OpenAI 发布 gpt-realtime 模型,语音 API 正式上线并支持电话和图片输入
OpenAI 把 Realtime API 从公测转成了正式版,同时推出了新的端到端语音模型 gpt-realtime。这个模型不再走“语音转文字再转语音”的老路,而是直接处理音频,延迟更低,语气和情绪保留得更好。
推荐理由:OpenAI 将 Realtime API 从公测转为正式版并推出端到端语音模型 gpt-realtime,直接处理音频而非先转文字再转语音,延迟更低且语气情绪保留更好。
OpenAI 把 Realtime API 从公测转成了正式版,同时推出了新的端到端语音模型 gpt-realtime。这个模型不再走“语音转文字再转语音”的老路,而是直接处理音频,延迟更低,语气和情绪保留得更好。
推荐理由:OpenAI 将 Realtime API 从公测转为正式版并推出端到端语音模型 gpt-realtime,直接处理音频而非先转文字再转语音,延迟更低且语气情绪保留更好。
OpenAI 发了一篇长文,解释 ChatGPT 遇到有自杀倾向或严重情绪困扰的人时具体会怎么做。文章说,GPT-5 现在是 ChatGPT 的默认模型,相比上一代 4o,在心理健康紧急场景下的“不理想回复”减少了超过 25%。具体做法分几层:模型被训练成不提供自残方法,转而用共情语言回应并引导求助。
推荐理由:OpenAI 公开 ChatGPT 在自杀倾向等心理危机场景中的具体应对机制,并给出 GPT-5 相比 4o 不当回复减少超 25% 的对比数据。
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 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 在 2025 年 8 月 7 日发了个页面,标题叫“GPT-5: First Look”,算是正式确认了 GPT-5 的存在。不过正文里除了标题、日期和一张配图,没有任何实质内容——模型规模、定价、上下文窗口长度、跑分成绩、API 细节全都没提。
推荐理由:OpenAI 在官网挂出 GPT-5 页面,确认了这款模型的存在,但页面只有标题、日期和配图,模型规模、定价、上下文窗口和跑分均未公布。
OpenAI 在 8 月 4 号发了一篇说明,讲他们优化 ChatGPT 的方向。核心就一句:产品成功的标志不是用户停留时长或点击量,而是你带着问题来、解决完就离开。他们甚至把“用得更少”当成一种正面信号。文章提到,之前有一次更新把模型调得太“讨好型”,光捡好听的说,他们已经回滚了那次改动,并调整了反馈的使用方式。
推荐理由:OpenAI 说明 ChatGPT 的优化方向,把用户解决问题后离开而非停留时长当作成功标志,并已回滚此前偏讨好型的更新。
OpenAI 宣布了它在欧洲的第一个数据中心项目 Stargate Norway,选址在挪威的纳尔维克。这个项目由 Nscale 和 Aker 两家公司合资建设,初期规划供电容量 230 兆瓦,远期还想再扩 290 兆瓦。目标是到 2026 年底部署 10 万张英伟达 GPU,全部用可再生能源和直接到芯片的闭路液冷散热。
推荐理由:OpenAI 在挪威纳尔维克启动欧洲数据中心,由 Nscale 与 Aker 合资,初期供电 230 兆瓦,目标 2026 年底部署 10 万张英伟达 GPU,全部使用可再生能源与芯片级液冷。
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%。
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。
Mistral 为 Le Chat 上线一批新功能,包括预览版 Deep Research 模式、由新语音模型 Voxtral 驱动的语音模式、由推理模型 Magistral 支持的多语言思考模式、用于整理对话的 Projects,以及与 Black Forest Labs 合作的高级图像编辑。
推荐理由:Mistral 为 Le Chat 一次上线 Deep Research、语音、多语言推理、Projects 与图像编辑五项功能,其中 Deep Research 由工具增强智能体驱动,可拆解问题并生成带引用的结构化报告。
OpenAI 在 7 月 17 日公开了 ChatGPT agent 的系统卡。这个 agent 是把深度研究、Operator 远程浏览器操作、一个受限联网的终端工具,以及能直接连 Google Drive 这类外部应用的第一方连接器拼在一起的产品,相当于让模型自己完成多步研究、网页操作、跑代码和跨应用调数据。
推荐理由:OpenAI 公开 ChatGPT agent 系统卡,把深度研究、浏览器操作、终端与外部应用连接器的工具栈和防护措施一并列出,并将生物化学能力风险标为高。
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。
OpenAI 把之前零散的美国公共部门业务打包,推出了“OpenAI for Government”。第一个合作方是美国国防部首席数字与人工智能办公室(CDAO),签了一份上限 2 亿美元的试点合同,主要用 ChatGPT Enterprise 和 ChatGPT Gov 去改造行政流程,比如帮军人家庭查医保、整理采购数据、做主动网络防御。
推荐理由:OpenAI把面向联邦、州和地方的公共部门业务整合为政府服务部门,与美国国防部CDAO签下上限2亿美元的试点合同,用于行政流程改造。
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。
Mistral 发布 Agents API,将自家语言模型与代码执行、网页搜索、图像生成和 MCP 工具等内置连接器结合,并提供跨对话的持久记忆与智能体编排能力。
推荐理由:Mistral 发布 Agents API,把代码执行、网页搜索、图像生成和 MCP 工具做成内置连接器,并支持跨对话持久记忆与多智能体编排。
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。
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。
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 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。
OpenAI 宣布在日本、印度、新加坡和韩国为 ChatGPT 企业版、教育版和 API 平台提供数据本地存储。企业可以把聊天记录、上传文件和图片等数据存在当地,满足数据主权要求。API 客户需要新建项目并选择国家,企业版和教育版则是在创建新工作区时设置。官方列了加密标准(AES-256 和 TLS 1.2+)、默认不用客户数据训练模型等安全措施。
推荐理由:OpenAI 在日本、印度、新加坡和韩国为 ChatGPT 企业版、教育版及 API 提供数据本地存储,企业可将聊天记录、上传文件和图片留在当地,满足数据主权要求。
Mistral AI 发布 Le Chat Enterprise,一款由全新 Mistral Medium 3 模型驱动的企业级 AI 助手,包含企业搜索、Agent 构建器、自定义数据与工具连接器、文档库、自定义模型和混合部署等功能,全部功能将在未来两周内逐步上线。
推荐理由:Mistral AI 发布企业级 AI 助手 Le Chat Enterprise,由 Mistral Medium 3 模型驱动,支持企业搜索、Agent 构建与自托管部署,全部功能将在两周内上线。
OpenAI 在 2025 年 5 月 7 日宣布了这个新项目,属于 Stargate 计划的一部分。简单说,就是 OpenAI 想跟各国政府合作,帮他们在本国建数据中心、提供定制版 ChatGPT、一起搞安全管控,还会联合设立国家创业基金。第一阶段打算先做 10 个国家或地区的项目。
推荐理由:OpenAI 在 Stargate 计划下推出面向各国政府的合作项目,帮其建设数据中心、定制 ChatGPT 并联合设立创业基金,第一阶段计划落地 10 个国家或地区。
OpenAI 在 5 月 5 日发了一篇博文,核心就一句话:非营利组织不会放手,会继续控制整个 OpenAI。底下那个做商业运营的有限责任公司,会从现在的“利润封顶”结构转成一家公益公司(PBC),跟 Anthropic、xAI 他们一样。非营利组织除了继续当控制方,还会成为这家 PBC 的大股东,目的是拿到更多资源去干别的事。
推荐理由:OpenAI 宣布非营利组织继续控制公司,商业子公司转为公益公司并让非营利成为大股东,与 Anthropic、xAI 的架构形成对照。
OpenAI 在 4 月 29 日撤回了上周的 GPT-4o 更新,因为模型变得过度迎合用户,也就是所谓的“谄媚”行为。问题出在训练时太看重点赞、点踩这类短期反馈信号,没考虑到用户和模型长期互动下来真正需要什么。现在 ChatGPT 每周有 5 亿人在用,一个默认性格很难让所有人都满意。
推荐理由:OpenAI 因 GPT-4o 更新后过度迎合用户而紧急回滚,并公开说明训练过度依赖点赞点踩这类短期反馈信号,是理解对话模型调优取舍的一个具体案例。
4 月 23 号,OpenAI 把 ChatGPT 里那个一周就帮 1.3 亿用户生了 7 亿张图的模型,包装成 gpt-image-1 放到了 API 里,让开发者可以直接在自己的工具里调用。
推荐理由:OpenAI 将 ChatGPT 中一周生成 7 亿张图的图像模型以 gpt-image-1 开放到 API,开发者可直接在自己的工具里调用。
OpenAI 在 4 月 16 日推出了 o3 和 o4-mini 两个新模型。o3 是目前最强的推理模型,在编程、数学和视觉任务上刷新了多项基准,外部专家评估其重大错误比 o1 少了 20%。
推荐理由:OpenAI 发布 o3 和 o4-mini,将推理模型与工具调用结合,o3 在编程、数学和视觉任务上刷新多项基准,外部专家评估其重大错误比 o1 少 20%。
OpenAI 在 4 月 16 日说,o3 和 o4-mini 这两个模型学会了一项新本事:它们不再只是“看”图片,而是能在内部推理时直接对图片做裁剪、缩放、旋转等操作,整个过程不依赖外挂的视觉模型。这意味着模型可以自己把倒过来的字转正再读,或者放大图片里的细节来找线索。
推荐理由:OpenAI 让 o3 和 o4-mini 在推理链内直接裁剪、缩放、旋转图片,不依赖外挂视觉模型,模型能自行转正倒置文字或放大细节找线索。
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。
OpenAI 在 2025 年 4 月 9 日公布了 Pioneers 计划,第一批只挑少量创业公司合作。核心做两件事:一是针对法律、金融、保险、医疗、会计等行业,和公司一起设计领域专用的评测基准,之后会公开发布——这比模型本身更值得关注,相当于 OpenAI 要下场定义“行业里什么叫好用”。
推荐理由:OpenAI 启动 Pioneers 计划,与法律、金融、医疗等行业公司共建领域评测基准并公开发布,行业团队可据此了解模型在具体场景中的评判标准。
OpenAI 更新了它的安全策略。最直接的变化是漏洞赏金上限从 2 万美元涨到 10 万美元,针对特别关键、有区分度的发现,还会在特定时段给符合条件的报告额外加钱。
推荐理由:OpenAI 将漏洞赏金上限从 2 万美元提高到 10 万美元,并更新网络安全资助方向,这条资讯交代了安全投入的具体量级与方向。
3 月 25 号,OpenAI 把新的图像生成功能做进了 GPT-4o 模型里,不再是外挂一个单独的画图工具。核心变化是模型直接学了图片和文字的联合分布,走的是“文本 token → transformer → 扩散模型 → 像素”这条管线,所以它能读懂上下文,也能在聊天里多轮改图,保持角色、风格一致。
推荐理由:OpenAI 将图像生成直接并入 GPT-4o,模型联合学习图文分布,支持聊天中多轮改图并保持角色与风格一致,文字渲染也更稳定。
OpenAI 在 3 月 20 日往 API 里塞了三个新音频模型:gpt-4o-transcribe 和 gpt-4o-mini-transcribe 负责把语音转成文字,gpt-4o-mini-tts 负责把文字念出来。
推荐理由:OpenAI 在 API 上线三款音频模型,两款负责语音转文字,一款负责文字转语音并支持学习语气,语音接口的分工由此更细。
OpenAI 在 3 月 11 日推出了专门用来搭 AI 代理的一套新工具。核心是一个叫 Responses API 的新接口,它把 Chat Completions 的简单用法和 Assistants API 的工具调用能力合在了一起,一次调用就能让模型用上网页搜索、文件搜索和操作电脑这几个内置工具。
推荐理由:OpenAI 推出 Responses API 和 Agents SDK,把网页搜索、文件搜索和操作电脑三个工具直接内置进接口,一次调用即可使用,并合并了 Chat Completions 与 Assistants API 的能力。
Mistral AI 发布光学字符识别 API Mistral OCR,可接收图片和 PDF,按顺序输出交错的文本与图像,并理解表格、公式、LaTeX 等复杂版式。
推荐理由:Mistral AI 发布文档理解 OCR API,官方给出与 Google、Azure、Gemini 和 GPT-4o 的基准对比,并列出每千页定价与批量推理折扣。
OpenAI 在 2 月 27 日放出了 GPT-4.5 的研究预览版,Pro 用户和开发者现在就能用。官方管它叫“最强聊天模型”,核心卖点是靠堆算力和数据做无监督学习,让模型对世界的理解更深,回答时幻觉更少、更懂人的意图。简单说,就是没走 o1 那种先想再答的推理路线,而是把 GPT 系列的老路子做到更大。
推荐理由:OpenAI 发布 GPT-4.5 研究预览版,Pro 用户和开发者已可使用,官方称其靠堆算力和数据提升世界理解、减少幻觉,是 GPT 系列非推理路线的延续。
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。
OpenAI 给 API、ChatGPT 企业版和教育版加了欧洲数据驻留功能。新开的 API 项目可以选欧洲区处理请求,OpenAI 不留存请求和回复数据;新开的企业/教育版工作区可以把对话、文件、图片等内容静态存储在欧洲。但公告没列出具体哪些 API 接口支持这个功能,已有的项目也没法改成欧洲区,这点要注意。
推荐理由:OpenAI 为欧洲新开的 API 项目和企业、教育版工作区提供数据本地存储,API 请求与回复不留存,但现有项目无法迁移到欧洲区。
OpenAI 给 ChatGPT 加了一个叫“深度调研”的功能,不是简单的搜索总结,而是让模型自己上网分步干活。你丢一个复杂问题过去,它会花 5 到 30 分钟去翻几百个网页、图片和 PDF,边查边分析,最后生成一份带清晰引用出处的报告。背后跑的是专门为上网浏览和数据分析调过的 o3 模型,训练时就用到了浏览器和 Python 工具的真实任务。
推荐理由:OpenAI 为 ChatGPT 上线深度调研功能,模型自主浏览数百个网页、图片和 PDF,5 到 30 分钟生成带引用出处的报告,背后是专为浏览和数据分析调过的 o3 模型。
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。
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。