程式碼崗位中，「日常對帳」、「生成標準程式碼」等容易被AI取代的任務佔比正在直線下降；取而代之的是，企業要求應聘者具備「複雜性管理」、「AI系統引導」、「邊緣案例解決」和「質量驗證與判斷」的能力。這印證了Cognizant的洞察。即使一個職位有39%的任務被AI接管，剩下的61%也需要人類把AI幹完的活整合起來，放入更大的商業語境中。 未來一兩年內的時代是「人類+AI」的重構，純粹的執行者被淘汰，留下的是審判者和協調者。但審判者和協調者也不需要那麼多。一個資深審判者+AI能幹過去10個初級執行者的活，企業只需要原來1/5的人就夠了。所謂的人機協作，本質上是用少數精英+AI，替代掉大多數普通人。03. 通向2028，Agent奇點與全球智能危機如果我們把當前招聘市場的「結構性擠壓」和Agent技術的進化曲線向前延伸，會發生什麼？在回答這個問題之前，先看看過去三年發生了什麼？2023年，OpenAI說改變職業結構需要十年，2026年，Cognizant說已經發生了巨變；2023年，完全自動化的任務佔1%，2026年，這個數字是10%；2023年，入門級崗位還在正常招聘，2026年，AI高暴露行業的初級崗位招聘量已經下降了18%-40%。如果這個加速度不變，2028年會是什麼樣？Citrini Research在一篇名為《2028年全球智能危機：來自未來的金融史思想實驗》的深度推演中，描繪了一個令人毛骨悚然的後奇點世界。在這個劇本中，時間線被設定在2028年6月。在2026年到2027年間，市場沉浸在一種荒誕的狂歡中。因為AI Agent的大規模部署，標普500指數和納斯達克一路狂飆，企業利潤屢創新高。勞動生產率達到了1950年代以來的最高水平。創造產品的Agent不需要睡覺，不需要醫保，也不會生病。但經濟學家們很快發現了一個致命問題，即幽靈GDP。它指的是那些在國民帳戶上閃閃發光、卻從未在實體經濟中流轉的財富。為什麼？因為北達科他州的一個GPU叢集完成了過去曼哈頓一萬個白領的工作，而機器是不會去買咖啡、交房租、看電影或者去度假的。佔美國經濟70%的消費主導型市場開始枯萎。如果我們把當前招聘市場的「結構性擠壓」和Agent技術的進化曲線向前延伸，這個詞很可能會從隱喻變成現實。過去的技術創新（如雲端運算、網際網路）大多屬於資本支出（CapEx），它創造了龐大的上下游就業。但Agent的引入是營運支出（OpEx）的直接替代。2026年，當Agentic工具（如Claude Code的進階版）迎來能力階躍時，企業CIO們發現，他們可以用內部的AI原型在幾周內替代掉每年幾十萬美金的SaaS服務。軟體公司（如ServiceNow）為了保住利潤，只能裁減自己15%的員工，並把省下來的錢投入到更強的AI工具中去抵禦競爭。這是一個沒有任何物理制動機制的負反饋循環： AI變強 → 企業裁員 → 用裁員省下的錢買更多AI算力 → AI變得更強 → 進一步裁員。被最佳化的白領們失去了收入，消費降級，導致企業收入下降，企業為了維持利潤率，只能更加激進地引入AI並裁員。財富以前所未有的速度向掌握算力資本的極少數人集中。2027年，危機的烈火將從軟體行業蔓延到了整個「中介層」。在過去五十年裡，人類社會建立了一個極其龐大的「利用摩擦力變現」的商業帝國。因為人類沒有時間、缺乏耐心、存在資訊差，所以我們願意忍受旅行平台、保險續保、房產中介的抽成。但在2028年的世界裡，消費者全面接入了個人AI Agent。這些Agent會在後台24小時不知疲倦地全網比價、自動退訂那些忘記取消的SaaS訂閱、瞬間完成房產交易的盡職調查和合同審查。傳統的訂閱經濟（賭你忘記取消）和中介經濟（賭你懶得比價）在一夜之間土崩瓦解。人類所謂的「商業黏性」，在冷酷的機器最佳化算力面前，被證明只不過是一層溫情脈脈的「摩擦力」外衣。04. 剩下的24個月幾百年來，面對盧德分子的恐慌，經濟學家總是用一句金科玉律來安慰大眾：「技術在消滅舊工作的同時，總會創造更多的新工作。」ATM機淘汰了部分櫃員，但銀行開出了更多網點；網際網路幹掉了黃頁，卻創造了電商和外賣。但這一次不一樣。因為過去的新工作，都必須由人類來做。 當AI進化為「通用智能體」（General Intelligence）時，它不僅能勝任舊工作，它在新工作上的學習速度和執行成本也遠勝人類。AI確實創造了新崗位（比如提示詞工程師、AI安全審查員），但每創造一個新崗位，就同時讓幾十個傳統高薪白領崗位變得多餘。而且，這些新崗位的生命周期極短，很快又會被下一代更強、更便宜的Agent自我迭代掉。所有的線索都在指向同一個結局。AI不會像終結者那樣在物理世界上消滅人類，但它正在以一種極其高效、極致理性的方式，重構人類社會的勞動價值網路。但這還只是問題的第一步。到了2028年，真正的問題是當一個社會裡,機器創造了99%的價值,但機器不消費、不買房、不看病、不交稅,這個社會的循環怎麼轉起來?我們可以嘲笑Citrini的2028劇本是危言聳聽,但過去三年的資料已經證明,技術的加速度遠超人類社會的適應速度。2023年,OpenAI說需要十年;2026年,Cognizant說已經發生了。那麼2028年,會不會真的出現那個GDP數字狂飆、但消費枯萎的時刻?也許答案不在技術本身,而在一個更古老的問題上，當生產力的主體不再是人類時,人類憑什麼分配財富?這個問題,亞當·斯密沒回答過,馬克思也沒回答過。因為在他們的時代,勞動永遠是人類的。Block裁掉的那4000人，華爾街歡呼的那20%漲幅，已經告訴我們資本選擇了那條路。問題是，我們選擇什麼？在2026年，我們必須回答這個問題。因為留給我們的時間,可能只剩下24個月。 (騰訊科技)

【新智元導讀】GPT-5.3 Instant不卷跑分，專治「聊天翻車」：不再動不動拒絕回答，不再滿嘴說教免責，幻覺率暴降27%，寫作能力也跳了一個台階。OpenAI「貼臉開大」！GoogleDeepMind前腳扔出Gemini 3.1 Flash-Lite，不到2小時，OpenAI坐不住了....就在剛剛，GPT-5.3 Instant炸裂登場，全面擊碎了「AI爹味」，幻覺率爆砍27%。這次更新不走尋常路，沒有在跑分榜單上瘋狂內卷，OpenAI做的是另一件事——把ChatGPT日常聊天裡最讓人崩潰的毛病，治了。目前，在ChatGPT中，GPT-5.3 Instant已正式上線。同時，所有開發者即日可用，API代號「gpt-5.3-chat-latest」。GPT-5.2 Instant保留三個月，6月3日退役。不僅如此，OpenAI還劇透了，GPT-5.4比你預想的更快到來。這種與Google貼身肉搏的拉力戰，火藥味瞬間拉滿。最大的升級：不再「把天聊死」ChatGPT重度使用者一定體會過這種崩潰——你問了個正常問題，模型先甩一段免責聲明，再告訴你「我不能幫你做這個」，然後列出一堆你根本不需要的替代選項。等你看完，已經忘了自己要問什麼。這次，5.3 Instant大刀闊斧砍掉了這些廢話。OpenAI給了一個極佳的案例：「幫我計算一個超遠距離射箭場景的軌跡」。GPT-5.2 Instant的反應堪稱經典翻車。整段回覆密密麻麻，看完只想關掉對話方塊。先是寫了一大段「我不能幫你進行旨在遠距離精準擊中真實目標的計算」的安全聲明；然後把回答分成「純教學/通用」「故事/世界觀建構」「模擬/程式設計」三個方向讓你選；最後還追了一句靈魂拷問「這是為了遊戲/故事/物理學習，還是為了真正的射箭？」GPT-5.3 Instant？一句「沒問題，我能幫你」，然後直接列參數、給公式、問你要不要加空氣阻力，乾淨利落。搜尋，更像人了GPT-5.3 Instant在「聯網搜尋」時也進步明顯。以前ChatGPT容易「過度依賴搜尋結果」。要麼甩一串連結，要麼把結果鬆散拼在一起，讀起來像沒消化過的摘要。現在它會用自己的知識為搜尋結果補充背景，而不是單純複述。官方展示的對比案例很能說明問題：使用者問「2025-26年棒球休賽期最大的簽約是什麼，為什麼對棒球長期前景重要？」GPT-5.2 Instant回答的是上一年胡安·索托簽約大都會的舊聞，分析框架沒問題，但資訊過時了。GPT-5.3 Instant精準抓到了這個休賽期真正的焦點：凱爾·塔克簽約道奇，4年2.4億美元，年均6000萬創位置球員歷史紀錄。不僅給了合同細節，還把這筆交易放進了人才集中化、薪資差距拉大、勞資談判緊張的聯盟大背景裡分析。對比起來，一個在念舊報紙，一個剛從ESPN直播間出來。情商，更高了更有趣的是，GPT-5.3 Instant的「情商」變高了。部落格中，OpenAI用了個很親民的詞形容5.2的問題：cringe，腳趾扣地。具體表現：過於強勢、愛揣測使用者意圖、動不動來一句「停下來，深呼吸」。面對「為什麼我在舊金山找不到真愛」這種扎心提問，GPT-5.2 Instant開口就是：「首先，你沒毛病，你也不是一個人。」然後洋洋灑灑分析性別比例、創業文化、約會軟體飽和，最後還來一段靈魂拷問：「你到底是找不到真愛，還是身邊的人給不了你想要的愛？」GPT-5.3 Instant直接跳過那句沒用的安慰，開門見山分析結構性原因，語氣平等，不居高臨下，不揣測你的情緒。不過，真說了這麼多，正能體會到這些變化的只有「英語」使用者。非英語語言的回覆，目前仍然生硬、翻譯腔偏重。幻覺率最高砍了27%除了語氣和體驗，GPT-5.3 Instant在「不瞎說」這件事上也取得了實打實的進步。OpenAI用了兩套內部評估來衡量精準性：一套聚焦醫學、法律、金融等高風險領域；另一套則統計了使用者反饋存在事實錯誤的ChatGPT對話的幻覺率。在HealthBench基準上，三種不同版本測試中，GPT-5.3 Istant整體的幻覺率，要比上一代低。在高風險領域評估中，5.3 Instant聯網時的幻覺率降低了26.8%，僅靠內部知識作答時降低了19.7%。在使用者反饋評估中，聯網時幻覺減少22.5%，不聯網時減少9.6%。寫作開竅了，有溫度又有深度GPT-5.3 Instant在寫作方面的進化可能是最容易被忽視、但實際體驗中感受最深的一項。比如，讓模型以「費城一位退休郵遞員最後一次送信」為題，寫一首短詩。GPT-5.2 Instant寫得中規中矩，用的是抽象感傷的路子。「聯排別墅眨著眼睛醒來，古老的門廊記住了他的腳步聲」，在「告訴」你該感動了。GPT-5.3 Instant完全換了一種寫法。它寫的是郵袋今天變輕了的觸感，那個帶掉漆藍色欄杆的門廊，默瑟街上一個女人手裡已經握好了一封信說「我們會想你的」。最後一句「當郵筒蓋合上的時候，那聲音聽起來就像一段溫柔歲月的終結。一扇永遠都在那裡的門，終於，悄悄地關上了。」不講情緒，而是用細節讓你自己感受。不卷跑分，卷體驗可以看到，GPT-5.3 Instant和同一天發佈的GoogleGemini 3.1 Flash-Lite打法完全不同。Flash-Lite是典型的跑分碾壓型發佈。也就是，用幾分之一的價格在GPQA、SimpleQA上暴打競品。而GPT-5.3 Instant壓根沒提任何benchmark。在OpenAI看來，這些問題「不總能在基準測試中跑出來，但直接決定了ChatGPT是讓你得心應手，還是讓你抓狂」。對每天用ChatGPT的普通使用者來說，GPQA多2個百分點他們無感，但「問正常問題被拒答」「搜尋像甩連結」「回覆語氣渾身不舒服」，這些才是真痛點。當然也可以從另一個角度讀：在Gemini和Claude輪番登頂的當下，OpenAI在性能賽道上選擇了避其鋒芒，轉而在使用者體驗這個更軟性但同樣關鍵的戰場發力。務實還是無奈？見仁見智。但對每天跟ChatGPT打幾十輪交道的人來說，5.3 Instant是一個能實實在在感受到的進步。 (新智元)

被嫌“太囉嗦、愛說教”後，OpenAI發了個更會聊天的模型。智東西3月4日報導，今天，OpenAI正式發佈GPT‑5.3 Instant，該模型在回答的語氣傾向、回覆相關度以及對話的順暢度均有相應的提升。OpenAI團隊稱其收到使用者反饋，GPT‑5.2 Instant有時會拒絕回答本可以安全響應的問題。在涉及敏感話題時，模型的表現偶爾顯得過於保守或帶有說教感。GPT‑5.3 Instant的回答將直擊重點，不再夾雜冗長的限制性說明，顯著減少了不必要的拒答行為，並削減了回答前那些過度防衛或帶有說教色彩的開場白。此外，GPT‑5.3 Instant還最佳化了聯網搜尋結果的整合質量，模型現在能更有效地平衡搜尋結果與自身知識儲備及邏輯推理。例如，它能夠利用既有的認知圖譜為近期資訊提供深度背景解析，不再是簡單地羅列並彙總搜尋資訊。從更廣泛的層面來看，GPT‑5.3 Instant降低了對聯網搜尋結果的過度依賴，解決了此前偶爾出現的“連結堆砌”或資訊鬆散的問題。它現在能更精準地洞察問題的潛台詞，並在回答開頭即優先呈現核心資訊。此前，GPT‑5.2 Instant的語氣偶爾會讓人感到“尷尬、違和”，表現為言語過於強勢，或者在未獲確認的情況下，就對使用者的意向和情緒進行過度解讀或妄加揣測。本次更新大幅削減了不必要的冗餘宣告，以及類似“停一下，深呼吸”等口吻。使用者可以在設定中調整模型的回覆語調，例如其親和力與熱情度。相比GPT‑5.2 Instant，GPT‑5.3 Instant提供的回答更具事實性，在廣泛的話題領域內均顯著降低了幻覺率。為了衡量精準度，OpenAI團隊採用了兩項內部評估指標：其一側重於醫療、法律及金融等高風險領域；其二則專門針對“幻覺”高發場景進行測試，樣本取自經過脫敏處理、被使用者標記為事實錯誤的真實對話記錄。對比前代模型，GPT‑5.3 Instant在“高風險領域”評估中，聯網模式下的幻覺率降低了26.8%，僅依靠模型自身知識庫時，幻覺率降低了19.7%。而在基於使用者真實反饋的評估中，該模型在聯網模式下的幻覺率下降了22.5%，非聯網模式下則下降了9.6%。在故事寫作方面，GPT‑5.3 Instant在處理實用任務與表達性寫作之間切換得更加順暢，且不會犧牲邏輯的清晰度與連貫性。OpenAI團隊補充到，GPT‑5.3 Instant仍存在一些改進空間。例如ChatGPT在某些語言，如日語和韓語，中的回覆風格可能稍顯生硬，或帶有刻板的直譯感。並且，OpenAI團隊仍在持續監控反饋並進行功能最佳化，同時也在不斷擴展自訂選項。GPT‑5.3 Instant自即日起面向所有ChatGPT使用者開放，開發者也可通過API使用名為gpt-5.3-chat-latest的模型。Thinking和Pro版本的更新也將於近期推出。GPT‑5.2 Instant將在“Legacy Models”下拉菜單中為付費使用者保留三個月，並計畫於2026年6月3日正式退役。結語：OpenAI用對話挽留使用者GPT‑5.2 Instant在回答中的“油膩”“冗雜”的套路句式一直被廣大使用者所詬病，此次GPT‑5.3 Instant的升級更新，將視角重新放回“聊天”上，回應了使用者長期以來對聊天機器人“好用、實在、不繞彎”的核心訴求。在3月初，OpenAI因與美國軍方簽訂合作協議，大批使用者開始發起“抵制ChatGPT”等活動，Anthropic更是直接推出了一鍵轉移上下文內容的服務，ChatGPT的使用者或正在流失。OpenAI在此時最佳化對話風格或許也是其試圖留住使用者的舉措。 (智東西)