⌘ K
… 读取采集状态 同步中...
雷

OpenAI / ChatGPT

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。

448条精选相关主题Anthropic / ClaudeGoogle / Gemini模型发布

最新精选

第 201–220 条 · 共 448 条
9月23日周三
  2. 极客公园82

    OpenAI 发布 GPT-6 Sol 和 Luna，API 价格较 GPT-5.6 降低 50%

    OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna 模型，这两款新模型的 API 价格相比 GPT-5.6 促销价降低 50%。在 AutomationBench 测试中，GPT-6 Sol 在 xhigh 强度下表现优于 Claude Opus 5，任务成本仅为后者的 9%。

    推荐理由：原文给出了 GPT-6 Sol 和 Luna 在业务测试中优于 Claude Opus 5 的性能数据及降低 50% 的定价信息，有助于判断智能体应用成本结构。

  6. APPSO88

    OpenAI 发布 GPT-6 Sol 和 Luna 模型

    OpenAI 发布 GPT-6 Sol 和 Luna 模型，API 价格降至上一代的一半左右，其中 Luna 每百万 Token 输入 0.1 美元、输出 0.5 美元。两款模型承接了 GPT-6 Astra 在编程、Agent 等任务上的能力，以更低成本面向高频和规模化场景。在 DeepSWE 评测中，Sol 最大推理强度得分为 68.8%，单项任务成本比上一代低约 80%。

    推荐理由：给出了 GPT-6 Sol 和 Luna 的具体降价幅度，以及 Sol 在多项基准测试中对比其他模型的成本优势。

  7. AI信息Gap88

    Claude Opus 5.5 发布：性能对标 Claude Fable 5.1，实际成本降低 40%

    Anthropic 发布 Claude Opus 5.5，多项指标达到 Claude Fable 5.1 水平，总使用成本较上一代降低 40%。Terminal-Bench 4.0 准确率为 66.4%，API 输入价格降至 4 美元/百万 token，缓存读取成本降低 60%，且支持快速模式与订阅额度提升。

    推荐理由：原文详细列出了终端基准得分及缓存读取价格降幅，读者可据此评估其在编程场景下的实际使用成本变化。

  8. Microsoft Azure AI Blog75

    微软 Azure AI 宣布 GPT-6 Sol 和 Luna 加入 GPT-6 系列生产级智能体模型

    微软宣布 GPT-6 Sol 和 GPT-6 Luna 正式加入 GPT-6 系列，在 Microsoft Foundry 全面可用。GPT-6 Astra 面向高难度推理、软件工程与计算机操作；Sol 适合企业级 Agent、编码与复杂知识工作；Luna 面向高吞吐量的提取、摘要、路由与常规客户交互。

    推荐理由：文章给出三款模型的定价和部署选项，帮助团队匹配任务规模与成本结构。

9月22日周二
  1. 新智元78

    OpenAI 疑似在 ChatGPT 开发对标 Grok Bot 的智能体功能 Aeon

    媒体爆料 OpenAI 正在开发功能以应对 Grok Bot 和 Meta 的 Muse，同时疑似代号 Aeon 的代码在 ChatGPT 客户端中曝光。代码截图显示 aeonId 与用户账号 ID 并列，以及 memberAeonIds 等字段，暗示 Aeon 可能作为独立身份与用户协同工作。

    推荐理由：爆料泄露代码显示OpenAI正在ChatGPT内部开发名为Aeon的智能体功能，直接对标Grok Bot形态，展示了AI巨头在个人智能体赛道的竞争策略与产品路线。

  2. AI科技评论72

    乐享科技发布以太大模型并展示户外烧烤直播测试

    乐享科技发布以太大模型，强调从预测到求解的范式转变。团队在上海烧烤店进行无剪辑、可实时干预的户外直播，机器人完成接单、烤串及应对临时打断等任务，展示了主动感知、多模态理解、流式记忆、动力学建模及持续自进化五项核心能力。

    推荐理由：通过户外烧烤直播展示机器人在开放环境下的自主应变与持续进化能力，区别于以往依赖预设脚本的演示。

  3. 硅星人Pro85

    OpenAI 成立数学与人工智能顾问小组，回应 AI 速解数学难题引发的学界争议

    OpenAI 宣布成立独立的数学与人工智能顾问小组，旨在回应其内部模型快速解决 100 多道未解难题引发的数学界担忧。该小组由普林斯顿高等研究院承办，成员包括多位菲尔兹奖得主及顶尖数学家，具备评估结果、讨论署名规范及提供发布建议的权限，但被明确排除了干预 OpenAI 内部研发进度的权力。

    推荐理由：原文梳理了OpenAI解决数学难题引发的学术争议及后续成立顾问小组的动作，提供了理解行业权力博弈的视角。

9月21日周一
  1. CVer95

    GPT-6 Astra 无条件证明刘维尔版哥德巴赫猜想

    GPT-6 Astra 无条件证明了哥德巴赫猜想的刘维尔弱化版本，即所有大于 2 的偶数可表示为两个刘维尔值为 -1 的正整数之和。该证明已由 Captain Sude 团队发布，并通过了 Lean 4 形式化验证，独立复核显示代码无错误且数值测试全部通过。

    推荐理由：梳理了 Astra 关于刘维尔版哥德巴赫猜想的证明逻辑及其 Lean 4 形式化验证细节。

  2. 新智元70

    OpenAI 总裁 Greg Brockman 255 亿美元身家杀进全美富豪前 50

    Greg Brockman 以约 255 亿美元身家首登 2026 年 Forbes 400，排名全美第 45，而 OpenAI CEO 奥特曼因无直接持股仅约 33 亿美元未能上榜。文中提及 OpenAI 估值从 8520 亿美元向 1.2 万亿美元攀升，且 Anthropic 六位联创同步上榜。

    推荐理由：原文给出了 OpenAI 高层财富变动与融资传闻的对比，读者可以据此理解 AI 股权重估机制。

  3. 钛媒体AGI81

    Opus 5.2与Gemini 4 Pro未官宣已上线，前沿模型发布流程被压缩

    Anthropic和谷歌分别将未官宣的Opus 5.2和Gemini 4 Pro接入生产接口或盲测平台，引发开发者社区讨论。文章分析了三家厂商通过灰度路由规避全量发布风险的策略，并指出ARC-AGI-3在不同测试条件下得分差异巨大（99.9% vs 62.7%）。

    推荐理由：文章梳理了三家厂商跳过发布会直接灰度测试新模型的策略，并对比了相关基准测试争议，为观察行业发布流程变化提供了具体案例。

9月20日周日
  1. AGI Hunt87

    TypeSafe AI 发布 Jev 决策模型：并行输出概率与四条复刻路线实测

    TypeSafe AI 发布决策模型 Jev，它不逐 token 生成文本，而是按问题并行返回分类、评分或概率，官方端到端延迟为 70–500 毫秒。文章通过演示幻灯片自动翻页等场景说明其低延迟高频判断特性，并对比了 SemIf、LoRA、编码器和扩散模型四条复刻路线在 JevBench 等基准上的表现，指出 Jev 在复杂推理和长期规划上仍有局限。

    推荐理由：文章详细拆解了 Jev 的并行概率接口及其与 LLM 的差异，并提供了四条不同的社区复刻路线与实测数据，为工程落地提供了具体参考。

9月19日周六
  1. 机器之心83

    Anthropic或提前发布新模型以应对OpenAI Astra冲击

    Anthropic正考虑提前发布新模型，以应对OpenAI于9月3日发布的Astra对企业份额的冲击。OpenRouter数据显示，Astra上线两周即吃掉约13%的企业AI支出份额，而Anthropic的Fable系列仅占8%，OpenAI首次反超Anthropic。

    推荐理由：两家公司在两周内交替发布旗舰模型，OpenAI的Astra迅速抢占企业支出份额，迫使Anthropic在IPO前考虑打乱节奏提前上新。

  2. 新智元73

    Anthropic 与 Geodesic 在药物发现领域的动作对比

    Anthropic 联合 Adaptyv Bio 发起蛋白质设计公开赛，提供最多100万美元积分并在自动化实验室验证设计。另一家初创公司 Geodesic Intelligence 则反向操作，悬赏100万美元现金征集药物发现中最难的问题。文章对比了两者的策略，并指出 Anthropic 的比赛条款将中国居民排除在参赛资格之外，而 Geodesic 则向全球研究者开放提题机会。

    推荐理由：原文对比了 Anthropic 与 Geodesic 在药物发现领域的不同策略，揭示了比赛参与门槛和商业模式上的差异。

  4. APPSO69

    OpenAI 逾 3 亿美元收购 Glass Imaging

    OpenAI 被报道以超过 3 亿美元收购 Glass Imaging，该交易尚未获官方确认。Glass Imaging 由 Ziv Attar 和 Tom Bishop 创立，两人曾参与苹果 iPhone 人像模式开发；公司将去马赛克、降噪、多帧融合等步骤整合到同一神经网络中，基于 RAW 数据训练以恢复传感器捕捉的真实信息，而非生成式修图。

    推荐理由：收购细节指向 AI 硬件分工逻辑，展示了 Neural ISP 如何影响摄像头与模型协同的设计。