一文读懂GPT-5.6 与 ChatGPT Work核心基础知识

写在前面

欢迎大家关注Rocky的知乎：Rocky Ding
AIGC/LLM/AI Agent算法工程师/开发工程师面试面经秘籍分享：WeThinkIn/Interview-for-Algorithm-Engineer欢迎大家Star～

AIGC时代的《三年面试五年模拟》AI算法工程师/开发工程师求职面试秘籍独家资源：【三年面试五年模拟】AI算法工程师面试秘籍

Rocky最新撰写AI Agent（AI智能体）的深入浅出全维度解析文章：深入浅出完整解析AI Agent（AI智能体）的核心基础知识

AIGC算法岗/开发岗面试面经交流社群（涵盖AI Agent、AIGC图像创作、AI视频、LLM大模型、AI多模态、数字人、传统深度学习、具身智能等AIGC面试干货资源）欢迎大家加入：https://t.zsxq.com/33pJ0

大家好，我是Rocky。

核心导读

2026 年 7 月 9 日，OpenAI 同时释放了三组非常关键的信息：GPT-5.6 发布、GPT-5.6 System Card、以及 ChatGPT Work。

如果只看第一条，很容易把它理解成又一次模型升级：GPT-5.6 更聪明、更高效、有 Sol、Terra、Luna 三个 tier，支持更强的推理、写作、代码、科学与网络安全能力。

但 Rocky 认为，这次真正值得讨论的，不是 OpenAI 又把模型分数往前推了一格，而是它正在把“模型能力”重新包装成一个可持续工作的生产系统。

GPT-5.6 是底层智能供给；ChatGPT Work 是面向用户的工作承载形态；Deployment Safety Hub 里的 System Card，则是这套能力进入真实世界之前必须配套的安全治理层。三者合在一起看，OpenAI 的战略信号很清晰：大模型竞争正在从“谁的模型更聪明”，进入“谁能把智能变成可调度、可治理、可交付的工作系统”。

这件事对 AI 行业很重要。

过去两年，大量产品还停留在 Chatbot 逻辑里：用户问一句，模型答一句；用户给一个任务，模型产出一段文本；再强一点，也只是帮你写代码、做表格、总结文件。但 ChatGPT Work 的方向已经不只是回答，而是持续行动。它可以跨 apps 和 files 工作，必要时持续数小时，最终交付 sheets、slides、docs、web apps，甚至承担 scheduled tasks。

换句话说，OpenAI 正在试图把 ChatGPT 从“对话界面”升级成“工作操作系统”。

这也是 GPT-5.6 的真正背景。一个模型如果只是更强，它仍然是能力；但如果它能被产品系统调度、被工具链约束、被安全策略治理、被企业流程接纳，它才可能变成基础设施。

1. 这次不是单点模型发布，而是三层系统同时推进

这次 OpenAI 的三个官方信息，分别对应智能生产系统的三层。

第一层是模型能力层：GPT-5.6 family。

官方把 GPT-5.6 分成 Sol、Terra、Luna 三个模型。Sol 是旗舰模型，强调最高能力；Terra 面向日常复杂工作，追求能力和成本平衡；Luna 则是最快、最经济的模型。这个分层本身就说明 OpenAI 不再只卖一个“最聪明模型”，而是在卖不同工作负载下的智能资源。

第二层是工作产品层：ChatGPT Work。

ChatGPT Work 不是一个普通聊天功能，而是 ChatGPT 里的 agent。它的定位是跨应用、跨文件、跨工具执行复杂目标，把用户的意图变成 finished work。官方提到它能生成 spreadsheet、presentation、document、web app，也能用 Scheduled Tasks 承担重复性工作。

第三层是安全治理层：GPT-5.6 System Card。

安全卡不是附属材料，而是产品化基础设施的一部分。GPT-5.6 的能力越强，越涉及网络安全、生物化学、计算机使用、代码执行、长程 agent 行为、工具调用和多 agent 协作，风险治理就越不能停留在“模型拒答”这一层。System Card 里覆盖了 preparedness、safeguards、model safety、monitoring、trusted access 等，说明 OpenAI 已经把安全看成部署系统的一部分。

这三层放在一起，才是 GPT-5.6 真正的行业含义。

如果说 GPT-4 时代的核心问题是“模型能不能理解复杂问题”，GPT-5 时代的问题是“模型能不能执行复杂任务”，那 GPT-5.6 这一波释放出来的信号更进一步：模型不仅要执行任务，还要在真实组织环境里可调度、可审计、可分层、可治理、可持续交付。

2. GPT-5.6：OpenAI 正在把智能拆成不同“算力预算”

GPT-5.6 最表层的信息，是模型家族升级。

Sol、Terra、Luna 三个 tier 其实非常值得拆。它们不是简单的大中小号模型，而是在定义不同工作类型下的智能预算。

Luna 适合高频、低延迟、成本敏感的任务。比如快速分类、草稿生成、轻量总结、简单客服、批量结构化处理。这里用户更关心吞吐和价格，而不是一次任务榨出最高智力。

Terra 适合大多数日常复杂工作。它可能会成为企业内部知识工作、产品运营、研发协作、内容生产、数据分析里最常用的均衡层。对大多数团队来说，真正高频发生的不是极限科研推理，而是足够聪明、足够稳定、足够便宜的日常智能。

Sol 则面向最难任务。比如复杂科学推理、长程代码重构、深度研究、网络安全分析、跨文件知识工作、复杂设计决策。这里用户愿意用更高成本换更高成功率。

Rocky 认为，这个分层意味着一个重要趋势：未来企业买的不是单一大模型，而是一套可调度的智能资源池。

就像云计算不是只卖最强 CPU，而是卖不同规格实例、不同存储、不同网络、不同加速器。大模型也正在走向类似路径：轻任务用便宜模型，复杂任务用旗舰模型，极难任务开启更高推理预算，多 agent 并行处理，工具调用负责外部执行。

OpenAI 在 GPT-5.6 里强调“efficient by default, maximum performance on demand”，这句话翻成产业语言就是：默认效率优先，必要时购买更高智能投入。

这会改变 AI 产品的成本结构。

早期很多 AI 应用失败，不是模型不强，而是单位经济账算不过来。用户要求低价甚至免费，但背后每次调用都在烧高成本模型。GPT-5.6 的 tier 化和max、ultra等更高投入设置，本质上是在给开发者一个更细的调度空间：普通任务不要浪费旗舰模型，关键任务再调用高强度推理和多 agent。

真正成熟的 AI 应用，未来很可能不再写死一个模型，而是内置任务路由：什么任务走 Luna，什么任务走 Terra，什么任务走 Sol，什么时候开max，什么时候开ultra，什么时候拆给多个 agent 并行，什么时候需要人工确认。

模型选择会变成产品架构的一部分。

3. Programmatic Tool Calling：模型不只会“说”，开始会“写临时程序”

GPT-5.6 发布页里有一个非常关键但容易被忽略的能力：Programmatic Tool Calling。

官方描述的大意是，模型可以在 Responses API 里写并执行轻量程序，处理中间数据，然后只把需要的信息传递给外部工具。这个能力的价值，不只是“模型会调用工具”，而是模型开始拥有一种更接近软件工程的中间工作方式。

传统 function calling 的逻辑是：模型判断要调用哪个函数，填参数，等结果，再继续回答。它适合明确工具调用，但对复杂数据处理、中间步骤筛选、多文件多表格转换并不总是优雅。

Programmatic Tool Calling 更像是让模型拥有一个临时工作台。它可以先写一段小程序，把数据预处理、过滤、转换、聚合，再决定怎么把结果交给工具。这会让模型在复杂工作流里更像一个工程师，而不是只像一个会填参数的调用器。

这件事的行业意义在于：Agent 的瓶颈往往不在“是否能调用工具”，而在“工具之间的中间状态如何管理”。

真实工作不是线性的。比如做市场分析，模型可能要读取多个表格，清洗字段，过滤异常值，生成中间统计，判断哪些指标值得进一步调查，再调用浏览器或数据库，再把结果写进幻灯片。中间会产生大量不适合直接暴露给最终用户的数据。

如果模型只会对话，它很容易把过程写成一堆文本。如果模型能写临时程序，它就可以更有效地处理结构化中间状态。

Rocky 认为，这会让 AI Agent 从“自然语言机器人”更接近“临时软件系统生成器”。用户给的是目标，模型内部会动态生成一小段程序、一组工具调用、一套中间数据流，最后交付结果。

这也是未来开发者需要关注的方向。不要只盯着 Prompt 怎么写，更要研究模型如何和程序执行环境、工具权限、数据上下文、审计日志、安全边界结合起来。

4. Multi-agent 与 Ultra：OpenAI 开始把“并行智能”产品化

GPT-5.6 另一个重要信号，是 multi-agent beta 和ultra设置。

官方提到，ultra默认会协调多个 agent 并行工作，用更多计算换更难任务的表现。这句话背后其实有一个很大的产品判断：复杂工作不一定应该由一个模型单线程完成。

人类组织处理复杂任务时，很少只靠一个人从头做到尾。研究任务需要有人查资料，有人验证数据，有人写初稿，有人做图表，有人审稿。软件工程里也一样，有人写代码，有人测试，有人 review，有人部署。多 agent 的方向，就是把这种组织协作逻辑搬进 AI 系统。

这会带来三个变化。

第一，任务会被拆解。模型需要理解一个目标可以拆成哪些子任务，哪些可以并行，哪些需要串行依赖。

第二，结果需要聚合。多个 agent 同时工作，最终必须有一个 synthesis 层判断冲突、取舍证据、合并输出，而不是把多个答案拼接在一起。

第三，成本会显性化。多 agent 不是免费午餐。它会带来更多 token、更多工具调用、更多延迟。只有在任务价值足够高时，这种计算投入才合理。

这就是为什么 OpenAI 把它放在ultra这类更高投入设置里，而不是默认让所有任务都多 agent 化。

Rocky 认为，未来 AI 产品会越来越像“智能调度系统”。用户不会关心背后到底调用了几个 agent，但产品必须判断：这个任务值不值得多 agent，哪些部分需要验证，哪些部分可以用低成本模型，哪些部分必须上旗舰模型。

这对创业者也有一个提醒：不要把“多 agent”当成产品卖点本身。真正的价值不在于后台有几个 agent，而在于任务成功率、交付质量和单位成本能否明显改善。

5. ChatGPT Work：从聊天窗口到工作操作系统

如果 GPT-5.6 是底层智能资源，ChatGPT Work 就是这套智能资源面向用户的产品形态。

官方把 ChatGPT Work 描述为 ChatGPT 里的 agent，可以跨 apps 和 files 执行动作，必要时持续工作数小时，把目标变成 finished work。它可以产出 sheets、slides、docs、web apps，也能承担 scheduled tasks。

这说明 ChatGPT 的边界正在变化。

过去，ChatGPT 更像一个超强对话伙伴。它可以帮你想、帮你写、帮你解释、帮你改。到了 ChatGPT Work，OpenAI 想让它变成一个真正能接管任务链条的工作伙伴：不仅理解目标，还能操作文件、调用应用、写代码、生成文档、构建网站、安排重复任务。

这背后的产品逻辑很清楚：用户真正想买的不是回答，而是完成。

一个销售团队不需要“关于客户的建议”，它需要可发送的邮件、更新后的 CRM、整理好的会议纪要和下一步跟进计划。一个财务团队不需要“如何做预算分析”，它需要可审查的表格、异常解释、趋势图和管理层汇报。一个产品团队不需要“帮我想一个网页”，它需要可运行的 web app 原型。

ChatGPT Work 的价值，就是试图把模型从“建议生成器”变成“交付物生成器”。

这件事如果成功，会直接改变知识工作软件的竞争格局。

过去 SaaS 工具的核心是功能菜单：表格、文档、演示、项目管理、代码、设计、CRM，各自有自己的界面和工作流。AI 时代的入口可能会变成目标描述：用户说要完成什么，系统自动决定调用哪些应用、读取哪些文件、生成哪些中间结果、最终交付什么格式。

这不是简单替代 Office 或 Notion，而是让应用从主界面变成工具层。用户面向 ChatGPT 描述目标，ChatGPT 再调度 apps 和 files。

Rocky 认为，这就是“聊天窗口变成工作操作系统”的真正含义。

6. Codex 融入 ChatGPT Work：代码能力正在从开发工具变成通用工作能力

ChatGPT Work 官方页面里还有一个非常关键的信息：它内置 Codex 技术，并由 GPT-5.6 驱动；同时，Codex app 正在合并到新的 ChatGPT desktop app。

这件事非常有意思。

过去我们会把 Codex 理解成开发者工具：写代码、修 bug、读仓库、做 review、跑测试。但当 Codex 技术进入 ChatGPT Work，代码能力就不再只是程序员的专属能力，而会变成知识工作的通用执行层。

为什么？

因为现代知识工作本质上越来越软件化。做数据分析需要脚本，做报告需要自动生成图表，做运营需要批量处理内容，做销售需要整理表格和 CRM，做产品需要构建原型，做研究需要抓取、清洗、验证信息。很多工作不是传统意义上的“写软件”，但都需要软件能力作为杠杆。

过去没有编程能力的人，只能依赖现成软件菜单。AI 之后，用户可以用自然语言描述目标，Codex 类能力在后台临时生成脚本、网页、自动化流程、数据处理逻辑。

这会让 Vibe Coding 从开发者场景扩展到普通知识工作者场景。

真正的变化不是“人人都要成为程序员”，而是“越来越多工作会被转译成临时软件任务”。谁能清楚定义问题、拆解流程、判断结果，谁就能借助 AI 把原本需要技术团队支持的事情自己推进一大截。

这也是为什么 OpenAI 要把 Codex app 合并进 ChatGPT desktop app。桌面端能访问本地文件和应用，带 browser 和 computer use，再加上 Codex 的代码执行能力，ChatGPT 就更像一个站在用户电脑旁边的工作代理。

当然，这里会带来新的安全和权限问题。能操作本地文件、能调用浏览器、能执行代码，意味着它必须有更清晰的授权、确认、审计和回滚机制。能力越接近真实工作，安全边界越不能模糊。

7. Sites、Plugins 与 Desktop：OpenAI 正在补齐“交付物形态”

ChatGPT Work 不只是 agent。官方同时提到 Sites in ChatGPT public beta、plugins、desktop app 等产品形态。

Sites 的意义，是让 ChatGPT 可以生成可分享的 interactive site 或 web app。过去模型产出往往停留在文本、代码片段、设计建议。Sites 让输出更接近可被他人访问、展示、试用的交付物。

Plugins 的意义，是让 ChatGPT Work 能接入更多应用和服务。没有外部工具连接，agent 就只能在模型内部想象；有了 plugins，它才可能真正进入业务系统。

Desktop 的意义，是把 ChatGPT 从网页对话框带到用户真实工作环境里。很多关键文件、应用、窗口、浏览器任务都在桌面端。只有进入桌面，ChatGPT 才能更接近“帮我完成这件事”，而不是“告诉我怎么完成这件事”。

这三者对应的是交付物、连接器和工作环境。

Rocky 认为，很多人低估了“交付物形态”的重要性。AI 不是只要模型强就能改变工作。用户最终要的是可以发给老板的 PPT、可以分享给客户的网站、可以导入系统的表格、可以运行的代码、可以复用的自动化任务。

所以真正有价值的 AI 产品，不只是让模型回答得更好，而是把回答转化成组织可接受的交付格式。

这就是 ChatGPT Work 的产品野心。

8. System Card：安全不再是模型附录，而是产品架构的一部分

GPT-5.6 System Card 里最值得关注的，不是某一个具体指标，而是安全评估的结构。

根据官方 System Card，GPT-5.6 在 cybersecurity 和 biological/chemical capabilities 上达到 High capability，但没有达到 AI Self-Improvement 的 High threshold，也没有达到 cyber/biology 的 Critical threshold。OpenAI 同时强调针对不同能力画像部署了定制 safeguards，包括模型训练、实时检测、监控、账号级 enforcement、reasoning monitor、trusted access 等。

这说明一个问题：能力越强，安全越不能只靠单层拒答。

早期模型安全更多是内容安全：不回答危险问题，不生成违规内容。但当模型能写代码、操作电脑、调用工具、多 agent 协作、处理长期任务时，风险就从内容层扩展到行动层。

行动层风险更复杂。

比如模型是否会在没有确认的情况下删除数据？是否会因为 prompt injection 泄露文件？是否会把防御性网络安全任务误判成攻击，或者把攻击性任务包装成研究？是否会在多 agent 协作中绕过原本约束？是否会在长程任务里逐步偏离用户意图？

这些问题无法只靠一句系统提示解决。

OpenAI System Card 的信号是，安全治理必须进入架构：模型内对齐、外部监控、工具权限、用户确认、环境分级、Trusted Access、持续评估、红队和真实世界反馈要组合起来。

Rocky 认为，这一点对所有 AI Agent 公司都很关键。Agent 产品如果只展示“能自动做事”，但没有清晰权限边界和安全审计，越强反而越危险。企业客户真正愿意部署的 agent，不只是能力强，而是可控、可回滚、可审计、可分权。

安全不是减速器，而是进入企业生产的准入证。

9. 对开发者的影响：从 Prompt 工程转向智能系统工程

GPT-5.6 和 ChatGPT Work 给开发者的最大提醒，是开发范式正在变化。

过去很多开发者把 AI 应用理解成三件事：选模型、写 prompt、接 API。这个阶段已经不够了。

未来更重要的是智能系统工程。

第一，你要会做任务路由。不同任务匹配不同模型、不同推理强度、不同工具链。不要所有请求都打给最贵模型，也不要为了省钱让复杂任务失败。

第二，你要会设计工具边界。模型能调用什么工具，工具有什么权限，哪些动作需要用户确认，哪些数据不能传出去，哪些中间状态需要留日志。

第三，你要会管理长程任务。Agent 做几小时任务时，如何保存上下文、如何恢复中断、如何验证阶段性结果、如何避免方向漂移，都会变成工程问题。

第四，你要会做成本和质量评估。多 agent 和 ultra 模式提高成功率，但也提高成本。真正的产品经理和工程师必须知道，哪些场景值得用高智能，哪些场景只需要低成本自动化。

第五，你要会设计交付物。AI 输出不是一段回答就结束。用户需要文档、表格、幻灯片、网页、代码、系统更新、消息发送。交付物格式本身就是产品体验。

Rocky 认为，未来优秀的 AI 开发者，不会只是 Prompt 写得好，而是懂模型、懂工具、懂产品、懂数据、懂权限、懂工作流、懂成本。

这就是全栈化在 AI 时代的新含义。

10. 对创业者和投资人的影响：单点 AI 工具会越来越难

OpenAI 这次释放的信息，对 AI 创业者其实并不轻松。

当 ChatGPT Work 开始跨 apps、files、desktop、browser、Codex、Sites、plugins 形成闭环时，很多单点效率工具都会面临更强的平台压力。

过去一个创业项目可以围绕“帮你做 PPT”“帮你写邮件”“帮你分析表格”“帮你生成网页原型”做产品。但如果 ChatGPT Work 能把这些能力放进同一个目标驱动的 agent 里，单点工具的生存空间就会被压缩。

这不是说单点工具没有机会，而是说机会会变窄。

真正能活下来的 AI 产品，可能需要具备以下几类壁垒：

Rocky 的判断是，AI 创业的上半场奖励 Demo，下一阶段奖励系统。一个单点功能如果不能沉淀为数据、流程、交付和分发，很容易被平台吸收。

这也是一级市场需要校准的地方。技术新奇不等于商业确定性。真正值得长期下注的 AI 项目，必须回答：你的价值是否会被 OpenAI、Google、Anthropic、Microsoft、阿里、字节、腾讯这类平台吸收？如果会，你还有什么留得住客户？

11. 对中国 AI 产业的启发：不要只追模型参数，要追工作闭环

GPT-5.6 和 ChatGPT Work 对中国 AI 公司也有明显启发。

国内大模型竞争过去很容易陷入参数、榜单、价格和开源权重之争。这些当然重要，但 OpenAI 这次真正展示的是“模型 + 产品 + 工具 + 安全 + 生态”的组合打法。

如果只追模型能力，很容易变成同质化内卷。模型一代代变强，价格一轮轮下降，最后大家都在卖 token。

如果能把模型放进真实工作闭环，价值就不一样了。比如政企知识工作、制造业设计流程、跨境电商内容生产、金融投研、医药研发、软件工程、教育内容生成、客服与销售协同，这些场景里真正的难点不只是模型回答，而是数据接入、权限控制、流程改造、行业规则、交付格式和安全审计。

中国 AI 公司最应该学习的，不是 OpenAI 的某一个模型名，而是它把能力层层产品化的方式。

GPT-5.6 做智能资源分层，ChatGPT Work 做工作入口，Desktop 做环境入口，Plugins 做工具连接，Sites 做交付物，System Card 做安全治理。每一层都在回答一个商业问题：用户为什么要持续使用，企业为什么敢部署，开发者为什么愿意接入，平台为什么能形成生态。

这是更值得拆解的地方。

12. 边界与风险：OpenAI 的路线也不是没有问题

当然，OpenAI 这条路线并不是没有挑战。

第一，成本问题会更突出。ultra、multi-agent、长程任务、computer use 都意味着更高计算和更长执行时间。用户愿不愿意为“更高任务成功率”付费，还需要真实市场检验。

第二，可靠性问题会更复杂。一个回答错了，用户可以重问；一个 agent 做了几个小时，把文件改错、数据删错、邮件发错，后果就完全不同。工作系统的容错要求远高于聊天系统。

第三，安全与体验会不断拉扯。确认太少，风险上升；确认太多，效率下降。如何设计恰到好处的权限和确认机制，是所有 agent 产品的难题。

第四，企业治理会成为关键门槛。真正的大企业不会只问“模型有多强”，还会问数据如何隔离、日志如何审计、权限如何分级、失败如何追责、合规如何满足。

第五，平台生态也会带来冲突。当 ChatGPT 自己能生成文档、表格、网站、自动化任务时，第三方插件和垂直 SaaS 既是伙伴，也可能成为被吸收对象。

所以，Rocky 并不认为 ChatGPT Work 一发布就会立刻改造所有工作。真正的变化通常不会瞬间完成，而是在一次次具体工作流里渗透：先从助理任务开始，再进入部门流程，再进入跨系统协作，最后改变组织的工作方式。

结语：模型竞争的下一站，是可交付的智能生产系统

GPT-5.6 的发布，如果只看成模型升级，就看小了。

更重要的是，OpenAI 正在试图回答一个更大的问题：当模型越来越聪明之后，怎样把它变成真实工作中的生产力？

答案不是更大的聊天框，而是一整套系统：模型分层、推理预算、工具调用、临时程序执行、多 agent 协作、桌面环境、文件权限、应用连接、交付物生成、安全监控和企业治理。

这就是 AI 行业正在进入的新阶段。

上半场，大家争论模型能不能答得像人。中场，大家争论模型能不能完成任务。下半场，真正的竞争会变成：谁能把模型变成组织可持续使用的工作系统。

Rocky认为，GPT-5.6 与 ChatGPT Work 的组合，最值得记录的一点是：OpenAI 正在把“大模型”从一个能力名词，变成一个生产关系名词。

它不再只是帮你写一段话、生成一段代码、回答一个问题。它想进入你的文件、应用、浏览器、桌面、团队流程和长期任务，成为知识工作中的调度中心。

这件事的机会很大，风险也很大。

对个人来说，真正应该提升的不是某个工具技巧，而是定义问题、拆解任务、判断结果、组织交付的能力。工具会迭代，模型会换代，但这种跨周期认知会持续升值。

对企业来说，不要只问“哪个模型最强”，而要问“哪套智能系统能进入我的业务闭环，并且可控、可审计、可持续”。

对创业者来说，不要只围绕一个 API 做壳。平台会越来越强，单点功能会不断被吸收。真正的护城河，来自场景深度、数据闭环、工作流控制和交付确定性。

这就是 GPT-5.6 给 AI 行业的真实信号：智能本身正在商品化，能把智能变成生产系统的人，才会拿到下一阶段的红利。

参考资料

• OpenAI: GPT-5.6: Frontier intelligence that scales with your ambition, https://openai.com/index/gpt-5-6/
• OpenAI Deployment Safety Hub: GPT-5.6 System Card, https://deploymentsafety.openai.com/gpt-5-6
• OpenAI: ChatGPT is now a partner for your most ambitious work, https://openai.com/index/chatgpt-for-your-most-ambitious-work/

推荐阅读

1. 深入浅出完整解析AI Agent（AI智能体）的核心基础知识

2025年可以说是AI Agent全面落地应用的元年，因此Rocky在持续撰写对AI Agent的全维度解析文章：深入浅出完整解析AI Agent（AI智能体）的核心基础知识

2. 深入浅出完整解析扩散模型DDPM、DDIM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识

和Rocky一起学习探究扩散模型的本质原理与和核心基础知识，同时不断跟进扩散模型的最新发展。Rocky在本文中对扩散模型的本质做了全面系统的梳理与讲解：深入浅出完整解析扩散模型DDPM、DDIM、SDE、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识

3. 深入浅出完整解析FLUX.2、Seedream（即梦）、Z-image、GLM-Image核心基础知识

https://zhuanlan.zhihu.com/p/1975174691049189562

4. 深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识

深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识

5. 深入浅出完整解析DeepSeek系列核心基础知识

深入浅出完整解析DeepSeek系列核心基础知识

6、Sora等AI视频大模型的核心原理，核心基础知识，网络结构，经典应用场景，从0到1搭建使用AI视频大模型，从0到1训练自己的AI视频大模型，AI视频大模型性能测评，AI视频领域未来发展等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

Sora等AI视频大模型文章地址：深入浅出完整解析Sora、Wan2.1、AnimateDiff、CogVideoX等AI视频大模型核心基础知识

7、Stable Diffusion 3和FLUX.1核心原理，核心基础知识，网络结构，从0到1搭建使用Stable Diffusion 3和FLUX.1进行AI绘画，从0到1上手使用Stable Diffusion 3和FLUX.1训练自己的AI绘画模型，Stable Diffusion 3和FLUX.1性能优化等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

Stable Diffusion 3和FLUX.1文章地址：深入浅出完整解析Stable Diffusion 3（SD 3）和FLUX.1系列核心基础知识

8、Stable Diffusion XL核心基础知识，网络结构，从0到1搭建使用Stable Diffusion XL进行AI绘画，从0到1上手使用Stable Diffusion XL训练自己的AI绘画模型，AI绘画领域的未来发展等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

Stable Diffusion XL文章地址：深入浅出完整解析Stable Diffusion XL（SDXL）核心基础知识

9、Stable Diffusion 1.x-2.x核心原理，核心基础知识，网络结构，经典应用场景，从0到1搭建使用Stable Diffusion进行AI绘画，从0到1上手使用Stable Diffusion训练自己的AI绘画模型，Stable Diffusion性能优化等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

Stable Diffusion文章地址：深入浅出完整解析Stable Diffusion（SD）核心基础知识

10、ControlNet核心基础知识，核心网络结构，从0到1使用ControlNet进行AI绘画，从0到1训练自己的ControlNet模型，从0到1上手构建ControlNet商业变现应用等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

ControlNet文章地址：深入浅出完整解析ControlNet核心基础知识

11、LoRA系列模型核心原理，核心基础知识，从0到1使用LoRA模型进行AI绘画，从0到1上手训练自己的LoRA模型，LoRA变体模型介绍，优质LoRA推荐等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

LoRA文章地址：深入浅出完整解析LoRA（Low-Rank Adaptation）模型核心基础知识

12、深入浅出完整解析AIGC时代Transformer核心基础知识

在AIGC时代中，Transformer为AI行业带来了深刻的变革。Transformer架构正在一步一步重构所有的AI技术方向，成为AI技术架构大一统与多模态整合的关键核心基座，大有一统“AI江湖”之势。Rocky也对Transformer模型进行持续的深入浅出梳理与解析：

Transformer文章地址：深入浅出完整解析AIGC时代Transformer核心基础知识

13、最全面的AIGC面经《手把手教你成为AIGC算法工程师，斩获AIGC算法offer！（2024年版）》文章正式发布！

码字不易，欢迎大家多多点赞：

AIGC面经文章地址：手把手教你成为AIGC算法工程师，斩获AIGC算法offer！

14、50万字大汇总《“三年面试五年模拟”之算法工程师的求职面试“独孤九剑”秘籍》文章正式发布！

码字不易，欢迎大家多多点赞：

算法工程师三年面试五年模拟文章地址：https://zhuanlan.zhihu.com/p/545374303

《三年面试五年模拟》github项目地址（希望大家能多多star）：https://github.com/WeThinkIn/Interview-for-Algorithm-Engineer

15、Stable Diffusion WebUI、ComfyUI、Fooocus三大主流AI绘画框架核心知识，从0到1搭建AI绘画框架，从0到1使用AI绘画框架的保姆级教程，深入浅出介绍AI绘画框架的各模块功能，深入浅出介绍AI绘画框架的高阶用法等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

AI绘画框架文章地址：深入浅出完整解析主流AI绘画框架（ComfyUI、Stable Diffusion WebUI、Fooocus）核心基础知识

16、GAN网络核心基础知识，网络架构，GAN经典变体模型，经典应用场景，GAN在AIGC时代的商业应用等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

GAN网络文章地址：https://zhuanlan.zhihu.com/p/663157306

17. AI算法工程师的《三年面试五年模拟》求职秘籍

AIGC时代的算法工程师的求职面试秘籍（持续更新中）

18. AIGC产业的深度思考与分析

2023年3月21日，微软创始人比尔·盖茨在其博客文章《The Age of AI has begun》中表示，自从1980年首次看到图形用户界面（graphical user interface）以来，以OpenAI为代表的科技公司发布的AIGC模型是他所见过的最具革命性的技术进步。

Rocky也认为，AIGC及其生态，会成为AI行业重大变革的主导力量。AIGC会带来一个全新的红利期，未来随着AIGC的全面落地和深度商用，会深刻改变我们的工作、生活、学习以及交流方式，各行各业都将被重新定义，过程会非常有趣。

那么，在此基础上，我们该如何更好的审视AIGC的未来？我们该如何更好地拥抱AIGC引领的革新？Rocky准备从技术、产品、商业模式、长期主义等维度持续分享一些个人的核心思考与观点，希望能帮助各位读者对AIGC有一个全面的了解：

深入浅出全面解析AIGC时代核心价值与发展趋势（2025年版）