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 在 12 月 9 日结束了 Sora 的研究预览，直接把它做成了一个独立产品，给 ChatGPT Plus 和 Pro 用户用。新版本叫 Sora Turbo，生成速度比二月份展示的快了不少。Plus 用户每月能免费生成最多 50 个 480p 视频，或者少一些的 720p 视频；Pro 用户用量是 10 倍，还能出更高分辨率和更长的片子...
推荐理由：Sora 正式上线，从预览变付费，HKR 三项都踩中了：上线本身有话题性，规格和限制写得清楚，对创作者工作流有直接影响。没给更高分是因为文章自己就说了地区封锁、人物上传受限，物理一致性和长动作还不稳，这些限制让实际可用性打了折扣。
OpenAI 新加了一个 ChatGPT Pro 档位，月费 200 美元，可以无限用 o1、o1-mini、GPT-4o 和高级语音模式。核心卖点是 o1 pro 模式，它用更多算力让模型“想得更久”，去啃数据科学、编程和判例分析这类硬骨头。官方用了一个更严的 4/4 可靠性指标来强调稳定性——一道题必须连续四次都答对才算过关，但正文没披露这个模式的...
推荐理由：OpenAI 把额外推理算力包装成 200 美元的 ChatGPT Pro 层级，属于当天必须写的产品新闻。HKR 三项都成立：钩子是把推理时间商品化，知识面有具体价格和模型访问细节，共鸣点在于算力分层引发的行业讨论。正文未披露配额或延迟数据，所以保持现有评分。
OpenAI 把 o1 和 o1-mini 的安全测试结果公开了。核心就一句话：o1 系列用大规模强化学习训练模型在回答前先进行“思维链”推理，这让它在遵循安全规则、抵抗越狱攻击上比前代强。但正文没披露具体的数据配比和完整基准分。安全方面，他们设了上线门槛——风险缓解后评分必须“中”或更低。目前给出的评分是：网络安全低、生化威胁中、说服能力中、模型自主...
推荐理由：这是一份前沿推理模型的高信号安全披露，不是常规物料。HKR-K 强在公布了部署门槛、四项风险评级和测试范围；HKR-R 成立是因为从业者持续关注推理模型的安全阈值和 CoT 透明度。事实核查：系统卡原文确实列出了这些评级和门槛，未发现错误或过时信息，安全建议也符合当前实践。
OpenAI 在 2024 年 11 月 21 日发了两篇论文，把自家红队测试（就是找人来攻击模型、挖风险）的方法摊开来讲。第一篇白皮书专门说外部人类红队的流程，讲了三个具体设计选择：一是根据威胁模型挑人，比如要找懂网络安全、会小语种或熟悉某地区政治的人；二是给测试员看哪个版本的模型，没加安全措施的早期版本能测出新能力带来的风险，加了措施的版本能测防护...
推荐理由：我会先打个折：正文对自动化红队的实验指标和效果摘录不全，这点先别太激动。但 OpenAI 这次把外部红队怎么组队、怎么分配模型版本、怎么收反馈这三件事说清楚了，流程比“红队”这个词本身值钱。如果是真的按威胁建模来组队，安全团队可以直接抄作业。
OpenAI 在 2024 年 11 月 4 日公开了它提交给美国国家电信和信息管理局（NTIA）的意见书，核心是在为 AI 基础设施抢政策。文章里算了一笔账：建一个 5GW 的数据中心，从施工到周边餐饮零售，能创造或支撑大概 4 万个工作岗位，给所在州贡献 170 亿到 200 亿美元的 GDP。OpenAI 还提到全球有 1750 亿美元的基础设施...
推荐理由：OpenAI向NTIA提交的政策意见，正文不涉及新模型参数或产品时间表，所以我会先打个折，不把它当产品信号看。但这份文件把AI基础设施的规模讲得很实在：一个5GW项目能拉动170亿到200亿美元州GDP、约4万个岗位，全球还有1750亿美元资金等着进场。对从业者来说，这些数字比模型跑分更贴近现实——算力供给、电力审批和场地安全，才是接下来卡不卡脖子的关键。
OpenAI 在 2024 年 10 月 31 日给 ChatGPT 加上了搜索功能，Plus、Team 和之前排队的 SearchGPT 用户先用。它会根据你的问题自动判断要不要上网查，你也可以手动点搜索图标。回答里会附上来源链接，点一下侧边栏就能看到引用了哪些网页。背后的模型是微调过的 GPT-4o，训练时用了一种叫“蒸馏”的技术，从更强的 o1-...
推荐理由：这是 OpenAI 当天发的产品上线公告，不是小修小补。搜索直接嵌进聊天界面，等于把传统搜索引擎的流量入口挪到了对话里。公告确认了自动/手动搜索、可点击来源链接，还提到模型是 GPT-4o 微调版、用 o1-preview 蒸馏输出做后训练，信息量够。对从业者来说，这比单纯发个新模型更值得盯，因为它改的是用户获取信息的方式和流量分配逻辑，所以给到 P1。
OpenAI 放出了一个包含 4326 道题的基准 SimpleQA，题目都是简短、有明确答案的事实类问题，比如“2022 年世界杯荷兰对阿根廷，哪位荷兰球员打进了运动战进球”。每道题都经过两名独立 AI 训练师交叉验证，又抽了 1000 道题做第三方审计，发现答案一致率 94.4%，估算数据集本身的固有错误率在 3% 左右。这个基准的目标是给前沿模型...
推荐理由：OpenAI 开源了一个事实问答基准 SimpleQA，4,326 道题，专门测模型回答短事实的准确率和校准能力。我会先打个折：它叫“简单”，但实际是给前沿模型挖坑，GPT-4o 得分不到 40%，说明越强的模型越容易在这上面翻车。数据质量方面，两道人工交叉核验，1,000 题抽检一致率 94.4%，估算固有错误率约 3%，这点先别太激动，3% 的错题率意味着有些题本身可能就有争议或歧义。整体看，这不是一篇例行公事的论文发布，而是一个直接打中可靠性、校准和基准信任问题的动作。
OpenAI 在 2024 年 10 月白宫发布 AI 国家安全备忘录后，公开了自己参与国家安全项目的边界。他们说自己有一套内部审核流程，由产品政策和国家安全团队把关，只接符合“民主价值观”的活。文章举了三个已有的例子：跟 DARPA 合作做网络防御、帮美国国际开发署用 ChatGPT 减轻行政杂活、以及在洛斯阿拉莫斯国家实验室搞生物科学研究。核心红线...
推荐理由：这篇不是产品发布，所以 H 分不高。真正有用的是 OpenAI 把内部评审流程摆出来了，还列了 3 个已经在跑的项目：跟 DARPA 做网络防御、帮 USAID 用 ChatGPT 减行政负担、跟洛斯阿拉莫斯国家实验室继续搞生物科学合作。同时明确画了红线——不准伤人、毁东西、造武器。我会先打个折，因为正文没披露模型版本、合同金额和实际效果数据，这些才是判断合作深度的硬指标。但光是把禁止用途和评审关卡公开写出来，在国防 AI 这个话题上就算有信息量了，所以 K 和 R 都给了通过。
OpenAI 发了个新方法叫 sCM，把连续时间一致性模型的训练搞稳定了，直接扩到 15 亿参数，在 512×512 的 ImageNet 上跑。它只用两步采样，出图质量就能跟现在最好的扩散模型打平，单张 A100 上 0.11 秒出一张图，比扩散模型快大约 50 倍。论文里对比了有效算力，sCM 花不到 10% 的算力就拿到差不多的 FID 分数。不...
推荐理由：这篇论文把连续时间一致性模型真正做大了，15 亿参数在 ImageNet 512×512 上跑通，两步采样就能拿到跟扩散模型差不多的样本质量，墙钟速度快了大约 50 倍。单张 A100、batch size=1、没做推理优化时 0.11 秒出一张图，这个数对实际部署有参考价值。我会先打个折：正文没披露跟其他快速采样方案（比如蒸馏模型）的直接对比，也没说训练用了多少算力，所以“快 50 倍”是跟谁比、代价多大，还得看后续细节。但能把快采样和大规模训练同时稳住，本身就是一个信号，说明这条路在工程上开始走得通了。
OpenAI 在 2024 年 10 月 22 日宣布，杜克大学教授 Ronnie Chatterji 将担任公司首位首席经济学家。这个职位不是发布新模型，而是专门研究 AI 对经济增长、就业和劳动力市场的长期影响，并想办法让技术红利扩散到更多人手里。Chatterji 之前在白宫负责协调 520 亿美元的芯片与科学法案，也当过美国商务部首席经济学家，...
推荐理由：我会先打个折：正文只说了 Ronnie Chatterji 是谁、干过什么，没说他上任后要做什么研究、怎么衡量 AI 的经济影响。但 OpenAI 专门设这个岗，说明他们想把经济影响从公关话题变成内部研究课题，这点值得盯。他之前管过 520 亿美元的芯片法案执行，政策接口经验是实的，不是挂名。
OpenAI 拿几百万条 ChatGPT 的真实对话做了次内部体检，想看看用户的名字会不会触发有害的刻板印象。他们让 GPT-4o 当“隐私保护评审员”去读聊天记录、找规律，研究员看不到原始对话。结果发现，ChatGPT 的回答质量不会因为名字暗示的性别或种族而变差，但确实有大约 0.1% 的情况，名字会引出有害偏见。在写故事这类开放任务里，出问题的概...
推荐理由：OpenAI 拿数百万条真实 ChatGPT 请求做了一次公平性审计，这种事很少见。我会先打个折：整体有害刻板印象发生率约 0.1%，看着很低，但研究也坦白种族相关判定的一致率不如性别高，这点先别太激动。真正该盯的是旧模型——GPT-3.5 Turbo 在分任务评测里偏差最明显，说明模型升级确实在压这个问题。研究用 GPT-4o 当隐私保护评审器，省了人工成本，但正文没披露评审器本身有没有系统性偏见。整体是一份有数据、有对比、有保留的工程报告，不是公关稿。
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。团队还研究了多给算力、多跑几次...
推荐理由：OpenAI 这次没让模型刷题，而是让它真刀真枪跑完 75 个 Kaggle 竞赛——从准备数据、训模型到交结果，整套 ML 工程流程都得自己来。最佳组合 o1-preview + AIDE 在 16.9% 的任务里摸到了铜牌线，说明能做一些，但离靠谱还差得远。我会先打个折：铜牌在 Kaggle 上不算难，正文也没披露具体是哪些任务、失败在哪类环节，所以别急着喊“替代 ML 工程师”。真正值得看的是它把评测从“会答题”扭到了“能干完整工程活”，而且代码开源，团队可以自己跑一遍看自家 agent 几斤几两。
OpenAI 发了一篇安全更新，说从 2024 年初到现在，已经发现并掐断了超过 20 个试图用他们模型干坏事的行动和欺骗性网络。这些事主要跟选举干扰、社交媒体操纵以及有国家背景的团伙有关。文章把具体发现写进了 2024 年 10 月的一份威胁情报报告里，但正文没披露这 20 多个案例分别用了哪些模型，也没说具体是怎么发现和阻断的。我会先打个折，这更像...
推荐理由：OpenAI 这篇公告 HKR 三项都站得住：20 多次打击是个能让人点进来的数字，威胁情报报告更新到 10 月也算新事实，选举干扰和社媒操纵又是当下最烫手的安全话题。不过正文没给出具体样本分布、用了哪些模型、怎么处置的细节，所以分数停在 featured 不往上走。我会先打个折——没看到实操层面的干货，这点先别太激动。
OpenAI 在 2024 年 10 月 8 日宣布，跟美国老牌出版集团赫斯特（Hearst）签了内容授权协议。赫斯特会把《时尚先生》《时尚 COSMO》《ELLE》《跑者世界》《女性健康》等 20 多个杂志品牌和 40 多家报纸（包括《休斯顿纪事报》《旧金山纪事报》）的内容提供给 ChatGPT 这类产品。ChatGPT 目前每周有 2 亿用户，以后...
推荐理由：OpenAI 把 Hearst 旗下 20 多个杂志品牌和 40 多家报纸的内容接进 ChatGPT，正文顺带确认周活用户 2 亿。合作只覆盖杂志和报纸，不含 Hearst 其他业务，内容会带引用和原文链接。我会先打个折：出版商授权现在不算新鲜事，但这次规模摆在那，而且新闻内容进 AI 分发链的归属和引用问题一直没消停，所以值得放 featured。
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%。模型还学会了做定点修改而不是每次都整篇重...
推荐理由：OpenAI 给 ChatGPT 加了个叫 canvas 的协作界面，写作和编程时能单独开一个窗口，选中某段文字直接改、能回退版本，还有调长度、修 bug、代码审查这些快捷操作。我会先打个折，这目前是测试版，只给 Plus 和 Team 用户用。但真正值得看的是他们怎么训的：内部 20 多项评测里，模型知道什么时候该自动弹出 canvas 的准确率写作 83%、编程 94%，定向编辑效果比之前好 18%，评论准确率高出 30%、质量高出 16%。这些数字说明他们不是拍脑袋加功能，而是用偏好数据专门教过模型什么时候该进协作模式、怎么改得更准。对做 A...
OpenAI 在 2024 年 10 月 3 日宣布，从摩根大通、花旗、高盛等 9 家银行搞到了一个 40 亿美元的循环信贷额度。这笔钱目前还没动过，加上之前那轮 66 亿美元的融资，公司账上能随时调用的钱超过了 100 亿美元。说白了就是 OpenAI 给自己备了一大笔过冬或扩张的粮草，不是新产品发布。不过公告没提这笔贷款的利率、期限和抵押条件，所以...
推荐理由：OpenAI刚拿完66亿又搞了40亿的循环贷，账上可动用的钱超过100亿美元。我会先打个折：正文没写利率、期限和抵押条件，所以这更像一个资金实力的信号，而不是能细算成本的融资方案。对关注算力投入和现金流的人来说，这个弹药规模值得一看，但别急着下结论。
OpenAI 宣布完成 66 亿美元融资，投后估值 1570 亿美元。钱会花在前沿 AI 研究、增加算力和继续做产品工具上。现在 ChatGPT 每周有超过 2.5 亿人在用。正文没披露具体投资人名单、持股条款，也没说算力具体会扩到多大规模。
推荐理由：OpenAI 官方发的融资公告，66 亿美元、1570 亿估值、2.5 亿周活用户，三个数摆出来就够了。我会先打个折：投资方是谁、股权怎么安排、算力具体扩多少，正文全没写，所以别急着脑补。真正值得盯的是钱又流向了算力，这条线比估值本身更说明问题。
OpenAI 在 2024 年 10 月 1 日推出了 Realtime API 的公测版，所有付费开发者都能用。这个接口通过一个持久的 WebSocket 连接，把音频直接流式传给 GPT-4o，再流式返回语音，省掉了以前那种“先转文字、再生成回复、最后转语音”的串联流程。好处是延迟更低，能保留语气和重音，还能自动处理用户插话。API 支持函数调用，...
推荐理由：OpenAI 把语音交互从多模型拼接改成一条 WebSocket 直连 GPT-4o，延迟和打断处理都内建了，还给了函数调用和明确定价。对做实时语音 agent 的开发者来说，这是可以直接动手试的东西，不是概念稿。我会先打个折：公测阶段稳定性、实际延迟和成本还没大规模验证，但信息量和可操作性已经足够当天写。
OpenAI 在 2024 年 10 月 1 日上线了 GPT-4o 的图像微调功能，付费开发者现在能上传图片加文字的数据集来定制模型。最少 100 张图就能看到效果，图越多、数据量越大，提升越明显。Grab 用 100 个样本训练后，车道数量识别准确率提高了 20%，限速标志定位准确率提高了 13%；Automat 把桌面 RPA 机器人的任务成功率...
推荐理由：OpenAI 把视觉微调塞进了正式 API，门槛低到 100 张图，还给了两个有数字的客户案例，HKR 三项都踩实了。对做具体业务的人来说，这比发新模型更直接——能用自己的图片数据把模型掰成自己想要的形状。不过定价那段正文截断了，实际成本还得自己算，这点先别太激动。整体影响面不如旗舰模型发布那么大，但实用度很高，所以重要性给 84、放 featured 是合理的。
OpenAI 给 GPT-4o、GPT-4o mini、o1-preview 和 o1-mini 的 API 加上了自动提示词缓存。只要你的请求里有一段超过 1024 个 token 的前缀最近被用过，系统就会自动命中缓存，这部分输入 token 的价格直接减半。缓存从 1024 token 起步，按 128 token 的粒度往上加。不过这个缓存不是...
推荐理由：OpenAI 这次没发新模型，但给 API 加了自动提示缓存，复用前缀就能省一半输入费用。我会先打个折：缓存不是永久的，空闲 5-10 分钟就可能被清，最长活不过 1 小时，所以别把它当长期存储。真正有用的地方是 cached_tokens 这个返回字段，能直接看命中率，团队可以据此优化公共前缀设计。对跑长上下文、固定系统提示或大批量推理的团队，这是近期最直接的成本优化手段，值得马上测一下自己的复用率。