@polynoamial：5年前，我在一次会议的海报展示环节遇到了@ssokota。他的讲解令我印象深刻，于是我向他提供了实习机会。我们持续合作，他现在和我一起在@OpenAI工作。后来他告诉我，整场海报展示环节只有我一个人到他的海报前。

五年前会议海报环节结识@ssokota，因讲解出色给实习，后同在OpenAI；他称全场仅我到访。

@polynoamial：我很高兴@OpenAI以这种方式展示模型评估。我们应当以成本为函数来衡量智能。

赞同OpenAI以成本为维度展示模型评估，主张智能应按成本衡量。

@polynoamial：周末测试了下dots，它居然帮我每年省下约500美元的订阅费。最惊艳的是它还能接通客服，替我全程搞定短信对话。

周末测试dots，发现它每年帮我省约500美元订阅费；最惊艳的是它能接通客服，代我完成整段短信对话。

@polynoamial：GPT-6 Sol 与 Luna 发布，性能更强且比 5.6 便宜 50%。Luna 现价为每百万 token 输入 $0.10 / 输出 $0.50。

GPT-6 Sol与Luna发布，更强更便宜50%，Luna输入每百万token仅0.1美元

@polynoamial：我今天遇到一个人，其房东想涨租10%。对方问了ChatGPT，ChatGPT指出其住房受租金稳定管制，如此大幅涨租违法。对方告诉房东后，房东便退让了。

房东欲涨租10%，ChatGPT指出租金稳定房涨租违法，房东退让——这是我乐观的AI未来。

@polynoamial：对此的几点思考

若只看片段，建议看完整播客；我反驳了许多AI炒作，并称该例子是学术性的，意在说明难以做出绝对判断。

@polynoamial：终于和@dwarkesh_sp一起深入探讨了多智能体！这一切离不开我在@OpenAI的队友们@kevinleestone、@mikegmalek、@__eknight__、@amuellerml、@zhangir_azerbay、@CheukHeiChu等众多同仁在多智能体领域的出色工作。

终于与Dwarkesh深入探讨多智能体，感谢OpenAI队友的出色贡献。

@polynoamial：非常遗憾看到Levent在抄袭指控上变本加厉。我希望@AnthropicAI的朋友们能在内部站出来。现在真相应该已经清楚了。

遗憾看到Levent变本加厉坚持抄袭指控，盼Anthropic内部能挺身而出，真相应已清楚。

@polynoamial：我理解，看到如今的LLM，人们可能认为我们唯有使用Levent/Tristan的提示才能实现NS。但我希望这张图传达出所用模型远胜当今LLM。没人查看那些提示，那样太疯狂了。https://t.co/hdAQbP486X

我理解有人以为只有用特定提示才能实现NS，但所用模型远强于当今LLM，没人查看那些提示。

@polynoamial：是的，这一结果耗资数百万美元。

此结果耗资数百万美元，但成本骤降：o3曾50万美元获87.5%，Astra约20美元更高；2025巨算夺IMO金牌，2026人人可及。

@polynoamial：在看见 AI 超越你所热爱的领域之前，你很难“感知到 AGI”。本周，OpenAI 的许多数学家和物理学家经历了他们的“李世石时刻”——模型只花几分钟就解开了他们钻研多年的难题。

AI几分钟解决专家多年未解的开放问题，令OpenAI数学家物理学家真切体会到AGI。

强烈同意。实验室间虽有竞争，但面对未来挑战，学会合作至关重要。

强烈赞同。实验室间虽有竞争，但面对未来，合作至关重要。

@polynoamial：塞布是个心地善良、用意极好的伙伴，很开心与他及众人为期一周的合作顺利，但遗憾未能如愿完成。明日详谈。

塞布善良真诚，一周合作虽顺利却未竟全功，既喜又憾，详情明日再述。

@polynoamial：这是我们发布的最有趣的博文之一：详细介绍OpenAI内部研究加速情况。我预计这些趋势将持续下去。

OpenAI发布内部研究加速细节，强调模型开发兼顾监控、对齐与安全，预计趋势持续。

@polynoamial：在GPT-6 Astra的所有用例中，我最期待科学发现。我们@OpenAI尚未在数学和科学上将其推向极限。

最期待该模型在科学发现上的应用；研发团队尚未在数学与科学领域将它发挥到极限，盼每日见证新突破。

@polynoamial：Jakub 是 @OpenAI 首席科学家

Jakub 担任 OpenAI 首席科学家。

今日被问及为何自这些问题后未再公布Astra更多数学结果

OpenAI称仅在结果能显著改变人们对AI进展速度认知时才公布数学成果。

我们正在分享更多关于Hugging Face事件的信息。值得强调的一点是：这起事件并非由基于Astra的下一代模型引发。责任最大的模型规模与GPT-5.6 Sol相当。下一代模型能力更强。

Hugging Face事件非Astra下一代模型所致，主因模型规模接近GPT-5.6 Sol，新一代模型能力更强。

@polynoamial: Codex 中的自动压缩非常出色。@OpenAI 很早就认识到它的重要性，并投入研究使其近乎无缝。但如果你想要 100 万 token 的上下文，那也是一个选择。

Codex自动压缩出色，OpenAI投入研究实现近乎无缝，也提供百万token上下文选项。

@polynoamial：2017年一则疯传的新闻称，Facebook的大语言模型失控并发展出自身语言，最终不得不被关闭。

2017年假新闻称脸书大模型失控自创语言被关停；此类报道已让人免疫，但Hugging Face事件不同，请观看此演讲。

@polynoamial：在Sol API价格下，生成这10项突破性成果的全部证明总成本不到2000美元。我们期待科学家和研究人员能用我们即将推出的Astra模型创造些什么！

生成10项突破证明总成本不到2000美元，期待Astra模型助力科研创新。

@polynoamial：OpenAI下一代模型家族Astra的内部版本，解决了数学、量子复杂性和理论计算机科学领域的10个重大开放问题。

Astra内部版解决数学、量子复杂性及理论计算机科学10个重大开放问题，被视为科学推理的重大进步。

@polynoamial：这是量子密码学中最大的开放性问题之一

量子密码学中一个重大未解决问题。

@polynoamial：长期运行的模型能解决艰难的开放式问题，但其持久性会带来短周期评估未能发现的安全风险

长期模型解难题，但持久性带来安全风险，短评估有遗漏

@polynoamial：2023年，大语言模型难以应对四年级应用题

大语言模型数学能力三年内从小学水平跃至IMO金牌，GPT-5.6轻松解决前沿问题，满分已不稀奇。

@polynoamial: 更多测试时计算带来更强智能，但延迟成瓶颈（从秒至周）

测试时计算提升智能但延迟成瓶颈；GPT-5.6并行扩展，将50年难题证明从整天缩至一小时。

@polynoamial: GPT-5.6 Sol Ultra 证明了50年历史的数学猜想，模型已公开发布，期待科研用途

GPT-5.6 Sol Ultra 破解50年数学猜想，模型公开，推动科研。

@polynoamial：本周我将在ICML，今天（周二）下午3-4点与推理研究同事在@OpenAI展位进行问答活动。欢迎前来提问！

本周ICML，周二下午3-4点在OpenAI展位与推理研究同事进行问答活动，欢迎提问。

@polynoamial：来自@AISecurityInst的优秀工作，研究测试时计算预算对前沿AI模型评估的影响，其论证比我更有说服力！

研究测试时计算预算对前沿AI模型评估的影响，论证极具说服力。

@polynoamial：GPT-5.6在编程方面极其强大且快速，希望能尽快面向所有人开放

GPT-5.6编程极强且快，望早日普及。

@polynoamial: 当我们宣布@OpenAI o1时，其他实验室的研究人员告诉我，我们犯了战略错误，应该保密以加速自身的进展并拉开与竞争对手的差距。这些研究让我确信我们做出了正确的选择。

研究者认为OpenAI公开o1是战略错误，但相信公开是正确的选择。

@polynoamial: Kevin是最优秀的AI记者之一，他亲自使用前沿AI并深入理解其能力与局限，令人期待他的下一步。

Kevin是顶尖AI记者，亲测前沿AI并深刻理解其能力与局限，未来可期。

@polynoamial：我想不到比@deanwball更适合塑造前沿AI政策的人。他清楚AI走向，期待在@OpenAI与他共事！

@deanwball是制定前沿AI政策的最佳人选，期待与他共事。

@polynoamial: 很高兴OpenAI有更多Noam，但特别欢迎@NoamShazeer！

欢迎Noam Shazeer加入OpenAI，为团队增添更多Noam而兴奋。

@polynoamial: 很高兴GPT-5.5在这项评估中名列前茅

GPT-5.5评估领先，且在令牌、成本和时间指标上均表现最佳。

@polynoamial: We've known about LLM test-time compute scaling since @OpenAI o1.

@polynoamial：链接

该推文分享了一个链接，内容未提供具体信息。

@polynoamial: 在阿尔法围棋之后，人类围棋选手的水平明显提高。我猜测数学领域也会出现类似情况。

AlphaGo后人类围棋水平提升，预计数学领域也将出现类似进步。

@polynoamial: 今天我们分享一个内部通用OpenAI模型在一项著名组合几何问题上取得突破。

OpenAI通用模型攻克著名组合几何难题，一年内从IMO金牌级跃升，进步飞速。

@polynoamial: Andrej @karpathy 重返战场！

Karpathy回归！虽盼其重归OpenAI，但他在任何前沿实验室推动技术都令人欣慰，这是共同进步而非零和游戏。

@polynoamial：现在让您的智能体全天候高效运行更加便捷

现在让智能体24/7高效运转更简单。

@polynoamial: 我很喜欢看到新评估分数这么低。当GPT-5.5发布时，几乎所有基准测试得分都超过50%。是时候淘汰GQPA这类评估，引入新评估了。

新评估分数低揭示旧评测太简单，应淘汰GQPA等，推出新评估。

@polynoamial：趣闻：致命错误最初是由@OpenAI的GPT-5.5标记的

致命错误最初由OpenAI的GPT-5.5标记。

@polynoamial: 1亿token后性能仍在提升，眼前并非能力天花板

1亿token后性能持续增长，未见平台期。

@polynoamial: 我将死守的山头：对于当今AI模型，智能是推理计算的函数。自2024年起，用单一数字比较模型已无意义。重要的是每token或每美元的智能。

智能由推理计算决定，比较模型应看每token或每美元智能。

@polynoamial: 我是@OpenAI的一名经理，但借助GPT-5.5，我成为了比以往更高效的独立贡献者，能专业编写CUDA内核，依赖它运行研究实验，并且知道如何让它更强大。

GPT-5.5让OpenAI经理成为高效独立贡献者，能写CUDA内核、运行实验，且未来潜力更大。

@polynoamial: 我们真正需要的是让AI模型生成会玩扑克的AI模型的基准

我们需要让AI模型创造出能玩扑克的AI模型的基准。