OpenAI · 情报日报

GPT-Red：通过自我改进提升模型稳健性

Thu, 16 Jul 2026 08:30:00 +0800

GPT-Red：通过自我改进提升模型稳健性

来源记录回退说明：原文保存器无法访问官方 OpenAI URL，原因是 openai.com 的 DNS 解析失败。以下内容仅为本地 X 数据集中保留的官方公告与线程材料之译文，并非对无法获取的文章正文进行重建。

官方公告

介绍 GPT-Red。

它是一个内部自动化红队系统，致力于大规模发现模型的提示注入漏洞，帮助我们在更广泛部署前构建更强的防御机制。

— OpenAI，2026 年 7 月 15 日

对抗式自我博弈

GPT-Red 通过对抗式自我博弈学习：它的目标是对多种具有挑战性的防御方模型实施提示注入。

GPT-Red 找到的每一次成功攻击，都会被用于改进这些防御方模型，推动 GPT-Red 持续发现范围更广、复杂度更高的失效模式。

— OpenAI 线程

预期的安全飞轮

AI agents 已经在用于提升我们的下一代模型能力。

我们相信，借助 GPT-Red，我们已开始为安全解锁类似的飞轮：今天的模型可以帮助明天的模型变得更稳健、更对齐、更值得信赖。

— OpenAI 线程

Codex 为 Notion 打开了哪些可能性

Mon, 15 Jun 2026 08:30:00 +0800

原文: English original · OpenAI 官方

Notion 如何用 Codex 一次成型地写出 spec，并放大工程产能。

在 Notion，Codex 正在改变工程师构建产品的方式。公司开始重新思考自己设计的软件原语与抽象，好让 agent 也能直接使用这些能力。招募新工程师时，他们更看重好奇心和开放心态，因为这个领域原本要求的那套多年经验，其实还不存在。甚至那些多年没写过生产代码的经理，如今也重新回到代码库里，和团队一起交付。

Ryan Nystrom 负责 Notion 的 AI Product Engineering。在他任职一年多的时间里，团队几乎参与了产品中的所有 AI 功能建设。他们发现，开始使用 Codex 之后，团队能够承接的事情明显变多了。

“我很欣赏 Codex 的一点是，它会在真正开始构建之前先把问题想明白。所以它做出来的东西，通常从一开始就符合我们代码库的标准，而不是还得让我回头替它收拾一大堆残局。”

Ryan Nystrom，Notion AI Product Engineering

在 Web 上构建 Notion 的 AI 语音输入

Codex 的自主执行能力，在一个最近的项目里体现得非常明显。Ryan 完全依靠 Codex，把 Notion 的 AI 语音输入带到了 Web 端。

“说话时，我们能自然带出更多上下文，”他说，“如果我在打字，我会一直想着措辞、想着具体该用哪些词。把这个功能给到 Notion 用户后，他们就能提出更自然的问题，也能带入更多上下文。我们很想把这种体验带进 Notion AI。”

当这个需求出现时，Notion 的移动端已经有一个可用版本，但桌面端和 Web 端还没有。尽管 Ryan 并不完全清楚移动端功能的具体实现方式，他还是把这个问题交给了 Codex：让它查看移动端代码库，明确说明 Web 端应该呈现成什么样子，并提供一套验证结果的方法。

Codex 一次就交回了 Web 实现的完整初稿，而且与 Notion 代码库既有约定足够一致，第二天就能上线。

“如果放在两年前，要做出 Notion 的语音输入功能，这大概会是一个需要我和另一位工程师花上两周的项目，”Ryan 说，“而有了 Codex，我大概只花三四个小时，一个人就做完了。”

“它花了不少时间研究我们的移动端代码，最后几乎是一把把整个功能写了出来。我第二天就发布了，并马上开始让用户试用。”

Ryan Nystrom，Notion AI Product Engineering

工作方式如何改变

在 Notion，工程师现在经常会把一组任务以及验收方式交给 Codex，然后让它自己运行，自己则暂时离开。

“我几乎发现，自己现在花更多时间在写这些 spec 文档上，再把它们交给 Codex 去完成，”Ryan 说，“说实话，我现在已经几乎不再手写代码了。”

在 Codex 出现之前，团队里的每位工程师都只能在会议和同事支持工作之间，勉强专注于一项任务。现在，他们可以并行推进多个任务，在不牺牲原本那些团队支持工作的前提下，把事情持续往前发。

“我是带团队的，传统上经理往往没有时间写代码，”他说，“但我现在居然可以在继续支持团队的同时，自己单独做完一个功能，这真的很夸张。我做管理已经五年多了，从来没有像现在这样深入过编码问题。”

现在，他只要把任务排进去，去参加一连串会议，回来时就能看到一个已经完成的功能。或者说，他和团队终于拥有了一位能一起下场交付的经理，而 Ryan 也重新拿回了那部分他原以为已经和管理职责交换掉的工作。这种可用性甚至延伸到了工作时间之外。他会在睡前抛出一个研究问题，让 Codex 通宵运行，第二天醒来时就已经有一份完整报告在等他。

Codex 重新设定了一个小团队，甚至单兵团队，究竟能交付什么的基线，也让 Notion 的工程师有了更多余地，去专注于自己最在意的工作。

“不管我是要研究一个任务、修一个 bug，还是做一点小调整，Codex 都一直在那里，随叫随到。说白了，我在 Notion 等于 24/7 都有个实习生可用。”

Ryan Nystrom，Notion AI Product Engineering

进入新的工作时代

全球已有超过 100 万家企业，正通过 OpenAI 取得切实成果。

OpenAI Academy 为新工作时代推出三门新课程

Mon, 15 Jun 2026 08:30:00 +0800

原文: English original · OpenAI 官方

AI 正在赋予组织一种新的行动能力。过去受限于时间或专业门槛而难以推进的工作，如今越来越可以借助 AI 向前推进。但这份潜力只有在员工知道如何把这些工具真正用到自己的工作里，并把成功经验沉淀成可复用的方法时，才会变成现实。

在 OpenAI，我们把学习视为部署的一部分。我们一边构建模型和产品，一边与将它们应用到业务中的组织紧密合作。OpenAI Academy 正是把这些经验转化为实操型学习内容，帮助组织在员工队伍中建立 AI 素养，并缩短从部署到产出价值之间的距离。

今天，我们为 OpenAI Academy 推出三门新课程：AI Foundations、Applied AI Foundations，以及 Agents and Workflows。三门课程连成一条完整路径，帮助团队从理解 AI，走到把 AI 用于重复性工作，再进一步学会如何用 agent 驱动更结构化的 workflow。

从 AI 基础走向可复用 workflow

OpenAI Academy 的课程建立在一个简单理念上：人们只有在真正与自己工作相关的任务中练习，才能学会把 AI 用好。围绕这一点，我们正与 BCG、Accenture、BBVA 等合作伙伴合作，帮助组织建立实用的 AI skill，并把它们落实到日常工作中。

AI Foundations 介绍如何在日常工作中有效使用 AI 的核心概念与实践，包括 prompt 编写、补充上下文、输出审阅，以及负责任地使用 AI。学员完成课程后，将具备一套基础方法，能把这些习惯用于起草、总结、规划和会议准备等常见任务。

Applied AI Foundations 聚焦如何把有效的 prompt 转化为结构化、可重复的 workflow。学员将学习如何制定 workflow plan，明确合适的输入、模型、工具、检查点和人工审阅方式，并在质量、速度与成本之间取得平衡。

Agents and Workflows 关注如何通过提供上下文、定义输出与边界、审阅结果，来引导 agent 辅助完成工作。完成课程后，学员将能够运行并持续改进一套可复用的 workflow，同时识别哪些环节仍然需要人的判断与监督。

三门课程合在一起，能帮助学员从优化单个日常任务，走到设计可重复的 workflow plan，再到练习一套可应用于后续工作的 agent 辅助 workflow。

“我们欢迎像 OpenAI Academy 这样的项目，它能帮助专业人士建立实用的 AI skill，并更好地理解如何把这些技术用于自己的日常工作。”BBVA 全球 AI 采用负责人 Elena Alfaro 表示。

直接来自 OpenAI 的实用型学习

OpenAI Academy 由来自 AI 研究、产品、安全和部署等团队共同参与设计。课程内容会随着模型和产品的演进持续更新，纳入新的能力、更新后的安全实践，以及组织在实际使用 AI 过程中的经验。对企业而言，这意味着它可以获得一套与员工日常使用技术紧密对应、且口径一致的学习标准。

用结业证书记录学习进展

完成课程的学员会获得结业证书，可与团队和自己的职业网络分享。对企业来说，证书提供了一种简单方式，用来确认参与情况、表彰早期采用者，并把学习与已经在推进的实际工作连接起来。它也有助于推动者找到同样在构建新 workflow 的同事，并鼓励团队在组织内部分享哪些做法真正有效。

把 Academy 课程引入你的组织

这些课程既可以用于员工 onboarding，也可以用于企业学习项目或更广泛的 AI 采用计划。它们为刚开始尝试 AI 的团队提供共同基础，也帮助更成熟的组织把个人层面的使用方式，进一步转化为可在团队之间共享、迭代和改进的 workflow。

“要规模化推动 AI 采用，光让人们获得技术访问权限还不够。还需要配套的学习系统、使用信心，以及帮助人们在日常工作中持续应用 AI 的新工作方式。”Accenture 首席 AI 与数据官 Dr. Lan Guan 表示，“OpenAI Academy 是我们帮助员工建立实用 skill、workflow 和习惯的重要组成部分，让他们能够以负责任且高效的方式使用 AI。我们也可以把同样的实操方法带给客户，帮助他们在整个员工队伍中扩大 AI 的应用规模。”

这三门课程只是 OpenAI Academy 更大课程路线图的开端。随着产品持续演进，我们会继续更新课程内容，扩展面向组织的报告能力，并为更多角色和使用场景推出新的学习路径。

你可以访问 OpenAI Academy 了解这些课程。若想把它们带入你的组织，请联系你的 OpenAI account team 或 sales 团队。

OpenAI 将收购 Ona

Mon, 15 Jun 2026 08:30:00 +0800

原文: English original · OpenAI 官方

这项收购将为跨软件与知识工作的长时运行 agent，带来安全、由客户掌控的云基础设施。

今天，我们宣布 OpenAI 将收购 Ona，把其安全的云端执行与编排技术纳入快速扩展中的 Codex 生态。

如今，每周已有超过 500 万人使用 Codex 来做研究、分析、构建和自动化工作，较今年年初增长了 400%。Codex 最初是一款面向软件开发者的工具，如今已能帮助更广泛的人群，从一个初始请求一路推进到最终结果，完成复杂任务。

随着 Codex 能力不断增强，它最有价值的工作也越来越多地以数小时甚至数天为周期展开，而不再只是几分钟。我们相信，人们应该能够把更有雄心的工作委托出去，而不必一直守在任务发起时所使用的那台机器旁边。工作应当能够在初始 session 结束后继续推进，而 Codex 则让人们可以随时查看进度、补充方向、做出决策，并在任何地方审阅结果。

Ona 将帮助我们实现这一点。它的技术提供了安全、持久的运行环境，让 agent 能够在较长时间内持续访问其推进工作所需的工具、系统与上下文。

把 Ona 纳入 OpenAI 后，我们将把 Codex 从依赖单一设备或活跃 session 的工作方式，扩展到更持久的运行模式，并帮助更多组织在生产环境中安全部署 agent。

给 Codex 一个可持续运行的工作场所

多年来，Ona 一直在帮助开发者把软件开发从本地机器迁移到云端。该公司已经帮助 200 万开发者在安全、可复现的云环境中工作，并已服务多家与 OpenAI 重叠的客户。

这段经验与 Codex 的下一阶段发展直接相关，它将使 agent 即使在笔记本电脑合上之后，也能继续在客户的云环境中工作。

让 Codex 在生产 workflow 中规模化落地

随着组织从试验 agent 走向在生产 workflow 中正式部署它们，仅有强大的模型还不够。

组织需要能够放心地让员工从持久化的 agent 工作模式中受益，并明确 agent 运行在满足其安全、治理和运维要求的环境中。这意味着组织需要掌控：agent 在哪里运行、能访问什么资源、凭据如何划定权限范围、活动如何记录，以及工作如何进入审阅流程。

Ona 由客户控制的执行模型，将允许 agent 直接运行在组织自己的云环境中，而 OpenAI 则提供驱动整体体验的智能与编排能力。这让组织可以在不限制 Codex 能力边界的前提下，更充分地掌控自身基础设施、数据和安全边界。

“agent 需要的不只是智能，它还需要一个值得信任的工作空间。我们打造 Ona，就是为了为 agent 提供企业所需的云环境、上下文、控制力与协作能力。加入 OpenAI 之后，我们将把这层基础能力带入 Codex，帮助组织更有信心地部署 agent，也让人们对自己的工作拥有更强的主导权。”

Johannes Landgraf，Ona 联合创始人兼 CEO

“企业想要的是既能真正干活、又能满足其环境中安全与控制要求的强大 agent。Ona 将帮助我们让 Codex 更容易以安全方式部署到生产 workflow 中，服务那些在信任和规模要求上都达到最高标准的客户。”

Thibault Sottiaux，OpenAI Core Products 负责人

Nextdoor 的工程师如何借助 Codex 放开手脚做开发

Thu, 11 Jun 2026 08:30:00 +0800

在 Nextdoor 的核心平台团队里，Codex 会参与排查问题，也让产品工程师能够真正掌握方向盘。

Nextdoor 在 11 个国家拥有超过 1.1 亿用户。Nextdoor 工程负责人 Cory Dolphin 表示，Codex 代表着一种转变：从反复给 agent 下 prompt，转向他所说的 outcome engineering，也就是由工程师先定义想要的结果，再与 agent 一起把它做出来。

这种转变让单个工程师能够向更高层级抽象推进。他们不再局限于某一个系统或框架，而是可以端到端负责更多产品体验，甚至跨越多个平台。Dolphin 说，生产效率的提升已经大到让工程本身不再是主要瓶颈；现在更难的问题反而是，下一步到底该做什么。

“Codex 从根本上改变了我们理解工程工作的方式，甚至到了我们已经无法想象没有它时该如何做工程的地步。”

Cory Dolphin, Head of Engineering, Nextdoor

产品工程师可以更专注于产品本身

Dolphin 表示，工程师花在“具体怎么实现”上的时间变少了，而花在“最终结果应该是什么”上的时间更多了。这个结果可以是一张截图或一段视频，agent 会朝着那个目标去构建；也可以是某个性能指标、某个测试结果，甚至是一个全新的功能想法。

Nextdoor 最近发布了 Opportunity Alerts，用来帮助用户发现附近的服务提供者。参与该功能开发的一位工程师意识到，如果能在地图上展示这些服务提供者会更有用。按过去的方式，这通常需要移动端、前端和后端团队之间协调推进，因此很可能会一直躺在 backlog 里。

Dolphin 表示，有了 Codex，一位工程师就能够把这个功能端到端做出来。这不仅加快了交付速度，也让这位工程师能更好地理解产品体验，以及哪些内容才真正值得上线。

“当工程师开始向更高层级抽象推进时，他们会对自己构建的产品承担更多责任。你会真切看到，单个工程师开始驱动产品向前发展。”

Cory Dolphin, Head of Engineering, Nextdoor

压缩软件工程时间

Nextdoor 也在用 Codex 调试那些很难复现的问题，比如嵌入式 Rust 数据库中的异常，以及存在严格竞态条件的系统。团队会给 agent 一个干净的环境和用于排查的 harness，然后把它用于各种任务：从诊断 Kubernetes pods 为什么无法启动，到在数据分析中找出正确的趋势线。

Dolphin 表示，GPT-5.4 和 GPT-5.5 提升了 Codex 的持续推进能力，也更擅长深入那些冷门而复杂的技术细节，最终找到根因。他还说，团队非常依赖 Fast Mode，因为在解决问题时，更短的反馈回路令人振奋。

工程工作的推进速度已经快到让组织层面的压力发生了转移。在 Dolphin 看来，如今的瓶颈更少在于“怎么做出来”，而更多在于“该做什么”以及“该采用什么策略”。

通过现有 Oracle 云承诺额度访问 OpenAI 模型和 Codex

Thu, 11 Jun 2026 08:30:00 +0800

你可以直接使用现有的 Oracle 云承诺额度，为团队开通 OpenAI 最先进模型和 Codex 的访问能力，无需另开新的采购通道。

企业通常希望在自己已经信任的采购流程和治理框架中部署 AI。OpenAI 表示，正在与 Oracle 合作，让 Oracle Cloud Infrastructure 客户更容易获取 OpenAI 的前沿模型和 Codex。

在未来几周内，Oracle 客户将可以通过 OCI，把符合条件的 Oracle Universal Credits 用于 OpenAI 模型和 Codex。这意味着，客户可以在现有采购 workflow 和云承诺体系下获得 OpenAI 模型与 Codex 的访问路径。

借助 OpenAI 模型，团队可以构建 AI 应用、分析复杂信息、自动化 workflow，并为客户和员工创造新的体验。

对于已经拥有 Oracle 承诺额度的组织而言，这项合作旨在让 AI 采用与既定云投资计划及成熟的企业流程保持一致。OpenAI 表示，其目标是减少那些已经准备好把先进 AI 引入业务、但又需要适配现有技术决策框架的团队所面临的阻力。

OpenAI 与 Oracle 表示，通过 OCI 扩大访问能力后，将有助于更多企业更轻松地从 AI 愿景走向生产级成效。

相关能力将在未来几周内陆续开放。

如需了解详情、时间安排和可用范围，客户可联系自己的 Oracle 销售代表。

一位天体物理学家如何借助 Codex 模拟黑洞

Thu, 11 Jun 2026 08:30:00 +0800

Codex 正在帮助 Chi-kwan Chan 改进并验证用于模拟黑洞周围电子和离子运动的算法。

黑洞周围的引力强到极端，只要足够接近，连光都无法逃脱。像 Chi-kwan Chan 这样的天体物理学家，会结合计算机模拟与观测来研究黑洞，但现有算法和算力仍限制着这些模拟的逼真程度。

Chan 是亚利桑那大学和 Steward Observatory 的研究人员，他正在把 Codex 用到这项工作中。他也是 Event Horizon Telescope 合作项目的一员。该项目曾在 2019 年发布首张黑洞图像，如今正朝着拍出以 M87 为中心的超大质量黑洞首支视频迈进。

要把观测结果转化为科学认知，需要大规模计算 workflow，以及能够刻画极端物理条件的模拟。由于光无法从黑洞中逃逸，科学家会把重点放在事件视界周围，因为那里的物质会发光，而这些光可以被观测、测量和模拟。

该合作项目在 2019 年发布的图像显示，黑洞的阴影嵌在事件视界附近发光的等离子体中。Chan 参与构建了解读这些观测结果所需的模拟与计算工具。随着团队从静态图像迈向视频，他们也在持续改进仪器与模拟。

解决粒子盘旋难题

主要障碍之一，是如何对黑洞周围的等离子体建模。等离子体是由带电电子和离子构成的超高温物质。

在许多模拟中，科学家会把等离子体简化为一种流体。对于电子和离子频繁碰撞的高密度等离子体，这种处理方式通常还算有效。但在 Chan 研究的超大质量黑洞附近，一些区域会变得极其炽热且稀薄，粒子几乎不发生碰撞，而是沿着磁场线盘旋。

若要正确模拟这种行为，就必须追踪海量电子和离子围绕黑洞做螺旋运动的过程。标准模拟需要计算每一个极其细微的转动，因此计算机不得不采用极小的时间步长。

结果是，即便是全球最快的超级计算机，也可能把大部分时间耗在计算这些微小粒子运动上，而不是去模拟研究人员真正关心的大尺度行为。Chan 认为，这个问题几十年来一直限制着黑洞等离子体模拟的逼真程度。

用 AI 构建更好的数字孪生

Chan 认为，新的数学技术或许能带来帮助。办法是改变模拟追踪粒子运动的方式，让计算机不必再直接跟随每一次细小的螺旋运动。若纯靠手工探索这些可能性，将耗费大量时间，因此他转向 Codex，让它推导候选算法，并与已知解进行对照测试。

Codex 生成了许多可能的方案，其中并非每一种都正确。Chan 认为这可以接受，因为这些算法是可检验的：只要其中一种有效，就可能解锁此前无法完成的模拟。

Chan 团队并不是接受难以解释的黑箱结果，而是让 Codex 提出并实现他们可以检查、测试并从物理层面理解的数值方案。他认为，科学之所以是 AI 的强应用场景，恰恰就在于科学想法可以被严格验证。

在 Chan 看来，AI 是一种工具，能帮助研究者探索更多想法、更快完成测试，并在保持可验证性与可复现性的前提下加速发现。如果他正在测试的这些方法最终成功，科学家也许就能模拟黑洞周围数万亿个粒子的行为，并研究那些数十年来一直难以触及的物理问题。