跳到正文

全部动态

今日 6 条

9月21日星期一

OpenAI News

OpenAI 呼吁为 AI 的下一阶段建立国际标准

OpenAI 发文主张美国牵头与各国合作,为前沿 AI 制定全球技术标准,并覆盖递归自我改进(RSI)等自动化 AI 研究场景。文章提出两项关键机制,一是借助各国 AI 安全研究所网络与 CAISI 推动国家和国际标准互补,二是建立共同的测量方法与事件报告协议。OpenAI 强调这些技术标准不是许可或强制预发布审查,各国自行决定是否纳入法律体系,并称标准应避免偏向特定公司、国家或商业模式。

推荐理由:OpenAI 主张由美国牵头为前沿 AI 制定国际技术标准,并提出各国安全研究所网络互补、共同测量与事件报告两项机制,呈现企业参与 AI 治理讨论的一条具体路径。

9月17日星期四

OpenAI News

OpenAI 把最新模型 GPT-6 Astra 调成了一个法律专用版,叫 Astra for Law

OpenAI 发布 Astra for Law,将 GPT-6 Astra 与法律检索索引、法律分析与写作指令结合,供律所和法律科技公司构建自有 AI 产品与工作流。

推荐理由:OpenAI 将 GPT-6 Astra 配置为法律专用版本 Astra for Law,并接入法律检索索引与写作指令,供律所和法律科技公司构建自有产品与工作流。

9月14日星期一

OpenAI News

Perplexity 把 GPT-6 Astra 放进真实系统里干活,人工检查的频率低了很多

OpenAI 发布 Perplexity 客户案例,Perplexity 联合创始人兼首席战略官 Johnny Ho 表示,GPT-6 Astra 可撰写沟通内容、修改真实系统并监控生产软件,这是前几代模型做不到的。他还让模型围绕应用构建小型测试程序,生成类似语言模型 API 或连接器的真实响应,从而端到端验证工作流,因此能放心交给它完整系统并大幅减少检查频率。

推荐理由:Perplexity 联合创始人 Johnny Ho 说 GPT-6 Astra 能修改真实系统、监控生产软件,还让模型自建测试程序模拟外部服务响应,端到端验证工作流后人工检查频率明显降低。

9月12日星期六

OpenAI News

Cognition 把 GPT‑6 Astra 接进 Devin,让 AI 编程助手自己测自己写的代码

Cognition 将 GPT-6 Astra 应用于 Devin 等产品,让 Devin 测试自己写的代码并展示测试结果。例如 Devin 用 Astra 测试 iPhone 游戏 Otter Run,返回模拟器运行录像和标注通过项与未测项的报告;客户发来 bug 截图时,Devin 修复后返回结果截图。

推荐理由:Cognition 将 GPT-6 Astra 接入 Devin,让其在写完代码后自行运行测试并返回模拟器录像与通过项报告,工程师据此减少逐行审查代码的工作量。

9月10日星期四

OpenAI News

OpenAI 在 ChatGPT Work 里加了个数据助手,用大白话就能查公司数据库

OpenAI 在 ChatGPT Work 中推出 Data agent,用户用自然语言提问即可连接公司数据、追查变化原因并生成可分享的交互式仪表盘。

推荐理由:OpenAI 在 ChatGPT Work 中上线 Data agent,员工用自然语言即可连接公司数据源、追查变化原因并生成可分享的交互式仪表盘,省去写查询和学分析工具这一步。

OpenAI News

OpenAI 与美国总务管理局签了 27 个月协议:政府用 ChatGPT 免月费,用量打五折

OpenAI for Government 与美国总务管理局(GSA)宣布一项多年期协议,将原本每用户每月 15 美元的许可费降至 0 美元,使用费用打 5 折,并首次把资格扩展到州、地方和部落政府。

推荐理由:OpenAI 与美国总务管理局达成多年期协议,联邦及州、地方、部落政府可免去每人每月 15 美元的许可费,使用费减半,覆盖范围从联邦扩展到约 2300 万人的公共部门。

OpenAI News

OpenAI 推出金融专用版 ChatGPT,内置投行常用数据库和 GPT-6 Astra

OpenAI 发布 ChatGPT for Financial Services,一款结合内置金融数据与 GPT-6 Astra 推理能力的定制版 ChatGPT Work 体验,用于生成研究、财务模型和客户材料。

推荐理由:OpenAI 发布面向金融行业的定制版 ChatGPT,内置付费金融数据库并接入 GPT-6 Astra,用于生成研究、财务模型和客户材料。

OpenAI News

OpenAI 把 ChatGPT 的全双工语音能力做成 API 了,叫 GPT‑Live‑1

OpenAI 在 API 中上线 GPT-Live-1,把 ChatGPT 的全双工语音对话能力开放给开发者,前端语音层定价为每分钟 0.05 美元。该模型在单个模型内同时处理听与说,可把推理和工具调用委托给 GPT-6 Astra 等后端文本模型,并支持通过系统提示词调整语气、语速和风格。

推荐理由:OpenAI 将 ChatGPT 的全双工语音能力以 GPT-Live-1 开放给 API 开发者,前端语音层每分钟 0.05 美元,单模型同时处理听说并可把推理与工具调用交给后端文本模型。

OpenAI News

Paul Christiano 加入 OpenAI 基金会董事会,担任无投票权观察员

OpenAI 宣布任命 Paul Christiano 加入 OpenAI 基金会董事会,他将担任 OpenAI Group PBC 董事会的无投票权观察员,并加入基金会董事会的安全与安保委员会(SSC),与主席 Zico Kolter 共事。

推荐理由:Paul Christiano 曾主导 OpenAI 对齐研究并创立 ARC,此次以无投票权观察员身份加入基金会董事会,同时进入安全与安保委员会,其政府前沿模型评估经验将参与 OpenAI 的安全治理。

DeepSeek · API 更新日志

DeepSeek-V4.1-Flash 发布,支持原生视觉理解并下调 API 价格

DeepSeek 今天发布 DeepSeek-V4.1-Flash,作为全新模型结构系列中尺寸最小的模型,具备原生多模态视觉理解能力。模型已上线 DeepSeek API,使用 deepseek-flash 即可调用,API 价格同步下调;旧模型 V4 Flash 与 V4 Flash Vision Exp 已下线,其调用名称暂时路由至 V4.1 Flash。

推荐理由:DeepSeek 将旧模型名称暂时路由到 V4.1 Flash 并同步下调 API 价格,现有调用可保持名称兼容但会切换模型。

9月9日星期三

9月8日星期二

Hugging Face 博客

安全对齐不该一刀切:只拒绝话题里的有害部分,而不是整个话题

Multiverse Computing 团队发布论文《Safety for Whom? Boundary-Aware Self-Distillation for Controlled LLM Safety Refusal》,研究如何只拒答某个话题中与部署策略冲突的有害子集,而非整个话题。

推荐理由:Multiverse Computing 团队提出边界感知自蒸馏方法,让模型只拒答话题中与部署策略冲突的有害子集,而非整个话题,为安全对齐的粒度控制提供了一条可迁移思路。

Google DeepMind

Google DeepMind 发布 AlphaGenome Atlas,预测人类基因组全部单碱基变异

Google DeepMind 发布 AlphaGenome Atlas,一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台,规模达 1PB,是 AlphaFold Database 的 30 多倍。

推荐理由:Google DeepMind 将 AlphaGenome 的预测结果预计算成覆盖人类基因组全部 90 亿个单碱基变异的 1PB 数据集,规模超过 AlphaFold Database 的 30 倍,并配套给出可排序的 AVI 评分。

OpenAI News

OpenAI CFO 发文:GPT-6 Astra 已来,消费者与企业业务互相喂养

OpenAI 高管 Sarah Friar 发文称,公司产品已覆盖超过 10 亿周活跃用户和 250 万家企业,消费端与企业端相互强化,一次模型研究投入可支撑 ChatGPT、ChatGPT Work、Codex 及 API 应用等多条产品线。

推荐理由:OpenAI 高管 Sarah Friar 撰文披露公司覆盖超 10 亿周活用户与 250 万家企业,并解释消费端与企业端如何相互强化、一次模型研究投入如何支撑多条产品线。

OpenAI News

OpenAI 发布 ChatGPT Images 2.5,生图速度翻倍,还加了个手绘板功能

OpenAI 发布 ChatGPT Images 2.5,称其为新的 SOTA 图像模型,带来更锐利的细节、更精确的编辑和更快的生成,图像生成延迟相比 Images 2.0 最多降低 50%。

推荐理由:OpenAI 发布 ChatGPT Images 2.5,图像生成延迟较 2.0 最多降低 50%,并新增手绘板草图输入功能。

9月5日星期六

Google 博客 · Gemini

用 Gemini 中的 Lyria 3.5 创作更高品质的音乐

Google 的音乐生成模型 Lyria 3.5 已在 Gemini app 和 Gemini API 中提供,带来更富表现力的人声、更丰富的编曲和更高保真度。

推荐理由:Google 将 Lyria 3.5 向全球用户开放,并在 Gemini 中提供曲风、人声和时长选择,支持更具体的配乐定制需求。

9月3日星期四

Hugging Face 博客

用 100 步 GRPO 微调 3.5 亿参数模型,结构化输出合规率从 22.6% 提到 29.7%

Hugging Face 博客给出用 TRL 的 GRPO 微调 LFM2.5-350M 的公开配方,在 IFStruct 基准上把通过率从 22.6% 提升到 29.7%。

推荐理由:Hugging Face 博客公开了用 TRL 的 GRPO 微调 3.5 亿参数模型 LFM2.5-350M 的完整配方,仅 100 步就把 IFStruct 结构化输出通过率从 22.6% 提到 29.7%。

Google DeepMind

Google DeepMind 推出 Fairwind 计划,向政府和可信伙伴开放 Gemini 3.8 Flash Cyber 网络防御能力

Google DeepMind 推出 Fairwind Program,面向政府机构、关键基础设施运营商和网络安全伙伴限量开放其最先进的网络防御能力。该计划将专用网络模型 Gemini 3.8 Flash Cyber 与 CodeMender harness 结合,可自主发现、验证并修复漏洞,把原本数周的手动修复压缩到数分钟内生成可部署补丁,且运行成本低于传统前沿模型。

推荐理由:Google DeepMind 推出 Fairwind 计划,向政府与关键基础设施运营商限量开放 Gemini 3.8 Flash Cyber 与 CodeMender 组合,把漏洞修复从数周手动压缩到数分钟生成可部署补丁。

9月2日星期三

Hugging Face 博客

Allen AI 用心理测量学给大模型基准做“体检”,发现很多题目测的根本不是你以为的能力

Ai2 在 Hugging Face 博客发布 BenchMIRT,一种在单条提示词层面审计 LLM 基准的新方法,基于多维项目反应理论(MIRT)估计每道题难度及其区分能力。

推荐理由:Ai2 发布 BenchMIRT,用多维项目反应理论在单条提示词层面估计每道基准题的难度与区分能力,为判断基准究竟测什么提供了一套可迁移的审计方法。

Google 博客 · Gemini

Gemini 推出智能体视频理解功能,token 消耗最高降低 88%

Google 推出智能体视频理解功能,支持 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite,视频分析成本最高降低 66%、token 消耗最高降低 88%、准确率最高提升 7%。

推荐理由:Gemini 用智能体按需检索视频片段,减少固定帧率处理带来的 token 消耗与细节遗漏,使长视频分析兼顾成本和准确率。

9月1日星期二

OpenAI News

OpenAI 把 ChatGPT 接入了 Epic 电子病历和九大官方医疗数据库

OpenAI 为 ChatGPT for Healthcare 推出新的电子健康记录集成,可把 Epic 中经授权的患者信息接入 ChatGPT,用于就诊前回顾、用药变化和随访事项梳理。

推荐理由:OpenAI 为 ChatGPT for Healthcare 接入 Epic 电子病历,并新增覆盖九个官方医疗数据源的插件,医疗团队可在授权范围内调取患者信息与公共数据。

Anthropic News

Anthropic 发布 Enterprise Frontier Safeguards,客户自持数据存储与密钥

Anthropic 发布 Enterprise Frontier Safeguards(EFS),把零数据留存(ZDR)的隐私性与检测滥用的安全监控结合,数据存放在客户自控的云基础设施而非 Anthropic。

推荐理由:Anthropic 推出 EFS,把数据存放在客户自控的云基础设施,并让客户自行审查监控信号,回应受监管行业在模型滥用检测与数据留存之间的取舍。

8月27日星期四

Google DeepMind

Google DeepMind 试点全球首个双盲 AI 评测

Google DeepMind 宣布推出全球首个针对专有前沿 AI 模型的双盲评测,将外部评测限制在加密环境中,避免模型提前接触测试题目。该试点与新加坡 AI 安全研究所、OpenMined、AVERI 和 MLCommons 合作,在隐私保护环境下用保密基准测试 Gemini Flash Lite 模型。Google 称此举针对基准污染问题,在零日志协议和合同保障之外增加了技术与加密层面的保护。

推荐理由:Google DeepMind 与新加坡 AI 安全研究所等机构合作,把外部评测放进加密环境,让模型在测试前接触不到保密基准题目,以应对基准污染问题。

OpenAI News

OpenAI 和博科尼大学做了个实验:用 ChatGPT 的学生作业质量更高,练过因果推理的学生想法更独特

博科尼大学找了 1000 多名大一新生做随机分组实验,让他们给学校纪念品店写营销方案。用 ChatGPT(GPT‑4o)的学生在 5 分制评分里高了将近 1 分,答案更连贯、更像专家写的。另一组学生没碰 AI,而是练了一个因果推理游戏——教他们解释方案为什么行得通、什么时候会翻车。这组人评分没涨,但想法种类明显更多,而且更会讲清楚自己方案的逻辑和风险。

推荐理由:博科尼大学让千余名大一新生随机分组写营销方案,用 GPT-4o 的一组评分高出近 1 分,练因果推理的一组想法种类更多,两种提升路径的差异是这条的核心阅读价值。

Anthropic News

Anthropic 开放 1 万个科研人员 Claude 席位并扩大 AI for Science 计划

Anthropic 宣布通过新的 Claude team plan for scientists 向全球科研人员开放 1 万个席位,标准席位免费,5 倍用量上限的高级席位为每月 15 美元,为期一年,并计划在未来数月把该计划扩展到 1 万个席位之外。

推荐理由:Anthropic 向全球科研人员开放 1 万个 Claude 席位,标准席位免费、5 倍用量高级席位每月 15 美元,为期一年,并同步扩大 AI for Science 计划的资助范围。

8月25日星期二

Hugging Face 博客

IBM 公开 Granite 4.2 模型完整训练流程,从预训练到让模型学会用工具

IBM Granite 团队发布 Granite 4.2,这是其首个稠密、decoder-only 的推理大语言模型家族,包含 3B、8B、30B 三个尺寸,均以 Apache 2.0 许可开源。

推荐理由:IBM 公开 Granite 4.2 从预训练到工具调用能力的完整训练流程,三个尺寸均以 Apache 2.0 开源,为关注稠密模型训练管线的开发者提供了一份可参考的工程路径。

Hugging Face 博客

Multiverse 搞了个“量化感知修复术”,让 4-bit 压缩模型跑赢了原版全精度模型

Multiverse Computing 在 Hugging Face 博客发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》,提出 QAH 方法:不再从恢复后的 bfloat16 检查点蒸馏,而是直接从压缩前的原始全精度模型蒸馏,师生架构可以不同。

推荐理由:Multiverse Computing 提出 QAH 方法,从压缩前的原始全精度模型蒸馏来修复 4-bit 量化模型,师生架构可不同,为压缩后性能恢复提供了一条可迁移的路径。

OpenAI News

OpenAI 公布自研推理芯片 Jalapeño 的首份实测成绩

OpenAI 第一次亮出了自家推理芯片 Jalapeño 的跑分数据。在跑 GPT‑OSS 120B 的公开测试 InferenceX 上,它每千瓦能处理的峰值吞吐量比对比的商业系统更高,生成每个词的延迟也更低;在 DeepSeek R1 和 Kimi K2 上表现同样不错。

推荐理由:OpenAI 公布自研推理芯片 Jalapeño 在公开测试 InferenceX 上的首份实测数据,跑 GPT-OSS 120B 时每千瓦峰值吞吐量高于对比的商业系统,生成每个词的延迟也更低。

OpenAI News

OpenAI 首款推理芯片 Jalapeño 实测:每瓦处理量是对比系统的 1.5–1.9 倍,延迟低 1.7–3.6 倍

OpenAI 公布了自研推理芯片 Jalapeño 的首批实测数据。在 GPT-OSS 120B、DeepSeek R1 和 Kimi K2.5 1T 三个模型上,Jalapeño 峰值吞吐量下每瓦处理量是对比系统的 1.5 到 1.9 倍,端到端延迟低了 1.7 到 3.6 倍。交互式负载下优势更大,达到 2.1 到 4.1 倍。

推荐理由:OpenAI 公布自研推理芯片 Jalapeño 首批实测数据,在三个开源大模型上每瓦处理量达对比系统的 1.5 到 1.9 倍,端到端延迟低 1.7 到 3.6 倍。

OpenAI News

OpenAI 封禁了一批俄罗斯账号,它们伪装成以色列智库搞舆论渗透

OpenAI 封掉了一批来自俄罗斯的 ChatGPT 账号。这些账号在幕后操纵一个叫“国际伯克研究所(IBI)”的假智库,网站自称设在以色列,实际上文章是从正经学术作品里抄来、篡改署名,再用机器翻译成英文的。操作者用俄语给模型下指令,让它生成英文的社交媒体帖子和评论,还特意要求模型藏好俄语痕迹。他们搞了一个“主权指数”,排名上捧俄罗斯、踩西方国家。

推荐理由:OpenAI 披露封禁一批俄罗斯账号,这些账号用俄语指令让模型生成英文帖子和评论,运营一个自称设在以色列的假智库并推出捧俄贬西的主权指数排名。

8月21日星期五

DeepSeek · API 更新日志

DeepSeek-V4-Flash-Vision-Exp 发布并上线 API 平台

DeepSeek 今天发布实验性质的多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp,用户可在 DeepSeek API 平台设置 model='deepseek-v4-flash-vision-exp' 访问。

推荐理由:DeepSeek 的视觉实验模型在官方测评中保持正式版的纯文本能力,视觉智能体能力提升至接近 Opus-4.8。

8月20日星期四

OpenAI News

OpenAI 成立战略未来团队,探讨 AI 会不会让普通人失去议价权

OpenAI 新开了一个叫“AI Futures”的博客,背后是一个小规模的战略未来团队。他们想研究一个核心问题:当国家可以用自动驾驶系统代替士兵警察去投射武力,用数据中心产出的收入代替从人身上收的税,个人在权力格局里的位置还剩多少。

推荐理由:OpenAI 新设 AI Futures 博客与战略未来团队,首篇讨论国家用自主系统投射武力、以数据中心收入替代税收后,个人议价权还剩多少。

OpenAI News

OpenAI 预览“隐私安全处理”:零数据保留客户也能做跨会话风险监控了

OpenAI 在 8 月 19 日放出了一个叫“隐私安全处理”的新功能预览,专门解决零数据保留客户的一个老矛盾:既要 OpenAI 帮忙看住跨多轮对话才暴露的滥用风险,又不能让 OpenAI 员工看到原始内容。做法是把客户数据留在客户自己的服务器上,或者存在 OpenAI 但用客户自己保管的密钥加密。

推荐理由:OpenAI 预览隐私安全处理功能,让零数据保留客户在数据留存自有服务器或用自持密钥加密的前提下,仍能获得跨会话滥用风险监控。

8月19日星期三

OpenAI News

Replit 推出免费模式,用 GPT-5.6 Luna 把写代码的 token 成本砍到零

Replit 上线了 Free Mode,底层跑的是 GPT-5.6 Luna,用户不用再盯着 token 消耗,可以直接在项目里规划、头脑风暴和探索想法。CEO Amjad Masad 说 OpenAI 最近的降价让面向百万用户的免费层终于跑得通。遇到复杂推理任务,系统会切到 GPT-5.6 Sol,处理完再回到 Luna,同时保留项目上下文。

推荐理由:Replit 上线免费模式,用 GPT-5.6 Luna 承担日常规划与探索,复杂任务再切到 Sol,OpenAI 降价让面向百万用户的免费层得以成立。

8月18日星期二

OpenAI News

Asana 用 Codex 两周清掉了原本预计要五年的测试框架迁移工作

Asana 的工程师用 OpenAI Codex 把公司里一个叫 Enzyme 的过时测试框架从代码库里彻底移除了。之前内部评估这个活要干五年、花大概 600 万美元,实际只用了两个日历周,模型和基础设施成本加起来约 1.2 万美元。

推荐理由:Asana 工程师用 Codex 移除过时测试框架 Enzyme,内部评估需五年、约 600 万美元的工作量,实际两周完成,模型与基础设施成本约 1.2 万美元。

8月17日星期一

OpenAI News

OpenAI 在俄亥俄州锁定 8 吉瓦算力园区,首期 2028 年上线

OpenAI 跟 SB Energy、NVIDIA 和美国能源部合作,在俄亥俄州 Pike 县拿下一个约 8 吉瓦(IT 负载)的数据中心园区。第一个 800 兆瓦预计 2028 年通电,整个项目六年建完,会带来 3.5 万个建筑岗位和 2500 个长期运营岗位。OpenAI 说会自己承担这个项目产生的能源和基建费用,不会转嫁给当地居民的电费账单。

推荐理由:OpenAI 联合 SB Energy、NVIDIA 与美国能源部,在俄亥俄州 Pike 县建设约 8 吉瓦 IT 负载的数据中心园区,首期 800 兆瓦预计 2028 年通电,并承诺自行承担能源与基建费用。

8月13日星期四

OpenAI News

OpenAI 给 GPT-5.6 Sol 加了“极速模式”,用 Cerebras 芯片跑到 14 倍快

OpenAI 在 API 里先放出了一个叫 Ultrafast 的预览版,让 GPT-5.6 Sol 最快每秒能吐 750 个 token,比标准模式快 14 倍。这背后是换了 Cerebras 的芯片来跑推理。速度快到这种程度,主要想解决那些等不起的场景:比如线上事故时实时扒日志、找代码改动、辅助定位问题;金融交易里一边看行情一边扫异常。

推荐理由:OpenAI 在 API 放出 GPT-5.6 Sol 的 Ultrafast 预览版,用 Cerebras 芯片把推理速度提到标准模式的 14 倍,每秒 750 个 token,并给出线上事故排查和金融交易两类等不起的场景。

OpenAI News

OpenAI 挖来 Wiz 前总裁 Dali Rajic 当首席营收官,要把企业生意做成可复制的流水线

OpenAI 宣布 Dali Rajic 接替 Denise Dresser 出任首席营收官。Rajic 之前在 Wiz 当总裁兼 COO,擅长用数据指标驱动规模化销售,他的任务是把 OpenAI 早期拿下的企业客户转化成一套可重复、可度量的营收体系。公告同时披露了两个数字:周活用户超过 10 亿,企业客户超过 200 万,比一年前翻了一倍。

推荐理由:OpenAI 任命 Wiz 前总裁 Dali Rajic 为首席营收官,其数据指标驱动的规模化销售经验,对应着把早期企业客户转为可重复营收体系的任务。

Hugging Face 博客

Hugging Face 用 1200 人加编程智能体复现了 2200 篇 ICML 论文,发现审稿人没空看的证明,复现时真查出了问题

Hugging Face 搞了一场 19 天的黑客松,1200 多人带着 Claude Code、Codex 这类编程智能体,把 ICML 2026 接收的论文挑了 2226 篇来复现,覆盖了大会近三分之一。他们让智能体读论文、写代码、跑实验,然后汇报结果。

推荐理由:Hugging Face 组织 1200 多人用编程智能体在 19 天内复现 2226 篇 ICML 2026 论文,覆盖大会近三分之一投稿,并查出审稿人未细看的证明问题。

DeepSeek · API 更新日志

DeepSeek-V4-Pro 正式版上线,增强 Agent 能力并原生支持 Responses API

DeepSeek-V4-Pro 正式版已在 APP、网页端和 API 上线,增强 Agent 能力,API 调用方式不变,模型名仍为 deepseek-v4-pro。

推荐理由:DeepSeek 将采用闲时价格为高峰时段一半的峰谷定价,允许调整执行时间的任务可通过错峰调用降低 API 成本。