次元壁碎裂，从GPT5.5、image2和Codex Chronicle说开去

这周的主角是OpenAI，奥特曼扳回一城。

前脚推出Codex Chronicle，开始测试通过屏幕补全上下文，在输入框之外理解用户意图。

后脚GPT image 2炸场，把Nano Banana甩了一个身位，彻底盖过了Claude Design的热度，宣告“有图有真相”时代的终结。

临近周末，GPT5.5正式上线，彻底明确agentic方向，AI吵着要替人类干活，又把大家的睡觉计划搅黄。

这一周下来，不知道阿莫迪是不是要考虑加速Claude的多模态计划了，起码先把生图能力补上。

不然这届网友恶搞起来，根本不考虑次元壁的。

GPT image 2，打碎虚拟世界次元壁

GPT image 2是目前最懂真实世界，也最懂网友的图像模型。

我严重怀疑它训练的时候，是不是消化了很多几十年前软盘、光碟、录像带里的数据，以至于非常懂那个年代。

然后对于赛博世界，它也超懂，各种社交媒体都能玩转。

最近各种库克加入小米，A社回归百度的官宣推特和微博截图我就不发了，大家应该都看过了。

同时这两天O社应该也是收紧了这种超写实生图，都会在图上加上“整活”标签，整体降低了拟真度。

当然，目前应该是一个矫枉过正的阶段，先松后紧，最终应该还是松，次元壁还是会碎一地。

对于现实世界，image2的理解也再进一步，从名人名言到网友烂梗，从物理规律到光效质感，它都会。

其实如果单说模拟现实的话，Nano Banana已经做得很好了。

这次image2，主要是把对用户的理解，尤其是对普通打工人的理解，又提升了一档。

尤其是文字这块，一个是文案质量，一个是文字显示准确性，都拿捏得比较好。

而且文案来自世界前沿知识，背后带着思考和逻辑，这个就有点厉害了。

所以在电商制图、产品包装等图文结合场景中，image2就带来了比较大的震动。

目前，以image2为代表的AI生图能力，已经可以满足UI、影视插画、游戏美术、图片编辑、效果图等领域的基础需求，而且在先锋和创意方向，也有惊喜。

再配合自家的Codex和GPT5.5，基本就是一套完整的从策划到落地，从前端到后端，从视觉到产品的开发能力了。

没准再过两天，奥特曼又会启封Sora，集成到Codex或者image里，配合超大算力，实现1小时内从口喷到电影成片……

所以，大概率下半年，很多游戏、影视、动漫、小说、电商、社媒、网站、小程序、APP等等，基本就都是AI生成了。

但我会坚持古法手打，确实用了科技也会声明，大家放心。

Codex Chronicle，撬开现实世界次元壁

电脑屏幕，是当下AI走进现实世界要捅破的第一个次元壁。

一方面是通过Computer Use能力，像人一样操作电脑。

另一方面，是通过Chronicle这类能力，也就是在输入框以外、通过视觉理解用户的能力，变得更加“懂你”。

当然，这种“人类外部记忆增强系统”并不是OpenAI开创的。

最早的原型可以追溯到1945年的Memex，这两年微软Recall和一些创业公司也有尝试。

再说回Codex Chronicle。

我们说话的时候，少不了经常夹带“这个”“那个”，别人能理解，是因为大家共享一定的背景信息，处在同一语境下。

这周开始，Codex Chronicle功能上线，面向Pro用户开启测试，也开始理解你的“这个”“那个”了。

简单说，就是AI开始通过持续截图，主动搜集用户背景信息和工作上下文，直接用于校准当前对话和任务了。

这样一来，你的“心流”就开始变得可被AI感知，也可被AI增强了，也许新的人机交互范式就要来了。

另外，我观察到Codex最近还有一个小更新，就是基于“记忆”，它可能开始有了类似龙虾的“做梦”机制。

也就是主动回顾上一阶段与你的交互，组织杂乱的背景、主动提出下一阶段的优化工作。

比如黄框里这些，都是它主动提出的：

再加上已有的长期记忆能力、个性化定制能力，AI的这小老弟越来越像人了。

目前的AI进化路径，再次强化了“Context is everything（背景/上下文即一切）”这个判断。

换句话说，AI已经足够聪明，当务之急变成了AI要充分“认识”每一个用户，“认识”人类了。

当然，除了目前主攻的电脑屏幕，AI“认识”人类的渠道还有麦克风和摄像头，还有各种智能硬件和具身智能，未来玩法无限，拭目以待吧。

上一次机器充分“认识”人类，是通过大数据和算法，目的是杀熟和操控。

这一次机器充分“认识”人类，是通过记忆、思考、视觉、听觉，乃至嗅觉、味觉、触觉、智能和情感，目前看来目的是提效和服务。但愿吧。

总之，业界围绕“Context”做文章这个趋势已定，这当然会带来大量隐私、法律、伦理和道德问题，但总体还是利大于弊，大势难违。

GPT5.5，目前agentic一哥

这周没等来GPT6，但是等来了GPT5.5。

从5.4到5.5，版本号+0.1，常规理解是局部调优，实际感觉更像是一次大的能力提升，好像从预训练开始就不一样了。

官方宣传5.5的token更高效，更加agentic, 也就是自动执行任务更加准确高效，实际体验下来也差不多。

比如我让它把我的AI Panel改个样式，前后没啥废话，20分钟出方案，20分钟落地，整体感觉比5.4干净利落。

目前GPT5.5大概和Opus4.7一个水平，打榜甚至略优，比DeepSeek V4也强点。

也有些网友拿它直接开发游戏，就像上面说的，先用image2做美术，再用5.5的Codex开发，也是直接跑通。

同时这两天Codex版本疯狂更新，对于电脑、浏览器、办公软件、主流应用和用户的理解，肉眼可见地蹭蹭提升。

再加上Opus降智助攻，Codex和GPT已经在全球社区中扭转了口碑。

御三家中，Google憋大已久，应该会在5月Google I/O大会期间出招。

卷了半年，其实现在AI竞争范式已经非常明确，就是围绕coding agent，或者说通用agent，从computer use和context切入，直接替人做事。

这个道理Google创始人布林他们哥几个肯定懂，所以又撸起袖子下场了，期待Google放大。

至于国内的通用agent，目前感觉比较平静，也许各家正在埋头研究CC和Codex呢。

点个关注，我持续帮你盯梢🫡