没有GPT-5的DevDay，却更像AI未来的分水岭

OpenAI第二届DevDay几乎不谈消费者产品，也没有GPT-5，却释放出一个更重要的信号：AI正在从“更聪明的聊天机器人”转向“真正能行动、能规划的智能体”。本文还原发布会核心内容，解析实时语音、视觉微调、蒸馏与o1模型背后的战略转向。

这不是一场给用户看的发布会，而是给未来看的

如果你期待在DevDay上听到GPT-5，那这场发布会可能会让你失望。但如果你关心AI的“下一种形态”，这一天的信息密度反而异常高。The AI Daily Brief的主持人一开始就点明：这是一次彻头彻尾“为开发者而办”的DevDay。

OpenAI几乎没有谈消费者功能更新，而是集中火力展示API、基础能力和构建模块。正如视频中反复强调的，这更像是一场“未来预告”——一个正在成型的图景：AI不再只是回答问题的模型，而是可以感知、规划、执行的Agent。

这种定位转变也体现在数据上。OpenAI透露，目前已有300万开发者在其模型之上构建产品，活跃应用数量是一年前的三倍。同时，过去两年API调用成本下降了99%。这并不是单纯的技术优化，而是来自Google、Meta等巨头竞争下的“智能通缩”。当智能像算力一样变得廉价，真正的门槛就转向了“你能用它做什么”。

实时语音API：AI第一次像人一样“插话”

当天讨论度最高的产品，是Realtime API。它的关键不在于“能说话”，而在于“怎么说”。这是一个原生语音到语音的API，中间没有文字转写步骤，意味着更低延迟和更自然的语气变化。

OpenAI开发者体验负责人Raine Huitt在现场演示了一个旅行规划应用：他用语音与AI讨论伦敦行程，AI几乎实时回应，同时在地图上标注餐厅位置。另一场演示中，AI通过集成Twilio，在电话中为活动订餐。虽然API本身不能直接拨号，但已经足够接近真实客服体验。

价格也引发了激烈讨论：音频输入每分钟6美分，输出每分钟24美分，混合使用约15美分/分钟。有人算账后指出，一小时约18美元，甚至高于部分国际呼叫中心的人力成本。但也有人反驳，这假设了“全程不停说话”。更重要的是，正如主持人所说，把今天的价格当成长期静态数据，本身就低估了变化速度。

一个值得注意的细节是：目前OpenAI并未强制AI在电话中表明“自己是AI”，而这在加州新法规下可能存在法律风险。这种灰色地带，恰恰说明技术已经跑到了规则前面。

视觉微调、缓存与蒸馏：给Agent准备的三块积木

相比炫技，另外三项更新更像是在“打地基”。首先是Vision Fine-tuning：开发者现在可以用图像+文本对GPT‑4o进行微调，大幅提升特定视觉任务的准确性。OpenAI表示，这是微调团队收到最多的功能请求，有人甚至提到它对自动驾驶中的交通标志识别意义重大。

其次是Prompt Caching。这个功能允许缓存高频上下文，在多次API调用中复用，从而降低延迟和成本。OpenAI称可节省约50%，而Anthropic此前宣称最高可降90%。但Every的Dan Shipper提出了一个耐人寻味的问题：当Microsoft已经推动大企业提前购买大量GPT‑4调用额度时，这种持续降价会如何影响双方关系？

最后是模型蒸馏。开发者可以用o1‑preview或GPT‑4这样的大模型，去微调GPT‑4o mini等小模型，以获得“更便宜但更聪明”的专用模型。OpenAI还同步推出了评测工具，用于对比蒸馏前后的性能。这一步非常关键，因为它默认了一个前提：未来不是一个模型打天下，而是多个模型协同工作。

o1与“推理AI”：一条正在分叉的进化路线

真正让整场发布会“有灵魂”的，是围绕o1模型的一系列暗线。Roman Huitt在现场用o1演示：30秒内通过一句提示生成iPhone应用；再生成一个Web应用，实时控制舞台上的无人机。Dan Shipper评价说，这些事以前也能做，但绝不可能在台上实时完成。

在未公开直播的炉边谈话中，Sam Altman谈到AGI时说：“我们会完成一个系统，然后问：它在哪些方面还不是AGI？”他认为AGI这个词已经被过度加载，而o1至少是“二级AGI”。对他而言，更重要的指标是科学发现速度。

他还明确表达了OpenAI的对齐思路：“我们想先弄清楚能力会如何发挥作用，然后再让它变得安全。”并强调迭代式部署是最有效的安全机制，因为“墙外的聪明人永远比墙内多”。

Nick Doos的一句话成了当天的总结性金句：“OpenAI在挑战计算机能做什么，其他人还在玩LLM。”在他看来，LLM与推理型AI正在分叉，而o1正是分叉点。

总结

这届DevDay最重要的信号，不是某个功能，而是OpenAI对未来形态的下注：AI Agent将由语音、视觉、推理和低成本专用模型拼接而成。GPT‑5当然重要，但OpenAI已经明确表态，领导力不只来自更大的模型，而来自构建“不同种类智能”的能力。对开发者而言，现在看到的不是终点，而是一套正在到位的工具箱。

关键词： OpenAI DevDay， AI Agent， 实时语音API， o1模型， 模型蒸馏

事实核查备注： 人物：Sam Altman，Kevin Weil，Raine Huitt，Roman Huitt，Dan Shipper；数字：300万开发者，API成本两年下降99%，Realtime API价格6美分/分钟输入、24美分/分钟输出；技术名词：Realtime API，Vision Fine-tuning，Prompt Caching，Model Distillation，o1-preview，GPT-4o；公司：OpenAI，Google，Meta，Microsoft，Anthropic