OpenAI

OpenAI 重组 2026：从非营利到营利的关键转折 一、治理结构演变 OpenAI 的治理结构经历了从非营利实验室到营利巨头的根本性转变。 1.1 时间线 时间 事件 影响 2015 非营利OpenAI Inc.成立 承诺开源、造福人类 2019 成立OpenAI LP（营利实体） 微软投资$10亿，利润上限100x 2023.11 董事会罢免Altman事件 暴露治理结构缺陷 2024.12 公布重组计划 非营利→营利性PBC转换 2025.6 特拉华州批准PBC转换 法律障碍清除 2026.3 重组正式完成 非营利董事会失去控制权 1.2 重组后的结构 OpenAI Inc.（非营利，持有股份） │ └── OpenAI Global, LLC（营利PBC） │ ├── 微软（持股49%，利润分成） ├── 员工期权池（约9%） ├── Altman（持股约7%） ├── 其他投资人（约35%） └── 非营利OpenAI Inc.（持股约0%（已稀释）） 关键变化： 非营利董事会从多数控制权变为 无实质控制权 利润上限（原100x回报）被 取消 Altman 首次获得股权（约7%，估值$210亿），成为有史以来最富有的科技创始人之一 PBC（公益公司）形式要求在利润和公共利益间平衡，但约束力远弱于非营利 二、Altman 权力集中 2.1 权力维度 维度 2023年前 2026年现状 股权 0% ~7% 董事会席位 CEO（可被罢免） CEO+董事会主席 投票权 无特殊权利 通过持股和盟友控制多数 军民两用政策 受非营利董事会约束 自主决定 投资决策 需董事会批准 个人可主导重大投资 2.2 关键人事布局 Altman 在重组过程中完成了对管理层的全面掌控： ...

Sora：重新定义AI视频生成 2024年2月，OpenAI发布Sora预览，一段"东京街头漫步的女性"视频震惊世界。2025年正式上线后，Sora迅速成为AI视频生成的标杆。本文从技术架构、功能特性、实际表现、接入方式到应用场景，对Sora进行全面深度解析。 一、技术架构：DiT（Diffusion Transformer） 核心架构 Sora采用DiT（Diffusion Transformer）架构，这是与传统扩散模型最大的技术差异。 传统扩散模型（U-Net架构）： 使用卷积神经网络（CNN）进行去噪 空间处理强，时序处理弱 长视频生成时帧间一致性差 DiT架构： 使用Transformer替代U-Net进行去噪 视频被切分为时空Patch（Spatio-Temporal Patches） 统一建模空间与时间维度 模型规模可随数据量持续提升 时空Patch化机制 Sora将输入视频分解为时空Token的处理流程： 视频压缩：将原始视频压缩到低维潜空间 Patch切分：将潜空间表示切分为时空Patch Transformer处理：每个Patch作为Token输入Transformer 扩散去噪：在Transformer架构下执行扩散过程 解码输出：将潜空间结果解码为像素视频 这种机制的优势在于：模型天然理解时间维度，不需要额外的时序模块，长视频生成时一致性大幅提升。 训练数据 OpenAI未公开训练数据细节，但从生成效果可以推断： 规模：推测数千万至数亿视频片段 类型：涵盖自然风景、人物活动、城市场景、动画、屏幕录制等 标注：DALL-E 3级别的详细文本描述标注 时长分布：短片段为主，包含部分长视频 二、功能特性详解 2.1 文生视频（Text-to-Video） 基本能力： 最大单次生成时长：60秒 最高分辨率：1080p（1920×1080） 支持宽高比：16:9、9:16、1:1、自定义 提示词理解能力测试： 提示词类型 示例 效果 简单描述 “一只猫在窗台上” ★★★★★ 精准还原 复杂场景 “雨夜东京街头，霓虹灯反射在湿漉漉的路面上，一个撑伞的女人走过” ★★★★★ 氛围完美 物理交互 “玻璃杯从桌面掉落，碎裂，水溅出” ★★★★☆ 物理模拟准确 多对象 “三个孩子在公园里玩捉迷藏” ★★★★☆ 偶有对象混淆 抽象概念 “时间流逝的视觉化表现” ★★★★☆ 创意理解到位 文字渲染 “路牌上写着STOP” ★★★☆☆ 文字偶尔错误 2.2 图生视频（Image-to-Video） 提供一张静态图片，Sora可为其添加动态效果： ...

GPT-5 发布后的产品矩阵 GPT-5 于 2025 年 12 月发布后，OpenAI 在 2026 年上半年进行了密集的产品迭代。 当前模型矩阵 模型 定位 上下文 核心能力 API 定价 GPT-5 旗舰 256K 推理+多模态+代码 $15/$75 per 1M tokens GPT-5 mini 轻量 128K 推理+多模态 $3/$12 per 1M tokens GPT-5 nano 超轻量 64K 文本+基础多模态 $0.5/$2 per 1M tokens GPT-4o 上一代 128K 多模态 $5/$15 per 1M tokens o4-mini 推理特化 200K 深度推理 $3/$12 per 1M tokens GPT-5 系列的关键升级（2026 H1） 2026 年 2 月 — GPT-5 V2 ...

OpenAI 智能体版图 OpenAI 在智能体领域布局了三条产品线： GPTs（消费级）→ Assistant API（开发级）→ Operator（自主代理） 用户构建 开发者集成 自主操作浏览器 GPT Store：消费级智能体 定位 GPT Store 是 OpenAI 的"App Store"——用户无需编程，通过对话就能创建定制化 GPT。 能力评估 维度 评分 说明 易用性 ⭐⭐⭐⭐⭐ 纯对话式构建，零门槛 自定义能力 ⭐⭐⭐ 支持知识库、Actions、Code Interpreter 生态规模 ⭐⭐⭐⭐⭐ 数百万 GPTs 商业化 ⭐⭐ GPT Store 收入分成尚未跑通 可控性 ⭐⭐ 黑盒运行，调试困难 Actions 机制 # GPT Actions：让 GPT 调用外部 API # OpenAPI Spec 定义 openapi_spec = """ openapi: 3.0.0 info: title: Weather API version: 1.0.0 paths: /weather: get: summary: 获取天气 parameters: - name: city in: query required: true schema: type: string responses: 200: description: 天气信息 """ # GPT 自动解析 OpenAPI Spec，生成工具调用能力 # 限制：不支持认证流程复杂的 API 适用场景 ✅ 轻量级定制助手（写作、翻译、分析） ✅ 非技术用户快速构建 ❌ 复杂业务逻辑 ❌ 需要精细控制流程的场景 Assistants API：开发者级智能体 定位 为开发者提供完整的 Agent 构建框架，支持工具调用、代码执行、文件检索。 ...