跳到正文

#编码

今日 1 条

2025年9月15日星期一

OpenAI News

OpenAI 把 GPT-5 调成了专门干活的编程助手 Codex,一个模型同时搞定聊天写码和长时间自主跑任务

OpenAI 发布了 GPT-5-Codex,并把它设为 Codex 云端任务和代码审查的默认模型。这个模型专门针对真实软件工程任务训练过,既能跟你快速交互式写代码,也能自己独立跑复杂任务,测试中最长连续干了超过 7 个小时。

推荐理由:OpenAI 将 GPT-5-Codex 设为 Codex 云端任务与代码审查的默认模型,该模型兼顾交互式写码与长时间自主执行,测试中最长连续运行超过 7 小时。

OpenAI News

OpenAI 发了份用户报告:ChatGPT 的性别差距快没了,低收入国家涨得最猛

OpenAI 和哈佛经济学家 David Deming 一起发了篇 NBER 工作论文,分析了 150 万条 ChatGPT 对话,是目前规模最大的消费者使用研究。先说谁在用:到 2025 年 7 月,可识别性别的用户里女性名字占比从 2024 年 1 月的 37% 涨到了 52%,性别差距基本抹平。

推荐理由:OpenAI 与哈佛经济学家 David Deming 分析 150 万条 ChatGPT 对话,发现女性用户占比从 37% 升至 52%,性别差距基本抹平。

OpenAI News

OpenAI 发了 GPT-5-Codex 的系统卡补充说明,专门给写代码的 agent 用

这个模型是 GPT-5 的一个变体,针对 Codex 里的 agent 编程场景做了优化。训练时用了强化学习,让它在真实编程任务里学会写出更贴近人类风格和 PR 偏好的代码,还能自己跑测试直到通过。现在可以在终端、IDE、网页、GitHub 和 ChatGPT 手机 App 里用。

推荐理由:OpenAI 为 GPT-5-Codex 发布系统卡补充说明,交代这一 GPT-5 变体面向 Codex 代理编程的强化学习训练方式与安全措施,并说明其已接入终端、IDE、网页、GitHub 和 ChatGPT 手机端。

2025年9月2日星期二

OpenAI News

OpenAI 收购实验平台 Statsig,创始人 Vijaye Raji 将出任应用部门 CTO

OpenAI 宣布要收购 Statsig,一家做 A/B 测试、功能开关和实时决策的实验平台。收购完成后,Statsig 的创始人 Vijaye Raji 会加入 OpenAI,担任应用部门的 CTO,向 Fidji Simo 汇报。他主要负责 ChatGPT 和 Codex 的产品工程,包括底层系统和内容安全。

推荐理由:OpenAI 收购实验平台 Statsig,其创始人 Vijaye Raji 将出任应用部门 CTO,负责 ChatGPT 和 Codex 的产品工程,这条交代了 OpenAI 在应用侧补齐实验能力与工程管理的人事安排。

2025年8月7日星期四

OpenAI News

OpenAI 在 API 里放出了 GPT-5,分了三个尺寸,主打写代码和跑流程

OpenAI 8 月 7 号在 API 上线了 GPT-5,提供 gpt-5、gpt-5-mini 和 gpt-5-nano 三个尺寸,让开发者在性能、成本和延迟之间自己选。

推荐理由:OpenAI 在 API 上线 GPT-5,同时给出 gpt-5、gpt-5-mini 和 gpt-5-nano 三个尺寸,开发者可据此在性能、成本和延迟之间做取舍。

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。

2025年8月5日星期二

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30日星期三

Mistral AI

Mistral 发布 Codestral 25.08 与企业级编码栈

Mistral AI 发布 Codestral 25.08,并推出面向企业的完整编码栈,包含 Codestral、Codestral Embed、Devstral 与 Mistral Code IDE 插件。

推荐理由:Mistral 发布 Codestral 25.08 并推出覆盖补全、检索与 IDE 插件的企业编码栈,模型支持云端、VPC 与本地部署,补全采纳率提升 30%。

2025年7月17日星期四

OpenAI News

ChatGPT 现在能自己操作电脑帮你干活了,把搜资料、跑代码、做 PPT 合成一个 agent

OpenAI 在 7 月 17 日把 Operator 的网页操作能力和 deep research 的信息整合能力合进了一个 ChatGPT agent 里,Pro、Plus、Team 用户都能用。

推荐理由:OpenAI 把 Operator 的网页操作与 deep research 的信息整合能力合并成一个 ChatGPT agent,Pro、Plus、Team 用户都能用,任务执行从单点问答转向跨步骤操作。

2025年7月11日星期五

Mistral AI

Mistral 发布 Devstral Medium 并升级 Devstral Small 1.1

Mistral AI 与 All Hands AI 合作推出 Devstral Medium,并升级 Devstral Small 1.1。

推荐理由:Mistral 与 All Hands AI 联合发布 Devstral Medium 并升级 Devstral Small 1.1,后者以 Apache 2.0 许可开放,前者在 SWE-Bench Verified 上得分 61.6%,API 定价为每百万输入 0.4 美元、输出 2 美元。

2025年6月4日星期三

Mistral AI

Mistral AI 发布企业级编码助手 Mistral Code

Mistral AI 发布企业级 AI 编码助手 Mistral Code,整合 Codestral、Codestral Embed、Devstral 和 Mistral Medium 四个模型,支持云端、专属容量或本地 GPU 气隙部署,代码保留在企业边界内。

推荐理由:Mistral AI 将四个编码模型与本地部署、管理控制台打包成企业级助手,西班牙银行 Abanca 与法国国铁 SNCF 已分别以混合配置和 Serverless 方式落地。

2025年6月1日星期日

OpenAI News

OpenAI 封禁一批中国账号,用 ChatGPT 生成美国对立内容但几乎没人看

OpenAI 根据 Meta 的线索,封掉了一批来自中国的 ChatGPT 账号,内部代号叫“Uncle Spam”。这些账号主要干三件事:一是生成支持和反对关税的帖子,在 X 和 Bluesky 上同时发,故意挑动对立情绪;二是用 AI 生成“退伍军人”之类的假头像,冒充美国老兵批评现任政府。

推荐理由:OpenAI 依据 Meta 提供的线索封禁了一批来自中国的 ChatGPT 账号,这些账号用 AI 生成正反两面的关税帖文并伪造退伍军人头像,在 X 和 Bluesky 上制造美国舆论对立。

2025年5月28日星期三

DeepSeek · API 更新日志

deepseek-reasoner 升级为 DeepSeek-R1-0528,增强推理并支持工具调用

deepseek-reasoner 升级为 DeepSeek-R1-0528,增强推理能力、优化 Web 前端生成、降低幻觉,并支持 Json Output 与 Function Calling。

推荐理由:DeepSeek-R1-0528 提升了推理基准表现,复杂推理问题比老版本 R1 使用更多 tokens,能力提升伴随生成用量增加。

2025年5月23日星期五

OpenAI News

OpenAI 把 Operator 的底层模型从 GPT-4o 换成了 o3,但 API 版本暂时不动

OpenAI 在 5 月 23 日发了份系统卡补充说明,核心就一件事:Operator 这个能替你操作网页的智能体,后台模型从 GPT-4o 升级到了 o3。API 那边还是用 4o,没换。o3 版 Operator 的安全策略和之前一样,多层防护,额外用了一批电脑操作的安全数据做了微调,主要是教模型什么时候该确认、什么时候该拒绝。

推荐理由:OpenAI 将网页操作智能体 Operator 的后台模型从 GPT-4o 升级为 o3,API 版本仍保留 4o,安全策略沿用多层防护并加入电脑操作数据微调。

2025年5月21日星期三

Mistral AI

Mistral AI 发布智能体编码模型 Devstral,Apache 2.0 开源

Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体 LLM Devstral,以 Apache 2.0 许可开源,在 SWE-Bench Verified 上得分 46.8%,比此前开源 SOTA 模型高出 6 个百分点以上。

推荐理由:Mistral 与 All Hands AI 联合发布的智能体编码模型,给出了 SWE-Bench Verified 成绩与本地部署门槛。

OpenAI News

OpenAI 在 Responses API 里塞进了远程 MCP、生图、代码解释器和文件搜索

OpenAI 给 Responses API 加了一批新工具,最核心的是支持远程 MCP 服务器,让模型能直接连上 Shopify、Stripe、Twilio 这些外部服务干活。

推荐理由:OpenAI 为 Responses API 加入远程 MCP 支持,模型可直连 Shopify、Stripe、Twilio 等外部服务,这条讲清了 agent 工具调用从本地走向远程服务这一层变化。

2025年5月16日星期五

OpenAI News

OpenAI 为 o3 和 o4-mini 系统卡补了一份 Codex 说明

OpenAI 在 5 月 16 日给 o3 和 o4-mini 的系统卡打了个补丁,专门讲 Codex 这个云端编程助手。Codex 背后是 codex-1 模型,它是 o3 的一个变体,专门针对软件工程任务用强化学习练过,目标是写出像人一样风格、符合 PR 偏好的代码,并且会自己跑测试直到通过。

推荐理由:OpenAI 为 o3 和 o4-mini 系统卡补写 Codex 说明,交代 codex-1 是 o3 的变体,经强化学习训练后能自行跑测试直到通过,读者由此看到云端编程助手的训练与执行方式。

OpenAI News

OpenAI 发布云端编程代理 Codex,能并行处理多个开发任务

OpenAI 在 5 月 16 日推出了 Codex 的研究预览版,这是一个跑在云端的软件工程代理,底层是专门为编程优化过的 codex-1 模型(基于 o3)。你可以把它当成一个能同时干好几件事的远程开发助手:在 ChatGPT 侧边栏里给它派活,比如写新功能、修 bug、回答代码库的问题或者直接提 PR。

推荐理由:OpenAI 推出云端软件工程代理 Codex,可在 ChatGPT 侧边栏并行派发写功能、修 bug、提 PR 等任务,让读者了解编程代理从补全走向任务级协作的产品形态。

2025年4月14日星期一

OpenAI News

OpenAI 在 API 里发了 GPT-4.1 系列,代码和指令跟随提升明显,还多了个超便宜的 nano 版

OpenAI 在 4 月 14 号往 API 里塞了三个新模型:GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano。它们上下文窗口都拉到 100 万 token,知识截止到 2024 年 6 月。

推荐理由:OpenAI 在 API 上线 GPT-4.1、mini 和 nano 三个版本,上下文窗口统一扩至 100 万 token,新增的 nano 档定位低价,模型选型与成本区间由此多了一组参照。

2025年4月2日星期三

OpenAI News

OpenAI 发了个 PaperBench,专门考 AI 能不能复现顶会论文

OpenAI 搞了个新基准测试 PaperBench,让 AI 智能体从零复现 20 篇 ICML 2024 的 Spotlight 和 Oral 论文,包括读懂论文、搭代码、跑实验。每篇论文的复现任务被拆成可打分的小步骤,总共 8,316 个,评分标准是跟论文原作者一起定的。

推荐理由:OpenAI 发布 PaperBench,用 20 篇 ICML 2024 论文的复现任务考察 AI 智能体,评分标准由论文原作者参与制定,共拆出 8,316 个可打分子任务。

2025年3月24日星期一

DeepSeek · API 更新日志

deepseek-chat 升级为 DeepSeek-V3-0324,增强推理与代码能力

deepseek-chat 模型升级为 DeepSeek-V3-0324,增强推理、前端开发、中文写作与 Function Calling 能力。MMLU-Pro 从 75.9 提升至 81.2,GPQA 从 59.1 提升至 68.4,AIME 从 39.6 提升至 59.4,LiveCodeBench 从 39.2 提升至 49.2。

推荐理由:DeepSeek-V3-0324 在四项基准中均有提升,AIME 增幅为 19.8,高于知识与代码基准的增幅。

2025年2月25日星期二

OpenAI News

爱沙尼亚要把 ChatGPT 接入全国中学,明年秋天从高一高二开始

OpenAI 和爱沙尼亚政府合作,计划在 2025 年 9 月先让全国的高一、高二学生和老师用上 ChatGPT Edu。这是第一个由国家政府牵头、覆盖整个中学阶段的 ChatGPT 接入项目,不是某个学校的试点。ChatGPT Edu 是专门给学校用的版本,带 GDPR 合规和企业级管控,正文没提具体价格和总覆盖人数。

推荐理由:爱沙尼亚政府与 OpenAI 合作,2025 年 9 月起让全国高一高二师生用上带 GDPR 合规管控的 ChatGPT Edu,区别于单校试点。

2025年2月7日星期五

Mistral AI

Mistral AI 推出新版 le Chat,上线移动端及 Pro、Team 服务

Mistral AI 推出新版 le Chat,上线 iOS、Android 应用及 Pro、Team 服务,并开放 Enterprise 私有预览。新版提供代码解释器、文档分析和图像生成,Flash Answers 向所有用户开放预览,官方称速度可达 ~1000 words / sec;多数功能免费,Pro 起价为 $14.99 per month。

推荐理由:Mistral AI 为 le Chat 增加移动端和企业部署选项,让个人日常使用与企业自有环境中的工作接入有了不同入口。

2025年2月1日星期六

OpenAI News

OpenAI 封禁一批中国关联账号,用 ChatGPT 写监控工具推销文案、分析文档和调试代码

OpenAI 在 2025 年 2 月披露,封掉了一组行为模式指向中国的 ChatGPT 账号,内部代号叫“同行评审”。这群人主要干三件事:一是把英文文档截图扔给模型做翻译和分析,部分内容涉及维吾尔人权抗议活动通告,但 OpenAI 说没法确认这些文件真假和来源。

推荐理由:OpenAI 披露封禁一组行为模式指向中国的账号,代号同行评审,涉及用模型翻译分析维吾尔人权抗议活动通告,为观察 AI 平台如何界定和处置此类账号提供了官方口径。

OpenAI News

OpenAI 封禁了一批用 AI 伪造求职材料、混进远程岗位的账号

OpenAI 在 2025 年 2 月的威胁报告里披露,他们封禁了几十个参与欺诈性求职活动的账号。这些账号用 OpenAI 的模型干了四件事:生成假简历和假求职档案、伪造推荐人身份帮忙做背景调查、在面试时实时生成技术题和行为题的答案,以及入职后继续用模型写代码、编借口(比如解释为什么不开摄像头、为什么从不正常地区登录)。

推荐理由:OpenAI 在威胁报告里披露封禁了几十个账号,这些账号用其模型生成假简历、伪造推荐人、面试时实时生成答案,并在入职后继续用模型掩盖身份。

2025年1月31日星期五

OpenAI News

OpenAI 发布 o3-mini,一个更便宜、更快的推理模型,专攻数理化和编程

OpenAI 在 1 月 31 号把 o3-mini 放到了 ChatGPT 和 API 里,这是他们推理系列里目前成本最低的模型。它主打 STEM(科学、数学、编程),速度比 o1-mini 快,Plus 和 Team 用户的每日使用额度也从 50 条提到了 150 条。

推荐理由:OpenAI 将 o3-mini 上线 ChatGPT 和 API,主打数理化与编程,速度比 o1-mini 更快,Plus 和 Team 用户每日额度从 50 条提到 150 条。

2025年1月28日星期二

OpenAI News

OpenAI 给美国政府做了个专用版 ChatGPT,叫 ChatGPT Gov

OpenAI 在 2025 年 1 月 28 日发布了 ChatGPT Gov,专门给美国联邦、州和地方机构用。这个版本可以部署在机构自己的微软 Azure 商业云或政府云上,让 IT 部门自己管安全、隐私和合规,比如满足 IL5、CJIS、ITAR 和 FedRAMP High 这类严格的安全框架。

推荐理由:OpenAI 推出面向美国联邦、州和地方机构的 ChatGPT Gov,可部署在机构自有的 Azure 商业云或政府云上,由 IT 部门自行管理安全、隐私与合规。

2024年10月10日星期四

OpenAI News

OpenAI 搞了个 MLE-bench,用 75 个 Kaggle 比赛来考 AI 的机器学习工程能力

OpenAI 从 Kaggle 挑了 75 个真实比赛做成基准测试,让 AI 智能体自己训练模型、处理数据、跑实验。最强的组合是 o1-preview 配上 AIDE 脚手架(一种帮模型自动迭代代码的工具),在 16.9% 的比赛里拿到了至少铜牌水平。这个成绩说明模型能独立完成一些 ML 工程任务,但离真正拿金牌还差得远。

推荐理由:OpenAI 用 75 个 Kaggle 真实比赛搭建 MLE-bench,让智能体独立完成数据处理、模型训练到提交结果的全流程,最强组合在 16.9% 的比赛里达到铜牌水平。

2024年10月3日星期四

OpenAI News

OpenAI 给 ChatGPT 加了个叫 Canvas 的侧边栏,写东西和改代码不用再跟聊天框死磕了

OpenAI 在 10 月 3 号给 Plus 和 Team 用户推了个 Canvas 测试版,相当于在 ChatGPT 旁边开了个协作窗口,你可以直接在上面改文字或代码,模型也能像编辑一样给行内建议。它背后是 GPT-4o,专门训练过什么时候该自动弹出这个窗口:写作场景触发准确率到了 83%,编程场景 94%。

推荐理由:OpenAI 为 ChatGPT 推出 Canvas 测试版,在写作和编程时单独开窗口,模型能按场景自动弹出并给行内修改建议。

2024年9月12日星期四

OpenAI News

OpenAI 发布 o1 系列模型,先想清楚再回答,数学推理从 13% 飙到 83%

OpenAI 在 9 月 12 日推出了 o1-preview 和 o1-mini 两个新模型,主打“先思考再回答”。在数学奥赛预选题上,GPT-4o 正确率只有 13%,o1 推理模型做到了 83%,编程能力也到了 Codeforces 前 11%。

推荐理由:OpenAI 推出 o1-preview 和 o1-mini,主打先思考再回答,数学奥赛预选题正确率从 GPT-4o 的 13% 提升到 83%,编程达到 Codeforces 前 11%。

OpenAI News

OpenAI 发布 o1 预览版,靠增加思考时间把推理能力拉上去了

OpenAI 推出了新模型 o1-preview,主打推理能力。在 AIME 2024 数学竞赛题上,o1 单次答题正确率 74%,GPT-4o 只有 12%;如果让模型对同一道题算 64 次再投票,正确率能到 83%。编程竞赛 Codeforces 上 o1 排到前 11%,GPQA Diamond 博士级科学题正确率超过了人类专家。

推荐理由:OpenAI 发布 o1-preview,在 AIME 2024 数学题上单次正确率 74%,GPT-4o 仅 12%,同一题多次采样投票后可达 83%。

OpenAI News

OpenAI 推出 o1-mini,一个专攻数理和编程、成本比 o1-preview 低 80% 的推理模型

o1-mini 是 OpenAI 在 2024 年 9 月 12 日发布的小号推理模型,先开放给 Tier 5 API 用户和付费 ChatGPT 用户。它最大的卖点是便宜:API 调用成本只有 o1-preview 的两成。

推荐理由:OpenAI 发布推理模型 o1-mini,API 调用成本为 o1-preview 的两成,先向付费 ChatGPT 用户和 Tier 5 API 用户开放,价格与能力的取舍是这条的核心信息。

2024年9月5日星期四

DeepSeek · API 更新日志

deepseek-coder 与 deepseek-chat 合并升级为 DeepSeek V2.5

DeepSeek V2 Chat 与 DeepSeek Coder V2 已合并升级为 DeepSeek V2.5,API 用户通过 deepseek-coder 或 deepseek-chat 均可访问新模型。

推荐理由:DeepSeek 将聊天与代码模型合并为 V2.5,并保留两个原有 API 访问名称以兼容既有用户的调用方式。

2024年8月20日星期二

OpenAI News

OpenAI 开放 GPT-4o 微调,训练费每百万 token 25 美元,9 月 23 日前每天送 100 万免费额度

OpenAI 把 GPT-4o 的微调权限开放给所有付费开发者了。训练价格是每百万 token 25 美元,用微调后的模型跑推理,输入每百万 token 3.75 美元,输出每百万 token 15 美元。到 9 月 23 日为止,每个组织每天能免费拿到 100 万训练 token。

推荐理由:OpenAI 向所有付费开发者开放 GPT-4o 微调,训练每百万 token 25 美元,9 月 23 日前每个组织每天可领 100 万免费训练 token。

2024年8月13日星期二

OpenAI News

OpenAI 发布 SWE-bench Verified:人工复核过的代码能力测试集

OpenAI 和 SWE-bench 原作者一起搞了个“验过货”的子集,叫 SWE-bench Verified。他们发现原版测试有坑:单元测试太死板、问题描述含糊、环境搭不起来,导致明明对的代码被判错,会系统性地低估模型写代码的真实水平。

推荐理由:OpenAI 与 SWE-bench 原作者合作推出经人工复核的子集,指出原版测试因单元测试死板、描述含糊和环境问题会系统性低估模型真实代码水平。

2024年7月18日星期四

OpenAI News

OpenAI 发布 GPT-4o mini,比 GPT-3.5 便宜六成,API 里首次用上指令层级防越狱

OpenAI 在 7 月 18 日推出了 GPT-4o mini,直接替换掉 ChatGPT 里的 GPT-3.5。价格是输入每百万 token 0.15 美元、输出 0.6 美元,比 GPT-3.5 Turbo 便宜了超过 60%。

推荐理由:GPT-4o mini 以输入每百万 token 0.15 美元的价格替换 ChatGPT 中的 GPT-3.5,比后者便宜超过六成,同时 API 引入指令层级防越狱。

2024年6月28日星期五

DeepSeek · API 更新日志

deepseek-chat 升级为 DeepSeek-V2-0628,推理与角色扮演能力提升

deepseek-chat 模型升级为 DeepSeek-V2-0628,推理能力提升,角色扮演能力显著增强。HumanEval Pass@1 从 79.88% 提升至 84.76%,MATH ACC@1 从 55.02% 提升至 71.02%,BBH 从 78.56% 提升至 83.40%。

推荐理由:DeepSeek 升级后的数学基准提升幅度高于代码与推理基准,在 Arena-Hard 中对 GPT-4-0314 的胜率也有提升。

2024年6月14日星期五

DeepSeek · API 更新日志

deepseek-coder 升级为 DeepSeek-Coder-V2-0614

deepseek-coder 模型升级为 DeepSeek-Coder-V2-0614,代码能力显著提升。官方称,其代码生成、代码理解、代码修复和代码补全能力达到 GPT-4-Turbo-0409 的水平,并拥有卓越的数学和推理能力,通用能力与 DeepSeek-V2-0517 持平。

推荐理由:DeepSeek 升级代码模型,将代码生成、理解、修复和补全四项能力对标 GPT-4-Turbo-0409。