震惊!OpenAI推理模型之父离职!他亲手打造的ChatGPT、Codex将何去何从?大模型开发格局或将巨变!

将 ChatGPT App 集成到现有产品与 SDK/MCP 迁移 本文探讨在现有系统上集成与迁移MCP/Apps SDK的实践路径,强调将MCP视为对旧后端的轻量适配器,而非重构新系统。核心原则包括:以单一事实来源(如Zod)统一数据模式,通过版本化工具(如_v2)实现安全演进;严格测试契约与认证(scopes、.well-known);善用注解(destructiveHint等)引导模型行为;并遵循金丝雀发布、黄金用例验证的工程流程。避免常见错误如模式冗余、隐性破坏变更、忽视可观测性,确保系统在长期演进中稳定可靠。 阅读详情

刚开年,OpenAI再出人事动荡:推理模型第一人离职了!

Jerry Tworek——构建o3、o1、GPT-4、ChatGPT以及 OpenAI首个AI编程模型Codex的关键人物,OpenAI研究副总裁——宣布了他的艰难决定:

离开OpenAI,去尝试探索一些在OpenAl难以开展的研究领域。

好奇,他所说的“在OpenAI难以开展的研究”包括哪些部分?

他表示,在OpenAI快七年的时间里,经历了许多美好和疯狂的时刻,但更多的是美好的时光。

(大佬也和OpenAI有七年之痒?)

不少OpenAI在职人员都在这篇推文上回顾了和Jerry共事的愉快经历。

也祝他拥有美好的未来。

网友看客们嘛,留言中的关键词主要是“感谢”和“赞叹”。

依旧有因OpenAI流失重要人才感到沮丧的朋友。

但这条朋友的评论区更好笑。

很多人可能从Jerry断断续续的采访、演讲中认识他,了解得并不那么全面。

现在,让我们正经全方位认识一下这位推理模型大佬,以此送别,并祝愿他开启一个新的航程。

OpenAI推理模型第一人

Jerry Tworek,出生、成长于波兰,在华沙大学数学专业取得硕士学位,属于强理论与数理功底出身。

他并不是一出校门就进入AI界打拼的。

离开学校后的头五年,他先在阿姆斯特丹从事量化研究,主要研究期货市场的量化交易策略。

这期间,Jerry使用优化理论和从噪声数据集中提取信号的技术来研究和开发期货市场的量化交易策略,这最终引导他开始研究强化学习。

2019年,Jerry加入OpenAI,担任研究科学家,主要方向是神经程序合成、强化学习等。

当时GPT‑2刚发布不久,OpenAI还以非营利研究实验室为主,规模小,名气不算大。

早期,他参与了机器人项目“用机器人手解决魔方”,并就这一项目在NeurIPS 2019深度强化学习研讨会作了展示。

Jerry也是最早一批参与“大规模预训练+算力扩展”路线的研究者之一,并且在前ChatGPT时期,他就已经展现出对模型推理的极大兴趣,

2020年GPT-3发布后,他开始着手研究评估和训练GPT-3以解决推理和逻辑问题。

截至今日,Jerry在各种公开演讲和访谈中,多次强调对“推理”而不仅仅是“模式匹配式生成”的重视,倾向把大模型看作可以通过训练“学会思考过程”的系统,而不仅是一个黑盒文本预测器。

2019–2022年间,他在OpenAI做神经程序综合与大模型推理研究,涉及Codex、Copilot这类代码大模型,同时利用强化学习提升复杂任务上的推理与决策能力。

2022年起,Jerry开始担任OpenAI的Research Lead,负责带团队研究“如何让大语言模型使用工具、解决STEM领域的困难问题”,包括插件和Code Interpreter等等。

ChatGPT出现之后,他逐渐被更多人认识——以ChatGPT和GPT系列模型主要贡献者之一的名义。

Jerry是GPT-4的首席研究员,领导了第一个推理模型o1的研究开发,对外被介绍为GPT-5推理机制和长思考能力的核心负责人。

还在各种各样的访谈、播客节目中系统讲解GPT-5的思考方式和推理模型的路线演化。

2025年,Jerry升任OpenAI研究副总裁。

2026年1月6日,Jerry宣布从OpenAI离职,并未公布具体去向。

下面附上Jerry离职小作文的翻译原文。

Jerry离职小作文写了什么?

大家好,我做出了一个艰难的决定——离开OpenAl。

我在这里工作了将近七年,经历了许多美好和疯狂的时刻,但更多的是美好的时光。

我非常享受在这里工作的日子。我曾在机器人上进行强化学习的早期开发工作,还训练了世界上第一个编程模型,这些模型开启了大语言模型编程革命。

在DeepMind发布模型Chinchilla之前,我就发现了后来大家称为“Chinchilla Scaling Law”的现象。

我参与了GPT-4和ChatGPT的开发工作,最近还组建了一个团队,建立了一个新的缩放训练和推理计算范式——现在,它通常被称之为推理模型。

我结交了许多朋友,在办公室度过了许多个夜晚,参与并见证了数量可观的技术突破,还与许多被我视为亲密伙伴的人一同欢笑和担忧。

我有幸组建并壮大了我认为世界上最强的机器学习团队。

这是一段非常愉快的经历。尽管我要离开OpenAl去尝试探索一些在OpenAl难以开展的研究领域,但这是一家特殊的公司,也是世界上一个特殊的存在,它已然在人类历史的长河中占据了永恒的位置。

非常感激多年来OpenAI和你们对我的信任。这类时刻总让人感觉不太自然,但从积极乐观的角度看待,它们却可能成为促成伟大事物的催化剂。

我们一起让机器智能变得更加有用和可靠,我是忠实的ChatGPT推理模型用户。

再次感谢,感谢千千万万次。

保重身体,亲爱的草莓们。

Jerry

One More Thing

本来吧,附上Jerry的小作文,这篇推文就该结束了。

但被我翻到了一个粗看好笑,细想想又有点道理的留言:

仔细想想,OpenAI的朋友们离职时确实都有小作文,这是啥不成文规定吗?还是企业文化?

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

如何解决 ChatGPT 在科研学术写作中“不说人话”? 短视频真正改变的,是知识抵达人的方式。真正该改的是信息顺序:先给结论,再讲原因和证据,最后补充必要的边界,边界在这里是护栏,不该挡在正文前面。读者还没质疑,例外和边界已经先摆好了,不敢把话说透,真正好的文章会先把核心判断稳稳立住,再补充复杂性,不会让读者猜半天你到底想说什么。观点还没展开,就先回应并不存在的反对意见,大量篇幅都在证明我没这么说,不过度防御的文章都是前者忙着管理风险,后者才是在推进认识。逐句查看文章中的转折、退让和补充说明,追问一句,如果拿掉这句话,事实是否仍然准确,推理是否依然成立。 阅读详情

相关推荐

Bright Data ChatGPT 搜索抓取器(Python)

使用 GitHub 登录,然后 fork 该仓库开始进行更改。本项目提供一个使用 Bright Data Web Scraper API 抓取结果的简易 Python 样板代码。

亮数据 Bright Data 的博客 330

2026 年 - AI 开发者必备:Agent 开源生态图谱

2026年AI开源项目全景概览 GitHub最新数据显示,AI领域呈现爆发式增长,Agent框架成为最热门赛道,AutoGPT以18.4万星位居榜首。个人AI助手OpenClaw以37.5万星成为现象级项目,RAG、推理部署等工具也蓬勃发展。Python仍是主导语言,微软、阿里等企业及开源社区贡献显著。技术趋势显示:多Agent协作、轻量化部署、结构化输出成为关键方向,AI正加速渗透编程、图像生成等各领域。

爱学习的程序员 1140

海康威视web控件开发+vue结合做网页开发

需求:vue的项目,需要在页面展示出海康的硬盘录像机连接的摄像头的实时监控画面以及回放功能. 准备:web开发包(包含插件以及demo,在海康官网即可下载32位64位的都有.那些需要积分下载的博主良心不疼么.) 点击这里下载:链接: https://pan.baidu.com/s/12FrbycWyWWyiRJH5Yd1tPA 提取码: gam5 开始开发: 1.安装demo目录下的WebComponentsKit.exe插件(根据自己的浏览器以及系统选择32位还是64位的插件) 2.打.

u013682258的博客 8484

ChatGPT 广告技术栈架构拆解:多轮意图、LLM 工具编排、ANN 召回与拍卖闭环

基于 OpenAI 官方工程文章,拆解 ChatGPT 广告系统如何用有状态会话理解多轮意图,以独立链路隔离自然回答,再由 LLM 编排召回、过滤、相关性评分、拍卖和最终交付,并给出可复用的超时、观测、安全与反馈闭环设计。

jerry764的博客 380

踩坑记录:服务商模式下微信小程序支付,为什么必须用子商户的AppID获取openid?

本文深入解析了服务商模式下微信小程序支付必须使用子商户AppID获取openid的技术原因,详细对比了服务商模式与直连模式的关键差异,并提供了正确的配置指南和常见问题解决方案,帮助开发者避免微信支付集成中的常见陷阱。

weixin_28318011的博客 550

麦当劳app之sign逆向分析

摘要:本文分析了麦当劳APP请求参数sign的逆向过程。通过抓包发现32位sign参数疑似MD5加密,使用frida-trace工具跟踪CC_MD5函数验证其为标准MD5算法。加密参数包含时间戳、token、版本号等固定和动态字段,拼接后经MD5加密生成sign。文章提供了JS和Python两种实现方案,包含完整的请求头参数和加密逻辑,最终成功获取API响应数据。该研究仅用于逆向技术学习,展示了移动应用常见加密参数的逆向分析方法。

佛系更新... 2437

ChatGPT Projects 使用教程:项目指令、文件管理与上下文复用

使用ChatGPT的Projects功能可高效处理长期任务,避免重复说明背景与要求。通过设置项目指令、上传参考文件、复用上下文,实现代码分析、文档维护等任务的持续优化。建议按任务类型建项目,配置简洁规则,重要结论存为独立文档,避免依赖记忆遗漏。适用于有固定流程、需多资料协作的场景,但不可替代Git版本管理。

carriedream的博客 291

Sharding Sphere JDBC使用Mybatis的saveBatch无法返回主键的问题

Sharding Sphere JDBC使用Mybatis的saveBatch无法返回主键的问题

HHCS231的博客 1829

《C++ 项目:手写大模型接入 SDK》ChatGPT接口设计(下):流式响应实现和测试

本文详细实现了ChatGPT ResponsesAPI的流式响应接口,重点解析了SSE半包缓冲处理的必要性及多事件类型(如response.output_text.delta、error等)的差异化处理逻辑。针对200状态码不等于调用成功的坑点,通过content_receiver回调捕获业务异常。基于抽象基类LLMProvider,仅需修改20%适配代码,即可完成新模型接入,验证了SDK架构的高扩展性与可维护性。

2501_91275995的博客 662

CHI里的Error handling机制

本文讲解了CHI里的Error handling机制。

W1Z1Q的专栏 2500

Python二级考试题目及答案解析(含刷题软件)

答案:A 解析:print()函数可以在屏幕上输出指定的字符串或变量,input()函数用于从键盘获取用户输入,int()函数可以将指定的字符串或浮点数转换为整数,float()函数可以将指定的字符串或整数转换为浮点数。答案:A 解析:int()函数可以将字符串转换为整数,float()函数可以将字符串转换为浮点数,str()函数可以将任意类型的变量转换为字符串,bool()函数可以将任意类型的变量转换为布尔值。

YOLO 1万+

ChatGPT、Codex工程实战:数据库迁移脚本开发环境测试通过,为什么生产上线仍可能锁表甚至丢数据?

ChatGPT、Codex生成的数据库迁移脚本开发环境测试通过,为什么生产上线仍可能锁表甚至造成数据不一致?本文从Java订单系统生产变更切入,分析MySQL DDL、元数据锁、大批量数据回填、新旧版本兼容和数据迁移风险,并介绍Expand-Contract分阶段迁移方案。

lb654509656的博客 321

【智能座舱】- 智能座舱研究报告合集

智能座舱研究报告合集

零点壹客的博客 1305

姿势库 / 服装库 / 人像库一键填充到 ChatGPT、Gemini、豆包(无需 API Key,附安装教程)

一个用户脚本,在 ChatGPT、Gemini、Grok、豆包、通义千问、腾讯元宝、Kimi、即梦等页面里嵌入「参考库」面板,把姿势、服装、人像参考图和规范化提示词一键填入对话框。版权说明:脸库 CC0;姿势库、服装库禁止二次分发。脚本不含本地图片,只在运行时读取公开地址。

yjc_1111的专栏 229

【微信小程序】微信小程序 manifest.json 配置 ES6 转 ES5 开关:3步让你的代码兼容性更强

ES6(ECMAScript 6)是 JavaScript 的最新标准,引入了许多新的语法和特性,如箭头函数、模板字符串、解构赋值等。然而,不是所有的环境都支持 ES6,特别是旧版本的浏览器和一些特定的运行环境。为了确保代码的兼容性,我们需要将 ES6 代码转换为 ES5 代码。通过本文的详细讲解,相信你已经学会了如何在文件中配置微信小程序的 ES6 转 ES5 开关。这个小小的配置步骤能够显著提高代码的兼容性和稳定性。如果你有任何问题或需要进一步的帮助,欢迎随时留言交流。

java专栏 1360

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

ChatGPT Images 2.6 实测解读:一句话直出 GIF,Flare 提速 46%,API 支持 2~64 帧动图

过去两年,AI 生图解决了"画得像不像""字写得对不对"的问题,但交付物始终是一张静态图。想让它动起来,通常要另外找视频模型,或者自己拆帧、用 PS、ffmpeg 合成 GIF——对运营、设计、做表情包的人来说,这一步既麻烦又容易翻车:帧之间画风跳变、角色走样、文件体积失控。这次 OpenAI 发布的,把这一步直接收进了生图本身:在对话里说一句"能做成 GIF 吗",返回的就是一张可循环播放的动图,而且生成后还能接着改。按 OpenAI 的说法,这是第一个原生直出 GIF 的主流生图产品。

JEECG官方博客 230

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

ChatGPT Images 2.6 入门:保存角色参考图并生成循环 GIF

按官方 Images in ChatGPT 说明,介绍在 ChatGPT 中把照片存成角色参考并用 @名字复用,再用提示词或静图生成循环 GIF、打开后调速并保存分享的完整步骤。

死磕音视频 208

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

ChatGPT Images 2.6 商业落地与场景应用指南

本文聚焦电商与设计团队的视觉生产痛点,提出“人机协同”的AI高效工作流。通过十大实战场景,系统拆解商品图生成、海报自动化、风格一致性控制、提示词工程等关键环节,构建可复制、可量化的视觉生产管线。强调以标准化模板、模块化提示词与人机协作闭环,实现从构思到成图的极速落地,显著提升效率与质量,助力各行业实现视觉内容的智能化升级。

frt的博客 276

QVeris MCP 连接到 ChatGPT:让 AI 调用专业数据

一个远程地址,完成 OAuth 授权,把 QVeris 接进 ChatGPT。本文整理网页版、桌面端配置,并用 AAPL 报价查询验证连接。

QVeris_Friends的博客 209

在 Claude 中配置与使用图表编辑器MCP,把数据变成图表

ChartchooserMCP是基于ModelContextProtocol的图表生成服务,可将数据直接转化为Highcharts图表或仪表盘,集成于Claude与ChatGPT。通过简单配置,用户在对话中粘贴数据并回答几项问题,即可自动生成生产级图表。支持自然语言调整样式、类型与布局,显著提升可视化效率。关键技巧包括:保持表头清晰、明确分析目标、多指标需求直接请求仪表盘。配置后一次设置,长期复用,大幅降低选图门槛,适合频繁进行数据分析与汇报的用户。

Highcharts可视化图表库中文博客 642

ChatGPT、Codex并发排查:Spring Boot接口没有报错,为什么线程池队列越来越长,最后整批请求超时?

Spring Boot接口没有报错,CPU和数据库连接池也正常,为什么线程池队列却越来越长?本文从订单服务任务积压故障切入,分析无界队列、最大线程数、CallerRunsPolicy、下游阻塞和任务背压机制,并介绍通过Codex辅助定位线程池瓶颈的方法。

2601_96380027的博客 140

ChatGPT Images 2.6 正式支持 GIF 生成:一张图片也能动起来,AI 动图创作时代来了!

从最初的 AI 文本生成,到 AI 图片生成,再到 AI 视频和现在的 GIF 动图创作,AI 正在不断降低内容创作的技术门槛。以前,一个普通人想制作动画,可能需要学习复杂的软件和专业的制作流程。现在,只需要把自己的想法描述清楚,就有机会让 AI 帮你实现。未来的 AI 不仅能够帮我们生成内容,还能够直接帮我们完成更多视觉创作工作。如果你平时也喜欢折腾 AI 工具,不妨试试这个新功能。你可能会发现,原来一张普通的静态图片,也可以玩出这么多花样!

篮球界最会写bug的人;程序猿中打球最菜的人。 611

OpenAI 合并 ChatGPT 的 Chat 与 Work 标签,ChatGPT 与 Codex 共用 token 配额

OpenAI计划合并ChatGPT桌面应用中的Chat与Work标签页,简化用户界面,使从想法探索到任务执行全程在一个界面完成。新体验将支持文件、插件调用,助力生成网站、演示文稿等。Codex仍独立存在,且聊天与Codex将共享token额度,部分用户或需更频繁等待重置。该调整将先面向部分用户测试,后续推广。此举呼应Anthropic此前对Claude功能的整合。

小川搞开发的博客 178

ChatGPT双更新-GPT6.2-Sol旗舰模型与Images2.6生图-2026年11月5日

ChatGPT 双更新:GPT-6.2 Sol 旗舰推理模型发布,Images 2.6 让图片"动起来"

Spidermanbaout的博客 632

ChatGPT、Codex工程实战:Kubernetes滚动发布时,Spring Boot正在处理的请求为什么还是会被中断?

本文从Java订单系统生产故障切入,分析Readiness Probe、EndpointSlice、preStop、SIGTERM、Tomcat优雅停机和terminationGracePeriodSeconds之间的关系,并介绍通过Codex还原Pod终止时间线、排查502和Connection reset的方法。

2601_96380027的博客 476

研究生做文献综述,ChatGPT、NNScholar、Elicit 怎么选?按检索、精读和改稿逐步比较

选AI科研工具,不只比较谁回答得长。围绕一个文献综述任务,从检索范围、PDF原文核对到初稿修改,说明ChatGPT、NNScholar和Elicit的比较方法,并给出可复用的提问与记录模板。

suiceee的博客 163
上一篇: 真实音频场景,大模型集体挂科!首个原生语音基准MultiChallenge
下一篇: AI的下半场!Agent智能体--全景解析(附相关标的)
Python_金钱豹
博客等级 码龄5年 1万+粉丝 2835原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值