OpenAI 为 GPT 上线 Intelligent UI 与交错思考功能

以下是视频口播的自动转写，可能有错字。

OpenAI 给 gpt 呢上线了一个叫 intelligent ui 的新的功能，比较有意思。就是你问 gpt 一个问题，它回答的未来就不是一段文字，而是可能是任何一种界面，可以点，可以拽，可以玩。那这个呢其实有点像我们之前说的 artifact，唯一的不同呢就是 artifact 呢其实是 ai 自己写的 html，配合它写的前端的渲染的 css、javascript 这个。

而这次呢，OpenAI 把这个过程完全流水线化。具体讲一讲细节，首先呢，OpenAI 推出了一个自己的宣传片，里面呢对比一下原先在没有这个 intelligent ui 的时候呢，很多内容都是文字，文字呢理解世界呢，其实对人类来说还是比较费力的。

比如说一个颜色， peach 需要用一段文字， a light warm orange with a gentle creamy feel 来去形容，很难理解，很抽象。现在呢不一样，所有内容呢都希望用界面来表示。比如说 OpenAI 自己的几个演示中，展示了对应的内容。

怎么找到北极星？那 gpt 呢直接做了一张星空图，通过几个按钮就能实现找到北极星的一个交互。另外案例，教我打麻将，直接展示的是一段大麻将的一些对应的用 html 写出来的动画。下面有每个麻将对应的意思。再包括，比如说做一个基于手柄的乒乓游戏。

比如说，莫奈怎么把水画的像流动？以及呢，帮我家狗做一套酷炫的背心。这些内容呢，其实背后逻辑呢，就是 gpt，通过代码的形式，配合生图的能力，形成的一个网页。那和原来的模型直接写 html 有什么区别呢？实际上呢，OpenAI 呢是把这个过程呢，做的非常流水线化。

这里面包含两个模块，第一个模块呢，就是先准备了一套原生的，可流式渲染的组件库。理解呢，是他已经把可以需要产生的各种 css 文件包装成各种小的模板。这模板呢，不用从零开始写代码。第二部分呢，就是配了一个编译器，模型一边生成，界面一边在屏幕中显示出来，就是怎么去编译这些代码，编译这些模板，组装在一起，这个就是 OpenAI 的 intangible ui 的逻辑。

我个人认为呢，其实并不是很难，只不过 OpenAI 呢从产品层面更进了一步，把原先五花八门的 html 生成的逻辑呢，直接变成了对于各个组件的一个调用和拼接。与此同时呢，OpenAI 也推出了另外一个很重要的能力，叫做交错思考，intelligent thinking。

原先的模型呢，需要回答问题的过程中。分两部分，前部分呢主要是做我所有的 thinking 第二部分呢是图答案。那实际上在 thinking 的过程中呢，已经有部分的中间结果，完全可以同步的把中间结果交给执行层去生成答案，再同步的去进行下一步的思考。

这个就是 interleave thinking 的背后的逻辑。当然也存在一种可能性，就是前面的思考呢，后面要推翻。这种情况下的话，应该会调整中间状态输出的结果，做一个完整的刷新。那在 interleave thinking 的加持下呢，gpt6 instant 开始回答的时间比 gpt5.6 instant 平均提前了44%这可以理解成正式的回复的 ttf time to first token 主要节省的时间，这44%呢，就是 thinking 过程中不需要等待 thinking 完全结束就可以回答问题。

那我最后总结一下，intention ui 呢，我觉得是一个非常好的交互形式，让未来的人机交互呢，变成更加的直觉化。很多的文字内容呢，其实变成代码，对 ai 来说是很简单的。但是前一代的模型呢，都是以文字为主，而代码生成的这些展示内容呢，完全可以组件化，这样减少了从零开始搭建，写组件的这些时间，以及试错的可能性。

实际上呢，我们认为这部分能力呢，并不是很难实现。本身在互联网时代呢，已经有很多非常成熟的 ui 小组件，无论是 css 还是配合的 html 和 javascript 而选择什么样的组件来搭建网站这件事情呢，最近的 ja 模型其实是一个非常好的补充。

因为 ja 模型最擅长做的就是做选择题，在理解了用户意图的基础上去做执行。那 intelligent ui 呢，可以理解呢是分成了三部分。第一部分呢，是理解用户意图，去形成一个 ai 的布局。第二部分呢，是准备一个完整的组件，用 ja 模型选择对应的组件中的一个子集，搭建整个的页面。

第三部分呢，再通过一个在线的编译器，把整个的内容渲染出来给用户。那也期待着其他的模型公司，包括我们能快速的匹配这样的能力给到用户。