OpenAI 年末的12天连续发布会终于落幕了。说实话，每天蹲守看直播就像在开巧克力盲盒——你永远不知道下一颗是什么味道。前11天里，大部分内容确实寡淡，真正算得上有点“滋味”的，其实也就三款产品。
总结下来，能被称作重磅的更新包括：o1正式版、Sora、Canvas。它们主要集中在前4天亮相。其中，o1正式版提升确实不小；Sora在AI生成视频的产品模式上增加了很多可玩性；而Canvas，则可以视为OpenAI第一次向AI工作台发起挑战的尝试。
其次，还算有点看点的，是与苹果的深度合作、视频通话功能，以及o1-mini的强化微调。o1-mini的强化微调在专业领域潜力很大——微调过程简单，效果提升却很明显。视频通话功能则是那个让人惊艳的“HER”正式上线。至于和苹果的深度合作，对OpenAI来说也是件大事，进一步坐稳了它在AI行业的头把交椅。
剩下的那些小更新，就让人觉得——“这也值得开个发布会？”典型的包括“Projects”项目功能、o1图像输入和4o高级语音API开放、ChatGPT Search升级，以及给GPT打电话。这些功能都比较小，跟竞品相比也谈不上什么差异化。
直到最后一天，OpenAI终于甩出一个王炸：GPT-o3。这一下子打破了外界关于AI发展陷入瓶颈的质疑，各项性能几乎是直奔AGI而去。
我们根据发布产品的重要性梳理了一张表格，帮你看清这过山车似的十二天：
下面，我们稍微详细地聊聊这些更新的核心点。
重要产品更新
o1完全版（Day1）
从能力上看，o1比Preview版本进步不小，注意是“不小”。在国际数学奥林匹克预选赛题目（AIME 2024）和编程能力测试（CodeForces）上，它比o1-preview提升了50%；处理复杂问题时的重大错误率则降低了34%。
它还能根据题目的难易程度自动调节处理时间——这意味着用户等待时间直接下降了50%以上。更关键的是，o1也支持多模态识别了，这直接让它的实用性暴增。医生可以用它分析医学影像，工程师可以请它帮忙看图纸，设计师还能让它提供创意建议。
不过价格也不太亲民。只有200美金的ChatGPT Pro订阅用户才能无限使用。普通20美元订阅用户每天只有20次使用权限。作为第一天登场的产品，o1确实能让人眼前一亮。
Sora（Day3）
等了10个月，Sora终于来了。但这次不是模型版本的升级，更像是一次产品打磨。正式版Sora能生成最长20秒、最高1080p的视频，生成效果和2月份刚放出的差不多。
产品层面，OpenAI确实下了一番心思。故事板是此次发布中最具创新性的功能，也是Sora最具野心的尝试。它为用户提供了类似专业视频编辑软件的时间轴界面，可以在时间轴上添加多个场景卡片，把多个提示词串联起来，系统自动处理过渡效果。
除此之外，OpenAI还提供了Remix、Blend和Loop三个专业工具——可以替换视频中的元素，混合两个视频，甚至自动补全做无限循环视频。
产品不错，但没升级的模型不太给力。发布后的评测中，Sora频频翻车：运动、交互和物理效果处理得一塌糊涂，凭空冒出的人和鬼影也屡见不鲜。OpenAI给的可用量也很小气——20美元的Plus用户每月只能用50次，只有每月200美元的Pro用户才能享受无限次数的“慢速”生成权限。
Sora总算来了，但挺让人失望的。
Canvas（Day4）
一句话形容：Canvas就是OpenAI打造的AI版Google Docs。它已经进化成了集智能写作、代码协作和AI智能体于一体的完整工作台，这显示了OpenAI超越Chatbot的产品野心。
作为写作助手，它能提供编辑意见。编程方面，Canvas通过内置的WebAssembly Python模拟器，创造了一个几乎无延迟的编程环境，甚至还能理解代码的意图。与近期更新的Cursor和Devin一样，它也上线了定制化AI智能体的能力，可以帮你完成一系列操作，比如给朋友们发圣诞信。
这三个维度并不是孤立运作的，在实际使用中往往会相互配合。这种无缝集成让Canvas成了一个多功能的AI驱动创作工作室原型。但单纯从前端展示的角度看，它不如Claude的Artifacts，编程的便利性也不如Cursor——所以说到底，融合才是它的亮点吧。
一般产品更新
o1-mini强化微调（Day2）
这个产品如果不是实用性较窄，也算个重磅发布。它改变了过去微调只是靠增加专业数据的方式，而是对具有推理能力的模型进行强化学习方向的微调，引导模型在面对复杂问题时产生更深刻的思考。
现在，仅需“几十个例子”甚至12个例子，就能让模型有效学会特定领域的推理。根据OpenAI的研究数据，经过强化微调的o1-mini模型，测试通过率比传统o1模型高出24%，相比未经过强化微调的o1-mini提升了整整82%。
可惜的是，目前只能微调o1-mini，而且适用场景也主要集中在复杂领域，比如医疗、法律或金融保险——泛用性较差。
高级视频语音模式（Day6）
这又是个老饼上桌。早在5月13日的GPT-4o演示中，OpenAI工作人员就已经能和4o视频通话了。它能看我们的手机屏幕实时内容，或者根据相机画面和我们聊天、解答问题。这次只是真正实装，没什么升级。但话说回来，这个功能本身确实很重要。
不过这个饼烙的时间有点长，前两天微软推出的Vision和谷歌还在烙的Astra也已经跟上了。OpenAI的领先优势正在一点点被蚕食。
与苹果的合作（Day5、Day11）
ChatGPT和Apple Intelligence的整合，更像是一个深度的结果官宣——苹果搞不定的，只能让贤OpenAI了。整合主要体现在三个方面：
首先是跟Siri的协同。当Siri判断某个任务可能需要ChatGPT协助时，可以直接移交过去处理。其次是写作工具的增强，用户可以用ChatGPT从头撰写文档，还能进行精细化和总结。第三是iPhone 16的相机控制功能，通过视觉智能让用户更深入地了解拍摄对象。
到第十一天，Mac上的整合又给了GPT更多的调用权限。唯一有点好奇的是，这两件事为什么不能同一天宣布，非要分两天？
能力补齐和小功能更新（Day 7，8，9，10）
剩下这几个更新最多算是凑数，一句话就能说清：
“Projects”项目功能：允许用户创建特定项目，上传文件，设置自定义指令，把所有相关对话集中管理——基本跟Claude的没差别。
ChatGPT搜索升级：能直接在对话中搜索，支持多模态输出——Perplexity的Pro模式早支持了。
4o热点：美国用户能打电话用4o了，挺尊老爱幼的，也算是给美区用户过重阳节了。
o1图像输入和4o高级语音API正式开放——建议把这个放在o1发布那天的最后一句话说完就行。
这几天确实有点进入拖时间的循环了。
最终王炸
GPT-o3（Day 12）
如果不是最后一天GPT-o3压轴登场，恐怕真会让人觉得OpenAI纯粹是为了搅浑水才连开12天。要知道在这期间，Google发布了Gemini 2 Flash（超快超强）、Astra（看起来确实是Agent的模样）、Voe2（碾压Sora）、Gemini 2 Flash Thinking（o1人家也部署了）——就发了三篇公告、几个视频，把OpenAI前11天的发布全都掀了桌。
但在Day 12，OpenAI总算找回雄风。o3向业界证明：Scaling Law未灭，OpenAI为王。
o3是o1的下一个版本。在9月份o1发布后仅3个月，新模型就在编码、数学以及ARC-AGI基准测试等多个维度上大幅超越了o1。来看几组数据对比：
Codeforces评分：2727——相当于全球人类程序员编程竞赛中排名第175位，超过99%的人类程序员。
博士级科学问题（GPQA）：87.7%——博士生一般得分70%。
最难前沿数学测试：25.2%——其他模型没有一个超过2%，数学天才陶哲轩曾评价该测试“可能难住AI好几年”。
ARC-AGI测试：87.5%——这个被看作衡量是否达到AGI的标准，而o1的得分只有25%。
最值得注意的就是ARC-AGI。它展示的是模型对新任务的适应能力。作为对比，ARC-AGI-1从2020年GPT-3的0%提升到2024年GPT-4o的5%，花了四年时间。这意味着模型不再是死记硬背，而是真正在解决问题。
不过，ARC-AGI测试表现出色不代表o3已达到了AGI水平——它依然会在一些非常简单的任务中失败，和人类智能有根本性差别。但不论如何，这都证明OpenAI选择强化推理这条范式转变的路走对了。人工智能的发展丝毫没有放缓的迹象，Scaling Law依然有效。
那些对AI停滞不前的担忧，被OpenAI年末的这份圣诞礼物一扫而空。当然，o3进行低算力计算的成本高达20美元，高算力甚至可能高达3000美元，现阶段几乎没法大规模使用。但算力会下降，Scaling Law会延续。
3个月，两个顶尖模型。OpenAI在这12天的最后一天，又让我们感受到了2022年末到2023年初——从ChatGPT到GPT-4那段时间，AI扑面而来的速度。也许就像参与开发o1的OpenAI科学家Noam Brown在采访中说的：“2024年，OpenAI是在实验；而2025年，就是全速前进的一年。”
OpenAI的12天发布会，过程波折，但完美收工。为2025年的AI埋下了希望。