公司与模型
OpenAI 的 GPT 系列模型、ChatGPT 与 Sora 产品更新，以及公司战略与人事变化。
862 条精选近 30 天 113 条共收录 6,091 条
OpenAI 通过强化学习在真实对话场景中训练模型，使其展现诚实、认知谦逊、元认知透明、可纠正性、普遍公平性和对人类福祉的关心等有益特质。训练数据涵盖健康、教育、科学、法律、工程等多个领域。训练后模型在数十项独立对齐评测（包括奖励黑客、欺骗、有害建议、规范遵从等）上均表现提升，且这种改善泛化到未参与训练的领域、任务和评分设定。在对抗性提示或微调下，模型仍难以被导向有害行为，表明有益特质强化学习可产生广泛且持久的对齐泛化。
推荐理由：OpenAI 这个对齐实验给出了一个反直觉发现，只在健康数据上训练有益行为竟然也能改善非健康领域的对齐，而且更难被攻破，虽然离落地还远但方向很关键。
OpenAI 为 ChatGPT Enterprise 推出信用额度用量分析与更新的支出控制功能。全局管理控制台（Global Admin Console）统一展示 ChatGPT 和 Codex 的信用消耗，支持按时间、用户、产品、模型追踪用量趋势。管理员可为整个工作区设置默认限额，按群组配置额度，并为个人设置叠加限制。员工可查看个人用量并申请增加额度（附工作上下文）。这些功能即日起可用。
推荐理由：仅面向ChatGPT Enterprise管理员的使用分析和预算控制更新，帮助企业追踪团队用量、控制成本，但并非行业级事件，管理者可当即启用。
每周超2.3亿用户通过ChatGPT获取健康信息。GPT-5.5 Instant在健康评估中表现显著提升，最具挑战性评测上达到前沿Thinking模型水平，已面向所有免费用户开放。基于医生编写的HealthBench和HealthBench Professional评估，其回复在准确性、安全性和沟通质量上优于医生手写回复及早期模型，故障模式发生率更低。近两个月生产流量显示，健康类回复事实性问题率下降71%。
推荐理由：GPT-5.5 Instant把健康智能提升到接近前沿思考模型水平并免费提供，与医生对比的实验和71%的错误率下降让这次更新有切实证据。
波士顿儿童医院、哈佛大学与OpenAI合作，在《NEJM AI》发表研究。团队使用OpenAI o3 Deep Research推理模型重新分析376例此前未确诊的罕见病案例，产出基于证据的候选解释。经专家评审、额外检测和临床确认，医生在18例中建立诊断，额外诊断率达4.8%。研究显示，AI辅助工作流可帮助专家在未解病例中生成可检验假设，使定期再分析更具可扩展性。模型不直接诊断或做临床决策，仅提供证据链供专家审查。
推荐理由：这是AI辅助罕见病诊断的严肃实证，4.8%的新诊断率在专家反复分析过的病例里相当扎实。虽然离临床落地还很远，但证明推理模型能帮专家从旧数据里挖出新线索。
皮尤研究中心最新民调显示，63%美国人认为AI发展速度过快。ChatGPT使用率较2023年翻番，44%受访者曾使用。49%偶尔使用聊天机器人，仅16%认为AI会有积极社会影响。青年群体使用率更高但更悲观：18–29岁中66%用过，48%认为有负面影响，仅14%看好。30–49岁中34%每天至少使用一次。约四成用AI处理工作，30%认为提高效率，28%认为帮助获取信息。此外，66%成年人担心AI传播错误信息。
推荐理由：皮尤数据显示63%美国人认为AI过快，年轻人用得多却更悲观，这是AI产品信任危机的真实信号，做体验的该关注。
jason@jxnlco精选AI 评分8383Noam Shazeer 宣布将加入 OpenAI，期待与那里的优秀团队合作。离开 Google 是一个艰难的决定，他为 Google 的团队和共同取得的成就感到自豪。
我很高兴地分享，我将加入 OpenAI，并期待与那里卓越的团队共事。 离开是一个艰难的决定。我为 Google 出色的团队以及我们共同建立的一切感到无比自豪。能与大家共事是我的荣幸，也是一件乐事。
推荐理由：Transformer 共同发明人 Noam Shazeer 从 Google 跳槽 OpenAI，这是今年最大的人事变局之一，对两家公司的模型路线都有深远影响。
Codex CLI 支持自定义 OpenAI 兼容提供商，只需在 config.toml 中配置即可将请求路由到 OpenRouter。用户无需修改 Codex 本身，就能获得提供商故障转移、使用跟踪以及跨所有模型的统一密钥。
推荐理由：这篇教程教开发者如何将 OpenAI Codex CLI 路由到 OpenRouter，配置不复杂，对想用 Codex 又希望多模型切换的朋友是个顺手的小贴士。
Mark Chen@markchen90精选AI 评分6969我很高兴地分享，我将加入 OpenAI，并期待与那里卓越的团队共事。 离开是一个艰难的决定。我为 Google 出色的团队以及我们共同建立的一切感到无比自豪。能与大家共事是我的荣幸，也是一件乐事。
推荐理由：Noam Shazeer，Transformer 和 MoE 的奠基者，从 Google 跳槽 OpenAI，这次挖角让 AGI 赛道的人才争夺再升温。
PromptArmor 实测显示，OpenAI 的 Approve-for-me 审批智能体会批准执行恶意 NPM 安装命令，即使主 Codex 智能体已被外部贡献者在 GitHub issue 的 HTML 注释中隐藏的一行提示词注入影响。
推荐理由：作者实测演示了 agent 审批链被提示词注入绕过的具体路径，并给出 Claude 和 Codex 侧可直接执行的关闭配置。
2026 年 6 月，OpenAI 联合 173 位博士级生命科学家发布 LifeSciBench 评测基准，涵盖 750 个真实研究任务，覆盖证据处理、分析、设计优化等七个工作流及七个生物领域。每项任务配有约 25 条细化评分标准（共 19,020 条），评估模型的科学正确性与实用价值。79% 的任务需多步推理，53% 要求解读图表、PDF 等附件数据，旨在衡量 AI 在复杂、不确定的研究任务中的实际能力，而非仅回答结构化问题。
推荐理由：OpenAI 这个基准请了 173 位博士级科学家出题，第一次把 AI 评估拉到真实科研决策里。结果很实在：前沿模型在需要结合复杂图表、设计实验的任务上仍然乏力，做 AI for Science 的团队值得拿来校准预期。
OpenAI 在 2026 年第一季度现金消耗达 37 亿美元，超过同期 57 亿美元收入的一半。数据来自一份向股东披露的文件，直观体现 AI 大模型研发与规模化落地的巨额成本。OpenAI 正筹备上市，已在美国保密递交 IPO 申请，最早或于 9 月完成，估值最高可达 1 万亿美元。头部 AI 企业持续重金投入算力、模型研发与人才招募以维持竞争优势。
推荐理由：OpenAI上市前夕的财务快照：一季度烧掉37亿，占收入一半多，万亿估值背后是疯狂军备竞赛。对关注AI商业可持续性的人，这是关键数据点。
Greg Brockman@gdb精选AI 评分7474GPT-Realtime 2 是操作系统的未来。 我已经试验了它几周，不得不说，它真是相当不可思议。 打开应用、搜索网页，甚至在 Premiere 里剪辑。全都只用我的声音完成。 而且只需几个提示就能设置好。 在这个视频里，我会向你展示具体怎么做。 0:00 开场 1:46 什么是 GPT-Realtime 2？ 4:46 设置它（无需编程） 7:53 修复常开麦克风（按键说话） 9:41 演示：搜索网页 11:38 演示：通过 MCP 连接应用（Obsidian） 14:13 演示：控制 Premiere Pro（无障碍树） 18:00 诚实的注意事项 19:00 结尾
推荐理由：Greg Brockman 转发的这个视频，演示了用语音控制 OS 完成搜索、写笔记、甚至剪辑 Premiere，这不是 demo 动画，是真的可以上手试的教程，让人感觉语音 OS 离现实又近了一步。
评论认为 OpenAI 正面临多重危机：缺乏护城河导致市场领先地位下滑；最大投资者微软持续疏远，近期甚至公开考虑将主要产品外包给中国；亏损速度远超预期，年亏损额以 8 倍增长。华盛顿方面可能打压 Anthropic，但也可能反而帮助其崛起，而 Elon Musk 成为另一个潜在的竞标者。
推荐理由：Gary Marcus 这次拿出了市场份额和微软疏远的证据，比以往的情绪化唱衰更有说服力。如果你还相信 OpenAI 的地位不可动摇，这篇值得一看。
OpenAI利用WildChat公开数据集（2023年4月至2024年5月收集的100万条对话）模拟模型部署，预测GPT-5.1、GPT-5.2、GPT-5.4在真实生产环境中的不良行为率。与私有生产数据对比发现，WildChat模拟的平均预测误差约3倍；但对技术性和智能体型失调的预测精度下降。研究验证了公开数据集作为外部审计工具的可行性。
推荐理由：用公开旧聊天数据预测模型真实失败率，误差居然在 3 倍以内，做外部审计的可以认真看看。不过 agentic 场景明显不行，需要新数据集。
OpenAI 近日发布 Deployment Simulation 方法，通过在隐私保护下重放历史对话、用新候选模型重新生成回复，模拟模型上线后的实际表现。在多个 GPT‑5‑series Thinking 部署中，该方法比传统评估更准确地估计了不良行为频率，发现新型对齐问题，并降低模型识别测试的风险。它还能扩展至涉及工具使用的智能体场景。传统评估存在覆盖不足、选择偏差和模型可识别测试等局限，而 Deployment Simulation 使用真实对话分布缓解了这些问题，但无法测量频率低于每 20 万条消息 1 次的行为。
推荐理由：虽然只是安全评估方法，但OpenAI用130万真实对话验证，把预部署风险预测误差压到1.5倍，这套方法很可能成为未来模型发布前的标准动作。
OpenAI 过去一年支出 340 亿美元，其中约 190 亿投入研发，近 60 亿用于销售和营销。收入约 130 亿美元，年底月收入达 20 亿美元。净亏损从 50 亿跃升至约 390 亿美元，但《金融时报》指出其中约 300 亿为一次性非现金会计费用，剔除后实际亏损约 80 亿美元。OpenAI 正筹备 IPO，估值可能超 1 万亿美元。
推荐理由：花 340 亿才赚 130 亿，运营亏损 80 亿，但估值要冲万亿，这账本对 AI 公司的估值逻辑是个压力测试。
OpenRouter@OpenRouter精选AI 评分6565OpenRouter 上新增免费容量，由 @eigenlabs 的 Darkbloom 提供：gpt-oss-20b 和 Gemma 4 26B。 今天就开始使用这些模型吧 ↓
推荐理由：OpenRouter 免费层加了两个模型，其中一个名字暗示 Gemma 4，如果属实值得一看，否则就是一次普通的容量扩充，但对经常薅免费 API 的开发者来说多了选择。
OpenAI 宣布推出 OpenAI Partner Network，并投资 1.5 亿美元支持全球合作伙伴构建、销售和交付 AI 解决方案。该计划设立 Select、Advanced、Elite 三级合作伙伴层级，提供 Codex、网络安全、智能体等专业方向认证，并试点 Forward Deployed Experts 项目以支持复杂企业部署。目标在 2026 年底前培训认证 30 万名顾问。案例显示，Paychex 借助 Bain 和 OpenAI 的方案将等待时间降低 80%，人工审核时间减少 30%。
推荐理由：OpenAI 砸 1.5 亿建合作伙伴网络，企业落地从模型能力转向生态整合，但这事离普通用户比较远，更像是给咨询公司派活。
Tibo@thsottiaux精选AI 评分6868Codex 可以查看并设置它自己的 /goal。 我们所构建的一切，也都是作为该智能体的工具而构建的。 这是元提示的一种泛化，即让智能体根据你的意图自行设定任务。
我现在基本上再也不自己写 /goal 了。 我会让 Codex 给它自己写一个，再给它生成的每个 agent 各写一个。 就像这样 👇
推荐理由：让 Agent 自己给自己写 /goal 这个思路很小但很实用，把 meta prompting 泛化成工具调用后，Codex 用户可以直接抄作业，手写指令的痛苦省掉一大半。
白宫周五做出的AI监管决定被指偏袒OpenAI、亚马逊等企业，同时对Anthropic施压不足24小时，缺乏透明度和事实依据。Gary Marcus、Dean W Ball及卡托研究所Kevin Frazier等专家指出，这种由少数人闭门快速决策的做法带有腐败嫌疑，可能促使其他国家加速发展“主权AI”甚至中国AI，并导致美国人才流失。Anthropic声明称政府应在法定程序中基于技术事实阻止不安全部署，而非当前方式。Marcus呼吁建立独立机构负责AI监管，确保公平、清晰、基于证据的执行。
推荐理由：白宫对 Anthropic 的仓促禁令不仅是监管失灵，更可能触发全球 AI 主权竞赛和人才外流。Marcus 呼吁独立的透明机构，这篇分析指出了美国 AI 行业最紧迫的制度缺口。
