OpenAI o3 自动化复杂工作流程
OpenAI o3 模型能够推理复杂任务,助力自动化多步骤工作流程。
OpenAI o3 模型能够推理复杂任务,助力自动化多步骤工作流程。
OpenAI 宣布最新图像生成模型已通过 gpt-image-1 在 API 中开放,开发者和企业可将专业级、可定制的视觉内容直接构建到自有工具和平台中。
推荐理由:OpenAI 将最新图像生成模型以 gpt-image-1 接入 API,开发者可据此评估自有产品的图像生成集成路径。
OpenAI 发布 o3 和 o4-mini,称其为目前最智能、能力最强的模型,并支持完整的工具调用。官方未在摘要中给出具体参数、评测分数或开放范围。
推荐理由:OpenAI 发布 o3 与 o4-mini,并首次让推理模型完整接入工具调用,可据此观察推理模型与工具结合后的能力边界。
OpenAI 发布 o3 和 o4-mini 系统卡,称两款模型将前沿推理能力与完整工具能力结合。可用工具包括网页浏览、Python、图像与文件分析、图像生成、canvas、自动化、文件搜索和记忆。
推荐理由:官方系统卡披露 o3 与 o4-mini 的推理能力与工具调用范围,可据此了解新模型的能力边界。
OpenAI 在 API 中发布 GPT-4.1 系列模型,官方称其在编码、指令遵循和长上下文理解上有全面提升,并首次推出 nano 模型。该系列模型即日起面向全球开发者开放。
推荐理由:OpenAI 在 API 上线 GPT-4.1 系列并首次推出 nano 版本,读者可据此了解模型家族的能力侧重与开放范围。
ChatGPT 可用于规划、搜索、阅读资料并编制详细的市场研究报告,支持市场分析。
ChatGPT 通过分析上下文、生成选项和将决策转化为行动步骤,助力战略规划。
ChatGPT 引入视觉与语音功能,支持多模态输入,提升团队沟通效率;功能旨在使沟通更自然。
OpenAI 在 GPT-4o 中推出原生图像生成能力,官方称其在文字渲染和指令遵循上更强。该功能于 2025 年发布,相关入口为 ChatGPT Images 2.5。
推荐理由:GPT-4o 原生图像生成上线,文字渲染与指令遵循是这次能力变化的关键看点。
OpenAI 发布 GPT-4o 系统卡补充说明,介绍 4o 图像生成。该能力比此前的 DALL·E 3 系列模型显著更强,可生成照片级真实感输出,并能接收图像作为输入并进行变换。
推荐理由:官方系统卡补充说明披露 4o 图像生成相较 DALL·E 3 的能力变化,可据此了解该模型的生成与图像输入能力。
OpenAI 发布 GPT-4.5 的研究预览,称其为目前规模最大、知识最丰富的模型,并同步公开了该模型的系统卡。
推荐理由:OpenAI 发布 GPT-4.5 研究预览,并同步公开系统卡,读者可据此了解这一代模型的定位与安全评估框架。
OpenAI 发布 o3-mini 模型。
OpenAI 发布 o3-mini 系统卡,说明该模型的安全工作,包括安全评估、外部红队测试和 Preparedness Framework 评测。
推荐理由:官方系统卡披露 o3-mini 的安全评估、外部红队与 Preparedness 框架评测范围,可了解其安全工作的构成。
OpenAI 发布 o1 模型,同时带来 Realtime API 改进和一种新的微调方法等面向开发者的更新。官方仅给出上述要点,未披露具体参数与开放细节。
推荐理由:OpenAI 官方一次性公布 o1 模型与多项开发者工具更新,可据此了解其面向开发者的能力布局。
OpenAI 的视频生成模型 Sora 现已上线 sora.com 供用户使用。用户可生成最高 1080p 分辨率、最长 20 秒的视频,支持宽屏、竖屏和方形比例。用户可导入自有素材进行扩展、重混和融合,也可直接由文本生成全新内容。
推荐理由:OpenAI 官方公布 Sora 的可用入口与生成规格,读者可据此了解视频生成能力与使用方式。
OpenAI 发布 Sora 系统卡,介绍这是其视频生成模型,可接收文本、图像和视频输入并生成新视频。Sora 基于 DALL-E 和 GPT 系列模型的经验构建,定位是为用户提供更丰富的叙事与创意表达工具。
推荐理由:OpenAI 官方系统卡披露 Sora 的输入输出形态与技术来源,可据此了解其能力边界。
OpenAI 的 o1 推理模型在编码、策略研究和研究等领域展现出解决复杂问题的能力。
OpenAI 发布 o1 模型,官方页面标题为 Introducing OpenAI o1,正文内容未能抓取。
OpenAI 发布 o1-mini,官方将其定位为在推理能力上更具成本效率的模型。
OpenAI 公布了 o1 模型的贡献者名单。o1 是 OpenAI 推出的推理模型。原文未披露该名单的具体人数、成员姓名或所属团队等细节。
Cognition 联合创始人兼 CEO Scott Wu 解释了 OpenAI o1 如何以更接近人类的方式做出编程决策。
经济学家 Tyler Cowen 解读 OpenAI o1 如何解答复杂的经济学问题。
OpenAI分享了从数百次AI成功部署中总结的经验,强调了模型选择、数据准备和团队协作的重要性,并指出AI应用需关注实际业务需求。
OpenAI 举办 GPT-4o 微调研讨会,探讨如何优化 GPT-4o 模型,提升其性能和适用性。研讨会内容涉及模型微调技巧、应用场景及未来发展方向。
OpenAI 发布 GPT-4o mini,定位为更具成本效益的智能模型。该页面标题为 GPT-4o mini: advancing cost-efficient intelligence,正文内容未能抓取。
OpenAI 发布基于 GPT-4 的 CriticGPT,用于对 ChatGPT 的回答撰写批评意见,帮助人类训练师在 RLHF 过程中发现错误。
OpenAI 宣布推出新旗舰模型 GPT-4 Omni(GPT-4o),可在音频、视觉和文本之间进行实时推理。
推荐理由:OpenAI 官方发布新旗舰模型,读者可据此了解其在音频、视觉与文本上的实时推理定位。
OpenAI 发布 GPT-4o,并让 ChatGPT 的更多能力向免费用户开放。
推荐理由:OpenAI 发布 GPT-4o,并让 ChatGPT 的更多能力向免费用户开放,可据此了解其模型与免费策略的同步变化。
OpenAI 发布最新旗舰模型 GPT-4o,同时把更多能力开放给 ChatGPT 免费用户。
推荐理由:OpenAI 发布新旗舰模型 GPT-4o,并首次把更多能力开放给 ChatGPT 免费用户。
OpenAI 宣布在亚洲设立首个办公室,落地日本,同时发布一款针对日语优化的 GPT-4 定制模型。
OpenAI 发布 GPT-4,称其为扩展深度学习的最新里程碑。GPT-4 是一个大型多模态模型,接受图像和文本输入、输出文本,在多项专业和学术基准上达到人类水平表现,但在许多真实场景中能力仍不及人类。
推荐理由:OpenAI 官方给出 GPT-4 的多模态输入形态与基准表现,可据此了解这一代模型的能力边界。
OpenAI 发布 GPT-4,官方介绍其可在创意与技术写作任务中与用户生成、编辑和迭代内容,例如创作歌曲、撰写剧本,或学习用户的写作风格。
推荐理由:OpenAI 官方发布 GPT-4,摘要点出其在创意与技术写作任务上的生成、编辑与迭代能力。
OpenAI 宣布推出新的嵌入向量模型,称其在能力上显著提升,同时成本更低、使用更简单。
OpenAI 训练并发布对话式模型 ChatGPT,以对话形式与用户交互。官方称这种对话格式让 ChatGPT 能回答追问、承认自身错误、质疑错误前提并拒绝不当请求。
推荐理由:OpenAI 官方给出 ChatGPT 的对话式交互定位,读者可据此了解其与以往模型在交互方式上的差异。
OpenAI 训练并开源了神经网络 Whisper,其在英文语音识别上接近人类水平的鲁棒性和准确率。
推荐理由:OpenAI 开源语音识别模型 Whisper,读者可了解其在英文语音识别上的鲁棒性与准确率定位。
OpenAI 为向大众开放 DALL·E 2,在预训练阶段采取缓解措施以降低强大图像生成模型的风险。为此设置了多种防护机制,防止生成图像违反其内容政策。
OpenAI 发布 GPT-3 和 Codex 的新版本,可在已有文本中编辑或插入内容,而不再只是续写现有文本。
推荐理由:原文说明 GPT-3 与 Codex 新增编辑和插入能力,读者可据此了解模型从续写扩展到改写已有文本。
OpenAI 训练出比 GPT-3 更能遵循用户意图的语言模型 InstructGPT,同时更真实、有害内容更少,相关技术来自其对齐研究。这些模型采用人类参与反馈的训练方式,现已作为 OpenAI API 的默认语言模型部署。
推荐理由:OpenAI 说明 InstructGPT 通过人类反馈训练,在遵循用户意图、真实性和有害性上优于 GPT-3,并已成为 API 默认模型。
OpenAI 训练了一个名为 DALL·E 的神经网络,可根据自然语言描述生成图像,覆盖自然语言可表达的广泛概念。
推荐理由:OpenAI 官方公布 DALL·E 这一从文本生成图像的神经网络,可据此了解文生图方向的早期起点。
OpenAI 发布名为 CLIP 的神经网络,通过自然语言监督高效学习视觉概念。CLIP 只需提供待识别视觉类别的名称,即可应用于任意视觉分类基准,类似 GPT-2 和 GPT-3 的零样本能力。
推荐理由:OpenAI 介绍 CLIP 用自然语言监督学习视觉概念,读者可了解零样本图像分类的思路来源。