介紹 ChatGPT Work：由 Codex 與 GPT-5.6 驅動（第 2/3 段） ☕ Buy me a coffee

🧑‍🏫 這段影片示範新版 ChatGPT 能做的事：自己動手操作電腦上的 app，也能把資料直接做成可以點、可以分享的互動圖表和網站。後半段由研究員介紹 GPT-5.6 模型家族和測驗成績。想知道 AI 除了回答問題，還能實際幫你做事、做成品的人，很值得看。

• 11:46 ChatGPT 透過 computer control 功能有了自己的游標，會在背景操作 Apple Notes，例如搬移筆記、建立資料夾。
  ↳ computer control（電腦操控）讓 ChatGPT 有自己的游標，可以像人一樣點選 app。它會在背景幫你整理 Apple Notes，例如搬移筆記、建立資料夾。
• 11:46 ChatGPT 在背景工作時，使用者可以同時做自己的事，例如查比利時何時比賽。
  ↳ 它用的是自己的游標，不會搶你的滑鼠。你交代完就能去忙別的，例如查比利時哪天比賽，兩邊同時進行。
• 12:17 示範用試算表產生發表後回饋的視覺化，套用和 app 相同的主題，並整理出主要類別與各類別的重要程度。
  ↳ 把發表後收集到的回饋試算表丟給它，它會直接畫成圖，風格跟 app 一致。它還會先分好類，標出哪一類最要緊，你不用自己歸納。
• 12:47 視覺化是互動式的，可以改外觀、提出修改要求，也能一鍵發布成網站，團隊看到的是同一份互動版本。
  ↳ 做出來的不是一張死圖，而是能點、能改的互動版本。滿意後按一下就能發布成網站，團隊打開看到的都是同一份，不用來回傳檔案。
• 13:18 這些視覺化完全沒寫程式，由模型依需求即時產生，3D 模型也很有沉浸感而且可以互動。
  ↳ 你不用會寫程式，說出想要什麼，模型當下就把圖做出來。連可以轉動、操作的 3D 模型都做得到，看起來很有臨場感。
• 13:18 可以直接要求圖表或視覺化；說「Teach me how this works」會得到互動 demo，說「Help me sort out the mail」會得到含郵件內容的互動 widget。
  ↳ 不一定要說「畫圖」。說「教我這怎麼運作」會拿到能操作的示範；說「幫我整理信件」會拿到 widget，也就是回答裡內嵌的小工具，會列出郵件內容。
• 13:48 設計師 Ed 用新的 slide 功能，以電腦上的檔案製作發表素材。
  ↳ 設計師 Ed 用新的投影片（slide）功能，直接拿電腦裡現成的檔案當素材，做出發表要用的內容，不必從空白頁開始排版。
• 14:19 Ed 的查詢會讀取他連接的所有 connectors 與 plugins（如 Slack、Gmail），只用一個查詢就產生內容豐富的互動網站。
  ↳ connectors、plugins 是你接到 ChatGPT 上的日常工具，像 Slack、Gmail。Ed 只下一個指令，模型就從這些來源找資料，做出內容豐富的互動網站。
• 14:49 網站沒有提供 Figma，全部由模型完成。Ed 表示稍加引導效果更好，但模型不經調整就已經很出色。
  ↳ Figma 是設計師常用的畫稿工具。這個網站沒有先畫設計稿，全部交給模型做。Ed 說多給點方向會更好，但不調整也已經很有水準。
• 15:19 現場示範：要求 ChatGPT 把有旋轉行星的靜態首頁改成互動遊戲，用可操控的角色走到直播準備的不同區塊，例如發表內容、節目腳本。
  ↳ 現場示範：原本的首頁只有幾顆轉動的行星。一句要求就改成小遊戲，你操控角色走到不同區塊，查看發表內容、節目腳本等資料。
• 15:49 Lauren 提到她的團隊常用這個功能做 dashboards 和內部工具，公司內這類用法很常見。
  ↳ Lauren 說她的團隊常用這個功能做 dashboards（一眼看全局的數據看板），也做公司自用的小工具，這在公司內已經很普遍。
• 16:19 openai.com 網站團隊不再用 Excel 試算表，改用可以共同更新、分享的互動工具查看各項發表的內容與時間。
  ↳ openai.com 網站團隊以前用 Excel 追蹤各項發表的內容和時程。現在改用大家能一起更新、分享的互動工具，不會再有好幾個版本的檔案。
• 16:19 字幕提到：3 個月前還是表格，現在已經改變整間公司的工作方式。
  ↳ 從試算表換成互動工具只花了三個月。而且不只一個團隊這樣做，整間公司的工作方式都跟著變了。
• 16:49 ChatGPT images 團隊收集了全球行銷活動中使用 ChatGPT images 的案例；現在建網站或做任何 frontend 都能使用 ChatGPT images。
  ↳ ChatGPT images 是 ChatGPT 的產圖功能，團隊整理了全球行銷活動使用它的案例。現在做網站或做 front-end（使用者看得到的畫面）時，也能直接用它產圖。
• 16:49 畫面上展示的是設計師 Tariq 做的模型選擇器互動 prototype，Ed 也參與製作，而不是實際的 ChatGPT 桌面版。
  ↳ 畫面上的模型選擇器看起來像真的 ChatGPT 桌面版，其實是設計師 Tariq 和 Ed 做的 prototype，也就是可以點來點去測試的互動樣品。
• 17:19 以前只能傳圖片或設計檔，現在幾分鐘就能做出可點擊的互動 demo，分享出去取得回饋後再修改。
  ↳ 以前給人看設計只能傳截圖或設計檔，對方得靠想像。現在幾分鐘就能做出真的能點的 demo，拿去問意見，改完再給人試。
• 17:49 AI 社群常用「用 SVG 畫一隻騎三輪車的鵜鶘」測試模型的 front-end 能力，Kian 則把它做成 3D 版 prototype。
  ↳ SVG 是用程式碼描述線條和形狀的圖檔格式。AI 圈常叫模型「用 SVG 畫騎三輪車的鵜鶘」，看它做畫面的功力。Kian 則直接做成 3D 版樣品。
• 18:19 這類網站能互動也能分享；同事拿到後各自加入新功能，例如騎小馬、騎另一隻鵜鶘。
  ↳ 這種網站可以玩，也可以傳給別人接著改。同事拿到後各自加新功能，例如改成騎小馬、騎另一隻鵜鶘，大家接力改同一個作品。
• 18:49 展示同一個遊戲化查詢事先跑好的結果：只需要幾個查詢，任何人都能做出任何東西。
  ↳ 他們秀出第 10 點那個遊戲化要求事先跑好的完整成果。重點是只要下幾個指令，任何人都能做出想要的東西。
• 19:19 研究員 Katie 與 Tejal 登場：這個模型是目前最強的程式設計模型，在 cybersecurity 方面也很出色。
  ↳ 研究員 Katie 和 Tejal 上台介紹模型本身。這是目前寫程式最強的模型，在 cybersecurity（資訊安全，例如找漏洞、防駭客）方面也很強。
• 19:49 距離 Codex 推出才一年。
  ↳ Codex 是 OpenAI 幫忙寫程式的 AI 工具，推出到現在才一年，他們想強調進步速度非常快。
• 19:49 2024 年發表的 Reasoning Paradigm 是一種以 reinforcement learning 解決最複雜問題的技術。
  ↳ reinforcement learning（強化學習）是讓模型反覆嘗試，做對了就給獎勵，藉此學習。2024 年的 Reasoning Paradigm 就用這種方式訓練模型處理最難的問題。
• 19:49 之後同時擴大 reinforcement learning 與 pre-training 的規模，兩者結合時，模型能力呈指數成長。
  ↳ pre-training（預訓練）是先讓模型讀大量資料打基礎。他們把預訓練和強化學習的規模一起加大，兩者結合後，能力是大幅跳升，不只是慢慢變好。
• 20:19 GPT 5.6 家族：Soul 最強，適合最複雜的 agent 工作流程；Tara 較快，適合日常任務；Luna 最快也最便宜，適合大量工作。
  ↳ GPT-5.6 有三個版本。Soul 最強，適合交給 agent（能自己連做多個步驟的 AI）的複雜工作；Tara 較快，適合日常用；Luna 最快最便宜，適合大量工作。
• 20:19 5.6 Soul 自主重新訓練了 Luna。
  ↳ 最強的 Soul 自己動手，把同家族的 Luna 重新訓練了一遍。也就是說，AI 已經在幫忙做 AI 研究。
• 20:49 研究員只給 Codex 一個很短的請求：找訓練設定、找合適的 GPU、執行腳本並確認能跑。以前這需要資深研究員團隊來做。
  ↳ 研究員只給 Codex 一句簡短指令：找訓練設定、找合適的 GPU（跑 AI 運算用的晶片）、執行並確認能跑。這以前需要資深研究團隊來做。
• 21:19 內部加速的例子：每位研究員的 pull request 數量和可執行的實驗數量都增加了。
  ↳ pull request 是工程師提交程式修改、請別人審核的申請。每位研究員送出的數量變多、能跑的實驗也變多，表示研究速度變快了。
• 21:19 這場直播的每張圖表都由 Codex 製作，Codex 也協助製作投影片。
  ↳ 這場直播的每一張圖表都是 Codex 做的，投影片也有它幫忙。等於他們自己平常就在用這套工具工作。
• 21:49 在 Terminal Bench 程式效能測試中，模型表現同級最佳。
  ↳ benchmark 是用來比較模型的標準測驗。Terminal Bench 測的是寫程式的表現，GPT-5.6 在同級模型中成績最好。
• 21:49 Browse Comp（評估能否找到難找的資訊）與 Agent/Exam（評估長期專業工作）也有類似表現。
  ↳ Browse Comp 測模型能不能找到很難找的資訊，Agent/Exam 測它能不能完成長時間的專業工作。這兩項的成績也都很好。
• 21:49 5.6 特別擅長操作電腦，包括瀏覽器導覽、桌面應用程式與各種數位活動。
  ↳ 5.6 特別會操作電腦：在瀏覽器裡找網頁、開桌面上的軟體，還有各種你平常用電腦做的事，它都能動手做。
• 21:49 應用例子：協助醫療助理處理電子病歷、協助科學家分析藥物效果、協助投資銀行家建立財務模型，也能個人使用，例如訂餐。
  ↳ 實際用途：幫醫療助理處理電子病歷、幫科學家分析藥效、幫投資銀行家建財務模型。私人也能用，例如幫你訂餐。
• 22:19 領域專家表示它比以往用過的任何工具都好，勝過市面上其他產品，而且快三倍。
  ↳ 各領域的專家試用後說，它比以前用過的工具都好，也贏過市面上其他產品，而且速度快三倍。
• 22:49 token efficiency 多年來是研究重點，每個新模型都追求每個 token 能帶來更多智慧。
  ↳ token 是模型處理文字時切成的小單位。token efficiency 是用更少的 token 給出更聰明的回答，這是他們多年來的研究重點。
• 22:49 在 deep sweep 1.1 benchmark 中，GPT-5.6 勝過競爭對手，成本不到一半。
  ↳ 在 deep sweep 1.1 這項測驗中，GPT-5.6 的成績贏過競爭對手，成本卻不到對方的一半，也就是更聰明又更省。
• 22:49 新推出 ultra 模式：啟動一整隊 agents 代替你完成工作。
  ↳ ultra 模式是新功能。它不是只派一個 AI 去做事，而是一次叫出一整隊 agents，分頭幫你把工作完成。
• 23:19 加入越多 agents，模型表現越好也越快，因為 agents 能像協調良好的團隊一樣平行工作。
  ↳ agents 加得越多，表現越好、速度也越快。因為它們像分工明確的團隊同時開工，不是一個人從頭做到尾。

根據影片，GPT 5.6 家族中哪個模型最快、最便宜，適合大量工作？