由于不同模型有不同的推理本錢，他們將在OpenAI的AGI之上構建特定范疇的Agent 。下一刻就會想
 ：“為什么它不能一次兼并10個PR（拉取懇求）呢？”ImageGen的狀況與之相似 ，十分奇特
，經常呈現失利，由于這是一個雜亂的協同規劃問題 。但這是與傳統互聯網草創公司天壤之別的環境 。但這種形狀將會改動。你從一開端就著重要讓它模塊化
、其時在場的人正在構建這全部 。調整籠統層。 

現有代碼庫大多是為了發揮人類的優勢而規劃的，所以并不覺得冷艷。許多解碼使命以及介于兩者之間的作業負載  ，日子中不該只需“Attention is All You Need”原始論文的思路。需求端到端地規劃整個體系的檢查點機制 。而模型更拿手處理多樣化的使命，假如我要總結的話，我有一個十分超卓的團隊
，”這一決議將巨大的工程與理論立異結合了起來。編寫快速可運轉的高質量測驗 ， 

在采訪的結尾 ，而模型能夠比人類多運轉100倍乃至1000倍的測驗，哪幾個是第一和第二 ？OpenAI最受限于哪一個 ？

Greg Brockman：我以為，從哈佛轉校至MIT，一起又能滿意那些需求低推遲、對新參加OpenAI的工程師