YOHO AI

标签： OpenAI

  • OpenAI掏出了自己的AI芯片，9个月干完别人两年的活

    上周，OpenAI和博通站到一起，揭开了代号「Jalapeño」的AI推理芯片。这块芯片从设计到流片只用了9个月，而行业常规节奏是18到24个月。OpenAI用自己的模型辅助架构探索、功耗仿真和布局优化，等于「AI设计AI芯片」从概念走成了实物。

    OpenAI Jalapero AI推理芯片概念图
    OpenAI首款自研AI推理芯片Jalapeño概念图 | 图：AI生成

    为什么是推理芯片，不是训练芯片

    Jalapeño定位很清晰——它专门跑推理，也就是用户发请求、模型输出回答这个环节。训练那边暂时还是英伟达GPU的天下，但推理成本占了OpenAI运营开支的大头，每天数亿次API调用和ChatGPT请求，每省一分钱都是真金白银。

    据彭博社援引内部测试数据，Jalapeño相比当前主流AI GPU，推理成本能降约50%。这个数字如果属实，对OpenAI的盈利模型意味着什么，不难想象。

    「我们利用服务于用户的前沿模型，来优化运行未来模型的基础设施。」——OpenAI总裁Greg Brockman

    全栈竞赛，不只是模型能力的比拼

    这件事更大的信号在于，AI公司的竞争维度正在切换。谷歌有TPU，亚马逊有Trainium，微软有Maia，现在OpenAI也正式入局自研芯片。大家都在做同一件事：把「模型+芯片+系统+网络」打包成自己的全栈能力，而不是只租英伟达的卡。

    但OpenAI并没有打算彻底甩开英伟达。Brockman自己说得很直白：「我们根本无法足够快地获得算力。」Jalapeño是对爆炸式算力需求的结构性补充，不是替代。OpenAI同时在向英伟达、AMD、Cerebras多方采购，Jalapeño只是其中一块拼图。

    千兆瓦部署，多代路线图

    博通CEO陈福阳透露，Jalapeño将于今年开始在千兆瓦级数据中心部署，合作伙伴包括微软。他强调这只是「多代路线图的起点」，OpenAI和博通的目标是共建吉瓦级算力集群。

    芯片细节方面，Jalapeño被归类为ASIC（专用集成电路），架构围绕大语言模型推理负载从零设计，核心思路是降低数据移动开销、平衡计算-内存-网络的资源分配。OpenAI表示，工程样品已以目标频率成功运行GPT-5.3-Codex-Spark等复杂强化学习任务，早期测试显示每瓦性能「显著优于当前最先进的AI加速器」。

    详细的性能技术白皮书将在未来数月内发布。对于盯着AI基础设施赛道的人来说，Jalapeño的实测数据值得等。

  • 谷歌一周丢了两位AI大牛，诺奖得主也去了Anthropic

    AI人才大战：谷歌顶级人才流向OpenAI和Anthropic
    AI人才大战：顶级研究者的流动方向，正在重塑整个行业的格局

    北京时间6月20日，一条消息在AI圈炸开了：AlphaFold核心领导者、2024年诺贝尔化学奖得主John Jumper正式宣布，结束在Google DeepMind近9年的职业生涯，加入AI初创公司Anthropic。两天前，Transformer架构八人核心成员之一的Noam Shazeer，也从谷歌离职加入了OpenAI。

    一周之内，谷歌丢了两位重量级AI大牛。而且这还不是第一次。

    Jumper的离开，DeepMind失去了什么

    Jumper这个人，在结构生物学和AI交叉的领域里，基本是天花板级别的存在。2017年博士毕业即加入DeepMind，入职半年就牵头AlphaFold项目，带着团队完成三代模型迭代，把困扰结构生物学数十年的蛋白质折叠难题给解了。

    2024年10月，他和DeepMind创始人Demis Hassabis一起站上诺贝尔化学奖的领奖台。近九年时间，AlphaFold数据库累计释放了超过2亿种蛋白质预测结构，向全球190个国家的200多万科研人员免费开放。

    Hassabis的回应很体面：”感谢John过去九年的非凡合作。”但业界都看得到，DeepMind失去了AI生物赛道最核心的技术领军者。有网友在Jumper的离职宣言下面问：为什么总是谷歌在失去最优秀的人？

    Shazeer出走，大模型底层架构的奠基人也走了

    跟Jumper前后脚离开的Noam Shazeer，分量一点不轻。2017年，他作为八人核心团队成员发布《Attention Is All You Need》，提出了Transformer架构——整个大语言模型时代底层的那块基石。

    2024年，谷歌花了27亿美元买下Character.AI的模型授权，把Shazeer重新纳入Google DeepMind，让他担任Gemini大模型联席技术负责人。结果只待了两年，又走了，这次去向是OpenAI，专职做底层架构的前沿探索。

    这两位先后出走，不是孤立事件。SignalFire的统计数据显示，DeepMind人才流向Anthropic和反向回流的比例，是10.8比1——人才流动是单向的，而且倾斜得很厉害。

    Anthropic加码AI+生物，路线碰撞开始了

    Jumper选择Anthropic，不是随便挑了一家初创公司。2025年，Anthropic推出了AI for Science程序，给高影响力的生物研究提供免费API额度，重点支持药物发现和遗传数据分析。同年还设立了医疗健康与生命科学独立部门，单独配预算、算力和招聘通道。

    2026年4月，Anthropic用大约4亿美元的全股票交易收购了Coefficient Bio，把它整合进”Claude for Life Sciences”。现在Jumper带着三代AlphaFold的全部技术经验和诺奖背书加入，Anthropic在AI生物计算这个方向上的押注已经非常明确了。

    • 此前Anthropic的核心聚焦在通用大模型Claude系列和AI对齐安全研究
    • Jumper的加盟意味着公司开始全面加码AI生物计算，这跟DeepMind的AlphaFold路线正面碰撞
    • AI+生物被普遍认为是继语言、视觉之后，AI最有可能产生颠覆性商业和社会价值的领域

    硅谷的人才流动像一场高频迭代的实验：大厂提供平台和资源，初创公司注入速度和愿景。Jumper和Shazeer的离职提醒整个行业，技术突破归根结底靠人，而留住顶尖人才，需要的不只是高薪。

    未来几年，跨学科人才、专有数据集和伦理治理，会成为AI公司之间最核心的竞争力。这场人才战争，可能比芯片战争更决定胜负。

  • OpenAI拿出第一块自研芯片，9个月干完同行两年的活

    OpenAI与博通联合发布首款自研AI推理芯片Jalapeño
    OpenAI与博通联合发布首款自研AI推理芯片Jalapeño（图片来源：OpenAI官网）

    美东时间2026年6月24日，OpenAI和博通站在一起，揭开了业界等待已久的第一款自研AI推理芯片——Jalapeño（哈拉贝诺辣椒）。这块芯片不只是OpenAI从”纯模型公司”向”全栈AI基础设施提供商”转型的里程碑，更意味着AI芯片市场的格局要被重写一次。

    9个月流片，AI公司造芯片的新速度

    设计一块ASIC芯片，行业常规操作是花1.5到2年。Jalapeño从初始设计到制造流片，只用了9个月。OpenAI硬件主管Richard Ho说，关键是深度软硬件协同开发——OpenAI拿自己的前沿模型去辅助架构探索、功耗仿真和强化学习优化，博通则提供了硅实现的能力。

    OpenAI总裁Greg Brockman的说法更直白：”我们利用服务于用户的前沿模型，来优化运行未来模型的基础设施。”在实验室里，Jalapeño的工程样品已经以目标频率和功耗成功跑起了GPT-5.3-Codex-Spark这类复杂的强化学习任务。早期测试下来，每瓦性能”明显好于当前最先进的AI加速器”。

    Jalapeño不是通用GPU，它是一块ASIC——围绕OpenAI对大语言模型推理工作负载的深度理解，从零开始架构建出来的。架构的核心思路是减少数据移动，平衡计算、内存和网络的资源分配，让实际利用率尽量接近理论峰值。

    推理成本砍半，千兆瓦部署计划

    OpenAI官方的新闻稿在成本这件事上措辞谨慎，只说了”每瓦性能大幅优于当前最先进水平”，没给具体数字。但彭博社引述博通CEO陈福阳的说法是：相较当前主流AI GPU，Jalapeño能省大约50%的推理成本。

    每天处理数亿次API调用和ChatGPT请求，推理成本每降一点，对OpenAI的盈利模型都是实打实的影响。按这个逻辑，50%的降幅不是小事。

    陈福阳还透露，Jalapeño今年就开始跟微软和其他合作伙伴一起，部署到千兆瓦级的数据中心。他特别提到，这只是”多代路线图的起点”，OpenAI和博通的目标是一起建设吉瓦（gigawatt）级的算力集群。换句话说，如果供货跟得上，OpenAI有可能把这套硬件卖给第三方。

    “去英伟达化”加速，全栈竞争白热化

    这件事最直观的信号是：科技巨头集体挑战英伟达的步伐又加快了。谷歌的TPU已经商用多代，微软的Maia在推进，亚马逊的Trainium在迭代，现在OpenAI正式入局——定制AI加速器的阵营前所未有地壮大。

    但OpenAI并不是要彻底甩掉英伟达。Brockman自己说过，”我们根本无法足够快地获得算力”。现在OpenAI同时在向英伟达、AWS、AMD和Cerebras多方采购芯片，Jalapeño是对爆炸性算力需求的结构性补充，不是替代方案。

    • Jalapeño是一个多代计算平台的第一步，初始部署计划在2026年底前完成
    • 平台将OpenAI设计的加速器、博通的芯片实现和网络技术、Celestream的电路板/机架技术整合在一起
    • AI辅助设计AI芯片，从概念走向量产，这个循环一旦跑通，芯片研发的速度基准会被重新定义

    Jalapeño的亮相，标志着AI产业的竞争维度发生了根本性跃迁——从单一的模型能力比拼，升级为”模型+芯片+系统+网络”的全栈基础设施竞赛。当OpenAI从GPT的开发者变成Jalapeño的设计者，这场芯片战争才刚刚拉开序幕。

  • OpenAI发布GPT-5.6三款新模型，但你得先拿到那20个名额

    6月27日，OpenAI悄悄做了一个不一样的发布——不是全面开放，而是”有限预览”。GPT-5.6系列三款模型（Sol、Terra、Luna）正式亮相，但初始阶段只向约20家”可信合作伙伴”开放。这种做法在美国AI行业还是头一回，背后直接站着美国政府。

    三款模型，三种定位

    这次OpenAI换了一套命名逻辑——数字代表代际（5.6代），Sol/Terra/Luna代表能力层级，可以独立迭代。三款模型不是按参数规模划分，而是对应不同使用场景：

    • Sol：旗舰型号，面向最复杂的任务——长周期编码、高级智能体工作流、网络安全研究。OpenAI给它配了max推理模式（耗时更长但更精准）和ultra模式（调用子智能体并行处理复杂项目）。
    • Terra：均衡型，主打日常办公场景的性能与成本平衡。高并发企业任务（客户支持、内部工具开发、文档分析）用这个最划算。
    • Luna：轻量型，速度最快、成本最低。总结、草稿、常规自动化流程这类轻量任务，用Luna就够了。
    GPT-5.6 三款模型概念图
    GPT-5.6系列：Sol、Terra、Luna三档定位（图：AI生成）

    跑分出来了，确实能打

    基准测试成绩相当亮眼。Sol在TerminalBench 2.1（命令行任务）上开启ultra模式得分91.91%，刷新该基准的最高纪录；开启max模式也有88.76%，超过GPT-5.5的83.4%和Claude Mythos 5的88%。

    在Agent’s Last Exam（专业工作流测试）上，Sol是唯一突破50%的模型（50.9%）。连轻量级的Luna，成绩也略微超过上一代旗舰GPT-5.5。

    OpenAI内部评估认为，Sol和Terra达到了网络安全”高风险”阈值。但这不代表它们能自主生成完整的攻击exploit——内部夺旗测试显示，Sol能识别漏洞和利用原语，但还差最后一步。

    美国政府站在发布台上

    这次发布最不寻常的地方，是OpenAI在公告里直接说了：应美国政府要求，从有限预览开始。背景是特朗普政府6月2日签署的行政令，要求AI模型在广泛发布前经过30天的安全评估流程。

    Anthropic的Mythos 5/Fable 5被政府叫停的事件，显然让OpenAI选择了更谨慎的路线。CEO Sam Altman在公告中也不掩饰对此的无奈——他认为政府前置审批如果常态化，会阻碍AI工具触达需要的用户。

    目前的安排是：初始阶段仅向约20家机构开放，普通用户和企业的全面开放要等”未来几周内”逐步推进。OpenAI已将模型信息和发布计划同步给了美国政府。

    价格：比前代便宜了

    定价方面，GPT-5.6比前代GPT-5.5（输入$5/百万token，输出$30/百万token）要便宜。Luna尤其有竞争力：

    • Luna：$1（输入）/$6（输出）每百万token
    • Terra：$2.5/$15
    • Sol：$5/$30

    对比一下国产模型更有感觉：DeepSeek-V4-Flash只要$0.14/$0.28，GLM-5.2是$1.40/$4.40，Kimi-K2.6是$0.95/$4.00。GPT-5.6 Luna的定价处于行业中游——比国产模型贵，但比Claude Opus 4.8（$5/$25）和GPT-5.5（与Sol持平）便宜。

    有限预览阶段，能直接用上GPT-5.6的只有那20家机构。但OpenAI的方向是明确的：用分层命名让开发者更容易选模型，用更低的价格扩大使用面，同时在政府审查面前保持配合姿态。这个平衡能走多远，接下来几周见分晓。

  • Google DeepMind一周跑了5个顶级研究员，Alphabet市值蒸发2700亿美元

    6月22日，Alphabet的股价一天之内跌了7%。这不是因为财报暴雷，也不是因为监管重锤，而是因为Google DeepMind在一个星期之内，有5位顶级研究员先后宣布离职。

    市值蒸发了大约2700亿美元。相当于跌掉了一个Netflix，或者两个Uber。

    走的都是什么人

    这份名单读起来像AI研究界的”名人录”：

    • John Jumper——2024年诺贝尔化学奖得主，AlphaFold项目的负责人。他领导的团队用AI预测了超过2亿个蛋白质结构，全球190个国家的200多万研究人员正在使用这套系统。
    • Noam Shazeer——Transformer架构的共同作者之一，这个架构几乎是每一个现代大语言模型的地基。他离开Google加入了OpenAI。
    • Jonas Adler——深耕AI编程领域，对Gemini有直接贡献，去向是Anthropic。
    • Alexander Pritzel——预训练专家，同样去了Anthropic。
    • Arthur Conmy——Gemini 2.5的核心贡献者之一，研究方向是AI安全的可解释性，也加入了Anthropic。
    Google DeepMind人才流失概念图
    Google DeepMind一周内5位顶级研究员离职，引发Alphabet市值暴跌

    为什么是现在

    这5个人在同一周宣布离职，不太可能是巧合。背后有几件事正在同时发生。

    第一件事是IPO窗口打开了。Anthropic在6月1日向SEC提交了保密的S-1文件，估值9650亿美元，历史上第一次超过了OpenAI。OpenAI一周之后也跟进提交了。对于顶级研究员来说，在IPO之前加入这两家公司，拿到的是不对称的下注机会——哪怕Google给的RSU再慷慨，也很难跟一家准上市公司的股权升值空间相比。

    根据创投机构SignalFire 2025年的分析，DeepMind的工程师加入Anthropic的可能性，是反向流动的11倍。这个不对称性一直存在，但这一周，它变得肉眼可见了。

    第二件事是算力内耗。Bloomberg报道说，在Shazeer宣布加入OpenAI前不久，他负责的一个项目的算力被重新分配给了DeepMind在伦敦的团队。在一家有19.47万员工的公司里，GPU使用权的内部竞争造成的摩擦，是小而聚焦的实验室不会遇到的问题。

    Gemini 3.5 Pro推迟到7月

    在这个节骨眼上，Business Insider报道说Gemini 3.5 Pro的发布从6月推迟到了7月。Google CEO Sundar Pichai在Google I/O上说过”下个月发布”，但现在公司正在Antigravity平台和LMArena基准测试服务上收集早期测试者的反馈。

    Google没有正式确认推迟。但Adler（AI编程）和Pritzel（预训练）的离职，在Gemini 3.5 Pro最需要表现竞争力的两个领域，留下了具体的人才缺口。

    市场在怕什么

    Jefferies的分析师维持了对Alphabet的买入评级，目标价445美元，认为人才离职是噪音。Google的总员工数是19.47万，走了5个研究员，统计上可以忽略不计。

    但D.A. Davidson的分析师Gil Luria给了一个更尖锐的评估：Google整体上仍然位置很好，但”当前前沿的竞争看起来是在Anthropic和OpenAI之间进行的”。

    市场担心的可能不是这5个人本身，而是他们代表的东西：诺贝尔奖得主、Transformer的共同作者、旗舰模型的核心工程师，这些人用脚投票，去了一家估值9650亿美元、正在准备IPO的竞争对手。

  • AI模型发布要经过政府审批——这件事比Anthropic和OpenAI的竞争大多了

    美国政府审批AI模型发布概念图
    美国政府开始逐个审批AI模型发布，整个行业都面临新现实

    两周前，美国政府的手伸进了AI公司的模型发布环节。Anthropic的Fable和Mythos模型被要求下架，OpenAI的GPT-5.6也面临类似的”逐客户审批”模式。整个行业突然意识到，问题已经不是”Anthropic vs OpenAI”那么简单了。

    从竞争到共存：两家公司突然站在了一起

    Russell Brandom在TechCrunch写了一篇文章，标题很直接：”It’s not about Anthropic vs. OpenAI anymore”。他的核心论点是：OpenAI和Anthropic现在面临完全一样的困境，如果这个问题处理不好，整个行业都会受影响。

    具体来说，美国政府现在对前沿AI模型的发布有了实质性的控制权。模型发布前要经过政府审批——这个流程目前没有清晰的标准，也不知道监管者到底在防什么风险。

    GMU研究员Dean Ball（即将入职OpenAI）写了一篇长文，详细解释了这个问题：政府既没有专业能力，也没有足够的人力来做这种级别的模型测试。

    更有意思的是行业内部的反应。很多人都把这件事看成Anthropic搞的”监管捕获”——通过推动政府监管来卡OpenAI的脖子。或者反过来，认为是OpenAI跟特朗普政府走得太近，牺牲Anthropic来换取自己的模型获批。

    问题比”谁搞的”大多了

    但Brandom的论点是，现在纠结”谁搞的”已经没有意义了。因为政府审批这件事，一旦变成制度，对所有AI公司都是一样的。没有哪种方案是”只帮一家公司、不帮另一家”的。

    举个例子：如果政府要求每个前沿模型发布前都要做安全评估，那OpenAI要做，Anthropic要做，Google要做，微软也要做。这套流程的成本和复杂度，最后会拖慢所有人的节奏。

    而且，如果审批标准不透明、流程不可预期，AI公司就没办法做长期研发规划。你花了几个月训练一个新模型，结果政府说”这个不能发”——这种风险会让投资人犹豫，也会让数据中心的融资变难。

    行业需要联手推动合理的监管框架

    那现在最需要的是什么？Brandom认为，是整个行业联手推动一个合理的监管框架。具体来说：

    • 建立由独立机构（而不是政府部门）主导的模型评估流程
    • 明确监管者到底在防什么风险（网络安全？生物风险？对齐问题？）
    • 避免”逐个审批”这种拖死创新的方式

    Dean Ball在他的文章里提了一些具体的建议，比如让独立第三方来做模型安全评估，而不是让某个政府部门说了算。这个思路其实跟其他行业的产品审批逻辑类似——药品要过FDA，但FDA是相对独立的专业机构，不是行政部门随意操控的工具。

    但问题是，AI行业里的很多人并不买账。他们要么觉得政府根本不该管，要么觉得”就算管，也得按我家的利益来管”。这种零和思维恰恰是Brandom最担心的——如果各家AI公司继续把监管问题看成”我赢你输”的竞争工具，最后只会换来一个糟糕的监管框架，所有人都受害。

    AI模型的能力现在已经到了能产生真实政治后果的地步。这意味着，不管AI公司愿不愿意，政府都会管进来。区别只在于，是政府说了算，还是行业能主动推一个合理的方案。接下来的几周，我们就会看到AI行业到底有没有能力坐下来谈这件事。

  • Google正在失血：两个月丢了三位顶级AI科学家，他们都去了同一家公司

    如果你是一家科技公司的CEO，早上起来连着收到三条消息：你最顶尖的三个AI科学家，一个个被竞争对手挖走了——你会怎么想？Google的Sundar Pichai最近可能正在经历这种噩梦。

    最新的一条消息是：Jonas Adler和Alexander Pritzel要离开Google，加入Anthropic。这两位可不是普通的研究员——他们参与了Google Gemini模型的核心开发。Gemini是Google对抗GPT的主力产品，结果核心开发者被对手挖走了。

    Google AI人才流失概念图
    Google AI研究团队正在经历人才流失危机（配图：AI生成）

    两周内连丢三员大将

    这还不是最糟糕的。就在上周，传奇AI研究员Noam Shazeer宣布离开Google，加入OpenAI。Shazeer是谁？他在Google待了26年（2000年入职），中间出去创立了Character.AI——那个因为青少年自杀案被起诉的聊天机器人公司。后来Google花了27亿美元把Character.AI买下来，部分原因就是为了把Shazeer请回来开发Gemini。

    结果他回来了不到两年，又走了。这次是去OpenAI。

    “Shazeer的离开对Google来说是个重大损失。他不仅是Gemini的核心开发者，更是Google AI研究的文化符号。”——行业分析师

    更戏剧性的是John Jumper的离开。Jumper是Google DeepMind的主任，他和CEO Demis Hassabis一起拿了2024年诺贝尔化学奖——因为开发了AlphaFold（可以预测蛋白质3D结构的AI）。结果他也宣布离开Google，加入Anthropic。

    一个诺贝尔奖得主，一个Gemini核心开发者，一个传奇研究员——两个月内全部被竞争对手挖走。这已经不是”正常的人才流动”了。

    为什么他们都去了Anthropic和OpenAI？

    答案很简单：钱和机会。

    OpenAI和Anthropic都在准备IPO。这意味着如果你现在加入，拿到股票期权，等到公司上市，你可能一夜之间变成亿万富翁。Google虽然有股票，但已经是一家成熟公司，股价上涨空间有限。而OpenAI和Anthropic还在”火箭升空”的阶段。

    更重要的是，Anthropic和OpenAI现在的势头确实比Google好。GPT-5.6刚发布，Claude的用户增长迅速，而Google的Gemini虽然技术不错，但市场反响一直不温不火。对于顶尖研究者来说，他们想去能做出改变的地方。

    Google的麻烦才刚刚开始

    这个趋势可能会持续。随着OpenAI和Anthropic的IPO临近，他们会更疯狂地挖人。而Google不仅要面对外部竞争，还要应对内部的问题：研究者们看到同事一个个跳槽去”更有前途”的公司，他们也会开始动摇。

    更糟糕的是，这不仅仅是人才流失的问题。AI研究是高度依赖个人能力和团队文化的领域。当核心研究者离开，他们带走的不只是技术，还有整个团队的士气和动力。Google花了多年建立的AI研究优势，可能在这几个月内就被削弱。

    有趣的是，这个局面对整个AI行业来说可能是件好事。人才流动意味着技术扩散，意味着竞争加剧。Google一家独大的局面被打破，可能会催生更多创新。

    但对Google来说，这绝对是个坏消息。他们不仅需要想办法留住现有人才，还需要重建市场对他们的信心。否则，下一次你听到”Google发布新AI模型”的时候，可能会想：”这个模型的开发者是不是已经在准备跳槽了？”

  • OpenAI Agents SDK：OpenAI官方多智能体框架，27K+ Stars让Agentic AI开发变得简单

    OpenAI Agents SDK：OpenAI官方多智能体框架，27K+ Stars让Agentic AI开发变得简单

    OpenAI Agents SDK 架构图

    OpenAI Agents SDK 多智能体编排架构示意图（图片来源：OpenAI 官方文档）

    项目简介

    OpenAI Agents SDK 是 OpenAI 官方出品的轻量级、强大的多智能体工作流编排框架，2025年3月开源，至今已获得 27,470+ Stars 和 4,227 Forks。一句话概括：让你用极简的 Python 代码，构建生产级的多智能体 AI 应用。

    与 LangChain、AutoGen 等第三方框架不同，Agents SDK 是 OpenAI 官方原生维护，与 OpenAI API 深度集成，同时支持 100+ 其他 LLM（通过 LiteLLM），真正做到了 provider-agnostic（提供商无关）。

    🌟 核心定位：不是另一个 AI 框架，而是 OpenAI 对「如何构建 Agentic AI 应用」的官方最佳实践。如果你在用 GPT/Claude 构建智能体应用，这是目前最权威的参考实现。

    安装要求和过程

    环境要求

    • Python：3.10 及以上版本
    • 依赖：Pydantic v2、httpx、mcp-python-sdk
    • API Key：OpenAI API Key（或兼容的其它 LLM）

    快速安装

    # 使用 pip（推荐）
pip install openai-agents

# 使用 uv（更快）
uv add openai-agents

# 语音功能支持（可选）
pip install 'openai-agents[voice]'

# Redis 会话支持（可选）
pip install 'openai-agents[redis]'

    最小可运行示例

    import os
from agents import Agent, Runner

# 设置 API Key（支持任何兼容 OpenAI API 的服务）
os.environ["OPENAI_API_KEY"] = "your-api-key"

agent = Agent(
    name="Assistant",
    instructions="你是一个有帮助的助手。",
)

result = Runner.run_sync(agent, "用一句话解释什么是 MCP？")
print(result.final_output)

    核心功能

    🤖 1. Agents — 智能体定义

    通过声明式 API 定义智能体：配置指令（instructions）、工具（tools）、安全护栏（guardrails）和交接策略（handoffs）。每个 Agent 是一个独立的 LLM 调用上下文。

    🔄 2. Handoffs — 智能体交接

    一个智能体可以将对话「交接」给另一个智能体，实现专业分工。例如： triage Agent → 路由到 billing Agent / technical Agent，是构建多智能体系统的核心机制。

    🛡️ 3. Guardrails — 输入/输出安全护栏

    可配置的安全检查，在 Agent 执行前后验证输入和输出。支持自定义 guardrail 函数，实现内容审核、敏感信息过滤、输出格式校验等。

    🔧 4. Tools + MCP — 工具与协议扩展

    支持函数工具（function tools）、MCP 服务器工具、托管工具（web search / file search / computer use）。MCP 协议原生支持，可接入 1000+ 工具生态。

    📊 5. Tracing — 内置可观测性

    所有 Agent 运行自动记录追踪信息，可在 OpenAI Traces Dashboard 查看、调试和优化工作流。无需额外配置，开箱即用。

    📦 6. Sandbox Agents — 容器化工作空间

    v0.14.0 新增功能。Agent 可以在隔离的容器环境中执行真实工作（读写文件、运行命令、应用补丁），支持长时间跨会话的任务。可用于代码审查、自动修复等场景。

    🎙️ 7. Realtime Agents — 语音智能体

    基于 gpt-realtime-2 模型构建语音智能体，支持实时语音对话，完整集成 Agent 所有功能（工具调用、handoffs、guardrails）。可用于构建 AI 客服、语音助手等。

    💬 8. Sessions — 会话历史管理

    自动管理跨多次运行的对话历史，开发者无需手动维护上下文。支持 Redis 持久化，适合生产环境。

    典型使用场景

    场景一：客户服务多智能体系统

    构建一个客服系统，用户消息首先进入 Triage Agent，根据问题类型自动交接给：

    • Billing Agent：处理账单、退款、付费问题
    • Technical Agent：处理技术故障、错误排查
    • Escalation Agent：复杂问题升级人工处理（Human-in-the-loop）

    每个专业 Agent 有自己的指令、工具和知识库，Handoffs 实现无缝切换。Guardrails 确保用户输入和 Agent 输出符合安全规范。

    场景二：AI 编程助手（代码审查+自动修复）

    利用 Sandbox Agents 在隔离环境中运行 AI 编程助手：

    • Agent 克隆代码仓库到沙箱
    • 阅读代码、分析 Issue
    • 生成修复方案并执行测试
    • 自动提交 PR

    整个过程在沙箱中完成，不影响生产环境。支持跨长时间任务（分钟级到小时级）。

    场景三：语音 AI 助手（Realtime Agent）

    基于 Realtime Agents 构建语音助手：

    • 用户通过语音提问
    • gpt-realtime-2 实时理解并响应
    • Agent 调用工具（查天气、搜信息、控制智能家居）
    • 支持中断、插话、多轮对话

    可用于 AI 客服热线、语音笔记助手、语言学习陪练等场景。

    推荐理由

    作为一个深度使用过 LangChain、AutoGen、CrewAI 等框架的开发者，OpenAI Agents SDK 是目前我最推荐的入门和生产级多智能体框架，原因如下：

    1. 官方背书，长期维护有保障：由 OpenAI 官方团队维护，与 OpenAI API 深度集成，未来能力（如 Realtime API、Computer Use）会第一时间支持。不用担心框架突然停更。
    2. 设计极简，学习曲线平缓：核心概念只有 Agents / Handoffs / Tools / Guardrails / Tracing 五个，API 设计直观。相比 LangChain 的复杂抽象，Agents SDK 让你专注于业务逻辑。
    3. Provider-agnostic，不绑定 OpenAI：虽然由 OpenAI 维护，但通过 LiteLLM 支持 100+ LLM（Anthropic / Gemini / DeepSeek / 本地 Ollama 等）。你可以在开发时用 GPT-4o，生产时切换到更便宜的模型。
    4. 内置 Tracing，调试不再抓瞎：所有 Agent 运行自动记录到 OpenAI Platform，可以查看每次 LLM 调用、工具执行、handoff 传递的完整链路。这是其他框架需要自己搭建的可观测性系统。
    5. 生产级特性齐全：Guardrails（安全护栏）、Human-in-the-loop（人工介入）、Sessions（会话管理）、沙箱隔离，这些都是生产环境必需但很多框架忽视的特性。

    ⚠️ 注意事项：Agents SDK 是 Python-first 框架，如果你需要 JS/TS 版本，可以查看 openai-agents-js。另外，Tracing 功能默认将数据传输到 OpenAI Platform，如数据隐私有要求，可以配置自定义 tracing processor。

    项目数据一览

    指标 数据
    GitHub Stars 27,470+ ⭐
    Forks 4,227
    主要功能 多智能体编排、Handoffs、Guardrails、Tracing、MCP、Sandbox Agents、Realtime
    编程语言 Python（也支持 JS/TS）
    开源许可 MIT License
    维护方 OpenAI 官方
    创建时间 2025年3月11日
    最后更新 2026年6月27日（非常活跃 🔥）

    下载地址

    🚀 OpenAI Agents SDK 让构建生产级多智能体应用变得简单而强大。如果你正在做 AI Agent 项目，这应该是你的首选框架。

  • AI监管变天：Anthropic和OpenAI突然站在了同一艘船上

    AI监管变天：Anthropic和OpenAI突然站在了同一艘船上

    AI监管变天：Anthropic和OpenAI突然站在了同一艘船上
    文章配图

    这两周AI圈子发生了一件挺有意思的事——Anthropic的Fable和Mythos两个模型被美国政府强制下架，而OpenAI刚准备发布的GPT-5.6，眼看也要走进同一个”审批死角”。

    两家公司打得不可开交，结果现在被同一把剑悬在头顶。竞争格局突然变了。

    审批”死角”到底有多深

    事情要从两周前说起。美国政府对Anthropic施压，导致Fable和Mythos两个模型被撤出一般发布渠道。当时很多人的第一反应是：这是Anthropic自己搞的，还是别人告的？

    现在答案逐渐清晰——不管谁起的头，结果吃亏的是整个行业。OpenAI的GPT-5.6据传只做”有限预览”，而且每一个企业客户要使用，都得政府先批。据The Information报道，这种”逐客户审批”的模式可能会持续几周甚至更久。

    Mythos已经在预览状态卡了好几个月，没有任何迹象表明它会在短期内进入一般发布。哪怕GPT-5.6的延迟只有”几周”，对于砸了几十亿美元训练成本的AI实验室来说，这也是真金白银的损失。

    问题远不止”慢几周”

    模型发布的节奏一旦被打乱，连锁反应会很快传导到数据中心建设、融资计划、甚至整个行业的信心。如果每一个前沿模型的发布都要先过政府这道关，而且没有清晰的审批标准，那AI公司怎么规划产品路线图？

    更棘手的是，美国政府目前根本没有能力做这种审批。GMU研究员、即将入职OpenAI的Dean Ball在一篇分析文章里说得很直白：监管方既没有明确的安全评估框架，也说不清楚到底在防什么风险。

    网络安全、生物风险、模型对齐——这些都是真实存在的关切，但不能靠”先拖几个月再说”来解决。

    行业需要联合，而不是互咬

    这件事最有意思的地方在于：Anthropic和OpenAI突然有了完全相同的利益。之前大家都在看热闹，觉得是不是Anthropic用监管手段打压OpenAI，或者OpenAI跟特朗普政府走得太近、把对手挤出去。

    但现在的情况很清楚——不管你跟政府关系多好，审批的刀随时可能落下来。今天卡的是Anthropic，明天可能就是OpenAI，后天 maybe 是Google。

    Russell Brandom在TechCrunch的文章里说得很明白：这已经不是Anthropic vs OpenAI的故事了，而是整个AI行业跟政府监管之间的博弈。如果行业不联合起来推动一个合理的审批框架，而是各自想着怎么利用监管打击对手，最后大家一起完蛋。

    接下来会怎样

    未来几周，AI公司面临的选择很明确：是继续把安全审查当成竞争工具，还是联手推动一个透明的、可预期的审批流程？

    从商业角度看，后者的难度显然更大——意味着要跟竞争对手合作，意味着要接受某种形式的行业自律。但从整个行业的长期发展来看，这可能是唯一不把大家都拖死的办法。

    AI模型的能力已经强到让政府不得不插手。这是好事还是坏事，取决于行业怎么应对。

  • OpenAI把Uber印度负责人挖走了，这个全球第二大AI市场到底有多香

    OpenAI进军印度市场
    OpenAI任命前Uber印度总裁Prabhjeet Singh为印度区首任董事总经理（图：AI生成）

    OpenAI最近又在印度下了一笔”大注”——挖来了Uber印度和南亚区总裁Prabhjeet Singh，让他担任OpenAI在印度的第一任董事总经理。印度是OpenAI仅次于美国的第二大市场，这个任命释放了什么信号？

    Singh上周五刚宣布从Uber离职，9月正式加入OpenAI，向亚太区总经理Kiran Mani汇报。他的职责覆盖消费者增长、企业采用、合作伙伴关系、监管沟通和运营——基本上把OpenAI在印度能做的事全揽了。

    不是第一次，也不会是最后一次

    这不是OpenAI在印度的第一次大动作。去年8月，OpenAI在新德里开了第一个办公室。今年早些时候，公司宣布要在孟买和班加罗尔开新办公室。2024年，OpenAI挖来了前Truecaller和Meta高管Pragya Misra负责公共政策和合作伙伴关系，后来她的角色扩展到战略和全球事务负责人。

    更早之前，OpenAI还请了前Twitter印度负责人Rishi Jaitly做高级顾问，帮忙搭建与印度政府在AI政策上的沟通。这套”先挖人、再铺业务”的打法，OpenAI在美国和欧洲早就验证过了，现在搬到印度来用。

    印度是OpenAI的第二大市场，这里的年轻人正在用ChatGPT的方式，重新定义他们怎么学习、怎么工作。OpenAI把这件事看得很重，重到值得专门挖一个Uber级别的高管过来坐镇。

    最近几个月在印度连出组合拳

    高等教育领域的合作、企业支付整合、AI驱动的电商试点、网页流媒体接入，OpenAI在印度最近几个月没闲着。它还参与了印度正在快速扩张的数据中心建设——这件事的意义比表面看起来大得多，数据中心建到哪里，AI的”本地化服务”就能铺到哪里。

    OpenAI特别提到，印度18到24岁的年轻人占ChatGPT印度用户近50%。这个年龄段的人，现在用什么工具写作业、做什么项目、怎么找工作，五年之后就是整个印度职场的主流方式。OpenAI把这个年龄段的用户握在手里，等于提前锁定了未来十年的印度AI市场。

    印度为什么成了香饽饽

    印度有超过10亿互联网用户，其中大部分还在用低端手机、慢速网络。谁能先把AI做到能在这些设备上流畅运行，谁就拿到了下一个10亿用户。这是Google、Meta过去十年在印度拼命烧钱的逻辑，现在AI公司也在用同样的思路布局。

    竞争对手Anthropic也在2025年底在班加罗尔开了印度办公室，今年初任命了前微软印度总经理Irina Ghose为印度负责人。这场”印度争夺战”才刚开局，但赌注已经不小了。

    OpenAI这次挖Singh，看中的是他过去几年在Uber印度打下的江山。Uber在印度的外卖、网约车、B2B物流几块业务，Singh都有深度参与。印度市场的复杂度——多语言、多支付方式、监管碎片化——不是随便一个硅谷空降兵就能搞定的。

    从OpenAI的招聘页面也能看出它在印度的野心。AI部署工程师、开发者体验工程师、开发者营销负责人、合作伙伴总监——这些岗位都在招人。印度已经成为OpenAI在亚太区最重要的阵地，这次挖人只是第一步。