1. OpenAI 成立：以 AGI 为使命的非营利机构#

2015 年 12 月 11 日在旧金山成立，创始人包括 Sam Altman、Greg Brockman、Ilya Sutskever、Elon Musk、Wojciech Zaremba 等，定位为非营利研究机构，承诺募资超 10 亿美元（早期出资者含 Peter Thiel、Reid Hoffman、AWS、Infosys 等）。使命宣言是”以惠及全人类的方式发展 AGI（通用人工智能）“，当时以”开源安全派”姿态对标谷歌 DeepMind。

补充细节：Elon Musk 2018 年退出董事会（官方口径为特斯拉业务利益冲突，另一说法是他提议接管 OpenAI 被拒）。Musk 退出后不到两年，OpenAI 便放弃了非营利路线——这个转折后来成为 Musk 多次攻击 OpenAI 的由头。

2. GPT-1：生成式预训练的开山之作#

2018 年 6 月 11 日论文《Improving Language Understanding by Generative Pre-Training》（作者 Radford、Narasimhan、Salimans、Sutskever）。1.17 亿参数，12 层 decoder-only Transformer，在 BooksCorpus（约 7000 本书、8 亿词）上做”预测下一个词”预训练，再针对下游任务微调。GLUE 得分 72.8（当时 SOTA）。

核心贡献不是参数量，而是确立了 “无监督预训练 + 有监督微调” 的两段式范式——这个范式后来演变成”预训练 + RLHF 对齐”，贯穿 OpenAI 全部后续模型。

3. GPT-2：规模带来的风险与分阶段发布#

2019 年 2 月发布，15 亿参数。论文标题《Language Models are Unsupervised Multitask Learners》（语言模型是无监督多任务学习者），首次展示**零样本迁移（Zero-shot Transfer）**能力。

真正载入史册的是分阶段发布争议：OpenAI 以”文本生成能力过于危险、可能被用于大规模欺诈”为由，先发布小模型、推迟发布完整版，引发学术界关于”研究透明度 vs 安全”的大讨论。批评者认为这是营销炒作，支持者认为开创了**迭代式部署（Iterative Deployment）**的先河——后者后来成为 OpenAI 的招牌方法论。

4. OpenAI LP：转型与微软的 10 亿美元#

2019 年 3 月 11 日设立”有上限利润”实体 OpenAI LP（capped-profit），7 月 22 日微软投资 10 亿美元，成为独家云计算伙伴（Azure 超级计算）。结构设计：早期投资者回报上限为投资额的 100 倍，超额利润归非营利母体所有。

这一步的意义在于确立了 “算力换股权” 的融资模板——OpenAI 自己没有数据中心，训练大模型必须绑定云厂商；而微软要的是一张通往 AGI 时代的船票。这个结构也埋下了后来 OpenAI 与微软之间既合作又提防的长期张力。

1. GPT-3：1750 亿参数的 Few-shot 学习者#

2020 年 5 月 28 日论文（arXiv<2005>.14165，NeurIPS 2020 杰出论文），《Language Models are Few-Shot Learners》。1750 亿参数——当时最大非稀疏模型的 10 倍；96 层，上下文 2048 tokens，训练约 3000 亿 token，训练算力 3640 petaflop/s-days。

核心机制是 in-context learning（上下文学习）：不更新任何梯度，仅通过在 prompt 里给几个示例，模型就能完成新任务。这颠覆了”每个任务都要微调一个模型”的范式——规模本身就是能力。

补充细节：GPT-3 也首次暴露了”规模”的另一面：在算数、常识推理上表现不稳定，且模型越大毒性越高。OpenAI 于 2020 年 11 月开放 API 测试，2021 年成为第一个商业化的 GPT 产品。

2. Codex 与 GitHub Copilot：代码智能的落地#

Codex 2021 年 7 月发布（API 预览，8 月全面开放）：基于 GPT-3 在 159GB GitHub 公共代码上微调，专攻代码生成。催生了 GitHub Copilot（2021 年 6 月技术预览，2022 年 6 月正式版）——这是 OpenAI 技术第一次大规模进入开发者日常工具链。

补充细节：Codex 证明了大模型在结构化语言上的潜力（代码比自然语言更易验证），也为后来 o 系列在编程基准上的统治埋下伏笔。

3. DALL-E、CLIP、Whisper：多模态储备#

• DALL-E（2021 年 1 月）：约 120 亿参数的 GPT-3 变体实现文本生图（参数为单一综述来源，官方未公开）；
• CLIP（2021 年 1 月）：4 亿图文对对比预训练，零样本图像分类，后来成为多模态模型的视觉编码器标准件；
• Whisper（2022 年 9 月 21 日开源）：多语言语音识别，接近人类水平。

这三者奠定了 OpenAI 在视觉、图文、语音三条模态上的技术储备——2023 年的 GPT-4V、DALL-E 3 和 2024 年的 GPT-4o 都能从这里找到源头。

4. InstructGPT：RLHF 对齐路径的确立#

2022 年 3 月 4 日论文（arXiv<2203>.02155），《Training language models to follow instructions with human feedback》。**RLHF（基于人类反馈的强化学习）**三阶段管线：SFT（监督微调）→ 奖励模型（Reward Model）→ PPO（近端策略优化）；雇 40 名标注员收集偏好数据。

标志性结论：13 亿参数的 InstructGPT 被标注员认为优于 1750 亿参数的 GPT-3——参数量差 100 倍，方向感（align）比规模更值钱。这是 ChatGPT 的直接技术前身。

5. ChatGPT：2022 年 11 月 30 日的引爆点#

2022 年 11 月 30 日以免费研究预览形式上线。基于 GPT-3.5 系列微调（训练方法与 InstructGPT 相同：RLHF + PPO），知识截止 2021 年 9 月。

• 5 天破 100 万用户（12 月 5 日 Altman 宣布）；
• 2 个月破 1 亿月活（2023 年 1 月末，UBS 统计）——对比 TikTok 用 9 个月、Instagram 约 2.5 年，史上增长最快的消费级应用。

ChatGPT 不是模型突破，而是交互范式突破：把大模型从 API 文档里拖出来，变成了任何人打开浏览器就能用的对话界面。Google 被迫于 2023 年 2 月 6 日仓促发布 Bard 应对（后来演化为 Gemini）。

1. GPT-4：多模态与”不说细节”的技术报告（分水岭①）#

2023 年 3 月 14 日发布，多模态（图像 + 文本输入）。技术报告不公布架构、参数量、训练算力与数据，仅披露在微软 Azure”超级计算机”上训练——开创了”能力开放、细节保密”的先例。

• MMLU 达 86.4%（GPT-3.5 为 70.0%；57 学科、1.4 万题）；
• 模拟律师资格考试进入前 10%（GPT-3.5 为垫底 10%）；GRE 语文 99 分位；
• 26 种语言中 24 种超越当时 SOTA；
• API 定价 $0.03/1K prompt + $0.06/1K completion（8K 上下文），32K 版 $0.06/$0.12。

数据深挖（未证实）：外界根据推理速度与第三方分析（SemiAnalysis 等）推测 GPT-4 约 1.8 万亿参数、MoE 架构（8 专家 × 约 220B，Top-2 路由，每 token 激活约 220B）——未经 OpenAI 证实，仅属传闻。

2. 微软百亿美元与 Bing Chat#

• 2023 年 1 月 23 日：微软追加投资约 100 亿美元（2019 年 10 亿 + 2021 年一轮 + 本次，累计约 130 亿），Azure 为独家云，微软获约 49% 利润分成安排；
• 2023 年 2 月 7 日：**新版 Bing（Bing Chat）**上线，底层实为 GPT-4，48 小时内 100 万人进候补名单；
• 2023 年 3 月 16 日：Microsoft 365 Copilot 发布（Word/Excel/PowerPoint/Outlook/Teams 集成）。

微软用 130 亿美元买到了”AI 时代的优先上车权”，也把 OpenAI 的技术第一次嵌入到数十亿人的生产力软件中。

3. 产品矩阵：Plus、API、插件、DALL-E 3、GPT-4V#

2023 年 OpenAI 快速把单一产品铺成矩阵：

• ChatGPT Plus（2023 年 2 月）：每月 20 美元，优先访问、更快响应；
• ChatGPT API（2023 年 3 月 1 日）：gpt-3.5-turbo 定价 $0.002/1K tokens，比旧 GPT-3.5 便宜 90%；
• 插件系统（2023 年 3 月宣布，5 月开放）：官方三件套 Browse with Bing（联网浏览）、Code Interpreter（代码解释器）、检索插件 + 11 款第三方插件（KAYAK、Wolfram、Zapier 等）；
• GPT-4V（2023 年 9 月 25 日）：视觉能力向 Plus/企业用户全量开放；
• DALL-E 3（2023 年 10 月）：集成进 ChatGPT，由 GPT-4 代为扩写提示词，支持图内正确文字渲染。

4. DevDay 2023：GPT-4 Turbo 与 GPTs#

2023 年 11 月 6 日首届开发者大会，Altman 主讲 45 分钟：

• GPT-4 Turbo：128K 上下文（约 300 页文本），知识截止 2023 年 4 月，输入降价 3 倍、输出降价 2 倍（$0.01/$0.03）；
• GPTs + GPT Store：无需代码定制专属 ChatGPT；
• Assistants API：Code Interpreter、Retrieval、函数调用、持久线程；
• 多模态 API：vision 预览、DALL-E 3 API、TTS、Whisper v3。

发布会披露的经营数据：ChatGPT 周活 1 亿、200 万开发者、92% 的财富 500 强在使用 OpenAI 产品——这一年 OpenAI 从研究机构完成了向平台公司的转变。

5. 董事会危机：五天的权力漩涡#

2023 年 11 月 17 日，董事会以”未始终保持坦诚”为由解雇 Altman，Mira Murati 任临时 CEO，Brockman 辞任主席；微软仅在公告前 1 分钟获通知。此后的五天是 OpenAI 历史上最戏剧性的插曲：

• 11 月 19 日：回归谈判破裂，Emmett Shear 任第二任临时 CEO；
• 11 月 20 日：微软 Nadella 宣布 Altman/Brockman 加入微软新 AI 团队；超 700 名员工（约 95%）签署联名信威胁辞职追随；Ilya Sutskever 亦签名并表态后悔（他是最初投票解雇的四人之一）；
• 11 月 21 日深夜：达成协议，Altman 复任 CEO，新董事会为 Bret Taylor（主席）、Larry Summers、Adam D’Angelo；微软获无投票权观察员席位。

事件暴露了 OpenAI “非营利母体 + 营利子公司”治理结构的根本矛盾：公司价值数百亿美元，但控制权掌握在不对资本负责的董事会手里。这次风波直接推动了 2024–2025 年的治理重组。

6. 监管、争议与估值飙升#

• 2023 年 3 月 20 日：ChatGPT 数据泄露事件（对话与支付信息）；
• 2023 年 3 月：Future of Life Institute 发布”暂停巨型 AI 实验”公开信，马斯克、沃兹尼亚克等 1000+ 人联署（Altman 未署名）；
• 2023 年 3 月 31 日：意大利封禁 ChatGPT——全球首个政府禁令，依据 GDPR；4 月 28 日整改后解禁（引入年龄验证、数据处理告知、欧洲用户可拒数据用于训练）；
• 估值曲线：2023 年 1 月约 290 亿美元 → 10 月员工股份出售谈判达 860 亿美元 → 12 月传出以 1000 亿美元估值融资。

1. GPT-4o：原生多模态与实时语音（分水岭②）#

2024 年 5 月 13 日发布，“o” 代表 omni（全模态）。端到端单神经网络处理文本、音频、图像、视频——取代了此前语音助手的”三模型流水线”（语音识别 → 文本模型 → 语音合成）。音频响应最快 232ms、平均 320ms（接近人类对话节奏）；API 比 GPT-4 Turbo 快 2 倍、成本降 50%；支持约 50 种语言。

关键决策：GPT-4o 免费向所有用户开放（不再限于订阅者），配合 2024 年 7 月的 GPT-4o mini（MMLU 82%，比 GPT-3.5 Turbo 便宜 60%）——OpenAI 把”最好用的模型免费送”当成获客手段，彻底改变了行业竞争规则。

2. o1：推理模型范式的开端#

2024 年 9 月 12 日发布 o1-preview 与 o1-mini（代号 Strawberry）。核心机制：在推理时生成内部思维链（Chain of Thought），用 RL 训练”想清楚再回答”——训练时算力与推理时算力（test-time compute）双扩展。

• AIME 2024 单样本 74%、64 样本共识 83%（GPT-4o 仅 12%）；
• Codeforces 第 89 百分位；
• GPQA-diamond 首次超过人类博士水平；MMMU 78.2%。

标志性意义：模型命名弃用 GPT 品牌、计数重置为 1——“推理模型”与”聊天模型”正式分家，此后 Claude、Gemini 全线跟进。

3. Sora：文生视频的震撼#

2024 年 2 月 15 日发布公告（文本/图像生视频，时长最长 60 秒），震惊行业，一度成为”大模型无所不能”的标志性事件（时间上早于 GPT-4o，此处按产品线归类）；但技术预览拖了 10 个月，直到 12 月 9 日才公测 Sora Turbo（1080p、最长 20 秒，向 Plus/Pro 开放）。产品化节奏明显慢于文本模型——视频生成的算力成本与一致性控制是硬门槛。

4. o3 与 o3-mini：推理的”测试时扩展”登顶#

2024 年 12 月 20 日公告（“12 天活动”第 12 天；命名跳过 o2 规避商标冲突）：

• ARC-AGI 高计算 87.5%（人类阈值 85）——一度被视为”AGI 基准”的测试首次被攻破；
• AIME 2024 96.7%；Codeforces Elo 2727（o1 为 1891）；
• FrontierMath 25.2%（此前所有模型 <2%）；SWE-bench 71.7%。

o3-mini 于 2025 年 1 月 31 日正式发布，成为首个向免费用户开放（Reason 选项）的推理模型。

5. 组织与市场：Ilya 离职、1570 亿美元估值、Apple 合作与 ChatGPT Search#

• 人事：Ilya Sutskever 2024 年 5 月离职（后创立 SSI）；9 月底 CTO Mira Murati、研究主管 Bob McGrew 等离职潮；
• 融资：2024 年 10 月完成 66 亿美元融资（史上最大 VC 轮），估值 1570 亿美元（年初约 800 亿），Thrive Capital 领投 13 亿，微软、英伟达、软银（5 亿）参与；
• Apple 合作（2024 年 6 月 WWDC 宣布）：Siri 接入 ChatGPT（GPT-4o 驱动，iOS 18，请求不存储）；
• ChatGPT Search：2024 年 11 月 1 日正式上线（GPT-4o 微调版 + 蒸馏 o1-preview），12 月 16 日向所有登录用户开放，直接狙击谷歌；
• 用户：周活从 2024 年 8 月超 2 亿 → 10 月 2.5 亿 → 12 月 3 亿（Altman 在 DealBook 峰会口径）；
• 营收：2024 年约 36–37 亿美元，2025 年预期 116 亿。

1. DeepSeek-R1 的冲击#

2025 年 1 月 20–27 日，DeepSeek-R1 开源推理模型发布，性能比肩 o1、训练成本约 o1 的 1/30。1 月 27 日美股”黑色星期一”：英伟达单日跌约 17%，AI 硬件股集体重挫。Altman 公开称赞 R1 是”impressive model”，并称”将加快发布速度”。

这场冲击的实质是价格战信号：闭源推理能力的技术护城河，第一次被开源以数量级成本差逼近。OpenAI 随后的应对是加速发布节奏 + 免费开放策略。

2. Stargate：5000 亿美元的算力军备#

2025 年 1 月 21 日，OpenAI + 软银 + 甲骨文 + MGX 宣布合资 Stargate（星际之门）：四年投入 5000 亿美元、首期 1000 亿，孙正义任董事长，德州率先开工。这是人类历史上规模最大的单笔 AI 基础设施投资——OpenAI 的判断是：模型能力的天花板仍然由算力决定，闭源时代的竞争本质是算力军备竞赛。

3. Operator 与 ChatGPT Agent：智能体落地#

• Operator（2025 年 1 月 23 日）：首款浏览器智能体，基于 CUA（Computer-Using Agent）模型 + GPT-4o 视觉，可自动订餐、网购、填表，先供美区 Pro 用户；
• ChatGPT Agent（2025 年 7 月 17 日）：融合 Operator + Deep Research + ChatGPT 的统一智能体，用自有”虚拟电脑”执行任务；HLE（Humanity’s Last Exam）41.6%。

2025 年 OpenAI 的产品叙事从”聊天”转向”替我干活”——智能体成为与模型同权重的战略方向。

4. GPT-4.5 与 o3/o4-mini#

• GPT-4.5（2025 年 2 月 27 日研究预览）：当时的”最大聊天模型”，主打通顺、少幻觉；
• 2025 年 3 月底：原生图像生成上线，Ghibli（吉卜力）风格头像爆火出圈；
• o3 与 o4-mini（2025 年 4 月 16 日）：o 系列首次能在思考链中调用全部工具；o4-mini 登顶 AIME 2024/25，4 月 24 日起取代 o1、o3-mini。

5. GPT-5：统一系统与免费开放（分水岭③）#

2025 年 8 月 7 日发布。统一系统（Unified System）：Instant（即时）+ Thinking（思考）双模式 + 实时路由器自动分配，终结了”聊天模型 vs 推理模型”的选择难题——与 DeepSeek V3.1 的混合推理架构同一思路。

• 免费开放，Plus 更高限额，Pro 含 GPT-5 Pro；
• API 定价：每百万 token $1.25 输入 / $10 输出（mini $0.25/$2、nano $0.05/$0.4）；
• 400K 上下文；发布时周活约 7 亿；
• 8 月 5 日先开源 gpt-oss（开源权重模型，回归 OpenAI 早期开源传统）。

6. 融资三级跳、Sora 2 与 DevDay 2025#

• 2025 年 3 月 31 日：敲定 400 亿美元融资（史上最大私募），估值 3000 亿美元，软银领投、分两期；
• 2025 年 9 月 29 日：加州州长纽森签署 SB 53——美国首部前沿 AI 透明度法（针对营收 >5 亿美元大厂，违者最高罚 100 万美元；OpenAI 游说反对）；
• 2025 年 9 月 30 日：Sora 2.0 发布并推出同名社交 App，音画同步、物理真实感、多镜头叙事突破，内置”Cameo”虚拟形象——视频生成进入产品化；
• 2025 年 10 月 2 日：通过 66 亿美元股票交易，估值升至 5000 亿美元（全球最贵私有公司）；
• 2025 年 10 月 6 日 DevDay：周活 8 亿、开发者 400 万、API 每分钟 60 亿 token；发布 Apps SDK、AgentKit、Codex 正式版、Sora 2 API、GPT-5 Pro API；
• 2025 年 10 月 28 日微软新协议：微软持股约 27%（约 1350 亿美元）；OpenAI 加购 2500 亿美元 Azure 但微软失去算力优先权；AGI 须独立委员会验证、协议延至 2032 年——两家公司的捆绑关系开始松绑。

1. GPT-5.1 / GPT-5.2：自适应推理与通用智能体#

• GPT-5.1（2025 年 11 月 12 日）：Instant 新增自适应推理（Adaptive Reasoning），Thinking 升级，语气更温暖、指令遵循更好；11 月 19 日推 GPT-5.1 Pro；
• GPT-5.2（2025 年 12 月 11 日）：Instant/Thinking/Pro 三档，知识截止 2025 年 8 月，API $1.75/$14；
• ChatGPT Agent 正式发布（2025 年 12 月 12 日，北京发布会）：虚拟电脑自主完成复杂任务，Pro 每月 400 次提示、其余 40 次。

2. GPT-5.3–5.5：实时编码、1M 上下文与”迄今最智能”#

• 2026 年 2 月 9 日：美区 Free/Go 用户开始测试广告（免费模式的商业化补充）；
• GPT-5.3-Codex-Spark（2026 年 2 月 12 日）：首个实时编码模型，速度提升约 15 倍；
• GPT-5.4（2026 年 3 月 5 日）：1M token 上下文 + 计算机操作 + 工具搜索；3 月 18 日加推 5.4 mini；
• GPT-5.5（2026 年 4 月 23 日）：号称”迄今最智能”，擅长代码/研究/跨工具任务；5 月 5 日 GPT-5.5 Instant 成为默认模型，幻觉较 5.3 Instant 降 52.5%；同月配套 GPT-Rosalind（生命科学）、ChatGPT Images 2.0、Privacy Filter。

3. GPT-5.6：旗舰三档与 IPO#

• 2026 年 6 月 8 日：秘密递交 S-1 启动 IPO；
• 2026 年 7 月 9 日：GPT-5.6 系列发布——旗舰 Sol、均衡 Terra、高性价比 Luna，新增 max/ultra（多智能体并行），Agents’ Last Exam 53.6 分，API Sol $5/$30；同日推出 ChatGPT Work，Codex 并入桌面端；
• 2026 年 7 月 23 日：正式推出健康功能（美区 18+，可连接 Apple Health/病历）——产品边界从办公向个人数据服务扩张。

主线一：规模与扩展定律（Scaling Law）#

GPT-1（1.17 亿）→ GPT-2（15 亿）→ GPT-3（1750 亿）→ GPT-4（约 1.8 万亿，传闻）→ GPT-5 统一系统 → GPT-5.6 旗舰三档

• GPT-3 用 1000 倍参数换来质变，确认”大力出奇迹”；
• GPT-4 之后参数量不再是公开卖点，转向架构效率与推理时算力；
• 2025 年后竞争主轴变成 test-time compute（测试时计算）——训练规模撞墙后，把更多算力花在推理时的”思考”上（o 系列、GPT-5 的 Thinking 模式都是这一路线）。

主线二：对齐与推理（Alignment → Reasoning → Agent）#

预训练 → InstructGPT（RLHF）→ ChatGPT（RLHF 产品化）→ o1/o3（推理时 RL）→ GPT-5 统一模式 → Operator/ChatGPT Agent（智能体）

• RLHF 阶段（2022）：解决”如何让模型听人话”；
• 推理阶段（2024）：解决”如何让模型想清楚”——RL 从训练时的对齐工具变成训练推理能力的引擎；
• 智能体阶段（2025–2026）：解决”如何让模型干活”——从回答问题到操作浏览器、虚拟电脑、跨工具任务。

主线三：多模态统一#

纯文本（GPT-1~3）→ 视觉输入（GPT-4V）→ 语音/图像输出（GPT-4o 端到端）→ 视频生成（Sora）→ 原生图像生成（2025.03）→ 健康数据（2026）

• GPT-4 是”多模态输入”（看得懂图）；
• GPT-4o 是”多模态原生”（一个网络吃全部模态，输入输出一体）；
• Sora 与图像生成则是”多模态创作”——OpenAI 从理解走向生成闭环。