Karina Nguyen
观点集合
Agent 推理界面：Claude、ChatGPT Canvas、Tasks、Operator——与 OpenAI 的 Karina Nguyen 对谈
- 🗓️ 日期：
2025-02-01｜ 🎙️ 节目：Latent Space
Canvas由5至6名工程师约4个月交付，Tasks不足2个月，显示训练与反馈一体化的迭代速度。仅靠提示词无法稳定选择定向编辑、全文重写或工具，后训练因此成为产品壁垒。计算机操作仍慢、贵且不精确，协作建立的信任仍是智能体普及门槛。
查看访谈对话精读提要
Karina Nguyen 认为，AI 界面应贯穿整个技术栈，与模型行为一同开发、交付，而不是事后再补上的 UX。 她在 OpenAI 的团队“从训练模型一路做到部署”，将 Canvas 和 Tasks 视为重塑 ChatGPT 的更大系统中的相互连接部分。对投资者而言，这意味着一体化的研究、产品和实时反馈闭环，重要性可能不亚于基准测试领先。
Canvas 奠定了这套作战模板：一支由5至6名工程师组成的团队在7月4日前后成立，约4个月内完成交付，并单独发布 GPT-4o Canvas 模型，让它先从用户反馈中学习，再将改进整合进核心模型。 仅靠提示词无法解决定向编辑还是全文重写、Canvas 还是 Advanced Data Analysis 等决策，有些场景需要后训练，另一些则由应用侧处理。Nguyen 的总结是：“产品研究、模型训练和产品开发彼此紧密相连。”
Tasks 将这套打法压缩到不足2个月，并把日程安排变成分发 ChatGPT 更广泛能力的方式。 搜索、Canvas、故事和 Python 谜题都可以变成周期性输出；最终，Nguyen 希望模型能够推断用户的重复需求，“在后台想着你”。但她也提醒，目前模型还不擅长处理一条请求中的多个任务。
Agent 走向普及的核心瓶颈是通过实际表现赢得信任，而不是第一天就实现最大自治。 Nguyen 的阶梯路径是从一次性操作，到协作，再到长周期委托，因为密码、信用卡和隐含偏好的访问权限，都要求模型持续稳定地工作。“协作其实是用户愿意委托重要工作的主要障碍或里程碑之一。”
Computer use 仍是这条投资逻辑中潜在回报最高、但尚未解决的一环：Nguyen 将其称为 Agent 的核心能力，而 Alessio 仍然看空，因为现有系统“慢”“贵”且“不精确”。 Coding sandbox 和报销单比通用的机票预订更容易落地；swyx 追问 o3-mini 或 o1-mini 级别的模型能否解决延迟问题。Nguyen 的方向性判断是，随着互联网访问转向“通过模型的视角”，网站点击会减少。
原始基准测试的差距掩盖了把模型变成可靠产品的难度。 Claude 3 的开发产生了约70个候选模型，每个都有不同的“脑损伤”；GPQA 的波动性大到需要运行5次取平均，而模型卡之间也很少真正可比。行为设计还引入了诚实、无害和有用之间的目标冲突，至今仍然“更像艺术，而不是科学”。
最终形态可能是一套面向任务、生成式的操作系统，围绕用户意图渲染出正确的产物——文档、代码环境、图表或应用。 ChatGPT Search 生成苹果股票图表，是这一方向的早期样本，指向“从个人电脑走向个人模型”。Nguyen 认为瓶颈在于人的创造力，同时指出 OpenAI 更愿意押注产品，而 Anthropic 的定位更聚焦、更偏企业市场。
🔗 原始收听与视频来源： Agent 推理界面：Claude、ChatGPT Canvas、Tasks、Operator——与 OpenAI 的 Karina Nguyen 对谈