跳到正文

2025 年的 OpenAI 开发者指南

OpenAI Developer Blog作者：Vaibhav (VB) Srivastav, Katia Gil Guzman
阅读 0—
打开原文
本文目录文章开头

2025 年的重点并非某一个模型的发布——而是 AI 在生产环境中变得更易运行的一年。随着模型在规划、工具使用和长周期任务方面不断改进，越来越多的团队从“逐步提示”转向将工作委派给智能体。

对开发者而言，这种转变体现在以下几个具体方面：

  • 推理成为核心调节项，并日益与通用聊天模型相融合。
  • 多模态（文档、音频、图像、视频）成为 API 中的一等公民。
  • 智能体构建模块（Responses API、Agents SDK、AgentKit）让多步工作流更易于发布和运维。
  • Codex 让构建变得比以往更快、更好。

TL;DR

  • 重大转变在于智能体原生 API 加上更强大的模型，这些模型能够执行更复杂的任务，需要推理和工具使用能力。
  • Codex 在模型和工具两方面都趋于成熟，将 GPT-5.2-Codex 的仓库级推理能力与生产就绪的 CLI、Web 和 IDE 工作流相结合，用于长周期编码任务。
  • 改进的工具让模型更容易连接到真实系统，减少了诸多摩擦。
  • 多模态输入和输出（PDF、图像、音频、视频）成为端到端工作流中的实用默认选项。
  • 评估、评分和调优功能已发展为更可重复的“测量 -> 改进 -> 发布”循环。

继续阅读，了解 2025 年主要模型、API 和平台更新的汇总，以及它如何帮助你发布生产级智能体。

推理：从独立模型到统一产品线

在 2024 年底我们首次引入推理范式（开始给模型“思考时间”）之后，2025 年初是推理模型作为独立家族的时代。o1、o3 和 o4-mini 等模型清楚地表明，在回答前投入额外算力进行思考，可以显著提升复杂多步工作的可靠性。

同样值得一提的是，o3-mini 是最早表明推理不会只是前沿模型专属功能的信号之一；它可以以高性价比、对开发者友好的形态交付。

到 2025 年中后期，主要趋势是融合：推理深度、工具使用和对话质量日益统一在同一条旗舰模型产品线中（对大多数团队而言，“选择模型”更多是关于成本/延迟/质量的权衡，而不是在根本不同的家族之间做选择）。

以推理为先的发布，如 o1、o3 / o4-mini 和 o3-mini，帮助将“更深入地思考 vs. 更快地响应”变成一个可调节的开发者决策。随着这一年的发展，这些理念日益被吸收到 GPT-5.x 家族中，将通用智能、推理深度、编码专长和多模态统一在单一模型产品线之下。

多模态：音频、视觉、图像和视频

到 2025 年底，多模态不再意味着“它可以接受图像输入”，而是意味着“你可以跨模态构建端到端产品”——通常在单一工作流中完成。

音频 + 实时

  • 新一代音频模型提高了语音转文字的准确度，并增加了更可控的文字转语音功能，支持生产级语音管道。
  • Realtime API 正式发布（GA），支持低延迟双向音频流，使生产级实时语音智能体和对话式界面成为可能。

图像

  • GPT Image 1 推出了新一代图像生成模型，能够生成高质量图像并进行结构化编辑，对世界有深刻理解，且指令遵循能力更强。
  • 高输入保真度使得在编辑图像时能够更一致地保留人脸、标志等细节。
  • GPT Image 1 mini 使原生图像生成更具成本效益。
  • GPT Image 1.5 是我们最先进的生成模型，标志着图像质量和编辑一致性实现了质的飞跃。
  • Responses API 中的图像生成功能使图像创建成为多轮对话的一部分，可与其他工具结合使用。

视频

  • Sora 2 & Sora 2 Pro models 推出了更高保真度的视频生成，具有更强的时间连贯性和混剪支持。
  • Video API 通过 v1/videos 暴露视频生成和编辑功能，使视频成为 API 中与文本、图像和音频并列的一等模态。

PDF 和文档

  • PDF inputs 使文档密集型工作流可直接在 API 中运行。
  • PDF-by-URL 通过引用文档而无需上传，减少了摩擦。

Why it matters: 您现在不仅可以依赖 OpenAI 平台进行文本和视觉处理，还可以用于图像和视频生成工作流以及语音到语音的用例。

Codex

2025 年，Codex 超越了单纯的编码模型，成为您的软件工程师队友：连接模型、本地工具和云端，帮助开发者处理更长、更复杂的编码任务。

模型

早期的推理模型在复杂编码任务（多文件编辑、调试、规划）上展示了显著的提升。到 2025 年年中至年末，这些能力被整合到 GPT-5 family 中，GPT-5.2-Codex 成为代码生成、审查和仓库级推理的最新默认选择——不再与通用模型分离，而是在其中进行专门化。

CLI

开源的 Codex CLI（GitHub）将智能体式编码直接带入本地环境，使开发者能够在真实代码库上运行 Codex，迭代审查更改，并在人工监督下对文件应用编辑。这使长周期编码任务在日常工作中变得切实可行。

Codex 在交互式使用之外也变得更易于操作化，内置支持可重复的自动化模式，例如 scripting Codex。

安全、控制和集成

Codex 紧贴发布的现实：sandboxing 和 approval modes 使人工参与更加容易。同时，对 AGENTS.md 和 MCP 的支持使 Codex 更易于适配您的代码库、通过第三方工具和上下文进行扩展，甚至 orchestrate Codex via the Agents SDK（通过将 CLI 作为 MCP 服务器运行）。

更新，2026年9月5日：Codex MCP 服务器已被移除。有关当前的集成选项，请参阅迁移指南。

网页、云端和 IDE

除了命令行界面，Codex 还在网页 + 云端和IDE 扩展中扩展了对更长会话和迭代式问题求解的支持，收紧了对话式推理与具体代码更改之间的闭环。团队还可以在 CI 中使用 Codex Autofix 自动化部分工作流。

重要性：到 2025 年底，Codex 的角色已从“你提示的模型”转变为一种编码界面——将具备推理能力的模型与开发者已经在使用的工具结合在一起。

平台转变：Responses API 和智能体构建模块

2025 年最重要的平台变化之一是向智能体原生 API 的转变。

Responses API 让为新一代模型构建应用变得更加容易：

  • 支持多种输入和输出，包括不同模态
  • 支持推理控制和摘要
  • 更好地支持工具调用，包括在推理过程中

在此基础之上，2025 年还带来了更高级别的构建模块，例如开源的 Agents SDK 和 AgentKit，使构建和编排智能体变得更加容易。

状态和持久化管理也变得更加容易：

重要性：构建多步骤智能体和长时间运行的工作流现在需要更少的自定义粘合代码和状态管理。

除了强大的原语，我们还引入了一套强大的内置工具，以最大化模型的效用。

工具：从网络搜索到工作流

2025 年，我们推出了一组标准化、可组合的能力，让智能体能够安全地完成有用的工作。

  • 网络搜索为需要最新信息和引用的智能体提供了简单的检索原语。
  • 文件搜索（向量存储）提供了一个默认的托管 RAG 原语，可与 Responses + Structured Outputs 干净地组合。
  • Code Interpreter 在沙盒容器中运行 Python，用于数据处理、文件转换和迭代调试。
  • Computer use 实现了“点击/输入/滚动”自动化循环（最好与沙盒和人工参与配合使用）。

重要性：智能体可以可靠地检索、计算和执行操作，而无需每个团队都重新发明自定义工具运行时。

运行和扩展：异步、事件和成本控制

一旦智能体从“单次请求”转变为“多步骤作业”，生产团队就需要用于成本、延迟和可靠性的原语。

  • 提示缓存在提示共享较长的重复前缀（系统提示、工具、架构）时降低了延迟和输入成本。
  • 后台模式实现了长时间运行的响应，而无需保持客户端连接打开。
  • Webhooks 将“轮询一切”转变为事件驱动系统（批处理完成、后台任务完成、微调完成）。
  • 速率限制 和工作负载优化指南随着使用层级和模型系列的扩展而日趋成熟。

为何重要：构建智能体越来越关乎系统设计（异步 + 事件 + 预算），与提示词同等重要。

开放标准与开源智能体构建模块

在 API 整合之外，2025 年强调智能体系统的互操作性与可组合性。

  • 面向 Python（GitHub）和 TypeScript（GitHub）的开源 Agents SDK 为工具使用、交接、护栏和追踪建立了实用的构建模块——并且与提供商无关，提供了使用非 OpenAI 模型的文档化路径。
  • AgentKit 围绕智能体开发添加了更高层次的工具（包括 Agent Builder、ChatKit、Connector Registry 和评估循环），供希望更快发布和迭代的团队使用。
  • 在标准方面，OpenAI 推出了 AGENTS.md（规范），并与其他生态标准（如 Model Context Protocol (MCP) 和 Skills）一同参与了 AAIF (Agentic AI Foundation)。对开发者的价值在于：随着生态收敛于共享约定，智能体工具更具可移植性，一次性集成更少。

除了我们在智能体及相关标准方面的工作，我们还推出了 Apps SDK——一个开源框架，扩展了 Model Context Protocol (MCP)，让开发者在 MCP 服务器旁构建 UI，定义可在 ChatGPT 等客户端中运行的应用程序的逻辑与交互界面。

为何重要：开发者可以构建与单一运行时或 UI 界面耦合更松的智能体，并更轻松地将 OpenAI 驱动的智能体集成到异构系统中。

开放权重模型

除了托管 API 之外，OpenAI 还发布了开放权重模型，旨在实现透明度、研究以及本地或自托管部署，同时保留强大的推理和指令遵循能力。

评估、调优与安全发布

总结

在整个 2025 年，我们专注于几个持续的主题，旨在让开发者更容易在我们的平台上构建和发布：

  • 可扩展、可控的推理作为核心能力
  • 统一的、智能体原生的 API 界面
  • 开放构建模块与新兴互操作性标准
  • 跨文本、图像、音频、视频和文档的深度多模态支持
  • 更强大的生产级工具，用于评估、调优和部署

按任务推荐的模型（2025 年底）

如果你正在启动新项目或对现有集成进行现代化改造，这些是针对你的任务的合理“默认选择”。

  • 通用型（文本 + 多模态）：GPT-5.2，适用于聊天、长上下文工作和多模态输入。
  • 更深层次推理 / 对可靠性敏感的工作负载：GPT-5.2 Pro，适用于规划以及质量值得投入额外算力的任务。
  • 编程与软件工程：GPT-5.2-Codex，适用于代码生成、审查、仓库级推理以及工具驱动的编码代理。
  • 图像生成与编辑：GPT Image 1.5，适用于更高保真度的图像生成和迭代编辑。
  • 实时语音：gpt-realtime，适用于低延迟的语音到语音和实时语音代理。

有关最新的可用性和分级信息，请参阅官方模型对比页面。

这些更新为接下来的内容奠定了基础。感谢你在 2025 年与我们共同构建——我们期待你在 2026 年的创作。

链接与资源

阅读显示设置

调整正文排版

当前浏览器记住选择，应用于文章正文。手机上正文宽度以屏幕可用空间为限。

图表完整性提示

普通文章遇到图表保存问题时显示提示。