当谈到「AGI」这一业界热词时，Sam Altman 给出更具动态性的解释。他指出，「如果你五年前让我或其他人基于当时软件的认知能力来定义 AGI，那么当时给出的定义，如今已经远远被超越了」。随着模型智能的持续增强，AGI 的标准也不断被拉高，呈现出一种「动态推移」的状态。
他强调，如今已有系统能显著提升人类的工作效率，执行具备经济价值的任务，而真正值得追问的也许是：什么样的系统才能称为「超级智能」？在他看来，具备自主科学发现能力，或能极大提升人类科学发现效率的系统，才接近这一标准。「这对世界将是极其美好的事情。」
这一判断在 OpenAI 内部也已有所映射。Andrew Mane 回忆称，当他们试玩 GPT-4 时，已产生一种「十年探索空间被打开」的感觉。尤其是模型能够进行自调用、展示初步推理能力的瞬间，让人意识到新阶段的可能性。
Altman 对此表示认同，并进一步指出：「我一直坚信，人类生活质量提升的核心动力，是科学进步的速度。」科学发现缓慢是限制人类发展的根本因素，而 AI 在这一点上的潜力尚未被完全释放。他虽坦言尚未掌握「AI 自动科研」的完整路径，但研究团队对前进方向的信心在快速增强。他分享道，从 GPT-4.0.1 到 GPT-4.0.3，每隔几周就能提出一个新的关键想法，且几乎都能奏效，这种节奏令人振奋，也印证了「突破会突然到来」的信条。
Andrew Mane 补充道，OpenAI 最近将默认模型切换至 GPT-4.0.3，而其中最重要的更新是引入 Operator 模式。在他看来，过去很多 Agentic 系统尽管承诺颇高，但「抗脆弱性」不足，一遇到异常即崩溃。而 GPT-4.0.3 的表现则大不相同。Altman 回应称，「很多人告诉我，他们感受到 AGI 突破性时刻，就是 GPT-4.0.3 的 Operator 模式。」虽然他自己并未有特别强烈的感受，但外部用户的反馈值得重视。
两人进一步探讨了「深度调研（Deep Research）」带来的新能力。Andrew 表示，当他用这个工具研究 Marshall McLuhan 时，AI 能在网上查找、筛选、整理素材，并生成完整资料包，比自己手动调研更高效。他还开发了一个 app，将问题生成音频文件，以满足「记忆力有限但好奇心强」的使用需求。
Altman 随即分享了另一个极端使用场景：一位「学习成瘾者」使用 Deep Research 来生成关于各种兴趣主题的完整报告，整日坐在那里阅读、追问、迭代，完全沉浸于由 AI 驱动的学习循环中。
尽管 Altman 自称因为时间紧张无法充分使用这些工具，但他仍愿意在有限时间中优先阅读 Deep Research 的生成内容。
随着功能持续强化、用户场景日益多元，外界对下一代模型的关注也水涨船高。Andrew 直接提出用户最关心的问题：GPT-5 到底什么时候发布？Altman 回应称，「可能就在今年夏天吧，但我也不确定确切时间。」他透露，内部正面临一个反复讨论的问题：新版本是否还需采用以往那种「大张旗鼓」的发布形式，还是像 GPT-4 一样，在不变名称的前提下持续迭代。