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。
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。Raji 之前在 Meta 管过大规模消...
推荐理由：OpenAI 买下 Statsig 并让 Vijaye Raji 当 Applications CTO，管 ChatGPT 和 Codex 的工程，这步棋把产品实验能力和工程领导力一起收了。正文没披露收购金额和整合时间表，但汇报关系和独立运营的框架都交代清楚了，信息量够，值得写。
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。正文没披露危机检测的触发阈值和...
推荐理由：OpenAI 说接下来 120 天要推安全改进，下个月先上家长控制。最值得看的是那条路由规则：检测到急性痛苦迹象的对话，会自动转给 GPT-5-thinking 这类推理模型处理。这比加个免责声明实在，但正文没公布触发条件和误报率，实际效果得等上线再看。青少年账户那边，家长能关 memory 和聊天记录，算是给了控制权，不过也没说默认开关状态。整体是产品动作，不是技术突破，我会先打个折。
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。新模型在听懂复杂指令和调用工具上进步明显：Big Bench Audio 推理得分从去年 12 月版的 65.6% 提到了 82.8%，Mu...
推荐理由：这不是小修小补，是 OpenAI 把语音模型、工具链和电话接口一次补齐的版本。gpt-realtime 的基准分涨了十几到二十个百分点，虽然 MultiChallenge 的 30.5% 说明复杂场景还吃力，但配合 MCP 远程服务器和 SIP 通话，语音代理终于能跑通完整业务闭环了。我会先打个折——正文没给延迟和并发数据，实际部署成本还得自己测，但方向是对的，所以给到 p1。
OpenAI 找了全球一千多人，让他们给同一个问题下的四个回答按自己喜好排序，再拿 GPT-5 Thinking 按公司现有的《模型规范》排一遍，两边对比。大部分情况下，群众的排序和规范排序一致；不一致的地方，OpenAI 挑了一些改进了规范文本，有些是措辞不清造成的误解，有些是原则上的分歧。正文没披露具体改了哪几条，只说改动越触及平台级规则越难通过。...
推荐理由：OpenAI 拿一千多人的偏好排序去改 Model Spec，还公开了数据集，HKR 三项都踩实了。真正的信号是默认行为怎么调，但正文没放出完整改动清单，所以分数压在 82 没往上拉。我会先打个折，等看到具体改了哪些规则再激动。
两家公司互相用自家内部的安全考题去测对方公开的模型，这次先放出的是 OpenAI 测 Claude 的结果。测试前双方都松绑了一些外部安全限制，所以这不是严格的一对一排名。在指令优先级上，Claude 4 系列表现最好，比 OpenAI o3 还略强一点，尤其在抵抗系统提示词被套走这件事上很稳。越狱测试里 Claude 不如 OpenAI o3 和 o...
推荐理由：OpenAI和Anthropic互相拿对方6个公开模型做了一轮安全评测，这事本身比具体分数更有看头。Claude 4在指令层级和系统提示提取上表现靠前，幻觉测试里Claude模型拒答率最高到70%——但正文明确说了，两家都放宽了部分外部护栏，所以这不是严格可比的横向排名。我会先打个折：数字可以参考，别直接拿来比高低。真正该盯的是方法边界，比如评测设计里哪些护栏被松开了，这直接决定结论能推到什么程度。
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；在美国会指向 988 自杀热线，英国指向 Samar...
推荐理由：HKR 三项都站得住：有明确的 25%+ 改善数据、有具体的转介路径和医生合作规模，而且安全信任是用户最敏感的痛点。分数维持 82，因为这是一次聚焦安全的更新，不是大范围能力发布，且正文后半段被截断，更多计划没披露完整。
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。这次最核心的变化是 API 设计本身：新增了 verbosity 参数（低/中/高）控制回答长短，reasoning_effort 可以设成 minimal 跳过深度思考直接出结果...
推荐理由：这是 OpenAI 旗舰模型在 API 的正式发布，重要性拉满。钩子落在 GPT-5 上线这件事本身；知识增量靠具体基准分和新控制参数撑住；共鸣点全在开发者接口层面——工具调用、延迟调节、代码能力对比，都是工程师拿到新模型第一反应会问的问题。正文没给价格和完整可用性，这点先别太激动，但接口设计的变化比模型名本身更值得盯。
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。但正文...
推荐理由：GPT-5 发布本身就是全行业事件，HKR 三项全中。文章给了上线节奏和 500 万商业付费用户这个数字，但基准跑分、价格、上下文长度全都没提，所以放在最高档的底部。
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。官方说 GPT-5 在编程、写作、健康咨询上比前代强，...
推荐理由：OpenAI 发新旗舰模型本身就是顶格事件。这次不是单纯升级，而是把推理能力内置进系统，用路由器统一调度，所有 ChatGPT 用户都能用，Plus 和 Pro 再拉开配额。HKR 三项全中，缺价格、上下文窗口和 API 细节不影响 p1 判定。
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。页面底部倒是列出了 GPT-5.3 Instant 和 GPT-5.3-Codex 的链接，说...
推荐理由：这是一次高关注度、低信息量的官方占位发布。H 和 R 都成立，因为 GPT-5 在 OpenAI 网站上露面本身就戳中了模型竞赛的神经；K 不成立，因为正文没披露任何规格、定价、上下文窗口、基准分数或 API 信息。我会先打个折：标题看着像技术首曝，实际更像产品页面的空壳预告，别太激动。
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。用量超标后，系统会切到各模型的 mini ...
推荐理由：这份 GPT-5 系统卡把架构说清楚了：gpt-5-main 干活，gpt-5-thinking 做推理，路由器实时调度，超额就切 mini 省资源。API 直接给 thinking、thinking-mini 和 thinking-nano 三个版本，ChatGPT 还多一个 thinking-pro。正文没写价格、上下文窗口和具体跑分，这点先别太激动。真正要盯的是安全分级——OpenAI 把 gpt-5-thinking 在生物和化学上的能力标成 High，说明模型在这些领域已经强到需要上防护了，不是走形式的例行文档。
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。文章拿一个问烟花点火电路参数的例子对比，o3 直接给了具体电流、电阻值，GPT-5 则拒绝给细...
推荐理由：这篇值得看，因为 OpenAI 在 GPT-5 上把安全训练的逻辑翻了个面：不再盯着问题拒答，而是盯着回答本身是否安全、有用。正文举了烟火点火的例子，o3 直接给参数，GPT-5 拒绝细节但给了合规替代方案，落地感很强。我会先打个折——标题说安全性和有用性都提升，但截取部分没放具体分数、基准名和提升幅度，这点先别太激动。如果是真的，这种按严重性惩罚、按有用性奖励的机制，对做对齐和生产的团队都挺省钱省事。
OpenAI 和美国总务管理局（GSA）谈成了一笔象征性收费的买卖：接下来一年，联邦行政分支的机构只要付 1 美元，就能给全员开通 ChatGPT Enterprise。另外还白送 60 天不限量使用高级功能，包括 Deep Research（深度研究）和 Advanced Voice Mode（高级语音模式）。联邦业务数据不会被拿去训练模型。公告里没...
推荐理由：OpenAI 跟 GSA 签的这个单子，相当于用 1 美元把 ChatGPT Enterprise 铺进整个联邦行政系统，为期一年，还白送 60 天不限量用高级功能。我会先打个折：这更像是一次性打通政府采购渠道，不是常规促销。正文没写覆盖多少机构、预算盘子多大、具体哪些模型能用，所以别急着算账。但如果是真的，分发效率确实省了一大笔力气，企业数据也不拿来训练，合规上说得过去。
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。但整篇公告没提模型名字、参数量、性能跑分...
推荐理由：OpenAI 放出开放权重推理模型的消息，HKR 三项都踩中了：路线转向够意外，本地部署的交付事实够具体，话题也正好是行业争论的焦点。但正文没给模型名、参数量、许可证和跑分，信息缺口太大，所以重要性停在 86 分，没往上拉。真正该盯的是后续交付细节，不是“开放”这两个字本身。
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；20B 版本总参数 ...
推荐理由：当天就写。OpenAI 走 Apache 2.0 开源权重路线是策略转向，不是常规更新。H 落在动作意外性上，K 落在部署规格够具体，R 落在成本和开源闭源之争。没给 95+ 是因为正文截断，完整评测分数没披露，这点先别太激动。
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。安全方面，OpenAI 说 1200 亿参数版本在生物...
推荐理由：这条当天就得写：H 来自 OpenAI 走开放权重路线，K 来自许可、机制和安全事实但缺关键指标，R 来自开源与闭源部署的争论。分数没给到 90 是因为正文没披露上下文长度、价格和完整基准结果，我会先打个折。
OpenAI 发了一篇技术文章，讲他们怎么评估开源模型 gpt-oss 在最坏情况下可能被用歪的风险。他们用的方法叫“恶意微调”，说白了就是故意把模型往坏里教：在生物风险这块，让模型上网查资料、用强化学习训练它搞威胁制造；在网络攻击这块，把它扔进一个能写代码干活的环境里打 CTF 解题赛。测完发现，被恶意调教过的 gpt-oss 还是打不过他们自家的闭...
推荐理由：我会先打个折：正文只给了相对结论，说 gpt-oss 在两项恶意微调后仍落后于 OpenAI o3，但具体分数、用了多少训练量、触发发布禁令的阈值全都没披露。这点先别太激动，信息缺口不小。真正该盯的是方法论——用恶意微调当最坏情况探针，而不是标题里“开放权重风险”那个大词。对从业者来说，这两套评估环境的设计思路比结论本身更有参考价值。
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。为了健康使用，ChatGPT 现在会在...
推荐理由：OpenAI 官方出来解释 ChatGPT 的优化方向，核心一句话：帮你干完活就走，不靠耗时间留人。信息量不算大，但有几个实在的点——休息提醒已经上线，高风险个人决策场景会出新行为（具体怎么出、触发条件是什么正文没细说），评估侧引入了 30 多国 90 多名医生的多轮对话量表。我会先打个折，因为高风险决策那部分落地细节太少，没法判断力度，但整体对从业者理解 OpenAI 的产品和安全思路有参考价值。
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。OpenAI 是首批算力租户，但...
推荐理由：这是 OpenAI 把 Stargate 基建铺到欧洲的第一站，选址挪威纳尔维克，规模不小——先上 230MW，后面还规划再加 290MW，目标 2026 年底塞进 10 万张 NVIDIA GPU。我会先打个折：这更像战略基础设施的落地，不是马上能用的模型或产品能力更新。文章没披露具体投了多少钱、用的什么型号 GPU，所以别急着算性价比。真正值得看的是算力怎么分：OpenAI 自己先吃下一部分，剩下的容量开放给挪威、英国和北欧用户，这对欧洲的 AI 开发者来说是个实在的算力补给。整体判断维持 84 分，因为它是布局型大动作，不是即战力发布。
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。背后是一套跟老师、科学家、教育专家一起写的系统指令，强调主动参与、控制信息量、培...
推荐理由：OpenAI 给 ChatGPT 加了个学习模式，不是换模型，而是换交互方式——用苏格拉底式提问逼你自己想，而不是直接吐答案。Free 到 Team 用户现在就能用，Edu 版还要等几周。我会先打个折：正文没提用了哪个模型、学习效果到底怎么样、有没有防作弊指标，所以别急着把它当正经家教。真正值得盯的是产品思路在变，从工具往 tutor 靠，但验证还差得远。