OpenAI Developers@OpenAIDevs · 4月18日

You can just build things.

译直接动手构建就行。

Greg Brockman@gdb · 4月18日

codex makes work plain fun

译codex 让工作变得纯粹有趣

宝玉@dotey · 4月18日69

http://x.com/i/article/2045332084076539905 # 两小时激辩：黄仁勋为什么不怕 TPU、不怕华为、不怕出口管制？ 黄仁勋最近接受了 Dwarkesh Patel 长达两个小时的高密度专访。这场访谈没有客套寒暄，只有密集的观点碰撞。如果你没时间看完，那就记住这一句话——掌控全球 AI 基础设施命脉的老黄，用这样一句话定义了 Nvidia 的使命： > “输入是电子，输出是 Token，中间是 Nvidia。” （“The input is electron, the output is tokens. That is in the middle, Nvidia.”） 整场对话的气氛激烈又直白。主持人 Dwarkesh 在每个话题都紧追不放，尤其涉及中国芯片出口时，两人更是直接“杠”了整整二十分钟。老黄强烈反对把 AI 芯片当作武器的类比，而 Dwarkesh 则紧盯着刚发布不久、网络攻击能力惊人的 Anthropic Claude Mythos 模型，穷追猛打。 访谈来源：Dwarkesh Patel Podcast（2026 年 4 月初） 原始视频：YouTube 链接 ## 要点速览 - Nvidia 的经营哲学是“少做，但每件事都是独一无二”。这也是为什么 Nvidia 不做云、不押注赢家、不竞价分配 GPU。 - 供应链的瓶颈最多两三年就能解决，真正制约未来的是能源政策，而非芯片产能。 - CUDA 的壁垒不是技术锁定，而是庞大的 GPU 装机量、丰富的生态系统，以及在不同云平台之间的可移植性。Nvidia 还直接派驻工程师帮 AI 公司优化模型，通常能轻松提升模型速度 2-3 倍。 - Anthropic 使用 TPU 和 Trainium 是特殊个案而非趋势，原因在于早年 Nvidia 没及时投资 Anthropic，逼得后者只能依靠 Google 和 Amazon 的芯片生态。 - 中国早已拥有足够的 7nm 芯片产能和大量能源，限制出口根本挡不住 AI 发展，反而会推动中国芯片的完全自主化，让美国白白丢掉全球第二大科技市场。 - Nvidia 收购 Groq 不是因为自家 GPU 架构不行，而是因为推理市场的 Token 已经贵到可以分档收费了。 ## 【1】从电子到 Token：Nvidia 如何定义自己？ 一开场，Dwarkesh 就抛出一个尖锐的问题：如果 Nvidia 的工作本质是写软件，而 AI 又正在把软件逐渐商品化，那 Nvidia 自己会不会也被商品化？ 老黄干脆直接把问题推翻重来：“把电子转化成 Token，这事儿本身几乎没法被商品化。”因为这个转化过程不仅复杂，而且远未被充分理解。他强调 Nvidia 的哲学是： > “做必要的事情，越少越好。” （“We should do as much as needed, as little as possible.”） 这句话贯穿了整个访谈，解释了 Nvidia 为什么不自己做云，不偏向某个赢家，也不搞竞价分配 GPU。 而针对“AI 会不会让软件公司贬值”这个反直觉问题，老黄的观点恰好相反。他认为未来 AI 智能体的数量将指数级增长，这些智能体需要大量使用现有的软件工具，而过去这些工具只能由有限数量的人类工程师操作。 他举了个生动的例子：芯片设计公司 Synopsys 的设计编译器（Design Compiler），未来的使用实例可能会爆炸式增长——因为 AI 智能体将成批地使用这些工具进行设计探索。这不仅不会淘汰软件公司，反而会带来史无前例的需求大爆发。 老黄总结道：“今天智能体还不擅长使用这些工具，未来要么工具公司自己开发智能体，要么智能体自动变聪明，学会高效使用工具。这两个过程会同时发生。” ## 【2】当供应链“布道者”：老黄如何推动整个产业链？ 访谈中，Dwarkesh 直接戳中了 Nvidia 看似牢不可破的护城河——他援引了最新财报里的千亿美元采购承诺，以及 SemiAnalysis 更高的 2500 亿美元估值，质疑 Nvidia 是不是靠“买空市场”卡住了竞争对手。 老黄没否认这点，但强调事情没这么简单。Nvidia 敢砸出这么多钱的根本原因，是下游需求足够大，给了供应商十足信心去扩产： > “需求多 → 上游敢投 → 产能增 → 市场更大 → 需求更多”， 这是 Nvidia 背后真实运转的飞轮。 但这飞轮并不是自动转起来的。老黄形容自己花了大量精力做供应链“布道者”，挨个儿向上下游 CEO 讲清楚 AI 大潮为什么会来、什么时候来、以及将有多大： > “我需要让他们看到我看到的未来。” 他特意讲了与美光（Micron）CEO Sanjay Mehrotra 的关键对话，详细告诉对方为何 HBM（高带宽内存）市场马上会爆炸式增长。后来事实证明，美光押注 HBM 和 LPDDR 是个极为成功的决策。 在更上游的光通信领域，Nvidia 直接牵头重塑了供应链：和台积电一起开发封装技术，创造新工艺，还主动把专利分享给合作伙伴，并直接投资帮他们扩大产能——最近对 Lumentum 的 20 亿美元投资，就是典型案例。 老黄把 Nvidia 每年举办的 GTC 大会，定义为产业链上下游的集体“思想升级”： > “有人总跟我说『Jensen，你演讲有时像在上课』，但这正是我要做的事。我希望产业链上的所有人，都能像我一样清晰地看到 AI 即将到来的巨大机会。” ## 【3】产能瓶颈？不存在的 访谈到这里，Dwarkesh 再次追问了一个尖锐问题：Nvidia 已经占据了台积电 3nm 产能的绝大部分，2026 年甚至达到 60%，2027 年更要占到 86%。在如此巨大的基数下，Nvidia 怎么可能再翻倍增长？ 老黄的回答异常乐观，他直截了当地表示： > “所有产能瓶颈最多持续两三年。一旦你能造一个，就能造一百万个。” 任何时候，瞬时需求都会超越供应能力，瓶颈可能出在你完全想不到的环节，甚至可能是水管工人——“明年 GTC 我们还真邀请了水管工参加。” 他以 CoWoS（台积电用来集成芯片和高带宽内存的先进封装技术）为例，两年前它还是 AI 芯片的最大瓶颈，Nvidia 花了大力气解决，现在产能已经翻了数倍。 更重要的是，Nvidia 提前数年就开始主动预判瓶颈。比如硅光子（用光传输数据）领域，Nvidia 不仅亲自开发关键技术，还投资并与台积电及合作伙伴联手扩产，完全掌握供应链的主动权。 但老黄强调，真正让他担忧的并非这些硬件瓶颈，而是下游能源政策： > “没能源，你什么产业都建不了，更别提再工业化美国了。芯片、电动车、机器人、AI 工厂，这些都吃能源，而能源问题可不是两三年就能解决的。” ## 【4】GPU vs TPU：F1 赛车还是凯迪拉克？ 访谈到这里，Dwarkesh 又抛出了一个犀利的观点：世界上最强的两个 AI 模型——Claude 和 Gemini，都是用 Google 的 TPU 训练出来的。这是不是意味着 Nvidia 已经落后了？ 面对这个挑战，老黄迅速把讨论格局拉大：“Nvidia 做的不是『张量处理单元』，而是更广泛的『加速计算』。”除了 AI，Nvidia 的 GPU 还能覆盖分子动力学、流体力学、量子计算、数据处理等数十个领域。这种广泛的适用性，是专用芯片（ASIC）无论如何也追不上的。 而且更关键的是，Nvidia 是云计算领域的通用基础设施，任何人都能操作，能跑在 Google、Amazon、Azure、OCI 等所有主流云平台上。但 TPU 和 Trainium 这些芯片就不同，只能被特定的云服务商使用。 Dwarkesh 显然对这个解释不买账。他代表一些 AI 研究者指出，TPU 本质上就是专门优化矩阵乘法的脉动阵列（systolic array），简单、高效，而 GPU 的通用性反而成了浪费：“做 AI 就是反复的矩阵计算，你非得弄个能做其他事情的 GPU，晶体管面积不是白瞎了吗？” 对此，老黄坚决反驳：“矩阵乘法当然重要，但不是 AI 的全部。如果你想试试新的注意力机制、融合不同的模型架构，你就需要 GPU 这种通用计算平台。” 然后他直接给出了数据——新一代的 Blackwell 架构相比 Hopper 架构能效提高了整整 50 倍： > “靠摩尔定律，每年最多提升 25%。但你要实现 10 倍甚至 100 倍的飞跃，唯一的方法就是不断改变算法和计算方式。” 老黄特意提到，最初宣布 Blackwell 比 Hopper 能效高 35 倍时，没人相信。直到 SemiAnalysis 独立分析后，才发现实际提升居然达到 50 倍！而这一突破的背后，靠的不是制程升级，而是处理器架构、算法、分布式计算策略，以及 NVLink、Spectrum-X 等网络技术的全面创新。 最后，老黄以一个生动的比喻结束： > “GPU 就像 F1 赛车，CPU 更像凯迪拉克。凯迪拉克人人都能开到时速 100 英里，但想把 F1 赛车推到极限，你必须拥有专业的驾驶技术。” 而 Nvidia 自己就拥有这种专业的“驾驶技术”——用 AI 自动生成最优计算内核，帮客户轻松将性能提升 2 倍甚至更多。“考虑到现在 Hopper 和 Blackwell 在全球的装机量，这 2 倍的性能提升，直接等于客户收入翻倍。” ## 【5】CUDA：生态便利还是技术锁定？ 访谈中 Dwarkesh 再次犀利提问：如果 Nvidia 60% 的收入都来自少数几个巨头客户，而这些客户完全有资源自己写内核，那 CUDA 到底还有多大优势？Anthropic 和 Google 已经开始主推自己的芯片，连依赖 Nvidia GPU 的 OpenAI 都开发了 Triton 框架，让内核编程不再依赖 CUDA。 面对这个问题，老黄一口气给出了三个层面的答案： 第一，是生态的丰富程度。 CUDA 已经支持了几乎所有主流框架，从 OpenAI 的 Triton，到 vLLM、SGLang，再到最新的强化学习框架 Verl 和 NeMo RL。Nvidia 自己也积极参与 Triton 的底层开发，这意味着如果出了问题，你至少明确知道问题出在自己代码上，而不是无底洞般的底层实现。 第二，是庞大的装机规模。 “作为开发者，你最在乎什么？当然是用户装机量！” Nvidia 在全球拥有数亿块 GPU，从老旧的 A10 到最新的 Blackwell，横跨各个云平台、每个垂直领域。无论你是做云服务还是机器人，你都希望自己的代码随时随地能跑起来，而 CUDA 就能保证这一点。 第三，是跨云平台的自由。 Nvidia 是唯一一个能同时存在于 Google、Amazon、Azure 和 OCI 等所有主流云服务上的芯片公司。AI 公司无法确定自己未来会选哪家云服务，因此 Nvidia 能提供最大的灵活性和安全感。 但 Dwarkesh 还是不依不饶：这些优势对那些顶级客户真的有那么重要吗？当 AI 越来越擅长自己写高效内核时，Nvidia 会不会变成单纯拼性能和价格的芯片商？到那个时候，Nvidia 还能维持超过 70% 的高毛利率吗？ 对此老黄非常自信地回应：“Nvidia 工程师优化的不只是内核，而是客户整个技术栈。” 他说，没有人比 Nvidia 自己更懂 Nvidia 的架构，“我们的每瓦性能和总拥有成本（TCO）都是全球最好的，没有例外。” 他甚至公开喊话 TPU 和 Trainium 等竞争对手：“我鼓励他们站出来，用 Inference Max 这种公认的基准测试证明自己的推理性能。但现实是，他们根本不敢来。” 最后，老黄指出了一个容易被忽视的重要细节： 虽然 Nvidia 60% 的收入确实来自几家超大型云厂商，但这些 GPU 大部分最终服务于外部客户。云厂商愿意大规模采购 Nvidia，是因为 Nvidia 本身带来了最多的客户。这才是 Nvidia 真正的生态护城河。 ## 【6】Anthropic 的芯片选择：老黄承认了一个错误 访谈最有意思的地方，莫过于老黄公开解释 Anthropic 为什么大量使用 Google 的 TPU 和 Amazon 的 Trainium。 Dwarkesh 提到了 Anthropic 刚宣布的与 Google 和 Broadcom 总计 3.5GW 算力规模的 TPU 交易，尖锐地问道：“如果 Nvidia 性价比真的全球第一，Anthropic 为什么还要选别家的？” 对此，老黄的回应非常直接：“Anthropic 是一个特例，不是趋势。” 他甚至夸张地表示： > “没有 Anthropic，TPU 哪来的增长？100% 是靠 Anthropic。没有 Anthropic，Trainium 的增长从哪来？还是 Anthropic。” 虽然现实情况并没有老黄说得这么绝对，但他的核心意思其实很明确——在 Nvidia 所有的重要客户中，只有 Anthropic 明显地偏向了其他芯片生态。 更有意思的是，接下来老黄主动承认了自己过去的一个重大失误： > “很久以前，我们确实没能力这么做。我低估了建立一家像 OpenAI 或 Anthropic 这样的大模型实验室有多难，也低估了它们对供应商巨额资金支持的需求。当时 Nvidia 根本拿不出 50 亿、100 亿美元给 Anthropic，但 Google 和 AWS 能做到。” 他直言不讳地说： > “我们的失误导致 Anthropic 不得不去找别人。但即使这样，我仍然为 Anthropic 的存在感到高兴——Anthropic 对世界是有益的。” 后来老黄痛定思痛，决心不再犯同样的错误，因此 Nvidia 后续大手笔投资了 OpenAI（300 亿美元）和 Anthropic（100 亿美元）。 关于 Nvidia 为什么不自己做云服务，老黄再次强调了他核心的经营哲学： > “如果我们不冒险打造计算平台，真的就没人做了。如果没有 NVLink、CUDA 和整个生态的搭建与投入，AI 产业根本不会有今天的繁荣。但云服务不同，世界上有很多人能做。我们不做，自然会有人去做。” 他强调 Nvidia 不会亲自做融资业务，因为“融资业务市场上已经有很多人在做了，我们宁愿跟所有做融资的人合作。” 至于为什么 Nvidia 从来不去押注某个赢家，老黄回忆起创业时的教训：“我们刚起步的时候，全行业有 60 家 3D 图形公司。要是那时候投票选谁最可能失败，我们绝对排第一，因为我们的架构方向根本就是错的。” 最后老黄总结道： > “我足够谦逊地知道，不要去挑选赢家。要么大家自己想办法活下去，要么我们干脆照顾好所有人。” ## 【7】GPU 定价哲学：不涨价、不竞标的理由 访谈中，Dwarkesh 又抛出了一个让人直觉上觉得“这才合理”的问题：“GPU 紧缺时，为什么不直接卖给出价最高的人？” 对此老黄给出了一个出人意料但底气十足的回答： > “我们从来不做竞价分配 GPU 的事。这不是 Nvidia 的风格，我们只负责定好一个合理的价格，客户自己决定买不买。” 老黄强调，即使市场火爆到爆炸，他们也绝不会趁机涨价：“其他芯片公司可能会，但我们绝不。我们想做整个行业可信赖的基石，让客户永远不需要猜测或担心我们会不会趁机割韭菜。” 他甚至顺带辟了个谣：“坊间传闻 Larry Ellison 和 Elon Musk 曾经在一次晚餐上苦苦求我分 GPU 给他们，这事确实有，但他们根本不用求，只要下订单就可以了。” 更让人吃惊的是，老黄透露 Nvidia 与台积电近 30 年的合作，从来没签过正式法律合同： > “我们之间一直存在一种默契，有时候我占点便宜，有时候吃点亏，但总体上公平。我可以完全信任他们、依赖他们。” 最后，他点出了 Nvidia 的另一个优势——超强的可预测性： “今年我们交付 Vera Rubin 架构，明年是 Vera Rubin Ultra，后年是 Feynman，再下一年还有未公布的新架构。” 他带着骄傲地总结道： > “你放眼全球，有哪家 ASIC 团队敢拍胸脯承诺：每年稳定推出新架构、每年 Token 成本持续下降一个数量级？只有 Nvidia 能做到，我们像钟表一样准时可靠。” ## 【8】对华出口管制：老黄全场最激烈的交锋 访谈进行到中段时，Dwarkesh 开启了本场最激烈的 20 分钟辩论。他直言，自己习惯当“魔鬼代言人”——此前他曾挑战过支持出口管制的 Dario Amodei，现在面对反对管制的老黄，他反过来问了同样尖锐的问题： > “如果中国企业和政府拥有了训练出类似 Anthropic Claude Mythos 这种顶级模型的 AI 芯片，会不会威胁美国国家安全？” Claude Mythos 近期刚发布，就已发现了数千个零日漏洞，甚至能在主流操作系统和浏览器中自主发掘高危漏洞。正因如此，Anthropic 不敢公开发布，只限量提供给 Google、微软等机构修补漏洞。 对此老黄迅速而坚定地反驳：“Mythos 训练所需的算力其实并不特殊，在中国早已普遍存在。他们有世界 60% 以上的芯片产能，拥有最顶尖的计算机科学家，全球 50% 的 AI 研究者也都来自中国。” 他更犀利地提出：“如果你真担心中国，用最糟糕的方式——把他们变成受害者、敌人，肯定不是好主意。” 老黄指出，现在美中最大的缺失，是 AI 研究者之间的真正对话。他认为双方应该公开、直接地讨论，明确 AI 哪些领域不能涉及。 Dwarkesh 不认同老黄的观点。他强调，中国虽然芯片多，但先进算力只有美国的十分之一，因为中国的制程还卡在 7nm，没有 EUV 设备。这意味着美国有一个宝贵的窗口期，可以比中国更快达到 Mythos 的级别，并提前堵上漏洞。 老黄却一针见血地指出了被忽略的现实： > “中国拥有的免费能源实在太惊人了。AI 就是一个巨大的并行计算问题，如果中国芯片算力不够先进，他们完全可以用大量便宜芯片和几乎免费的电力拼成超算。他们甚至有空置的鬼城、鬼数据中心，可以迅速规模化部署。” 他进一步补充道：“7nm 芯片其实就是我们过去的 Hopper 芯片，而全球绝大部分先进 AI 模型，就是用 Hopper 训练出来的。华为去年更是创下了史上最大规模的单年芯片出货量。” 在老黄看来，出口管制只会促使中国更快走向芯片自主，而美国则将因此白白放弃全球第二大的科技市场。 Dwarkesh 试图用“内存带宽”问题继续施压，但老黄干脆回应：“华为本质上是一家网络公司，他们完全有能力通过先进的互联技术，把大量普通芯片串联成超级计算机。他们甚至已经展示过用硅光子技术把低端芯片变成巨型超算的能力。” 随后，老黄抛出了访谈中最具争议的一句话： > “如果未来 DeepSeek 这样的顶尖模型，首发选在华为芯片上，那对美国来说将是灾难。” 他的逻辑非常清晰：如果开源 AI 模型被优化到非美国的技术栈上，当这些模型传播到全球南方、中东和东南亚地区时，美国的技术标准和硬件生态将不再有竞争力，美国将丢掉全球 AI 技术主导权。 Dwarkesh 随即反驳道：“Anthropic 的模型同时能跑在 GPU、TPU 和 Trainium 上，这种跨平台兼容性不会轻易消失。” 老黄不以为然：“你试试看，把一个为 Nvidia 优化的模型搬到其他平台上去，性能会怎么样？Nvidia 的成功就是最佳证明。AI 模型在我们的技术栈上被创造，也在我们的技术栈上达到最好效果，这点毫无疑问。” 接下来，Dwarkesh 引用了 Dario Amodei 曾在达沃斯论坛上的尖锐比喻：“Nvidia 卖芯片给中国，就像波音自豪地说，朝鲜的核武器导弹外壳是波音造的，所以这是支持美国技术生态。” 这句话立刻激怒了老黄，他强烈回击： > “你把 AI 和你刚刚提到的任何东西比较，简直是荒谬透顶。” Dwarkesh 仍不罢休：“但如果他们的芯片可以跑出攻击所有美国软件的 AI 模型，这难道不算武器？” 老黄冷静地指出：“真正解决之道，是美中通过沟通达成明确共识，确保所有国家都不滥用 AI 技术。更何况，中国是全球最大开源贡献者，AI 安全依赖于全球开源生态。我们不能掐死它。” Dwarkesh 抓住老黄逻辑上的微妙矛盾追问：“你一边说 Nvidia 芯片最强，在中国市场一定能赢；一边又说，就算不卖芯片，中国照样可以做到一样的事。” 老黄强调，这两点并不矛盾：“如果市场上有更好的芯片，自然选更好的。如果没有，也能用已有的方案，这完全合乎逻辑。” 辩论到最后，双方立场都非常鲜明： 老黄坚持，AI 技术像一块“五层蛋糕”，每一层都必须竞争并取胜。牺牲芯片层（也就是不卖芯片给中国）来防止他们训练出高端模型，是一种极端且短视的做法。他举了美国电信行业的例子：过去严格的出口管制曾让美国公司彻底丢掉全球电信市场，最终让美国“不再控制自己的电信产业”。 Dwarkesh 激烈地质问老黄，这种说法是不是一种“输家心态”。老黄当场火力全开： > “你面前这个人，不是早上醒来准备输的人。这种输家的态度、输家的假设，对我来说毫无意义。” 最后，老黄平静地总结了自己的核心观点： > “没有人说要么全部开放、要么全封闭。美国必须永远领先，拥有最好的技术。但同时我们也应该积极参与全球竞争并赢下市场。这两件事是完全能同时做到的。世界从来不是非黑即白的。” ## 【9】收购 Groq 背后：推理市场进入分层时代 访谈最后阶段，Dwarkesh 将话题从敏感的地缘政治拉回到技术上，问老黄：“Nvidia 为什么不尝试不同的芯片架构？比如 Cerebras 那种晶圆级芯片，或者像 Dojo 那样的大封装结构，甚至推出完全不依赖 CUDA 的版本？” 老黄简单又直接地回应：“我们当然能做，但事实证明这些架构并没有更好。它们早就在我们的模拟器里反复验证过了，效果都不如现在的方案。” 不过他承认，Nvidia 最近的确在推理芯片领域迈出了新的一步——高价收购了 Groq。 但老黄强调，收购 Groq 并非因为 GPU 架构不够优秀，而是因为推理市场本身出现了重大变化： > “几年前，推理产生的 Token 基本不值钱，甚至可以说免费。但现在不同客户对 Token 的要求不同，他们愿意为更快的响应速度支付更高的价格。” 他举了自家软件工程师的例子：“如果我们能给工程师提供更快响应的 Token，让他们的生产力翻倍，我们当然愿意为此额外付费。”这就是所谓的“高端推理市场”，过去并不存在，但如今正在快速形成。 老黄继续解释：“我们现在已经进入了一个『推理分层时代』。同一个模型可以根据响应速度不同来定价，这意味着吞吐量高不再是唯一标准。更快的响应速度，即使整体吞吐量低一些，也可能获得更高的平均售价（ASP）。” 对于是否会考虑回到旧制程（比如 7nm）来缓解芯片供应压力的问题，老黄果断表示不太可能： > “理论上可以这么做，但经济上完全不划算。我们能承担得起向前发展，但负担不起向后退步。每一代新架构的进步，不仅仅是制程，还有封装、堆叠技术、数值精度和整体系统架构的革新。除非有一天真的再也无法提高产能，否则我们绝不会往回走。” ## 【10】假如 AI 革命从未发生，Nvidia 还会做什么？ 访谈的尾声，Dwarkesh 提出了一个假设性的、稍显哲学的问题：“如果深度学习革命从来没有发生，今天的 Nvidia 会做什么？” 老黄没有犹豫，干脆地回答：“我们还是会做加速计算，这本来就是 Nvidia 一直在做的事。”他强调，通用计算的时代已经走到了尽头，计算世界转向加速计算的趋势和 AI 并不必然相关。 > “即使 AI 不存在，Nvidia 依然会是一家非常大的公司。” 他说，即便没有 AI，计算光刻、量子化学、数据处理和图像生成等领域，依旧需要强大的加速计算能力。他提到 GTC 大会上有很大一部分话题并非围绕 AI 展开，但依然对产业至关重要。 > “张量计算不是计算的全部。我们希望能帮助所有计算领域。” 但老黄最后也坦率承认了自己内心深处的一点小情绪：“但如果世界上真的没有 AI，我会感到非常伤心。” ## 最后的快问快答 Q：Nvidia 会不会变成商品化公司？ Jensen：不会。因为从电子到 Token 的转化本身非常复杂，工程和科学问题还远未被理解透彻。AI 智能体的爆发还会为软件工具带来巨大的需求增长。 Q：CUDA 最大的价值到底是什么？ Jensen：不是技术锁定，而是全球数亿块 GPU 的装机量、极其丰富的生态系统，以及跨每一家云平台的便捷性。此外，Nvidia 的工程师还能帮客户轻松实现 2-3 倍的性能提升。 Q：Anthropic 为什么选择 TPU 而不是 GPU？ Jensen：因为 Nvidia 早年缺乏财务能力，没有及时投资 Anthropic，导致他们不得不依靠 Google 和 AWS 的芯片生态。这是一个特例，而不是长期趋势。 Q：Nvidia 应不应该向中国出售 AI 芯片？ Jensen：应该。中国已经有了充足的 7nm 芯片产能和丰富的能源，出口限制只会加速中国自主生态的建立。美国需要在所有技术层面积极竞争，而不是通过牺牲市场来“赢”。 Q：Nvidia 为什么自己不做云服务？ Jensen：“因为如果我们不做，总有人会做。”Nvidia 的哲学是只做那些如果我们不做，就没人能做的事情。而云基础设施显然不属于这一类。 ## 老黄的自相矛盾与现实考验 这场近两个小时的访谈，呈现出了几个值得持续关注的矛盾与悬念。 首先，老黄所谓“尽可能少做事”的哲学，在现实中早已偏离了字面含义。投入 300 亿美元给 OpenAI，100 亿美元给 Anthropic，花 200 亿美元收购 Groq，又扶持 CoreWeave 等新兴云服务商……Nvidia 的触手实际上早已深入 AI 产业链的每一个环节。如今看来，这个原则更像是一种事后美化的叙事，而非真正约束行动的法则。 其次，“Anthropic 是特例”这一论断，能否扛住现实的检验也充满悬念。Anthropic 在过去一年与 Broadcom 和 Google 的 TPU 合作规模翻了数倍（从 1GW 增至 3.5GW），与此同时 OpenAI 也开始发展自己的 Triton 框架并和 AMD 合作。如果未来出现更多这样的“特例”，那么老黄的说法基础势必动摇。 再来看最敏感的对华出口话题。整场辩论下来，老黄始终没有直面回答一个最关键的问题：“他到底愿意接受什么程度的出口限制？”他反复强调不应该限制出口，又同时表示美国必须永远领先。一旦这两种立场发生冲突，究竟哪个更重要？他没有给出明确答案。他举出的“美国电信产业失败”的案例虽有启发性，但这种类比是否能完全适用于 AI 芯片这种显著的双重用途技术，仍有待商榷。 而在商业策略上，老黄一再强调 Nvidia 作为“行业基石”绝不涨价、不搞竞价分配 GPU，能精准预测每年发布新架构。但这个承诺的可信度，很大程度上依赖于 Nvidia 目前超过 70% 的超高毛利率。当竞争真正来临时，Nvidia 是否还能如此慷慨与淡定？ 接下来 Vera Rubin 架构的实际量产进度与性能表现、Groq 3 LPX 在真实推理任务中的表现，以及中国自研芯片在未来几个月的真实部署规模，都将是检验老黄此次访谈诸多观点的最佳指标。 完整访谈视频：Dwarkesh Patel Podcast

译黄仁勋在接受专访时，将Nvidia的使命定义为“输入是电子，输出是Token”。他阐述了公司“少做，但每件事都独一无二”的哲学，因此不做云服务、不押注特定赢家。他认为供应链瓶颈最多持续两三年，真正的长期制约是能源政策。针对竞争，他指出专用芯片在跨云可移植性和广泛适用性上不及Nvidia的通用加速计算平台。对于出口管制，他认为中国已拥有足够的7nm产能和能源，限制反而会加速其芯片自主化，使美国失去第二大科技市场。

Tibo@thsottiaux · 4月18日

We are barely getting started with Codex. Good engineering and clear product thinking has never been more important and I’m proud of the team for deeply thinking about the primitives that will stand the test of time. Things will continue to accelerate from here.

译我们在 Codex 上才刚刚开始。 良好的工程能力和清晰的产品思维从未如此重要，我为团队深入思考那些经得起时间考验的原语而感到骄傲。接下来一切将继续加速。

Epoch AI@EpochAIResearch · 4月18日

In 2025, OpenAI announced Stargate, a $500 billion data center initiative. We surveyed all 7 US sites and found visible development at each. There's a long road ahead, but the project appears on track to reach 9+ GW by 2029—comparable to New York City's peak power demand. 🧵

译2025年，OpenAI 宣布了 Stargate，一项 5000 亿美元的数据中心计划。我们调查了全部 7 个美国站点，发现每个都有可见的进展。 前路漫漫，但该项目似乎有望在 2029 年达到 9+ GW——相当于纽约市的峰值电力需求。🧵

Greg Brockman@gdb · 4月18日

Stargate is a step towards meeting the demand of the compute-powered economy

译Stargate 是迈向满足算力驱动型经济需求的一步。

Rohan Paul@rohanpaul_ai · 4月18日

Today’s edition of my newsletter just went out. 🔗 https://www.rohan-paul.com/p/claude-opus-47-launched-as-less-powerful 🗞️ Claude Opus 4.7 launched as ‘less powerful’ version of Mythos 🗞️ Perplexity just launched Personal Computer, a Mac feature that lets AI work across local files, native apps, and the browser. 🗞️ AI can boost performance at first and then leave people less able to think through problems on their own. 🗞️ A new paper shows that GitHub stars can be bought at scale, and that the distortion now bleeds into security. 🗞️ OpenAI just expanded Codex from a coding assistant into a desktop agent that can see, click, type, remember your habits, and keep work moving across apps and tools.

译Claude Opus 4.7 作为 Mythos 的轻量版本发布。Perplexity 推出 Mac 端 Personal Computer，支持 AI 跨本地文件、原生应用及浏览器操作。OpenAI Codex 升级为桌面智能体，具备视觉感知、点击输入及记忆用户习惯能力。研究显示 AI 初期提升效率但长期或削弱独立思考能力。另有论文揭露 GitHub stars 刷量现象已渗透至安全领域。

Chubby♨️@kimmonismus · 4月18日

Kevin Weil is leaving OpenAI. This is a great loss. He was certainly one of OpenAI's strengths.

译Kevin Weil 即将离开 OpenAI。 这是巨大的损失。 他无疑是 OpenAI 的核心优势之一。

Greg Brockman@gdb · 4月18日

codex for proactively suggesting what it can do for you:

译Codex 主动建议它能为你做什么：

Greg Brockman@gdb · 4月18日

codex is for everyone. learn how to get the most out of it:

译Codex 面向所有人。了解如何充分利用它：

Chubby♨️@kimmonismus · 4月17日

Opus 4.7 consumes approximately 1.3 times as many tokens. The instructions must be very precise. Many are complaining about a "rushed release." In the Bullshit Benchmark, it performs worse than Opus 4.6. The mood is very mixed. Anthropic may have done OpenAI a big favor with this. Spud is expected next week. And if the release is done right, it could overshadow Opus and catapult ChatGPT back to the top. h/t @petergostev for the benchmark and image

译Opus 4.7 消耗的 token 数量约为原来的 1.3 倍。指令必须非常精确。许多人在抱怨这是一次"仓促发布"。在 Bullshit Benchmark 中，它的表现比 Opus 4.6 更差。反响非常两极分化。 Anthropic 这次可能帮了 OpenAI 一个大忙。Spud 预计下周发布。如果发布得当，它可能会盖过 Opus 的风头，让 ChatGPT 重回巅峰。 h/t @petergostev 提供基准测试和图片

Greg Brockman@gdb · 4月17日

imagegen in codex is easy to underestimate, but it's quite powerful:

译Codex 中的图像生成功能容易被低估，但它相当强大： [引用 @wonforall]：图像生成功能现已在 Codex 中上线！ 你现在可以直接在 Codex 中生成视觉内容、编辑现有图像，以及从单张图像创建 GIF。 我在开发这个功能时花了很多时间测试不同的用例，看到输出结果可以如此有创意和实用，真的令人印象深刻。 希望你用得开心 🚀

Tibo@thsottiaux · 4月17日

Hi! To celebrate its 1-year anniversary, I have allowed Codex to reset its own rate limits across all plans. Enjoy all the new features.

译嗨！为庆祝其一周年纪念，我已允许 Codex 重置其在所有套餐中的速率限制。享受所有新功能。

Sam Altman@sama · 4月17日

I am happy everyone is switching to Codex, but Tibo if you start rate limiting me or making me use worse models...

译我很高兴大家都在转向 Codex，但 Tibo，如果你开始限制我的速率或让我使用更差的模型... Codex 计算高效 ✅ 永远在线，从不宕机 ✅ 最擅长硬核工程 ✅ 超棒的应用，首个突破终端的 ✅

宝玉@dotey · 4月17日40

Codex Computer Use Mac 版本这交互确实很赞👍

Tibo@thsottiaux · 4月17日

Codex Compute efficient ✅ Always up, never down ✅ Best at hardcore engineering ✅ Crazy good app, first to escape the terminal ✅

译Codex 计算高效 ✅ 始终在线，永不宕机 ✅ 硬核工程最强 ✅ 应用超赞，首个突破终端 ✅

Rohan Paul@rohanpaul_ai · 4月17日

Looks like ChatGPT web just added a keyboard shortcut for the dictation feature. very useful.

译看起来 ChatGPT 网页版刚刚为听写功能添加了键盘快捷键。很有用。

宝玉@dotey · 4月17日46

Codex 现在能做类似 Cowork 的事，还不像 Cowork 那样被沙盒限制，能做的事很多，能力挺强

宝玉@dotey · 4月17日

Codex 刚刚上线了一个重磅新功能——自带“评论模式”的应用内浏览器 现在，你可以直接在代码编辑器里浏览任何网页。只需简单点点鼠标，就能快速和你的 AI Agent 进行迭代。 Codex 会自动帮你搞定所有繁琐的步骤：它能瞬间截取网页屏幕，精准抓取 DOM 元素（DOM element），然后把这些信息作为最精准的上下文，直接无缝投喂到你接下来的对话窗口中。 这功能我印象中最早是 v0 上有的，没想到 codex 现在也支持了。

译Codex 推出应用内浏览器功能，支持"评论模式"。用户无需离开编辑器即可浏览网页，通过点击与 AI Agent 实时交互。系统自动捕获网页截图及 DOM 元素，将其作为精确上下文无缝投喂至对话窗口。该功能省去了切换浏览器、手动截图等繁琐步骤，既适用于前端开发调试，也支持针对文档内容的即时提问，显著提升开发效率。

宝玉@dotey · 4月17日

要想编程效果好，就得学会“黑话”😂

OpenAI Developers@OpenAIDevs · 4月17日

We’re adding more plugins to Codex to give it more ways to gather context and take action across your stack. New plugins include @coderabbitai, @Remotion, @CircleCI, and more.

译我们正在为 Codex 添加更多插件，让它有更多方式收集上下文并在你的技术栈中执行操作。 新插件包括 @coderabbitai、@Remotion、@CircleCI 等。

Yuchen Jin@Yuchenj_UW · 4月17日

I bet GPT-5.5 / Spud will drop within 1 hour. Developer dilemma of the day: Claude Code or Codex.

译我赌 GPT-5.5 / Spud 将在一小时内发布。 今日开发者难题：Claude Code 还是 Codex。

Chubby♨️@kimmonismus · 4月17日

Google joins the Pentagon club. Three labs, three very different deals. The Information reports Google is negotiating a classified AI agreement with the Pentagon to deploy Gemini in secure environments. A full reversal of the 2018 Project Maven walkout. The three-lab picture: OpenAI: signed. Contract permits "all lawful uses". Paper carve-outs against autonomous weapons and mass surveillance exist, but the "all lawful uses" clause effectively overrides them. Altman asked the Pentagon to extend the same terms to every lab. Google: in negotiation. Proposed language mirrors OpenAI's almost word for word, same soft carve-outs included. Classified compute capacity and TPU deployment in secure environments is on the table. Anthropic: frozen out. Amodei refused to drop safeguards against autonomous lethal weapons and domestic surveillance. Pentagon declared Anthropic a "supply chain risk" in February. Two lawsuits pending. Exclusion stands. OpenAI set the ceiling. Google is accepting it. Anthropic is the outlier, and paying for it commercially. Worth noting (you probably remember): Google quietly removed the weapons and surveillance prohibitions from its AI principles in early 2025. Weeks later, Public Sector held its sales kickoff. Over 200 Google employees signed a letter opposing exactly these use cases. Jeff Dean signed an amicus brief supporting Anthropic's lawsuit, and now works at a company negotiating the deal that brief argued against. Google Public Sector targeted $2 billion in defense bookings for 2025 to 2027. Anthropic's exclusion opens a gap. Google and OpenAI are filling it.

译Google正与五角大楼谈判机密协议，拟在安全环境部署Gemini，彻底逆转2018年Project Maven抵制立场。OpenAI已签"所有合法用途"合同，Google拟接受相同条款并部署机密计算能力，Anthropic则因坚持武器与监控禁令被排除。Google年初悄悄删除AI原则中的武器限制，目标2025-2027年20亿美元国防订单，与OpenAI共同填补Anthropic留下的市场空白。

OpenAI Developers@OpenAIDevs · 4月17日

“People aren’t just building for humans anymore. They’re building for agents.” @Cloudflare shares how Cloudflare Sandbox SDK works with the OpenAI Agents SDK to help agents run code in secure environments while keeping sensitive data separate from execution.

译“人们不再只是为人类构建产品了。他们在为智能体构建。” @Cloudflare 分享了 Cloudflare Sandbox SDK 如何与 OpenAI Agents SDK 协同工作，帮助智能体在安全环境中运行代码，同时将敏感数据与执行过程分离。

Tibo@thsottiaux · 4月16日

Feeling codexy today

译今天感觉很 codexy

Nathan Lambert@natolambert · 4月16日

The current pace of token-efficient reasoning improvements across minor Claude Opus/GPT model versions is pretty wild. All signs point to this continuing. 4.6 to 4.7 could've been presented as a fairly large model bump in the past with this plot.

译Claude Opus/GPT 模型小版本间 token 效率推理改进的当前速度相当惊人。所有迹象都表明这将继续。 4.6 到 4.7 在过去本可被视为一次相当大的模型升级。

Chubby♨️@kimmonismus · 4月16日

Apple just made a quietly stunning admission: its own Siri engineers need to go back to school. According to a report from The Information, the company is sending close to 200 members of the Siri organization to a multi-week bootcamp, where they will learn how to code using AI tools like Claude Code and Codex. Roughly 60 engineers stay behind to keep core development running, and another 60 handle evaluations and safety checks. This retraining wave lands just two months before WWDC in June, where Apple plans to unveil the long-delayed, Gemini-powered Siri overhaul.

译苹果正派遣近200名Siri工程师参加为期数周的集训，学习Claude Code和Codex等AI编程工具。此次大规模再培训距WWDC仅剩两月，届时苹果计划发布基于Gemini的Siri重大升级。约60人留守核心开发，60人负责安全评估。此举被视为苹果承认其团队在AI编程技能上存在缺口，需紧急补课以赶上行业步伐。

Tibo@thsottiaux · 4月16日49

/compact coming in Codex, we finally listened

译Codex 即将推出 /compact 功能，我们终于听取了意见

Rohan Paul@rohanpaul_ai · 4月16日

Put frontier AI models in a nuclear standoff, and they do not freeze, they bargain, deceive, and keep climbing. This paper shows that frontier models in crisis simulations learned coercive nuclear strategy faster than they learned restraint. Across 21 games, not one model ever used a surrender or concession option. These systems did not need to be instructed to think in terms of credibility, deception, reputation, and escalation ladders. They generated that logic on their own, and the paper documents it directly in their private reasoning. The models were not simply aggressive. They were strategically asymmetric. They could imagine many ways to climb, but almost none to yield, which is why nuclear threats mostly failed and opponents backed down only 14% of the time after nuclear use. GPT-5.2 is the clearest warning about how misleading a single safety snapshot can be. In open-ended games it looked restrained and won 0%. Under deadline pressure it flipped to a 75% win rate and climbed from a median escalation of 175 to 900. Claude was different. It behaved less like a malfunctioning model than like a cold bargainer, staying reliable at low stakes, then exceeding its own signals at high stakes while repeatedly stopping at strategic nuclear threat rather than full strategic war. Gemini was the purest form of the danger. It was the only model to deliberately choose full strategic nuclear war, and it did so by Turn 4. The real risk is not that models are secretly bloodthirsty. It is that under competition, uncertainty, and time pressure, they can become better at brinkmanship than at backing down. ---- Paper Link – arxiv. org/abs/2602.14740 Paper Title: "AI Arms and Influence: Frontier Models Exhibit Sophisticated Reasoning in Simulated Nuclear Crises"

译前沿AI模型在核危机模拟中展现出危险的战略不对称性。研究显示，GPT-5.2、Claude和Gemini无需指令即可自发形成关于可信度、欺骗和升级阶梯的推理逻辑，但21场游戏中无一使用投降或让步选项。Gemini最激进，在第4回合即选择全面战略核战争；GPT-5.2在时间压力下胜率从0%升至75%，升级程度剧增；Claude则像冷酷谈判者，在高压下超出自身信号。核心风险在于，模型在竞争和时间压力下更擅长边缘政策而非退让。

Chubby♨️@kimmonismus · 4月16日

No GPT-5.5 tomorrow, fingers crossed however that Opus 4.7 will be released.

译明天没有 GPT-5.5，但祈祷 Opus 4.7 会发布。 [引用 @synthwavedd]：正如这些天似乎几乎总是如此，5.5 的发布已被推迟（不会是明天） 不过延迟不会太长，很快会有更多消息

Rohan Paul@rohanpaul_ai · 4月16日

Today’s edition of my newsletter just went out. 🔗 https://www.rohan-paul.com/p/google-just-launched-gemini-31-flash 🗞️ Google just launched Gemini 3.1 Flash TTS, a text-to-speech model that takes scene direction, speaker notes 🗞️ OpenAI just turned the Agents SDK into a long-running agent runtime with sandbox execution and direct control over memory and state. 🗞️ OpenAI unveils GPT-5.4-Cyber a week after Anthropic’s announcement of AI model 🗞️ Fortune published a piece. From Molotov cocktails to data center shutdowns, the AI backlash is turning revolutionary 🗞️ Google just turned Gemini in Chrome prompts into reusable one-click tools called Skills.

译Google 发布 Gemini 3.1 Flash TTS 语音模型及 Chrome Skills 工具，支持场景化语音合成与提示词复用。OpenAI 推出 GPT-5.4-Cyber 并升级 Agents SDK 为长期运行代理环境，支持沙盒执行与状态管理。与此同时，AI 技术遭遇强烈社会抵制，出现针对数据中心的激进行动。

Ethan Mollick@emollick · 4月16日

Wish there was information about where this data came from, but this is a very significant change. Since AI use comes from experience, the persistent gender gap in AI use across every study of AI was something that a lot of scholars were concerned about.

译希望有信息说明这些数据来自哪里，但这是一个非常重大的变化。由于 AI 使用源于经验，每项 AI 研究中都存在的持续性性别差距曾是许多学者担忧的问题。 [引用 @OpenAINewsroom]：ChatGPT 刚推出时，存在巨大的性别差距，我们的匿名数据显示约 80% 的用户使用典型的男性名字。这一差距现已消失。

OpenAI Developers@OpenAIDevs · 4月16日

With the Agents SDK and @Vercel Sandbox, agents can execute work in isolated environments while keeping credentials separate from the harness.

译借助 Agents SDK 和 @Vercel Sandbox，agents 可以在隔离环境中执行工作，同时将凭证与 harness 分离。

Chubby♨️@kimmonismus · 4月15日

Hype is real. I am so ready and so excited. Big week is coming!

译炒作是真的。我已经准备好了，非常兴奋。重要的一周要来了！ [引用 @synthwavedd]：@acombo_yt gpt-5.5-2026-04-16

Chubby♨️@kimmonismus · 4月15日

I can very well imagine that we'll see Opus 4.7 today, ChatGPT Image 2 tomorrow, and maybe even "Spud." Here are the reasons for this: - OpenAI has a fairly similar release strategy, mostly on Tuesdays or Thursdays at the same time. Anthropic is aware of this, of course, and is trying to either preempt it or at least not overshadow their release. - Anthropic, in turn, has recently been making headlines. "Mythos" was a wake-up call; OpenAI has a good position, but its PR is currently being overshadowed by Anthropic, ARR, models, etc. The leaked memo from OpenAI CRO speaks volumes. A major release is needed, especially since Deepseek is expected next week ("end of April"). - Image 2 has already been largely leaked. That alone wouldn't be enough to win them over. They need more. I deleted the last post because it sounded like I knew exactly when the releases would be. I don't. The Information has made an Opus 4.7 release this week very likely, and OpenAI employees are also expressing a positive sentiment. However, these are the only indications.

译业内人士预测Claude Opus 4.7与ChatGPT Image 2将于本周密集发布，甚至可能包括代号"Spud"的新品。OpenAI惯于周二或周四发布，Anthropic则试图抢先或避免被 overshadow。鉴于Anthropic近期凭借Mythos等占据头条，加上Deepseek预计下周发布，OpenAI急需重大更新应对竞争。尽管Image 2已遭大量泄露，但The Information及OpenAI员工积极情绪均暗示发布临近。

Greg Brockman@gdb · 4月15日

try the TurboTax app in ChatGPT:

译试试 ChatGPT 里的 TurboTax 应用： [引用 @Intuit]：⏰ 赶在 4/15 报税截止日期前。@ChatGPTapp 中的 TurboTax 赶在报税日进行了升级——获取个性化报税清单并上传文件，帮助你在使用 @TurboTax 报税时最大化退税金额。💸🤖 https://bit.ly/3OBPWzA

宝玉@dotey · 4月15日

开源项目推荐：BlockNote BlockNote 是一个开源的 React 富文本编辑器，基于 ProseMirror 和 Tiptap 构建，走的是 Notion 风格的 Block 编辑体验，拖拽、嵌套、斜杠菜单、格式工具栏这些开箱即用。 对于需要在自己的应用里嵌入编辑器的开发者来说，它最大的吸引力在两个地方。 第一是上手门槛低。几行代码就能跑起来一个带完整 UI 的编辑器，不用像直接用 ProseMirror 或 Tiptap 那样先啃一堆底层概念。Block 类型、键盘快捷键、自定义样式都可以配置，但不配也能直接用。 第二是原生支持 AI 集成。通过 @blocknote/xl-ai 这个扩展包，可以在编辑器里直接接入 AI 能力，用户选中文字点 AI 按钮、或者在斜杠菜单里输入 /ai，就能让 AI 帮忙写、改、续写内容。后端支持接 OpenAI、Anthropic 或者自己的模型端点，也能接 RAG 管道给 AI 补充知识库。AI 的操作过程对用户完全透明，改了哪里、加了什么，用户可以逐条接受或拒绝。 这意味着如果你在做一个内容管理系统、知识库、或者任何需要"编辑器 + AI 辅助写作"的产品，BlockNote 省掉了你同时造两个轮子的功夫。 实时协作也内置支持（需要借助第三方服务），基于 Yjs 实现多人同时编辑。另外还有导出 PDF、Word、ODT 的扩展包，适合需要生成正式文档的场景。 许可方面需要注意：核心编辑器功能用的是 MPL-2.0 协议，商业项目可以自由使用。但 AI 集成、多列布局、文档导出这些 xl- 开头的高级包用的是 GPL-3.0，闭源商业项目需要购买商业许可。 如果你现在的选型在 Tiptap 和 BlockNote 之间纠结：Tiptap 更适合需要深度定制编辑器行为的场景，但学习曲线陡，需要理解 ProseMirror 的 Schema 和插件体系。BlockNote 封装层级更高，适合想快速出活、不想在编辑器底层花太多时间的团队。 项目地址：http://github.com/TypeCellOS/BlockNote，文档在 http://blocknotejs.org。

译BlockNote是基于React的开源富文本编辑器，采用Notion风格Block模式，基于ProseMirror和Tiptap构建。通过高层封装显著降低集成门槛，几行代码即可部署完整UI。核心亮点是原生AI支持，可接入OpenAI等模型实现写作辅助。协议分层需注意：核心功能采用MPL-2.0允许商业自由使用，但AI集成等xl-系列高级包基于GPL-3.0，闭源项目需购买商业许可。适合追求快速落地的CMS、知识库等场景。

Epoch AI@EpochAIResearch · 4月15日

OpenAI has purchased access to the FrontierMath: Open Problems verifiers. This allows them to check the validity of solutions their models generate. Thread with details.

译OpenAI 已购买 FrontierMath: Open Problems 验证器的访问权限。这使他们能够检查其模型生成的解的有效性。详情见推文串。

TestingCatalog News 🗞@testingcatalog · 4月15日

OpenAI is scaling GPT‑5.4‑Cyber to API customers with highest tiers. > GPT‑5.4‑Cyber is a model purposely fine-tuned for additional cyber capabilities and with fewer capability restrictions.

译OpenAI 正在向最高层级的 API 客户扩展 GPT‑5.4‑Cyber。 > GPT‑5.4‑Cyber 是一个专门微调用于额外网络能力且限制更少的模型。 [引用 @AndrewCurran_]：新模型：GPT‑5.4‑Cyber '今天我们正通过为愿意与 OpenAI 合作以验证自身为网络安全防御者的用户引入额外访问层级来扩展此计划。最高层级的客户将获得 GPT‑5.4‑Cyber 的访问权限，这是一个专门微调用于额外网络能力且限制更少的模型。' https://openai.com/index/scaling-trusted-access-for-cyber-defense/

Tibo@thsottiaux · 4月15日69

Today we are introducing GPT-5.4-Cyber and expanding our Trusted Access for Cyber (TAC) program. https://openai.com/index/scaling-trusted-access-for-cyber-defense/

译今天我们推出 GPT-5.4-Cyber 并扩展我们的网络安全可信访问（TAC）计划。 https://openai.com/index/scaling-trusted-access-for-cyber-defense/