⌘ K
… 读取采集状态 同步中...
雷

#OpenAI

今日 17 条
8月26日周三
  1. 硅星人Pro84

    OpenAI 投资的法律 AI 公司 Harvey 基于 Kimi K3 训练自研模型 Tenet

    法律 AI 公司 Harvey 发布自研模型 Tenet，其底座采用月之暗面开源模型 Kimi K3。Harvey 利用约 1750 个法律智能体任务环境和律师评价标准，耗时两个月在 150 张 NVIDIA B300 显卡上对 Kimi K3 进行后训练。

    推荐理由：文章深入剖析 Harvey 基于 Kimi K3 训练法律模型 Tenet 的技术路径，揭示了开放权重在后训练与垂直行业落地中的核心价值。

  2. 苍何30

    苍何基于 GPT-Image-2 的开源项目登顶 GitHub 趋势榜

    中国独立开发者苍何的个人开源项目登上 GitHub 全球趋势榜第一。该项目自今年 4 月启动，基于 OpenAI 发布的 GPT-Image-2 模型，主要提供提示词搜集、模板及生图测试功能。尽管项目曾经历单日近 1700 个 star 的增长，但作者强调其核心价值在于降低 AI 创作门槛并支持社区共建。

  3. APPSO45

    OpenAI Jalapeño 芯片跑分超英伟达

    OpenAI 公布自研推理芯片 Jalapeño 实测数据，在 GPT-OSS 120B 上出词速度达 1459 tokens/s，是英伟达 GB200 的 2.7 倍。该芯片标称功耗 700W，每芯片每小时总拥有成本约 1.56 美元，计划于 2026 年底前部署进自有算力基础设施。

8月25日周二
  4. 量子位82

    Codex负责人 Tibo 谈 OpenAI 产品融合、Ultra Fast 与递归式自我改进

    Codex负责人 Tibo 在播客中表明 ChatGPT 与 Codex 底层将合二为一，成为同一款高度个性化的 AGI。OpenAI 已建立以强模型优化自身推理与 CUDA 基础设施的递归式自我改进飞轮。

    推荐理由：Tibo首次系统阐述OpenAI将Codex并入ChatGPT的逻辑，解释了Ultra Fast如何通过实时交互改变开发者工作流。

  5. 新智元78

    OpenRouter数据显示AI智能体token用量达人类5.2倍

    OpenRouter统计显示，截至2026年8月10日，AI智能体的token用量达到7.3万亿，人类用户用量为1.4万亿，前者的峰值是后者的5.2倍。该数据基于按API key追踪行为的估算模型，用于区分智能体与人类流量，其中智能体流量平均70%的token来自缓存提示，这成为成本核算的关键变量。

    推荐理由：揭示了智能体工作流改变下的用量与成本核算逻辑，为理解token经济变化提供参照。

  7. 深度学习与NLP94

    OpenAI 开源 Codex 核心循环框架

    OpenAI 在 Apache-2.0 许可下开源 Codex 核心循环框架，提供 CLI、SDK 和 app-server 三类组件，允许开发者将 AI 智能体嵌入自有应用界面和业务流程。

    推荐理由：Codex核心循环开源配合ARC-AGI-3基准上的显著性能提升，为将Agent嵌入各类业务界面提供了直接可用的底层框架。

8月24日周一
  1. 行者AI视频66

    Seedance 2.0 fast 视频模型量产能力实测评测

    Seedance 2.0 fast 降价至6毛/秒后，实测显示其在量产场景下表现最均衡。同档模型包括MiniMax H3和Wan 3.0，测试基于720P分辨率与相同提示词。Seedance 2.0 fast在短漫剧、电商视频和广告素材生成中，于速度、成本与画面稳定性上表现最佳，一次至两次生成即可出片。

  2. 硅星人Pro56

    奥特曼暗批 Anthropic 末日营销并曝光 Claude 新模型代号

    奥特曼在播客中暗讽 Anthropic 使用末日营销话术，同一天第三方渠道曝光 Claude 内部代号 claude-mashmallow-eap 与 claude-melon-eap，OpenAI 员工此前也泄露 gpt-nathree。原文梳理了双方未公开代号的泄露细节与奥特曼访谈中的核心表态，包括对行业营销话术的批评、对 AI 发展节奏的反思以及 OpenAI 早期探索的复盘。

  4. 新智元68

    OpenAI Codex 官方定位三处导致额度消耗的 Bug 并全量重置额度

    OpenAI Codex 负责人 Tibo Sottiaux 公开复盘定位三处导致额度消耗过快的 Bug，包括长会话图片压缩浪费算力、Computer History 功能用量偏高以及后台自动起标题功能消耗超预期。官方为所有付费订阅提供了完整额度重置，社区估算此次重置涉及数百万美元算力。

    推荐理由：官方复盘承认 Codex 背景功能导致额度消耗异常并全量重置额度，提供了处理资源类投诉的参考案例。

  5. 极客公园43

    传 Hugging Face 寻求出售，估值 130 亿美元；Altman 担心 AI 被少数强势主体掌控 | 极客早知道

    据 Business Insider 援引知情人士消息，AI 初创公司 Hugging Face 正在探索出售事宜，交易对其估值可能达 130 亿美元或更高，而 2023 年其估值为 45 亿美元。上个月 Hugging Face 遭遇安全事件，一个 OpenAI 模型失控突破隔离侵入其基础设施。OpenAI CEO 奥特曼同期表示，担心人工智能终有一天会被少数公司、模型或个人所控制。

8月23日周日
  4. 人工智能学家84

    40位顶尖数学家齐聚OpenAI闭门峰会探讨AI对数学研究的冲击

    8月初，OpenAI研究科学家Sébastien Bubeck与Jacob Tsimerman召集约40位数学家召开闭门峰会，探讨AI对数学研究的颠覆。OpenAI近期推翻了单位距离猜想并公布10项新发现，Anthropic员工利用Claude辅助构造了高维垂直向量对，这些成果正在绕过传统同行评审管线。

    推荐理由：汇总了OpenAI与Anthropic在数学领域的最新突破及数学界对此产生的深层分歧。

8月22日周六
  1. Datawhale56

    使用共享文件优化 Claude Code 多 Agent 通信以降低 Token 消耗

    伦敦大学学院团队在 1902 次 Claude Code 实验中测得，在 8 个 Agent 参与的消息密集任务中，用共享文件替代重复点对点沟通可使输出 Token 减少约 42%。教程建议以 AGENT_STATUS.md 承载目标、分工与进度，Agent 仅同步变化，避免全量广播与协调 Agent 转发，并指出该法不适用于单次交接或已按文件交付的场景。

  2. 人工智能学家65

    GLM 5.3 与 5.2 在 3D 驾驶游戏开发中的实测对比及安全策略影响

    GLM 5.3 在与 GLM 5.2 进行的「北京国贸→望京」3D 开放世界驾驶游戏对照测试中完成速度更快（50分47秒对66分1秒），代码结构更集中且画面真实感更强。测试同时发现，GLM 5.3 增强的安全策略在接入 Claude Code 自动化工具链时频繁触发拒绝判断，导致开发流程中断，表明能力更谨慎的模型在 Agent 协作中的适配边界需要重新评估。

  6. APPSO65

    高盛前分析师因在 ChatGPT 表达谋杀意图被 OpenAI 移送 FBI 逮捕

    高盛前分析师 Darren Shida Zhou 在 ChatGPT 中多次留下对前女友的具体谋杀威胁，触发 OpenAI 自动安全机制并移交人工审核。OpenAI 判定存在迫切人身伤害风险后向 FBI 报告，导致周于 2026 年 5 月被捕，并因跟踪骚扰及威胁杀人等指控认罪，判处 8 年缓刑及佩戴电子监控。

    推荐理由：事件展示了 AI 安全审核机制介入司法案件的现实路径，读者可借此理解对话隐私与执法边界的法律争议。

8月21日周五
  1. 数据猿81

    DeepSeek Harness与Codex Harness源码对比：Agent基础设施的两种路线

    数据猿基于DeepSeek Harness和OpenAI Codex的源码，深度对比了两套Agent框架。DeepSeek Harness走"组装框架"路线，强调一切皆插件，社区生态繁荣（2600+插件仓库）；OpenAI Codex走"嵌入引擎"路线，将Agent能力嵌入现有产品，企业级安全设计更深。二者互补而非竞争，如同安卓与iOS的关系。

    推荐理由：对比了DeepSeek和OpenAI两套Agent框架的设计哲学，为开发者提供选择参考。

  2. 人工智能学家40

    尹希专访：弦论、理论物理与AI的未来

    哈佛大学物理系教授尹希在专访中指出，AI时代理论物理的关键在于验证答案的可靠性而非仅获取答案。他提出理论物理由哲学立场、理论范式、技术框架和数学四个层级构成，数学严谨性不足以替代物理假设与定义的有效性，需通过一致性检查弥补。

  3. 新智元84

    Generalist AI 发布机器人基础模型 GEN-1.5：0 行代码，3 秒演示实现通用操作

    Generalist AI 发布机器人基础模型 GEN-1.5，在 10 个操作任务中实现 59% 的 one-shot 成功率，无需微调代码即可完成新任务。该模型验证了具身智能领域的 Scaling Law，显示预训练规模与时长提升可带来泛化能力增强，被研究者比作机器人领域的 GPT-3 时刻。

    推荐理由：GEN-1.5 展现了具身智能 Scaling Law，零代码演示即可驱动机器人即兴操作，被视为该领域的 GPT-3 时刻。

  8. 深度学习与NLP93

    AI 辅助证明森多夫猜想：Lech Mazur 完成验证，陶哲轩提炼出更强结果

    Lech Mazur 借助 GPT-5.6 Pro 与约 9 万行 Lean 4 代码完成森多夫猜想的全次数证明，陶哲轩随后经 AI 辅助简化并重新形式化为约 1.5 万行代码，发现该证明实际涵盖更强的 Phelps-Rodriguez 猜想。

    推荐理由：该文通过森多夫猜证的 AI 协作案例，展示了非职业数学家与 AI 形式化验证如何加速经典数学难题的解决与简化。

  9. 大模型智能43

    为什么复杂 RL 离不开分布式系统，分布式 RL 的核心矛盾又是什么？

    复杂强化学习依赖大规模分布式系统将环境交互、策略推理与模型训练拆分并行，以将训练周期从“年”压缩至“天”或“小时”。该架构需平衡采样与训练吞吐、数据新鲜度与资源利用率、推理延迟与批处理效率，以及样本效率与墙钟时间效率之间的核心矛盾。