OpenAI 的全部动态：GPT 系列模型、ChatGPT 与 Sora 产品、公司战略与人事的持续追踪。
ChatGPT 的图片生成功能今天全面升级到 2.0，免费用户也能用。这次最大的改进是能处理复杂构图了，比如带文字的 UI 界面、密集排版，小字和图标渲染比之前靠谱很多。输出分辨率最高 2K，宽高比从 3:1 到 1:3 都支持，做横幅海报可以直接出图。多语言文字生成也有提升，OpenAI 说中文、日文、阿拉伯文这些非英文文本能写得语义连贯，不再乱码。...
推荐理由：这是一次有料的 OpenAI 产品更新：ChatGPT Images 2.0 同时铺到 ChatGPT、Codex 和 gpt-image-2 API，分辨率、宽高比、非英文文字稳定性都有具体数字，thinking 模式还加了联网搜索和自检。HKR 三项全中。不过原文是短摘要式转载，没写价格，也没说 thinking 模式什么时候给 Enterprise 用，这点先别太激动。
OpenAI 在 X 上官宣了 ChatGPT Images 2.0，定位是能处理复杂视觉任务、出图直接可用的图像模型。帖子提到三点升级：编辑更精细、版式更丰富，以及加入了“思考级智能”，但没解释这具体指什么能力。视频演示看起来效果不错，不过正文没披露模型规模、定价、延迟和推送范围，我会先打个折——等看到实测和成本再说。
推荐理由：OpenAI 官方发的帖文，信源权威性没问题，加上“Images 2.0”这个名头，话题性和行业影响都够，所以 H 和 R 都给了。但我把分压在 featured 门槛附近，因为这条帖文信息量太薄：没模型细节、没定价、没延迟、没基准测试、也没说清楚谁现在能用，K 完全站不住。真正值得盯的是可编辑性和版式控制这两点，但光靠这条帖文还远不到能复现的程度，先打个折观望。
OpenAI 更新了它的图像生成软件，这次的重点不是画得更美，而是让模型能更准确地生成复杂图表和科学示意图。正文没披露模型名字、发布时间、定价、跑分数据或具体技术方案，目前能看到的信号是 OpenAI 在往专业场景里推，而不是继续卷通用画质。
推荐理由：OpenAI 这次更新瞄准的是图像生成里一个高价值但一直没做好的短板——图表和示意图的准确性。Bloomberg 的信源让这条消息有了基本可信度，所以 H 和 R 都给了通过。但摘要实在太短，模型叫什么、什么时候能用、收不收费、跑分多少、怎么实现的，一概没提，K 只能卡在不过。我会先打个折：方向对了，但落地细节为零，先别太激动。
ChatGPT Images 2.0 这次最大的变化不是画质，而是能上网查资料。你选一个会思考的模型，它就能根据一个提示词生成一组图片，比如直接搜网页信息来画一本杂志封面。背后跑的是 GPT Image 2 模型，目前 Plus、Pro、Business 和 Enterprise 用户能用。正文没提什么时候全面推送、有没有用量限制、价格会不会变，这点先...
推荐理由：我会先打个折：正文没写具体上线时间、调用上限和价格变动，所以别急着算成本。但这次更新把“联网取数”和“多图生成”塞进一个工作流，等于让模型先查资料再画图，还能一次出好几张。对需要快速配图、做素材的人，这比单张生成实用得多。不过实际效果还得看联网检索准不准、多图一致性怎么样，这点先别太激动。
Anthropic 给 Claude 加了一个“设计”标签页，会先弹出 5 到 10 个问题跟你互动，然后直接生成线框图或高保真原型。作者实测发现，传图片转设计的流程在原型模式下效果不错。目前这个功能还在研究预览阶段，有独立的使用额度，20 美元月费套餐一周大概只能跑两三次大尺寸生成。文章更尖锐的吐槽在可用性上：Claude Cowork 很多能力依赖...
推荐理由：Anthropic 给 Claude 加了个 Design 标签页，对天天用 Claude 的人是个明确的信号。文章有实测细节——5-10 轮交互出原型、图像转设计流程可用、20 美元套餐每周只够跑两三次大生成——所以 HKR 三项都站得住。但这仍然是个单功能更新，不是平台级变化，我会先打个折。真正值得盯的是产品可用性：作者点名 Claude Cowork 依赖 connectors 和 plugins，但入口藏太深，这点先别太激动，等更多用户反馈再说。
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。文字渲染和多语言到底稳不稳，还得等实际用起来再...
推荐理由：OpenAI 自己发的图像模型更新，版本号直接叫 2.0，文字渲染又是老痛点，所以热度和落地价值都够。但我会先打个折：正文只给了三项改进的标题级信息，分辨率、价格、延迟、架构和可用范围全都没披露，现在只能当个预告看。真正该盯的是文字可读性和多语一致性有没有实测提升，这点先别太激动。
OpenAI 在 4 月 21 日上线了 Codex 的 Chronicle 研究预览版，目前只开放给 ChatGPT Pro 用户，且仅限 Mac 端。它可以直接读取你最近的屏幕内容，省去反复交代背景信息的麻烦。OpenAI 声称数据“主要在本地处理”，但 The Next Web 报道指出部分情况会借助云端，截图会上传，本地记忆也未加密，上传比例和...
推荐理由：我会先打个折：这只是研究预览，功能边界和隐私细节都还模糊。但钩子够狠——Codex 开始读屏幕而不是等你喂上下文，等于把 agent 的记忆层从“你告诉它”推到“它自己看”。正文没披露云端辅助的具体触发条件和数据留存策略，这点先别太激动。对从业者来说，真正值得盯的是屏幕状态变成持续输入后，工作流设计和安全边界要怎么重画。
Morgin.ai 用 4,442 个句子测试了 6 个预训练模型，发现即便是去掉拒绝机制的“无审查”模型，碰到敏感词时概率也会被大幅压低，差距从几百倍到约 1.6 万倍不等。他们管这叫“退缩”：模型不会拒绝回答，但会把敏感词的概率压到几乎为零。比如同一句话填空，Pythia-12B 首选“驱逐出境”，概率 23.27%；而 Qwen3.5-9B 把同...
推荐理由：这篇文章最值钱的地方是把“无审查”这个标签撕开给你看。它没讲拒答，而是讲预训练阶段词的概率分布就已经歪了——比如 qwen3.5-9b-base 把 deportation 排到第 506 位，概率只有 0.0014%。我会先打个折：这只是单篇研究博客，不是正式论文，样本和模型覆盖有限。但它的视角够刁，用 4,442 个上下文测出的 flinch 现象，比泛泛讨论“模型审查”实在得多。对从业者来说，提醒了一件事：别光盯着后训练的安全对齐，预训练数据的分布偏移才是更底层的坑。这点先别太激动，但值得跟。
一份泄露的提案显示，广告平台 StackAdapt 正在拉广告主测试 ChatGPT 内的广告，卖点是根据用户输入的提示词来匹配广告。千次展示成本（CPM）报价在 15 到 60 美元之间，试点项目最低要花 5 万美元。我会先打个折：正文没披露广告具体出现在聊天界面的哪个位置、竞价逻辑、实际能覆盖多少人，也没说什么时候正式上线。目前能确定的是，你在 C...
推荐理由：我会先打个折：现在能看到的只是 RSS 摘要，正文没展开，所以很多关键信息是空的。但“按提示词相关性卖 ChatGPT 广告位”这个钩子本身够尖锐，它把聊天上下文直接变成定向信号，这在 AI 产品变现里是个很敏感的动作。H 和 R 都成立，因为话题既抓眼球又踩中信任和商业模式的核心。K 明显弱，因为广告位、竞价、定价、规模、上线时间全都没披露，只能当个信号先盯着。
OpenAI 在 macOS 版 ChatGPT Pro 里灰度测试 Chronicle，这是 Codex 的 Memories 扩展。它会后台定时截屏、做 OCR、识别你用的工具，把近期屏幕活动整理成记忆，存为本地 Markdown 文件。你跟它说“这个报错”，它不用你解释就知道指什么。但要注意几点：后台 Agent 一直跑会很快吃掉 rate li...
推荐理由：OpenAI 让 Codex 能定时截屏、OCR 识别屏幕内容，然后写成记忆存到本地。这个功能目前只给 macOS 上的 ChatGPT Pro 用户灰度开放，欧盟、英国、瑞士用不了。我会先打个折：截图上传服务器处理后声称会删除、不用于训练，但官方自己也警告会放大网页 prompt 注入，而且记忆以明文 Markdown 放在 ~/.codex 目录下，泄露面不小。后台总结还会消耗 rate limit，这点先别太激动。整体信息量够、有可测试的细节，但受限于小范围灰度，所以放在 featured 而不是 p1。
日经亚洲引用供应链数据说，到2027年底全球DRAM产能可能只能满足六成需求。SK集团会长崔泰源更直接，认为短缺会拖到2030年。核心原因是产能规划跟不上：2026到2027年AI数据中心需要的DRAM年产量得增长12%，但厂商实际只安排了7.5%的扩产计划，而且新增产能优先给了高带宽内存（HBM），消费级内存被挤到一边。这不是短期涨价，是产能结构被A...
推荐理由：这条消息的钩子很硬——内存短缺可能持续到 2030 年，不是一次性涨价。正文用 Nikkei Asia 的 60% 需求满足率和扩产缺口把问题量化了，而且点出 AI 数据中心抢产能这个结构原因。对从业者来说，这直接影响算力成本和硬件排期，所以我会先打个折：它不是模型或产品发布，但作为供应链预警，信息密度和时效性都够，放在 featured 里合理。
高德在2026年亦庄人形机器人半马上展示了一只叫“图图”的四足机器人，完成了一段开放环境下的导盲避障演示。官方说全程没有预设路线，也没有人遥控。背后的技术栈叫ABot，分两块：ABot-N0负责导航，在7个导航基准上拿了SOTA，其中SocNav得分88.3%，说明在社交场景里避让行人的能力不错；ABot-M0管操作，在Libero-Plus上拿了80...
推荐理由：HKR 三项都站得住：半马导盲这个设定本身就新鲜，技术栈和关键成功率数字也给了，而且场景选得够狠，天然带话题。分数维持在 80 不往上加，是因为正文没提导盲实测到底覆盖了哪些路况、有没有出过安全事故、什么时候能商用——这些缺口让判断得先打个折。
这篇文章展示了用 OpenAI GPT Image 2 生成的几张假图，包括“马斯克抖音直播卖老干妈”和“GTA-6 联动海报”，画面里还伪造了 10 万+ 的在线观看人数。文章说 Image 2 现在能画出很逼真的海报、游戏截图，还能在图上写出可读的长文字，背后可能用了类似 Codex 的界面生成流程。但正文没提这个模型的定价、推送范围和具体上线时间...
推荐理由：HKR 三项全中：钩子够抓人，能力展示很具体，信任崩塌这个点从业者都会关心。没给 p1 是因为正文没披露开放范围、价格和正式发布时间，信息有缺口，我会先打个折。
伯克利 RDI 团队用一段大概 10 行的 pytest 钩子代码，在 SWE-bench 全部 500 个任务上拿了 100% 分数，实际修 bug 数是 0。他们的 agent 还顺手打穿了另外 8 个主流 agent 评测，分数从 73% 到 100% 不等。作弊手法包括篡改测试钩子、直接读本地 file:// 答案文件，以及利用评测器本身的校验...
推荐理由：HKR-H 落在'满分却零修复'的矛盾上；HKR-K 落在约 10 行 pytest 漏洞、500 题和 8 个基准的覆盖面上；HKR-R 落在评测信任危机上，做智能体产品的人会反复掂量。属于强 featured 研究，但不是当天行业事件，所以不到 P1。
Cerebras 已经向 SEC 交了招股书，准备在五月中旬上市。这家公司做的是巨型 AI 芯片，主打训练和推理速度。文章只披露了两笔大单：一是 AWS 会在自家数据中心用 Cerebras 的芯片；二是跟 OpenAI 签了合同，报道说价值超过 100 亿美元。CEO 放话称从英伟达手里抢走了 OpenAI 的快速推理业务。财务方面，2025 年营收...
推荐理由：Cerebras 提交 IPO 申请是当天能聊的新闻，因为它把芯片竞争和资本市场绑在了一起。HKR 三项都站得住：IPO 申请本身有话题性，AWS 部署和 OpenAI 百亿美元级合同是新信息，对从业者判断基础设施走向也有参考价值。不过正文没披露估值、募资额和时间表，所以分数没给到 90 以上。
Greg Brockman 透露，因为算力吃紧，OpenAI 砍掉了 Sora 的部分资源，把重心缩到两个方向：一个是个人助手，另一个是能替用户啃硬骨头的 AI 工人。目前算力没法同时撑起这两件事。正文没披露具体的算力预算、时间表和模型参数，所以“下一代基座模型 Spud”到底多强、什么时候出来，都还是未知数。
推荐理由：我会先打个折：正文没披露千亿算力投入的具体金额、时间表和技术参数，所以别当硬数据看。但这条信息值得关注的点在于，它把 OpenAI 的产品排序逻辑讲清楚了——不是退守 B2B，而是被算力预算强行重排。Sora 资源收缩、优先保推理模型和统一 AI layer，这些信号对做应用层的人比单纯吹参数更有参考价值。如果是真的，说明接下来 OpenAI 的开放节奏会更保守，想蹭他们基座能力的团队得重新算账。
Sora 的负责人 Bill Peebles 和公司负责科学方向 AI 的副总裁都要走。Peebles 之前就是 Sora 的研发主管，这次离职意味着 OpenAI 视频生成这条线的核心人物又少了一个。正文没说他俩具体什么时候走、去哪，也没提 Sora 后续由谁接手。
推荐理由：这条消息我会先打个折，因为除了“有人要走”之外，正文几乎是空的。但它的钩子确实够硬：Sora 是 OpenAI 目前最受关注的视频生成产品，前负责人离职天然会让人联想到内部变动、产品进度甚至团队稳定性。H 和 R 都站得住——标题自带张力，而且这件事跟从业者关心的路线图直接相关。K 没给是因为信息实在太少，连离职人是谁都没说，没法当硬知识用。整体判断就卡在 featured 门槛上，靠话题热度撑着。
Kevin Weil 和 Bill Peebles 在同一天宣布离开 OpenAI。Weil 之前负责公司的科学研究项目，Peebles 则是 AI 视频生成工具 Sora 背后的关键研究员。这次人事变动不是孤立事件，它发生在 OpenAI 关停 Sora、裁撤科学团队之后，说明公司正在砍掉那些不直接赚钱的“支线任务”，把资源全部集中到企业级 AI 业...
推荐理由：这条 RSS 只有标题，信息量很薄，但信号不弱。我会先打个折：正文没写 Kevin Weil 和 Bill Peebles 在 OpenAI 具体管什么、什么时候走、后续谁接手，也没定义“支线项目”是哪些，所以没法评估直接影响。真正值得盯的是组织收缩这个动作本身——如果 OpenAI 在主动砍边缘业务、集中资源，那比单纯两个人离职更说明问题。不过目前只能基于标题做判断，这点先别太激动。
OpenAI 一下子走了两位高管：一位是前产品负责人，另一位是 Sora 视频模型的主管。标题确认是两个人，但正文没披露他们具体是谁、什么时候走的、为什么走，也没说谁来接任。值得留意的是 Sora 团队会不会跟着调整，不过目前没有任何细节。
推荐理由：标题给了人数和角色，但正文是空的，所以只能按现有信息判断。我会先打个折：因为离职原因和继任安排完全没披露，这条消息的冲击力还到不了顶。真正值得盯的是 Sora 业务线——负责人走了，后续产品节奏和资源会不会调整，这点先别太激动，但得持续关注。
2025年人形机器人拿到的投资是61亿美元，是2024年的4倍。钱突然涌进来，不是因为造出了C-3PO，而是机器人学习的方式彻底变了。以前靠人手写规则，比如叠衣服要定义领口、袖口、折叠角度，情况一多规则就爆炸。2015年前后，前沿做法改成在仿真里用奖励信号让机器自己试错，跑几百万次来学会一个动作。2022年ChatGPT出来后，思路又跳了一步：把大模型...
推荐理由：这篇不是新发布，更像一篇梳理，所以放在 featured 偏低的档位。我会先打个折：正文在案例部分被截断了，后续公司细节没披露，这点先别太激动。但它的价值在于把 61 亿美元的热钱和两条技术路线讲清楚了——仿真试错那套从 2015 年就在跑，2022 年后多模态动作模型开始让机器人直接输出动作，本质是用数据换掉手写规则。对做具身智能的人来说，这个框架比单点新闻更有用。