跳到正文

#推理

今日 0 条

6月3日星期三

NVIDIA 博客

NVIDIA 在 CVPR 发了三篇物理 AI 论文:抓取、自动驾驶和游戏里练出来的智能体

这三篇论文都进了 CVPR。GraspGen-X 用 20 亿次模拟抓取训练,让机械手能处理没见过的物体,但正文没披露真实世界的抓取成功率。LCDrive 把自动驾驶的推理 token 砍了大约一半,靠的是让模型直接输出轨迹而不是先写文字再转成动作,延迟更低,不过没提极端场景下的安全性验证。

推荐理由:NVIDIA 在 CVPR 发布三篇论文,其中 LCDrive 让自动驾驶模型直接输出轨迹,把推理 token 减少约一半以降低延迟。

OpenAI News

OpenAI 给 GPT-Rosalind 加了新能力,专攻药物研发和基因组学

GPT-Rosalind 是 OpenAI 为生命科学做的模型,这次更新接入了 GPT-5.5 的编程和工具调用能力,重点强化了药物化学、基因组学这些方向的推理。OpenAI 还专门搞了个叫 LifeSciBench 的评测,从证据处理、实验设计到结果验证六个环节打分,说新版模型在行业专家出的题上表现有提升。

推荐理由:OpenAI 为生命科学模型 GPT-Rosalind 接入 GPT-5.5 的编程与工具调用能力,并推出覆盖证据处理到结果验证六个环节的 LifeSciBench 评测。

5月22日星期五

NVIDIA 博客

NVIDIA 在 COMPUTEX 2026 拿了四个奖,Vera Rubin NVL72 号称推理能效比上代高 10 倍

NVIDIA 在 COMPUTEX 2026 上靠 Vera Rubin NVL72、Jetson Thor 和 Alpamayo 拿了四个 Best Choice 奖。

推荐理由:NVIDIA 在 COMPUTEX 2026 凭 Vera Rubin NVL72、Jetson Thor 和 Alpamayo 拿下四个 Best Choice 奖,其中 NVL72 给出的推理能效数字比上代高 10 倍。

5月20日星期三

OpenAI News

OpenAI 一个没公开名字的模型推翻了一道 80 年的离散几何猜想

OpenAI 发了一篇博文,说他们内部一个通用推理模型自己解决了一道叫“平面单位距离问题”的数学难题,推翻了大家信了几十年的主流猜想。这道题是 Erdős 在 1946 年提出的,简单说就是平面上放 n 个点,最多能有多少对点距离刚好是 1。

推荐理由:OpenAI 称其内部一个未公开名字的通用推理模型独立解决了 1946 年提出的平面单位距离问题,推翻了学界信守数十年的主流猜想。

5月7日星期四

OpenAI News

OpenAI 在 API 里上线了三款实时语音模型,能边听边推理、翻译和转写

OpenAI 这次发了三个新模型:GPT‑Realtime‑2 是带 GPT‑5 级推理能力的语音模型,能处理更复杂的请求,说话中间可以插话、改主意,它还能边想边回一句“我查一下”,同时调用多个工具;GPT‑Realtime‑Translate 做实时翻译,支持 70 多种输入语言转 13 种输出语言,语速跟得上说话人。

推荐理由:OpenAI 在 API 上线三款实时语音模型,GPT‑Realtime‑2 支持边推理边调用多个工具,GPT‑Realtime‑Translate 覆盖 70 多种输入语言转 13 种输出语言。

5月5日星期二

OpenAI News

OpenAI 把 ChatGPT 默认模型换成了 GPT-5.5 Instant,回答更准、废话更少

OpenAI 把免费用户和默认聊天用的模型升级到了 GPT-5.5 Instant。官方说这次更新主要干了三件事:回答更靠谱、更简洁,并且更能利用你之前聊过的上下文来贴合你的偏好。内部测试里,在医疗、法律、金融这类高风险问题上,GPT-5.5 Instant 比上一代 GPT-5.3 Instant 的幻觉内容少了 52.5%。

推荐理由:OpenAI 将 ChatGPT 默认模型升级为 GPT-5.5 Instant,官方称其在医疗、法律、金融等高风险问题上的幻觉内容比上一代减少 52.5%。

4月29日星期三

X · @OpenAI

GPT-5.4 Pro 帮数学家解决了一个 60 年没解开的 Erdős 问题

OpenAI 发推说,本月初一个悬了 60 年的 Erdős 问题在 GPT-5.4 Pro 的帮助下被解决了。推文里提到了 Sebastien Bubeck、Ernest Ryu 和 Andrew Mayne 三位研究员,但正文没披露具体是哪个问题、证明过程长什么样、能不能复现。

推荐理由:OpenAI 称 GPT-5.4 Pro 协助解决了悬置 60 年的 Erdős 问题,但未公开具体题目与推演过程,事件本身尚缺可核验细节。

4月25日星期六

X · @AnthropicAI

Anthropic 让 Claude 在旧金山办公室搞了个内部跳蚤市场,替同事买卖和砍价

Anthropic 发了个新研究叫 Project Deal。他们在旧金山办公室搭了个内部交易市场,让 Claude 替同事买东西、卖东西、谈价格。正文没披露用了哪个模型版本、市场有多大、成交了多少单,也没说最后是赚了还是亏了。这点先别太激动,目前看更像一个内部行为实验,不是产品发布。

推荐理由:Anthropic 在旧金山办公室搭建内部交易市场,让 Claude 替同事完成买卖和议价,可观察模型在真实人际交易场景中的表现。

4月24日星期五

X · @OpenAI

OpenAI 发布 GPT-5.5,强调能干活、会检查,但没给参数和跑分

OpenAI 在 X 上宣布推出 GPT-5.5,已经接入 ChatGPT 和 Codex。官方说法是它面向实际工作和 agent 场景,能理解复杂目标、调用工具、自我检查,把更多任务从头跑到尾。我会先打个折:正文没披露参数量、价格、上下文窗口和任何基准测试结果,所以现在只能看到一句“新的智能形态”和“新的干活方式”,具体强在哪、贵不贵、跑多快都还不知道。

推荐理由:OpenAI 在 ChatGPT 和 Codex 上线 GPT-5.5,官方称其面向实际工作与 agent 场景,能理解复杂目标、调用工具并自我检查,把任务从头跑到尾。

4月23日星期四

OpenAI News

OpenAI 发布 GPT-5.5:干活更利索,写代码、查资料、跨软件操作都能自己跑通

OpenAI 推出了 GPT-5.5,主打让模型自己规划、调用工具、检查结果,去完成写代码、做研究、分析数据这类跨步骤的复杂任务。官方说它在 Terminal-Bench 2.0 这类命令行测试上准确率达到 82.7%,比上一代高,而且完成同样任务用的 token 更少,推理延迟跟 GPT-5.4 持平。

推荐理由:OpenAI 发布 GPT-5.5,主打自主规划、调用工具并检查结果来完成写代码、查资料等跨步骤任务,官方称其在 Terminal-Bench 2.0 上准确率达 82.7%,完成同类任务消耗的 token 更少。

4月21日星期二

OpenAI News

OpenAI 发了 ChatGPT Images 2.0,主打文字渲染、多语言和视觉推理

OpenAI 在 4 月 21 日官宣了 ChatGPT Images 2.0,说新模型在三个地方有提升:画面里的文字更准、多语言排版更稳、能根据复杂指令做视觉推理。官方放了一堆样图,从海报、漫画到杂志内页都有,看着确实比上一代强。但正文没披露模型架构、出图分辨率、价格、延迟和具体上线时间,也没给对比数据。

推荐理由:OpenAI 发布 ChatGPT Images 2.0,官方称在画面文字准确性、多语言排版和复杂指令的视觉推理三方面有提升,并放出海报、漫画、杂志内页等样图。

4月17日星期五

X · @OpenAI

OpenAI 发布 GPT-Rosalind,一个专攻生物、制药和转化医学的推理模型

OpenAI 在 X 上丢了个新模型 GPT-Rosalind,定位是给生物学、药物发现和转化医学研究用的前沿推理模型。帖子只说了应用方向,没提模型规模、跑分、能不能用、多少钱、什么时候上线。我会先打个折——目前只有一句话官宣,具体能力、训练数据和验证结果都没披露,别急着当生产力工具。

推荐理由:OpenAI 公布新模型 GPT-Rosalind,定位为面向生物学、药物发现和转化医学的前沿推理模型,将推理能力投向严肃科研场景。

4月16日星期四

X · @claudeai

Claude 发布 Opus 4.7,称是其最强 Opus 模型,主打长任务更稳、指令跟得更准、回复前会自己检查一遍

Anthropic 在 X 上发了条推文,说 Opus 4.7 是他们目前最能打的 Opus 模型。推文提了三个点:跑长任务时更严谨,不会半路掉链子;对指令的理解和执行更精准;输出结果前会先自我验证一轮,相当于自己先审一遍再交差。意思是你可以把最难搞的活丢给它,少盯几眼。

推荐理由:Anthropic 发布 Opus 4.7,称其在长任务稳定性、指令执行精度和输出前自我验证三方面做了改进,面向需要处理复杂任务的用户。

OpenAI News

OpenAI 发布 GPT-Rosalind:一个专为生物医药研究做的推理模型

OpenAI 在 2026 年 4 月 16 日推出了 GPT-Rosalind,一个专门面向生物学、药物发现和转化医学的前沿推理模型。它现在以研究预览版的形式在 ChatGPT、Codex 和 API 里对通过审核的客户开放。

推荐理由:OpenAI 推出面向生物学、药物发现和转化医学的推理模型 GPT-Rosalind,以研究预览版在 ChatGPT、Codex 和 API 中向通过审核的客户开放。

4月15日星期三

X · @AnthropicAI

Anthropic 用 Claude Opus 4.6 当自动化对齐研究员,测试弱模型能不能管住强模型

Anthropic 的研究员搞了个实验,让 Claude Opus 4.6 去加速解决一个核心对齐难题:怎么用弱 AI 模型来监督训练更强的模型。这相当于让一个水平一般的老师去教一个更聪明的学生,看能不能教好。正文没披露实验的具体设置、对比基准、评估指标和结果,所以效果到底怎么样还不清楚。

推荐理由:Anthropic 研究员让 Claude Opus 4.6 加速解决弱模型监督强模型的对齐难题,实验设置与结果尚未披露,这一研究方向本身值得了解。

4月10日星期五

X · @claudeai

Claude 平台上线“顾问策略”:用 Opus 当军师,Sonnet 或 Haiku 当执行者

Claude 平台把 Opus 模型设为“顾问”,让更便宜的 Sonnet 或 Haiku 去执行具体任务。官方说法是,这样能让 agent 的智能水平接近 Opus,但成本低很多。正文没给出具体价格对比、跑分数据或上线时间,所以实际省多少、效果打多少折,还得等实测再看。

推荐理由:Anthropic 在 Claude 平台上线顾问策略,由 Opus 负责规划、Sonnet 或 Haiku 执行任务,官方称 agent 智能可接近 Opus 而成本更低,这种模型分工思路对搭建 agent 有参考价值。

3月17日星期二

Mistral AI

Mistral 发布 Mistral Small 4,统一推理、多模态与编码能力

Mistral AI 发布 Mistral Small 4,这是首个把 Magistral 推理、Pixtral 多模态和 Devstral 编码智能体能力统一到单一模型的 Mistral 模型,采用 Apache 2.0 许可。

推荐理由:Mistral Small 4 把推理、多模态与编码能力合并进单一开源模型,并给出相比 Mistral Small 3 的延迟与吞吐数据,可用于判断统一模型对部署成本的影响。

3月12日星期四

NVIDIA 博客

英伟达开源 Nemotron 3 Super:120B 模型只激活 12B 参数,跑 agent 任务吞吐量翻五倍

英伟达发了 Nemotron 3 Super,一个总参数量 120B、但每次推理只激活 12B 参数的混合专家模型。它用了混合 MoE、隐式 MoE 和一次预测多个 token 的技术,上下文窗口拉到 100 万 token。官方说在跑 agent 这类多步骤任务时,吞吐量比之前方案高 5 倍。

推荐理由:英伟达开源 Nemotron 3 Super,总参 120B 但每次推理只激活 12B,并支持 100 万 token 上下文,官方称跑 agent 多步骤任务时吞吐量提升 5 倍。

3月10日星期二

OpenAI News

ChatGPT 上线数学和科学互动图解,覆盖 70 多个核心概念

OpenAI 给 ChatGPT 加了一个学习功能:问勾股定理、理想气体方程这类问题时,它会直接弹出一个可拖拽的图表模块。你可以手动调参数、改公式,图表会跟着实时变,把抽象公式变成能上手试的东西。首批覆盖 70 多个数学和科学概念,所有付费和免费用户都能用。

推荐理由:OpenAI 为 ChatGPT 加入可拖拽的互动图解,覆盖 70 多个数学和科学概念,付费与免费用户都能用,抽象公式可以手动调参并实时观察变化。

3月5日星期四

OpenAI News

OpenAI 发现推理模型很难按指令控制自己的思考过程,但这反而是个安全上的好消息

OpenAI 发了篇论文,核心结论是:现在最强的推理模型,都没法很好地控制自己的“思考草稿”(思维链)。他们搞了个叫 CoT-Control 的测试,用 13000 多个任务去要求模型在思考时遵守特定规则,比如全程用小写字母、避开某个关键词。结果所有被测模型的遵守率最高只有 15.4%,最低的甚至只有 0.1%。

推荐理由:OpenAI 用 13000 多个任务测试推理模型能否按指令约束思维链,所有模型遵守率最高仅 15.4%,最低 0.1%,为理解推理模型的可控性边界提供了实测数据。

OpenAI News

OpenAI 发布 GPT-5.4 Thinking 系统卡,首次给通用推理模型加了高级网络安全防护

OpenAI 在 2026 年 3 月 5 日公开了 GPT-5.4 Thinking 的系统卡。这是 GPT-5 系列最新的推理模型,也是第一个把“高级网络安全能力”的防护措施做进通用模型里的产品。

推荐理由:OpenAI 公开 GPT-5.4 Thinking 系统卡,将高级网络安全防护措施纳入通用推理模型,这一动作的背景是此类能力门槛此前只出现在专用模型上。

OpenAI News

OpenAI 把 ChatGPT 塞进 Excel 了,还接上了 Moody's、Factiva 等金融数据源

OpenAI 在 2026 年 3 月 5 日发布了 ChatGPT for Excel 的测试版,相当于在 Excel 里直接装了一个 GPT-5.4 助手。你可以用大白话让它帮你搭财务模型、跑情景分析、查公式错误,它改表之前会先问你,改完还能告诉你改了哪个格子、为什么。

推荐理由:OpenAI 发布 ChatGPT for Excel 测试版,可在表格内建模、跑情景分析并追溯改动,同时接入 Moody's、Factiva 等金融数据源,专业工作流与数据生态的接入方式由此多了一种参考。

3月3日星期二

OpenAI News

GPT-5.3 Instant 发布:少说废话、少拒绝,日常对话更干脆

OpenAI 在 2026 年 3 月 3 日更新了 ChatGPT 里用得最多的模型,叫 GPT-5.3 Instant。这次改动主要冲着日常对话体验去的:模型不再动不动就拒绝回答,也不会在回答前先啰嗦一堆免责声明。文章给了一个具体对比——问远程射箭弹道计算,旧版 GPT-5.2 Instant 直接拒绝,说这能提高武器效能所以不能帮。

推荐理由:OpenAI 更新了 ChatGPT 使用最多的日常模型,摘要用远程射箭弹道计算一例,对比旧版直接拒绝与新版不再动辄拒绝的回答差异。

2月26日星期四

OpenAI News

OpenAI 与 PNNL 合作测试用 AI 帮联邦政府写环评报告,每小节能省 1 到 5 小时

OpenAI 跟美国能源部旗下的太平洋西北国家实验室(PNNL)合作,找了 19 位专家一起搞了个叫 DraftNEPABench 的测试集,专门看 AI 能不能帮忙起草联邦基建项目的环境评估文件。测试用的是 Codex CLI 这个命令行工具搭配 GPT-5,让模型去读几百页的技术报告、交叉核对资料,再按法规要求写出结构化的分析草稿。

推荐理由:OpenAI 与 PNNL 用 19 位专家构建的 DraftNEPABench 测试 GPT-5 起草联邦环评,每小节可省 1 到 5 小时,为观察 AI 进入监管文书流程提供了具体样本。

1月6日星期二

NVIDIA 博客

NVIDIA 在 CES 2026 说 Rubin 平台已量产,跑大模型的成本能降到上一代的十分之一

NVIDIA 在 CES 2026 上宣布,由六颗芯片组成的 Rubin AI 平台已经进入全面量产。最直接的好处是生成 token 的成本能压到上一代平台的十分之一左右。Rubin 的 GPU 在 NVFP4 精度下推理算力达到 50 petaflops,并且通过一个叫 KV-cache 的存储层把性能又提升了 5 倍。

推荐理由:NVIDIA 在 CES 2026 宣布 Rubin AI 平台全面量产,六颗芯片组成,生成 token 成本压到上一代约十分之一,GPU 在 NVFP4 精度下推理算力达 50 petaflops。

NVIDIA 博客

英伟达预告基于 Rubin 架构的 DGX SuperPOD,单柜 260TB/s 带宽,推理成本号称能降 10 倍

英伟达在博客里公布了下一代 DGX SuperPOD 的规划,核心是换装 Rubin GPU。今年下半年会先出两款机型:DGX Vera Rubin NVL72 和 DGX Rubin NVL8。

推荐理由:英伟达公布下一代 DGX SuperPOD 规划,下半年先推出搭载 Rubin GPU 的两款机型,单柜 260TB/s 带宽与推理成本降 10 倍的说法给出了下一代系统的性能预期。

2025年12月1日星期一

DeepSeek · API 更新日志

DeepSeek 非正式部署 DeepSeek-V3.2-Speciale API 服务

DeepSeek 非正式部署 DeepSeek-V3.2-Speciale API,价格不变,仅支持思考模式下的对话,不支持工具调用等功能。用户可设置 base_url="https://api.deepseek.com/v3.2_speciale_expires_on_20251215" 访问模型。最大输出长度默认为 128K,服务支持时间截止至北京时间 2025-12-15 23:59。

推荐理由:DeepSeek 非正式部署仅支持思考模式对话的模型 API,工具调用缺失与限时开放共同限定了这项服务的接入用途。

DeepSeek · API 更新日志

DeepSeek API 两个模型入口升级至 DeepSeek-V3.2

deepseek-chat 和 deepseek-reasoner 均已升级为 DeepSeek-V3.2。deepseek-chat 对应非思考模式,deepseek-reasoner 对应思考模式。

推荐理由:DeepSeek 将 API 模型升级至 DeepSeek-V3.2,两个入口的对应关系明确区分非思考与思考模式。

2025年9月29日星期一

DeepSeek · API 更新日志

DeepSeek-V3.2-Exp 发布,两个 API 模型入口均已升级

deepseek-chat 和 deepseek-reasoner 均已升级为 DeepSeek-V3.2-Exp。deepseek-chat 对应非思考模式,deepseek-reasoner 对应思考模式,详细更新内容可参阅文档。

推荐理由:DeepSeek 将两个 API 入口升级为 DeepSeek-V3.2-Exp,两个调用名称分别对应非思考与思考模式。

2025年9月2日星期二

OpenAI News

OpenAI 要在 120 天内给 ChatGPT 加安全机制,下个月先上家长控制

OpenAI 公布了一版安全更新计划,核心是两件事:一是把检测到严重情绪危机的对话自动转给推理模型(比如 GPT‑5‑thinking)去处理,理由是这类模型在安全规范上更稳、更不容易被诱导;二是下个月内推出家长控制功能,家长可以绑定 13 岁以上孩子的账号,关掉记忆和聊天记录,并在系统判定孩子处于严重情绪波动时收到通知。

推荐理由:OpenAI 公布 120 天安全更新计划,下月先上线家长控制,可绑定 13 岁以上孩子账号并关闭记忆与聊天记录。检测到严重情绪危机的对话将自动转给推理模型处理。

2025年8月21日星期四

DeepSeek · API 更新日志

DeepSeek-V3.1 发布,deepseek-chat 与 deepseek-reasoner 同步升级

deepseek-chat 和 deepseek-reasoner 都已升级为 DeepSeek-V3.1,分别对应非思考模式与思考模式。该模型采用混合推理架构,DeepSeek-V3.1-Think 相比 DeepSeek-R1-0528 能在更短时间内给出答案,并通过 Post-Training 优化提升工具使用与智能体任务表现。

推荐理由:DeepSeek-V3.1 将思考与非思考模式整合进同一模型,现有两个 API 模型名称分别对应两种模式。

2025年8月7日星期四

OpenAI News

OpenAI 发布 GPT-5,开始向付费团队推送

OpenAI 在 8 月 7 日推出了 GPT-5,官方说法是至今最聪明、最快、最有用的模型,把之前的 4o、o 系列推理、agent 和高等数学能力都整合到了一起。当天就开始向 Team 用户推送,企业和教育版下周跟上,API 也同步开放。文章给了两个硬数字:ChatGPT 企业付费用户 500 万,每周活跃用户接近 7 亿,说明铺量已经很大。

推荐理由:OpenAI 发布 GPT-5 并整合此前 4o、o 系列推理与 agent 能力,当天起向 Team 用户推送,文中 500 万企业付费用户与近 7 亿周活数据可看出其商业铺量规模。

OpenAI News

OpenAI 发布 GPT-5:一个模型自动判断该快答还是慢想,全员可用

OpenAI 在 8 月 7 日上线了 GPT-5,所有 ChatGPT 用户都能用。这次最大的变化是把快速回答和深度推理合进了一个系统:内置一个路由器,根据问题类型、复杂度和用户意图实时决定用哪个模型。Plus 用户额度更高,Pro 用户能解锁 GPT-5 pro,那个版本推理链条更长,答案更细。

推荐理由:OpenAI 上线 GPT-5 并向所有 ChatGPT 用户开放,内置路由器按问题类型和复杂度实时决定快答或深度推理,Plus 与 Pro 用户额度更高。

OpenAI News

OpenAI 发布 GPT-5 系统卡,把快模型和思考模型打包成一个系统,用实时路由自动分配任务

OpenAI 在 8 月 7 日公开了 GPT-5 系统卡。GPT-5 不是一个单一模型,而是一套组合:一个叫 gpt-5-main 的快模型负责回答大多数问题,一个叫 gpt-5-thinking 的深度推理模型处理难题,中间靠一个实时路由器根据对话类型、复杂度和用户意图(比如你说“仔细想想”)来决定调用谁。

推荐理由:OpenAI 公开 GPT-5 系统卡,披露它由快模型、深度推理模型和实时路由器组成,路由器按对话类型与复杂度分配任务,多模型系统的工程组织方式由此有了具体样本。

OpenAI News

GPT-5 的安全训练不再一刀切拒绝,改看回答本身安不安全

OpenAI 在 GPT-5 上换了一种安全训练思路,叫“安全补全”。以前模型是看用户问题有没有风险,有风险就直接拒绝;现在改成看模型生成的回答本身是否安全,尽量在安全边界内给出最有用的回复。具体做法是两条:回答违规就按严重程度扣分,回答安全就按有用程度加分。

推荐理由:OpenAI 在 GPT-5 上把安全训练从判断问题风险改为评估回答本身,违规按严重程度扣分、安全按有用程度加分,这一机制调整是理解模型安全策略转向的具体样本。

2025年8月5日星期二

OpenAI News

OpenAI 发布最强开源推理模型,但没说具体叫什么、有多大、怎么用

OpenAI 在 8 月 5 号宣布放出了他们自称“能力最强的开源权重推理模型”,主打让开发者、政府和非营利组织能在自己的服务器上跑,不用把数据交给第三方。这波操作主要是为了配合他们的“OpenAI for Countries”计划,拉拢盟友国家用美国主导的 AI 基础设施,同时给有数据本地化要求的机构一个选择。

推荐理由:OpenAI 宣布开放权重推理模型,允许开发者和机构在自有服务器上部署,配合其国家合作计划,为有数据本地化要求的用户提供不依赖第三方的选项。

OpenAI News

OpenAI 开源了两个新模型 gpt-oss-120b 和 gpt-oss-20b,用 Apache 2.0 协议,主打低成本部署和强推理能力

OpenAI 发了两个开源模型,大的叫 gpt-oss-120b,小的叫 gpt-oss-20b,都用了 Apache 2.0 协议,可以商用。这两个模型是 OpenAI 自 GPT-2 之后第一次开源的语言模型。它们用了混合专家架构,120B 版本总参数 1170 亿,但每次只激活 51 亿参数,一张 80GB 显存的显卡就能跑。

推荐理由:OpenAI 以 Apache 2.0 协议开源 gpt-oss-120b 和 gpt-oss-20b,是自 GPT-2 后再次开放语言模型权重,其中 120B 版单卡 80GB 显存即可运行。

OpenAI News

OpenAI 开源了两个推理模型 gpt-oss-120b 和 gpt-oss-20b,用 Apache 2.0 协议

OpenAI 发了两个开源模型,一个 1200 亿参数,一个 200 亿参数,都是纯文本推理模型,能调“思考用力程度”,支持工具调用和结构化输出,可以直接放进让模型干活的业务流程里。模型权重用 Apache 2.0 协议开放,也兼容自家的 Responses API。正文没提上下文长度、价格和跑分。

推荐理由:OpenAI 以 Apache 2.0 协议开放两个纯文本推理模型的权重,支持工具调用和结构化输出,可直接接入业务流程,为关注开放权重模型部署的读者提供具体参考。

2025年7月29日星期二

OpenAI News

ChatGPT 上线学习模式,不再直接给答案,而是用提问引导你一步步想清楚

OpenAI 在 7 月 29 日给 ChatGPT 加了一个“学习模式”,免费、Plus、Pro、Team 用户都能用,教育版 Edu 几周后跟上。这个模式的核心不是换了个更强的模型,而是改了交互方式:它会用苏格拉底式提问、分步骤提示和知识小测来引导你,而不是直接甩答案。

推荐理由:OpenAI 为 ChatGPT 上线学习模式,免费到 Team 用户可用,交互上改用苏格拉底式提问和分步提示引导思考,而非直接给出答案。

2025年7月22日星期二

OpenAI News

OpenAI 和 Penda Health 在肯尼亚诊所测试 AI 助手,诊断错误减少 16%

OpenAI 与肯尼亚的连锁诊所 Penda Health 合作,在 15 家诊所的 39,849 次就诊中测试了一款叫 AI Consult 的临床助手。结果显示,用了这个助手的医生,诊断错误相对减少了 16%,治疗错误减少了 13%。这个助手用的是 GPT-4o 模型,直接嵌入了医生日常用的电子病历系统里,在后台静默运行。

推荐理由:OpenAI 与肯尼亚 Penda Health 在 15 家诊所的近四万次就诊中测试嵌入电子病历的 GPT-4o 临床助手,诊断错误相对减少 16%。