ChatGPT搜索，OpenAI在万圣节给大家讲的鬼故事。这是一个什么样的情况？大家好，这里是老范讲故事的YouTube频道。今天咱们来讲一讲ChatGPT搜索。我使用一天以后的感受，以及为什么觉得它是一个万圣节的鬼故事。

11月1号，北京时间0:35，我收到了一封邮件。这个邮件上写了，说我们发布了ChatGPT搜索，这是OpenAI的官方邮件。首先感谢，我去注册了SearchGPT原型候补名单。这个里头大家注意有三个词：第一个是SearchGPT，第二个是原型产品，第三个叫waitlist。他首先感谢了这件事情，说我们很荣幸地宣布，这个ChatGPT搜索发布了，而且向您和所有候补名单上的用户开放访问权限。只要原来申请过的，现在还没有被批准的SearchGPT的候补名单里的这些人，通通都可以访问了。

现在，其实你即使不在候补名单里头，Plus用户和Teams用户都是可以使用的。免费用户可能要稍微等一等，但我不确定免费用户是不是可以在SearchGPT的候补名单里。这个事我不确定，如果是在里边，可能也能够使用。邮件是这么写的。

再往后一句话是，ChatGPT搜索将SearchGPT的最佳功能直接引入了ChatGPT。这句话大家要仔细琢磨一下，是可以通过单击设置开关开始使用。那这个意思就告诉你怎么用这个东西。它等于是插入GPT聊天窗口，最底下有一个设置，或者叫搜索的一个开关，一个小图标，长得像个地球似的。你点一下，它就点亮了，然后就可以进入搜索模式。再点一下，把它关掉，就不进入搜索模式了。

就是用GPT搜，给你瞎编了。现在在网页端、桌面端和移动端都是可以使用的。我也都试验过了。在我的MacOS上的这个ChatGPT的APP，在我的iOS、安卓上的这种APP，包括网页，都是有这个小图标了。移动端呢……

稍微好玩一点。就是一开始，这小图标没出来。你需要跟他聊一会，他发现你问的是一个需要去搜索的问题的时候，他就问你：“咱是不是搜索一下？”你这边同意一下，这东西就出来了。原因也很简单，手机屏幕小，寸土寸金。一开始他就先不给大家显示了。

那么后边鬼故事就要开始了。为什么说这是OpenAI讲的鬼故事呢？大家要注意，ChatGPT跟SearchGPT它不是同一个产品。我们加入的是SearchGPT的这个waitlist，我们没有加入过ChatGPT Search的这个waitlist。所以你看它的邮件里头写的是：“ChatGPT Search将SearchGPT的最佳功能直接引入ChatGPT了。”他也承认这是两个不同的产品。而且，它只是引入了SearchGPT的一部分功能，SearchGPT的功能很多的，他只把其中的很少的一点点带回来了。

这是一个很神奇的事情。而且大家注意，在前面，他讲的是这个：“感谢注册SearchGPT原型候补名单。”这里的还有一个词是什么叫原型？大家要知道，很多汽车厂会喜欢干什么事，发布原型车。他们经常在汽车展览会上发布一些原型车。原型车干嘛使？是展示一下他们的最高工艺和各种先进技术，以及对未来汽车的想象力。这种原型车通常是不卖的。有极个别的情况，原型车实在太受欢迎了，他们也会把原型车上线生产。但是在上线生产那个版本，还是会跟展示的原型车有一些区别的，因为直接生产原型车可能会亏死的。因为原型车通常是不计工本的，也不计算你最后的这种维护或者长期使用的一些情况。它就是属于很炫技的一个产品。

所以有两种可能。第一种可能，这就是个原型车似的东西，大家看过了以后，这个东西就没有了，以后永远不会量产。这是可能的。当然还有一种可能，没准再过个俩月的SearchGPT，它又冒出来了，说：“你看，我们现在把完整功能的SearchGPT拿出来了。”大家要注意，现在还有什么产品是这种。

叫原型产品。我们现在使用的 O1 模型也是原型。过一段时间，完整版的 O1 也会出来。所以我们现在使用的很多东西都不是最终的版本。按照 OpenAI 的调性，我觉得 SearchGPT 这个产品应该没死，过一段时间还会出来。

现在的 AI 搜索其实已经走得很远了，绝对不是现在的 ChatGPT Search 能够达到的高度。现在这些，甭管是 Perplexity 还是国内的很多 AI 搜索工具，他们会对不同的信息进行分类排序，然后再进行推理。这什么意思？其实咱们通俗地讲，这种 AI 搜索是很简单的。你给它一个搜索关键词，它跑到搜索引擎里去搜一把。搜完了以后，拿到前 5 个搜索结果或者前 10 个搜索结果，再跟你的搜索提示词一起，再加上一个大的提示词工程，然后说：“现在请根据这么多的搜索结果，找到与前面搜索关键词或者搜索内容相关的信息，给我写一个小作文出来。”再加上这样的一个提示词，就得到结果了。

像这种东西，我们在 AI agent 的这个模型里都是可以非常轻松搭建的。但是这种搭建完了的内容会有问题。这个问题是在哪？它是眉毛胡子一把抓的，根本不管什么样的内容，它都放在一起。而且搜索引擎的排序，它更多的是按热度、按照大家的点击率、按照时效性来去排的，所以它跟整个内容的质量以及正确与否是没关系的。如果你是拿这样的结果直接去做总结输出，最后的质量就会很差。

那你说我怎么提高质量？你要对输入的内容进行分类。进来的东西，这个是严肃新闻媒体，那个是维基百科，这个是学术期刊，哪些是论坛，哪些是一些社交媒体。他要分开去排序。然后你首先要去确认说，你需要一个严肃的答案，还是需要一个相对专业的答案，还是说更多搞笑的答案。如果你说你需要一个严肃的答案，我就应该把严肃新闻媒体以及这种学术期刊、维基百科排前头，把一些社交媒体或者论坛像 Reddit 这样的东西稍微往后排一排。如果你反过来说，我现在就想逗个乐……

这个内容正确与否无所谓的。那咱就把这排序反过来。你也可以在做提示词工程的时候，要求生成最终的小作文的时候，我们是优先使用哪一部分内容，更重视哪一块，这个都是可以去做的啊。那么如果你不做这些事，最后眉毛胡子一把抓，其实效果是会很差的。

做完了所有的这些数据准备之后，现在这些AI搜索还是会生成一篇，这个不能算叫小作文了，基本上算是个小论文的一个搜索结果。他会啰里八嗦给你写一大堆，甚至是有条有理的给你写一堆，让你觉得他非常专业。而且还有一些深度搜索的功能也上来。

怎么叫深度搜索？比如说你问了一个简单的问题，他首先会对问题进行理解，你到底想问什么。理解了以后，把他理解的问题跟你自己提的问题都去搜。搜完了以后得到一大堆的搜索结果，在对这些搜索结果进行总结归纳以后，再在里边找到新关键词，问你说：“我们是不是要进行下一步的搜索？”甚至有一些深度搜索压根就不问你，他在把第二层的搜索结果生成新的关键词以后再去搜索，最后把所有的结果放在一起，给你总结归纳出一个更长、更丰富的一篇论文出来。

他们是这么来干活的。所以现在的AI搜索其实已经稍微有点跑偏了。怎么叫跑偏？越来越阳春白雪了，跟普通用户的这个使用体验其实越差越远了，因为已经到炫技的状态了。

SearchGPT原来也泄露了一些视频出来，因为也确实是有人在waitlist里头，收到邮件了，进去使用了当时的SearchGPT。就像我刚才讲的这个AI搜索工具似的，功能非常完整，做的也还非常不错。而ChatGPT Search这个原来应该是比较简单的一个功能，其实ChatGPT Search在这一次发布之前，它也一直在陪伴着我们，在跟我们一起工作。在我们使用GPT-4o进行搜索的时候，他也会去引用一些网络原文，也会去放一些结果的出处出来，都会去做。只是现在多了一按钮，你一旦把这个开关打开了以后，你编出来的这个内容。

可能还不如原来不开开关的这个效果。为什么？因为原来那东西靠编，他给你的文章会比较长，也相对来说比较有说服力。而现在，基本上是一句对一句的这样的回复，他给你的内容都很简短。而且从现在的结果来看，它的GPT Search给出的结果，它所选用的内容并没有那么丰富。什么深度搜索这些东西，应该并没有特别认真的去做。为什么这么讲？因为这个里边幻觉还是挺厉害的。待会儿咱们再讲讲幻觉的事情，这个很难避免，特别是像这个ChatGPT Search这样工作的工具，实际上比较难避免幻觉。

那么，我现在使了一整天的ChatGPT Search了，体验如何？我昨天做直播的内容，就是用ChatGPT Search去准备的。说实话，不太好用。这个，他总是给出非常简短的答案，而且不时出现幻觉。出现幻觉的原因其实也很简单。我以前也被坑过，被当时是微软的Copilot去坑。我当时问他，我说跟Ofo的创始人一起在美国开咖啡厅的女士，在瑞幸和星巴克有没有任职过？就给我了一个回复，说有的，他原来是星巴克的哪个高管，瑞幸哪个高管。我就开开心心的把这东西做到我的演讲稿里去，后来在讲之前我还幸亏看了一眼，发现被骗了。

他这种幻觉怎么产生的？就等于是他搜索了一堆结果出来，有一个结果说是这位女士跟Ofo共享单车的创始人一起去开咖啡厅了。再去讲说这个事情对星巴克有什么影响，对瑞幸有什么影响，星巴克的高管对此事发表了什么看法，而瑞幸的高管对此事发表了什么看法。它等于是三篇文章，在你给了他一个问题之后，他就把这三篇文章给你揉一块，他就认为这位女士在星巴克也担任过高管，在瑞幸也担任过高管。这个幻觉好多的时候是这么来的。

现在的ChatGPT Search给出的出处相对来说会比较少。你比如你去用这个Copilot，他会给你非常多的处理。你问他一个问题以后，他会扫描很多东西去进行总结。如果一句话在不同的地方出来，他还会告诉你说……

这句话在哪些网站上都引用了。所以这一块上，我觉得还没有Copilot的好用。为什么会是这样的一个产品？它为什么会做成这样的一个样子呢？原因也很简单，其实它的底层Bing提供了这个基本的功能，微软的Bing搜索。但是OpenAI也自行购买了一些新闻源，一些严肃媒体，他去跟人做了内容合作。但总的来说，它的内容还是少了一些，信息分类、过滤和排序的过程应该做得比较粗糙。而且它的很多文章在进行总结的时候，也不是很准确，更多的是依赖搜索结果，而不是自己生成。

它下头不是有个小开关吗？你到底是ChatGPT Search这个开关开还是关？如果你把它关上，它也不是说就不搜索了，它也搜索，只是更多地依赖生成。如果你的开关打开，它就更多地依赖搜索结果，给你生成简单的一个回复。所以你会感觉到什么？你一旦打开搜索的这个开关，ChatGPT Search给出的答案会比原来的GPT-4显得简短和呆板。这个感觉，就像是被一众安卓手机所围攻的iPhone。为什么这么讲？基本盘基本功能还是相当牢靠的，绣花边的事情基本不屑一顾，iPhone基本上就是这样。很多奇奇怪怪的安卓手机上有的功能都没有，但是它的基本底子特别好。

现在ChatGPT的基本底子也很好，大模型现在应该还是第一梯队吧。虽然不断有评分说Claude怎么超越它了，Gemini怎么超越它了，或者其他人怎么接近或者超越它了，但其实大家使用下来以后会发现，ChatGPT还是最好使的。那么搜索的部分，如果是卷这个搜索流程，其实ChatGPT已经卷不过了。Perplexity做了这么长时间了，国内这么多厂商做了很长时间，把这个搜索整个的AI流程做得非常复杂，或者是在对于用户的体验，特别是很多深层的体验理解得非常透彻。所以在这块儿它卷不过。而且其他的产品狠抓搜索流程梳理，其实的原因是什么？他们自己的大模型不够强，所以我们只能是想办法。

把这个任务分解掉，让每一个小环节尽可能的清晰地完成一项任务。再把所有的任务凑在一起，进行这个大模型输出。是他们的模型弱，只能这么干。还有他们对自己的模型可能并没有那么熟悉，比如说这个perplexity，它后台用的也是GPT的模型，但是它对于GPT模型的各种属性一定是没有OpenAI自己熟悉的。那么到底能干哪些事，不能干哪些事，如何进行稳定的控制与输出，它没有那么大的信心，所以只能是在模型外边去绣花。

还有一点是什么，就是这些AI搜索的公司模型，对于他们来说成本比较贵，所以他们会尽可能的少用，或者尽可能的用小模型去处理一些简单任务，最终用大模型去输出一个结果。像我自己写的很多AI内容生成的这种AI Agent也是这样的，一些简单工作都是用7B或者是十几B的模型去做完了，只有在最后生成结果的时候，会挂上GPT-4o这种比较大的模型去折腾一次。

而OpenAI玩的东西，咱们叫“一白遮百丑”，这个也是比较有意思的。什么意思呢？就是底子好，那些涂涂抹抹的事咱就稍微简单一些，不那么重要了。现在道理是很清晰的，但是未必大家欣赏得来。你像我现在就欣赏不来这个ChatGPT Search，现在反对的声音也不少。

第一个反对ChatGPT Search的是什么？就是准确性和可靠性没有那么好。我自己其实使用的过程中也发现了。第二个内容的质量不是很高，他们买的这种严肃版权还是少。如果你问的问题没有被严肃版权内容命中，他可能真的靠一些比如Bing给的内容，然后由Bing来排序，他直接把最热门的内容拿回来，总结一下就完事了。这个效果和质量就没有那么好控制了。

像这里举一个Google的例子，Google原来做这种AI搜索的时候，就犯过这种问题。他买了Reddit的一大堆数据回来，只要这些数据像就是个论坛里头，各种的对的错的，妖魔鬼怪什么都有。在很多人去问问题的时候。

他就把这些问题，这些论坛上的内容，就作为正确答案扔出来了，让大家异常惊诧。比如说，在食物上涂胶水还可以吃，它就直接作为正常答案扔出来了。

那么，现在OpenAI肯定也会面临同样的问题，而且有很多人觉得搜索的质量堪忧。再往后是版权的问题，你只要是做搜索了，你不可能把所有人的版权都买下来。他买了一些版权，但是还有很多版权他应该是没有买的。大家对版权的情况也是感觉担忧，而且对于原始创作者，肯定也是有巨大的影响的。因为这玩意，如果没有买我的版权，然后又生成了相应的内容出来，那这事怎么办？我原来网站上是有广告的，我还能收点钱，现在这个钱就没挣着。你挣一个月20美金，你也不分给我，这个事大家就会感觉比较担忧了。

而且还有一个问题，就是幻觉比较严重，这个我现在发现是有的。但是反正从外边来报道上来说，它的幻觉还是不少的。这样的一个功能做得一般，它的野心并不小。Perplexity根本就没放在眼里，Perplexity实际上是个小众产品，阳春白雪，真正能用得起这玩意的人是比较少数的。

现在OpenAI还瞄准的是谁？瞄准的是Google的搜索引擎入口。我在开始使用ChatGPT Search之后，它就弹了个窗，弹窗说：“你是不是装一个ChatGPT Search的插件？”那我就装呗，这是从善如流一下。把它装上以后，这个再到Chrome的搜索栏里边去，输入任何信息的时候，一打回车，就是直接走到OpenAI的ChatGPT Search了，对吧？就不再去Google Search了。

在这点上，Google还算是比较高风亮节的。怎么讲？他发现了搜索接口被替代了，上来问我：“你知道吗？你的搜索的接口被替代了，你同意这么干吗？”我说同意，干呗。Google就没再说什么，就直接给替换掉了。我的Chrome现在地址栏上写任何信息，一回车的时候就去OpenAI了，对吧？是这样来工作的。我自己大概是使用了半个小时左右。

就把ChatGPT Search查件给删了。我还是回去用Google搜索了。原因其实也很简单，我还是喜欢看着一大堆的结果，自己一目十行的，把搜索结果稍微过滤一下，再决定点哪个、不点哪个，而不需要让OpenAI让我选择完了以后，直接给我一个它总结出来的结果。

但是我也蛮喜欢用Copilot。Copilot它会搜索很多的东西，它的阅读速度比你快。不像OpenAI似的，好像没出几条，它就直接给你总结出了一个东西，让你去用了，这个质量是堪忧的。

所以最终总结一下，这就是一个万圣节的鬼故事。OpenAI现在面临很多问题，GPT-5难产，Sora也就是它原来号称的视频模型，世界模型也难产。SearchGPT其实也难产了。我们今天拿到的ChatGPT Search，并不是SearchGPT，以后这个产品可能还会出，所以它需要一些声音来粉饰太平。

GPT-01以及ChatGPT Search其实都是类似这种顶缸产品。为什么这么讲？很多人说GPT-01那么厉害，你怎么可能一说它顶缸？对啊，后边还写着“Preview”这个词，这也是个原型产品。那未来还是会出正式版的。你现在既然着急忙慌地把预览版拎出来了，那你说它是顶缸，这就没有冤枉它。

现在对于OpenAI来说，它最大的困扰是什么？一方面是大量的东西难产，而且很多的元老员工离职。咱不是说元老离职了以后，这东西就塌了，也不是说新进来的人就没有元老那帮人厉害。而是什么？元老这些人走了以后，以前他们很多干到一半的事情，你让新人接，他接不上。对，你给这些新人说，我给你些新任务，你从新开始干，他没准接着咔嚓给你做出来了。你说你把原来那个人做的项目继续给我做下去，这个事是很难的。

现在既然新方向没法往前走了，那怎么办？抢流量。所以我们今天看到了ChatGPT Search出了个插件，直接开始跟Google贴脸开大。我上了插件以后，Chrome的默认搜索引擎。

就是我们家OpenAI的ChatGPT Search了。就不再是你们家的Google搜索了。从我的角度上来，感觉有点操之过急了。他完完全全可以等他的这个SearchGPT出来以后，再去做相应的替换，而不是现在就着急忙慌地把它换过来。

OpenAI手里头基于GPT-4或者GPT-4o的各种功能性模型，应该还有一堆。就是像我们现在看到的o1，看到的ChatGPT Search，实际上都属于是基于4或者4o的功能性模型。那么，今年剩下的时间，我们就看OpenAI继续给我们表演机器猫的次元袋就行了。他不停地从这个口袋里再掏出点什么东西来，待会又从口袋里掏出点什么东西来，但是都不会有什么大的变化。

也许在明年的什么时间，现在新交进来的人，就可以替换掉以前的这些元老们所做的这些工作，可以把原来吹过的牛慢慢圆上，或者再给我们一些眼前一亮的东西。好，这就是我们今天的解读。OpenAI的ChatGPT Search，就是万圣节的一个鬼故事。感谢大家收听，请帮忙点赞，点小铃铛，参加Discord讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

2,000美元一个月的ChatGPT还会有人用吗？

大家好，这里是老范讲故事的YouTube频道。

今天咱们来讲一讲OpenAI有可能给ChatGPT涨价的事情。消息哪来的？国外著名科技媒体Information上报道，OpenAI因为连年的亏损，而且新的模型成本快速上涨，所以有可能给ChatGPT涨价。涨多少呢？他们也是搜集了很多的信息以后，判定有可能会涨到100倍，也就是2,000美元一个月。这是不是幻觉呢？大概率是。

那你说Information上面怎么会有幻觉呢？需要注意，Information上面也是说，我们根据各种信息总结出来以后，有一种声音提到有可能会涨100倍。具体是哪个涨100倍并没有说。到底是每个月这个20美金的订阅费用涨100倍，还是说TOKEN的费用，或者其他的一些商业合作的费用，涨到100倍都没有说。而到底是涨100倍，还是说按照这样的一个级别去涨，现在也没有讲清楚。所以只是说，我们根据传言得到了这样的一个消息，这就算是一个幻觉。

咱们再讲一个幻觉的故事。前面有人提到，印度产的iPhone良品率只有50%。后来被富士康的人出来辟谣，说没有那么差。如果良品率只有50%，苹果也受不了。其实印度产的iPhone良品率比中国的低10%。郑州富士康的iPhone良品率大概是96%，印度大概是85%或者86%这样的一个水平，其实依然是可以接受的。

那么前面讲的这个iPhone在印度产，良品率只有50%这件事，完完全全是造谣吗？也不是。有人报道说，印度的某一个零部件工厂，生产的iPhone外壳送到富士康检测之后，发现两个里面只有一个能用，这就是50%。也就是iPhone的某些工厂生产的某些配件，一些批次里面，它的良品率是50%。但是这样的消息拿到国内来以后，大家就传了，印度产的iPhone良品率就是50%。它会变成一个幻觉。

这种幻觉，我们一般认为它不叫完完全全的谣言，它是有出处的。只是大家把不同出处的信息进行总结归纳以后，就会变成一个假消息。以前有人在苏格兰坐火车的时候，看到有一头牛是紫色的，说苏格兰的牛都是紫色的。这个时候旁边人说，你不能这么讲啊，你应该说你在苏格兰看到了一头紫色的牛，而不能说苏格兰的牛都是紫的。另一个人又上来说，你这个说的依然不准确，那应该怎么说呢？说你在苏格兰看到一头牛，一头牛有一面是紫色的，另外一面你没看着。你不知道，但是如果有人出去传，苏格兰的牛都是紫色的，你说他算造谣吗？咱们稍微扯得远一点，讲一下这种幻觉是怎么产生的。其实，人也会产生幻觉。苏格兰的牛都是紫色的，印度产的iPhone只有50%的良品率，这就是人类自己产生的幻觉。

所以我们不要光去嘲笑大模型。好，我们继续往下讲，OpenAI现在到底在干什么？其实很多人也很关心这件事情。这一段时间来，传出了很多的新名词，但这些新名词都代表什么意思？

比如说，去年山姆·奥特曼突然被干掉，失去CEO职位，失去董事会职位的时候，就传出来的Q星算法，这玩意到底干嘛使的？今年前几个月，山伯特曼突然放了一张草莓的照片，那么草莓算法到底干嘛用的？以及山姆·奥特曼号称马上要发布的Orin猎户座模型到底是什么，或者说非常强大的Orin猎户座模型到底是什么？

前面号称OpenAI要涨价100倍的这篇《Information》文章里面也进行了一定的解释，它把这三个算法串起来了。Q星算法是主要做科学和数学计算的。大家知道，大语言模型通过语言进行推导，它就比较容易犯9.1比9.9大的这种错误。它从语言上看，11一定比9大，但如果有一个数学相关的模型直接算，就可以避免这种错误。这就是Q星算法。

而草莓算法，其实是以Q星为基础做出来的，也就是以数学和科学比较强劲能力的算法为基础的。它主要的特性是有极强的推理能力，它可以直接拆解我们所需要的任务，而得到一个完整的结果回来。这就是草莓算法。据说这种强劲推理能力的草莓算法，今年秋天就会面世，应该没几个月了。

而下一代的大模型，非常强劲的大模型Orin，也就是猎户座模型，是使用草莓提供的合成数据进行训练的。它把所有这些东西综合在一起。

现在其实大家遇到了一个问题，是什么呢？就是scaling law快卷不动了。Scaling law就是缩放法则，所有的AI公司老板都信誓旦旦地拍着胸脯跟大家讲，我们依然相信scaling law是成立的。英伟达的股票涨成现在这样的一个状态，也是大家相信scaling law依然成立。

Scaling law是什么？我不断地往里加数据，加更多的数据，加更大的算力，也就是显卡，算更长的时间，得到更大的模型，一定效果更好。这就是scaling law，也就是我们以前讲的大力出奇迹，只要你不停地往里堆，总有一个更好的结果出来。虽然所有人都在喊这件事情。但其实，过去的一年里，这个 scaling low 基本上并没有被突破，没有更大的模型出来。虽然我们看到了拉玛 3.1405B 的推出，但因为前面有不公开参数的 GPT-4、GPT-4O 以及 Gemini 1.5 Pro 这样的版本，所以我们并不能确定拉玛 3.1405B 是否在 scaling low 上继续往前走。

Anthropic 的 Cloud，它们最强的模型叫 Opus，虽然也没有公布参数量，但大家普遍认为它应该是跟 OpenAI 的 GPT-4 或者 GPT-4O 的参数量级在一个水平上的。结果，Anthropic 推了一个 Cloud 3.5，大家觉得实在是太香了。现在可能使用 Cloud 3 Office 的人已经越来越少了，而 Cloud 3.5 的 Office 版本这么长时间也一直没推出来。

大家已经在这种大模型的基础上进行蒸馏之后，往回退了一步，并没有继续往前走去实现更大的模型。而现在，各种 70 币上下规模的模型，它们的能力已经接近 GPT-4O 了。无论是使用拉玛 3.1 的 70 币，还是使用通义千问的 72 币，或者其他一些公司训练出来的开源、闭源 100 币以内的模型，它们不能说完全超越或全面碾压 GPT-4O，但在某些特定场景下，已经接近或超越 GPT-4O 的能力了。

小模型结合各种场景之后，甚至比这些 70 币的模型表现还要更强一些。也就是这种 7 币或者十几币的模型，如果进行一定的微调，再结合特定使用场景的话，效果也很好。这导致什么呢？对于更大模型的需求在变弱，大家觉得现在这些模型挺好的。在这样的基础上，不断把这个模型变得更小，让它更加贴合具体的应用，效果也非常好。

还有一个原因是什么呢？就是 GPT-4 和 GPT-4O 指明方向以后，大家已经追赶了一年了。追赶到现在一个位置后，大家说我们已经基本上达到和超越 GPT-4O 的水平，再往前走没有方向了，没人指明道路。现在大家都在等待行业的老大，或者叫排头兵的 OpenAI，来告诉我们下一个方向在哪里。

现在 OpenAI 告诉大家，下一个方向有可能是 Orin。而 Orin 跟现在的 GPT-4O 比起来，它的差异是什么地方呢？就是推理能力更强，逻辑能力更强，幻觉更少。这是现在新的追求方向。但是 Orin 出不来，大家也不知道应该怎么做，还是要等它做出来。

阻碍 scaling low 继续发展的还有一大原因，就是数据枯竭了。训练现有的模型已经可以把当前能够找到的数据基本上都使完了。更多的数据进行清理和处理的话，成本非常高。我们直接找到过往的书籍和互联网上的信息，对这些数据进行清理，人工的这种加工成本是非常高的，因为数据量实在太大了。很多的低质量数据，拿去训练以后，可能幻觉会变得更厉害。

所以现在大家普遍使用的方法是什么？就是使用合成数据。所谓的合成数据，就是由大模型生成的数据，再去训练新的大模型。而这些数据又不是靠大模型直接生编的，而是什么呢？让大模型去取代做数据清理的人工。我们拿到大量的网络数据以后，把这些数据交给一个大模型，让它去做清理，清理完了以后重新生成一遍。

这些合成数据也不算是无根之木，它也是从现实来的，只是经过大模型的过滤和清理。拿这样的数据再去训练新模型，发现效果会更好。拉玛3其实就是这么训练出来的，这拉玛3里边的数据是用拉玛2进行清理出来的，也算是合成数据，训练大模型的一个典范。

而现在OpenAI的Orin大模型，就是准备使用它的草莓算法生成合成数据，然后再去进行训练。OpenAI自己玩的就是一个心跳。现在新一轮融资还没有关闭，新一轮融资就是已经有领投方了。据说有一家公司说，我们愿意出10亿美金，然后再等其他人跟投，希望可以凑个几十亿美金让OpenAI再活半年。

OpenAI这个几十亿美金，大概也就是活半年。他一年应该妥妥的会烧掉上百亿美金，而且这个数字可能还会快速上涨。因为去年呢，他亏了大概50亿美金，今年应该亏到上百亿美金是没什么问题的，等到明年可能就是几百亿美金的亏损。

现在大家预估OpenAI一年的收益是35亿美金，也就是这个里面大概20亿美金来自于一个月20美金的订阅，剩下的可能是做TOKEN，我们使用API买TOKEN的钱，以及其他的一些服务费。这个是OpenAI的收益预估，因为它毕竟不是上市公司，没有财报出来，所以大家只能去猜测。

而亏损，每年OpenAI大家预估的亏损额是50亿美金，这是一个非常恐怖的数字。OpenAI手里边的现金，你想微软给了100亿，再加上其他一些人给的钱，所以现在基本上是烧完了，再不融到这一轮就没得玩了。你融到这一轮以后，可能也就是再烧半年的。

那你说钱这么多都烧哪去了？第一个就是烧算力。你得上微软爸爸那里去交钱，买微软云上的算力，继续去训练大模型。第二个，你现在是1,500人团队了。而且，OpenAI现在团队规模还在不断扩张。那你人多了以后，肯定有很多的内部是是非非。有一个故事说，这个活原来一个人能干，现在不行啊，干着太累了。招两个人来，一共三个人来做这个事情。原来这个人变成领导了，后来发现比以前还累。说为什么？说我现在需要给他们做计划，让他们也做计划，回来我要审核他们的计划，看看这个数据应该怎么去分配，任务分下去。我还要调解他们之间的矛盾，还要去做考核计划。说这个比以前我一个人把活干了还累啊。

所以，这个人增加了以后，绝不是说我增加了一倍的人，生产的效率就提高一倍。经常是提高到一定程度以后，你的生产效率就不会再提高了，而开始下降。这个就算是一个边缘。所以，OpenAI内部现在是是非非，肯定是非常多的。作为当前最红的行业AIGC的领头兵，也就是当红炸子鸡，OpenAI自己招聘人才，以及他要留住自己的人，成本肯定会直线上升。投资基金、各种猎头公司，每天都趴在他外边等挖他的人。

那么，你要想让这些人留下来，一定要多给钱。新的模型，训练成本肯定也是几何级数上升的。你想让scaling low再次起作用，就一定是要投入更多的数据、更多的算力，这个事没有办法。而且，越大的模型，你的安全成本就越高。以前我们就都在讲，什么叫知识越多越反动？你这个模型变聪明了以后，他有可能给大家带来的伤害会变得更加惨重。我们想让一个更聪明的大模型成为安全的模型，所需要支付的成本也一定会更高一些。如果这玩意再出错了，那就是高智商犯罪了。

OpenAI现在真正的困境是什么呢？就是不赚钱。开始其实有一些路就走错了。聊天模式20美元的订阅以及TOKEN收费，不光是他自己走错了，还把整个的行业都带沟里去了。他有他强的地方，就是你通过聊天方式，一开始就震惊了全世界，让所有人，不管适不适合去用AI的，大家都冲上来用，成为了全世界关注的焦点。这是他使用聊天模式取得的成就。

但是，聊天模式是一个双刃剑。一面是说大家都关注了，每一个人都可以用；另外一面是什么？你要想从聊天模式再继续往前走一步，可以让大家能够更好地体验到AI的能力，这一步其实是非常难以越过的。另一方面，20美金订阅，那他出了这样的一个数据之后，导致整个行业只能跟他对标。微软的Copilot也是20美金，谷歌的Gemini你只能在20美金往下做，其他的一些cloud等等。
都是在20美金这个范围上下去波动。至于一开始，那个人到底为什么定他20美金，这个大家只能想破脑袋去想了。前人一定是有他的道理。就跟原来有一个笑话说，有一个大的印象派画家，他有一副名画，很多人搞不清是画什么的。一堆人在那去做研究，甚至有些专家专门去研究这幅画，还发表了很多论文，成为了学术态度。

第一个研究这幅画具体画什么的学术泰斗离开人世去了天堂以后，正好碰到这个画家，就去问他说：“您那画到底画什么呢？你看我研究了一辈子，都成为学术泰斗了，我也没研究明白，还跟很多个派系吵来吵去的。”那个画家说：“你到底说的哪幅画，我想不起来了。”最后他太太在旁边提醒了一下：“你说的不会是擦手布吧？你每次画完画，然后拿那个布擦手，形成了一副印象派的名画，让后人研究了很长时间。”

所以20美金有可能就是这么来的。而20美金跟token付费这种事情，其实会极大限制使用AI的人数，因为它会限制流量的上升，也会限制新的商业模式的爆发，这个其实是有毒的。现在OpenAI其实面临着当时谷歌的困扰。谷歌的困扰是什么？是分叉。当时谷歌把安卓做出来以后，所有人一看，这个东西实在太厉害了，我们拿它去分叉，就有安卓的各种智能家电的操作系统、安卓的手表操作系统、安卓的各种嵌入式操作系统、安卓的各种定制操作系统。谷歌说不行，你们不能分叉，我一定要把安卓的版本一直升上去，让你们所有分叉人都死掉。

OpenAI其实现在面临的困难是一样的，它指明了方向，大家各自去发展，长出了Anthropic、拉玛、Gemini，现在的标准已经不统一了。想要继续站在排头上，继续引领风潮，必须不断放出新消息，不断去指明方向。但是，手里边的钱又不够多，攻城能力也不够强，也没有盈利能力，只能是不停地放空话。你像从2024年年初到现在，OpenAI已经吹了多少牛，到现在都没有实现。

那么OpenAI的解决方法有哪些呢？第一个就是涨价，像刚才我们前头讲的，把这个费用涨100倍，涨到2,000美金一个月。这就是第一个处理方法，涨上去以后就可以达到盈亏平衡了。第二种方式就是不停的融资。山姆·奥特曼在斯坦福大学演讲的时候也讲过，说你们不要去研究挣钱的事情，我就不停的去找钱，反正我有这个能力。找完了以后呢，就把它烧掉，再去找。现在新的一轮钱找到了，这条路还是在往前走，而OpenAI准备去上市。上市的时候，你又可以圈一大笔钱吧。但是上市了以后，你未来还是要去盈利的啊。所以甭管是找钱也好，还是上市也好，算是饮鸩止渴，或者是寅吃卯粮，我们把未来的一些可能性把它消耗掉，那继续在亏损和越亏越大的这个道路上狂奔向前，这不是一个长久的解决之道。

还有一条路是什么？就是重新发明定义，走通一些新的商业模式。这可能是山伯特曼或者整个OpenAI，包括整个硅谷和行业，都在期盼的一个事情，就是说我们不再去依赖传统的这种流量商业模式了，而是做一个新的商业模式，像收税一样，把这个税收上来，让大家像一个基础设施那样去使用这些AI大模型。但是这种模式呢，到目前为止还没有走通。未来到底能不能走通这件事情，还是一个问号。

那你说，如果这个商业模式走不通，盈利呢？其实从短期来看，还是很难的。还有没有其他的方式？OpenAI难道就要倒在这里了吗？还有一个方式就是国有化，直接交给国家，让国家通过税收、通过印钱直接去使用这些大模型。现在Scaling Low继续往前走的话，可能迟早会走到国有化这条路上。

那么就看到底是大家能够先去找到合适的商业模式，让整个AIGC产业健康发展，还是最终让AIGC都沦为主权大模型。到底是走哪条路？因为主权大模型这件事情，是黄仁勋提出来的，是说我们以后每一个国家都去买自己的显卡，建自己的算力中心，每一个国家都拥有自己的主权模型。这是他提的这条路，不知道是光明还是黑暗，但也在我们的前方等待着我们。

好，这就是我们今天讲的故事。一OpenAI准备涨价100倍，为开始探讨一下OpenAI未来的一些发展方向。好，今天的故事就讲到这里，感谢大家收听。请帮忙点赞，点小铃铛，参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道，再见。