跳到正文

#编码

今日 9 条

2025年5月21日星期三

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。