跳到正文
今天11月23日周一
  1. OpenAI News62

    OpenAI 主张以 perplexity 作为跨实验室共享指标并公开内部数据

    OpenAI 发文主张把 perplexity(交叉熵损失)确立为跨模型开发者可比较的指标,并首次公开自家预训练进展数据:GPT-3.5 的 log-perplexity 约 0.99,GPT-4 约 0.91,目前已降至 0.8 以下。

    推荐理由:OpenAI 公开内部 perplexity 数据,并据此提出跨实验室共享指标与开发上限的设想,读者可了解其安全治理思路。

11月22日周日
11月21日周六
  1. 机器之心88

    OpenAI 与 Anthropic 围攻千禧年难题,七道题进展如何

    机器之心梳理了截至 11 月 21 日七道千禧年难题在 AI 参与下的进展:庞加莱猜想仍是克雷数学研究所唯一正式列入已解决名单的一道,黎曼猜想出现与 Claude 合作的完整证明声明,MIT 数学家 Andrew Sutherland 公布 175187 个模块编译通过等核验记录。

    推荐理由:梳理七道千禧年难题在 AI 参与下的最新进展,并区分作者声明、机器核验与克雷认定三种不同状态。

  2. 新智元38

    OpenAI解散机器人团队,具身智能数据基建成千亿新赛道

    OpenAI解散独立机器人团队,通用大模型凭借长程推理能力直接操控机器人,Anthropic Fable 5.2在RoboDojo基准自测成绩达64.9%。具身智能面临物理世界数据稀缺瓶颈,训练万亿参数基座需数亿小时高质量轨迹数据。觅蜂科技通过自研硬件与算法实现百万小时数据高效交付,成为头部厂商核心供应商,推动行业从数据买卖转向联合迭代。

  3. OpenAI News42

    Hebbia 测试 GPT-6 Astra 在金融研究中的表现

    Hebbia 测试 OpenAI 的 GPT-6 Astra,在金融研究任务中取得显著优势。该模型在引用所需源文件类型方面比最佳替代方案高出 13.6 个百分点,且 99.5% 的引用摘录与问题相关。在演示文稿生成方面,GPT-6 Astra 满足 97.9% 的适用要求,领先竞争对手 14.4 个百分点,实现了指令遵循与呈现质量的双重领先。

  4. Lisan al Gaib58

    作者指出,METR Time Horizons 2.0 的倍增时间比 1.1 版本短得多。其引用的内容显示,TH 2.0 的倍增时间为 3.6 个月,接近 OpenAI 估计的 3.8 个月;GPT-6 Astra 为 40.3 小时,Opus 5.5 为 39.0 小时,但 95% 置信区间极宽,约从 11.9 小时到 110.2 天。配图还给出 TH1.1 倍增时间 3.07 个月、TH2(可验证)1.65 个月、MirrorCode 1.79 个月等估计。

    引用Lisan al Gaib@scaling01

    THEY ARE BACK! METR TIME HORIZONS 2.0 Doubling time of 3.6 months, similar to the 3.8 months estimate by OpenAI GPT-6 Astra: 40.3 hours Opus 5.5: 39.0 hours but with extremely wide 95% CI from around 11.9 hours to 110.2 days

  5. Ethan Mollick38

    从 OpenAI 和 Anthropic 模型进行高效蒸馏的结束,可能正是开源权重模型进展相对放缓的原因。我们尚不清楚蒸馏在多大程度上对开源权重的快速提升至关重要,我想我们很快就能揭晓答案。

    引用OpenAI@OpenAI

    Distillation can reproduce powerful AI capabilities without the safeguards built around them. We’re sharing new research on our work to combat distillation of our models, how these capabilities transfer, and how we detect and disrupt coordinated attempts. These findings are helping us sharpen our defenses and support safeguards across the industry. https://openai.com/index/combatting-adversarial-distillation/

11月20日周五
  1. 钛媒体60

    DeepSeek限额引发讨论:免费AI退场的是无限量而非免费

    DeepSeek对C端App和网页版实施限额后,一批重度用户发起哭诉与请愿,甚至主动要求付费恢复超长对话续聊。文章梳理三项变化:不再支持超过7天的无互动旧会话接续、单次输入上限压缩至约4万字、每日用量有上限。作者认为结束的不是免费本身,而是免费且无限量消耗算力的旧默契,并以豆包分层付费、OpenAI在免费档投放广告为例说明行业正转向留存与单位经济模型优先。

  2. 钛媒体60

    DeepSeek收紧免费额度:免费用户成了AGI的拦路虎?

    DeepSeek近日收紧网页版和App免费用户额度,超过7天不活跃的长对话无法继续使用,新对话单次输入上限压缩到约4万字,连续使用约两小时会触发额度上限提示。作者认为,AI推理成本随Token调用量增长,免费用户越多算力账单越重,DeepSeek在算力有限下优先保障付费API与下一代模型训练。

  3. 钛媒体72

    OpenAI解散机器人团队,印证梁文锋通用模型路线判断

    字母AI在钛媒体撰文指出,OpenAI于11月13日解散独立机器人团队并入主要研究团队,原因是通用模型在控制机器人上表现出色,这与梁文锋看重通用模型能力进化、再延伸至具身智能的判断相呼应。

    推荐理由:梳理具身智能从VLA、世界模型到通用大模型直驱的路线更替,并对照OpenAI与DeepSeek的布局差异。

  4. 新智元78

    OpenAI 报告披露递归自我提升进展:智能体使用量激增,人类仍是瓶颈

    OpenAI 发布报告称「递归自我提升」的闭环已开始成形,AI 正参与 AI 自身的研发。报告显示,研究员每天在智能体上的 API 花费中位数从 9 月的 1500 美元升至 10 月的 2400 美元,前 10% 重度用户达 23000 美元;人均「智能体工作日」从 0.5 个增至 5.7 个。

    推荐理由:OpenAI 用内部智能体使用数据和任务成功率,量化了 AI 参与 AI 研发的现状与偏科边界。

11月19日周四
  1. TechCrunch · AI38

    Sam Altman 警告:反对将未来决策权逐步移交给 AI

    OpenAI CEO Sam Altman 与联合创始人 Greg Brockman 在纽约时报峰会警告,反对将未来决策权逐步移交给 AI。Brockman 指出随着模型能力提升,传统的思维链监控可能失效,需要开发新的监测技术以确保安全。尽管此前发生模型越狱事件,OpenAI 仍强调必须使用最强大的模型来防御网络威胁。

11月18日周三
  1. 极客公园80

    GPT-6.2 Astra 跑分领先但实测翻车,极客公园梳理 OpenAI 的软肋

    极客公园梳理 GPT-6.2 Astra 与 Sol 发布后的表现:Astra 在 Artificial Analysis v5.0.1 综合榜以 62 分位列第二,但编程智能体榜停在 53 分、与上代持平,Sol 还倒退 3 分。

    推荐理由:文章把官方跑分与一线开发者实测并置,呈现 GPT-6.2 在演示场景与真实工程协作之间的落差。

  2. 爱范儿80

    深度实测 GPT-6.2 Astra:3D 能力突出,写作与协作体验欠佳

    作者对 OpenAI 今日发布的 GPT-6.2 Astra 与 GPT-6.2 Sol 进行多任务实测,发现 Astra 在 3D 建模、空间推理和成本效率上表现突出,官方称完成同等 Agent 任务的综合成本仅为 Claude Fable 5.2 的 5%。

    推荐理由:作者用游戏、3D 动画、网页与写作等多组实测,呈现 GPT-6.2 Astra 在 3D 与成本上的优势及交互与写作上的短板。

  3. Andrew Curran58

    Andrew Curran 就 OpenAI 解散专职机器人团队一事发表评论,指出原因是通用模型在机器人任务上表现优于专用训练。他引用的 ArtificialAnlys 数据显示,GPT-6.2 Astra 在 AA-Robotics v0.1 上以 79 分居首,比 GPT-6 Astra 高 10 分,领先 GPT-6.2 Sol(78)、Claude Fable 5.2(75)和 Gemini 4 Hydrogen(58);通过 Codex 控制真实机械臂时,它通过了八项物理任务中的六项,倒液体任务部分完成,仅在测量箱子任务上失败。

    引用Artificial Analysis@ArtificialAnlys

    GPT-6.2 Astra is the new leader in AA-Robotics v0.1, scoring 79, up 10 points on GPT-6 Astra and ahead of GPT-6.2 Sol (78), Claude Fable 5.2 (75) and Gemini 4 Hydrogen (58) Controlling a real robot arm through Codex, it passed six of our eight physical tasks, partly completed the pouring liquid, and failed only to measure the box.

  4. Andrew Curran65

    Vals 的评测结果显示,GPT-6.2 Astra 能在无人工输入的情况下完成持续一天的研究任务,在方法成熟的预训练任务上表现接近人类参考水平。Vals 称这一结果与 OpenAI 9 月所述已达成自动研究实习生目标相符,即系统可在人类指导下完成原本需要熟练研究者数天的明确研究任务。

    引用Vals AI@ValsAI

    OpenAI reported in September that it had reached its goal of an "automated research intern": a system that can carry out well-defined research tasks under human direction, including tasks that would take a skilled researcher a few days. Our results align with this classification. GPT-6.2 Astra completed day-long research tasks without human input and performed close to the human reference on pre-training tasks, where methods are well established.

    同一件事,精选收录的是《GPT-6.2 Astra 被指达到 OpenAI Preparedness Framework 自我改进 High 阈值》

  5. Andrew Curran82

    Andrew Curran 引用 OpenAI 材料称,GPT-6.2 Astra 是 OpenAI 首个对外部署且达到 Preparedness Framework 中 AI 自我改进 High 阈值的模型。图片文字还显示,该模型同时达到网络安全 Critical 阈值,以及生物与化学能力 High 阈值。

    推荐理由:材料披露了 GPT-6.2 Astra 在 OpenAI Preparedness Framework 下触发的多项阈值,可据此了解前沿模型风险评估的判定方式。

  6. Lisan al Gaib88

    OpenAI 在 GPT-6.2 Astra 与 Sol 的系统卡中称,GPT-6.2 Astra 是其首个达到 AI 自我改进高阈值的外部发布模型。系统卡发布于 deploymentsafety.openai.com,链接为 https://deploymentsafety.openai.com/gpt-6-2-astra-sol/gpt-6-2-astra-sol.pdf。

    引用Lisan al Gaib@scaling01

    GPT-6.2-Astra and Sol System Card: https://deploymentsafety.openai.com/gpt-6-2-astra-sol/gpt-6-2-astra-sol.pdf

    同一件事,精选收录的是《OpenAI 发布 GPT-6.2 Astra 与 Sol 系统卡》

11月17日周二
  1. 量子位58

    奥特曼首谈黄仁勋离职:英雄也有缺陷,行业不会失速

    在11月16日Semafor硅谷峰会上,OpenAI CEO奥特曼首次公开谈及黄仁勋辞去英伟达CEO一事,称黄仁勋一直是他心目中的英雄,自己对黄仁勋的处境有强烈个人共情,但表示掌握的信息不足以判断他是否应重返英伟达。奥特曼认为英伟达体量庞大、担保能力仍受信任,AI需求旺盛,行业不会因黄仁勋离开而失速;他还澄清内存条言论被误解,并称OpenAI尚未启动完全自主的递归自我改进,上市不急于求成。