在为期12个工作日的连续直播活动中，OpenAI在第9天面向开发者发布了o1模型的API，并宣布对实时API进行重大升级，支持WebRTC技术。​自发布日起，OpenAI将向API使用等级5级的开发者提供o1API的访问权限。此次更新的o1模型API相较于之前的预览版本，在思考成本上实现了60%的降低，并新增了高级视觉处理能力。同时，GPT-4o在音频处理上的成本也减少了60%，而mini版本的价格也大幅下降了10倍。

OpenAI 宣布在其高级语音模式中新增了期待已久的视频聊天和屏幕共享功能。这一新功能现已在 iOS 和 Android 移动应用程序中向 ChatGPT Teams、Plus 和 Pro 用户开放，预计将在明年1月向 ChatGPT 企业版和教育版订阅用户推送。不过，来自欧盟、瑞士、冰岛、挪威和列支敦士登的用户将无法使用这一高级语音模式。OpenAI 在今年5月首次提及这一功能，当时公司展示了 GPT-4o 如何 “观看” 游戏并解释游戏进程。随后，高级语音模式于9月正式推向用户。用户可以通过高级语音模式屏幕上的新按钮开始视

在人工智能领域，后训练技术正逐渐成为提升模型性能的重要手段。近日，艾伦人工智能研究所（AI2）发布了 Tülu3系列模型，这是一套完全开源的先进语言模型，性能与 GPT-4o-mini 等闭源相媲美。Tülu3不仅包含了模型数据、代码、训练配方，还提供了评估框架，旨在推动开源模型后训练技术的发展。传统上，仅经过预训练的模型往往无法有效满足实际应用需求，可能会产生有毒或危险的信息，且难以遵循人类指令。因此，后训练阶段如指令微调和人类反馈学习显得尤为重要。然而，如何优

近日，上海 AI 实验室宣布推出书生·万象InternVL2.5模型。这款开源多模态大型语言模型以其卓越的性能，成为首个在多模态理解基准(MMMU)上超过70%准确率的开源模型，与商业模型如GPT-4o和Claude-3.5-Sonnet等的性能相媲美。

近日，NVIDIA 推出了新一代开放视觉语言模型 ——NVILA。该旨在优化准确性和效率，凭借出色的性能，成为视觉 AI 领域的佼者。根据 NVIDIA 的介绍，NVILA 在训练成本上降低了4.5倍微调所需内存减少了3.4倍，并且在预填充和解码的延迟上几乎降低了2倍。这些数据是与另一种大型视觉模型 LLaVa OneVision 进行比较得出的。在视频基准测试中，NVILA 的表现超过了 GPT4o Mini，并且在与 GPT4o、Sonnet3.5和 Gemini1.5Pro 的比较中也表现出色。此外，NVILA 还在与 Llama3.2的对比中取得了微弱胜利。尽管如此，NVIDIA 表

ChatGPT 自2022年推出以来，其发展历程标志着人机互动的重大转变。从最初的新奇实验，迅速成长为很多人日常生活中不可或缺的数字工具。根据统计，ChatGPT 在推出后的短短五天内便吸引了超过一百万用户，而到2023年11月，每周活跃用户数更是达到了1亿，2024年8月这一数字已突破2亿，月访问量达到约31亿次。如此惊人的用户基础，体现了 ChatGPT 在日常生活中的广泛应用。随着技术的不断进步，ChatGPT 在2024年5月推出了 GPT-4o 版本，实现了多模态交互。这一升级使得 AI 能够处理和生成文本、图

微软近日发布开源库TinyTroupe，这是一个突破性的人工智能系统，能在虚拟环境中模拟人类行为，为企业提供创新的产品测试和市场研究解决方案。TinyTroupe利用GPT-4o等大型语言模型，创建具有独特个性、兴趣和目标的AI代理"TinyPersons"。这些虚拟代理可在"TinyWorlds"环境中相互交互，模拟真实用户场景。与传统游戏模拟不同，TinyTroupe专注于商业和生产力应用。企业可以在投入实际广告预算前，通过模拟受众测试数字广告效果，或评估搜索引擎和聊天机器人的用户体验。目前，该系统提供了几个

近日，来自斯坦福大学、华盛顿大学和谷歌 DeepMind 的研究团队开发了一种新型的人工智能（AI）智能体，这些智能体可以在社会实验中精准模拟人类行为。根据他们的研究，这种模拟技术有望为经济学、社会学、组织学和政治学等领域的理论测试提供实验室基础。研究人员构建这些 AI 智能体的过程中，使用了超过1，000名美国选民的访谈数据。这些被访者的年龄、性别、教育背景和政治观点均代表了美国社会的多样性。AI 智能体通过分析这些访谈记录，利用 GPT-4o 模型，在用户提问时再现受

近日，谷歌和 OpenAI 之间的竞争再次升温。在新版 GPT-4o 刚刚登顶 AI 竞技榜后仅一天，谷歌便推出了最新的试验版模型 Gemini-Exp-1121，迅速夺回了冠军宝座。就在一周前，谷歌刚发布了 Gemini-Exp-1114，这似乎表明谷歌对 OpenAI 的动态反应非常迅速。谷歌 DeepMind 的首席科学家 Jack Rae 对此表示，这是一场 “闪电战”，暗示着后期训练的迭代速度比预训练更为迅速。根据官方信息，Gemini-Exp-1121在多个方面进行了显著提升，主要体现在代码能力、推理能力和视觉理解能力的增强。此外，该模型在复杂

OpenAI 为其 ChatGPT Plus 订阅用户推出了最新的大型语言模型（LLM）升级——ChatGPT-4o 的“创意写作”功能。据 OpenAI 在 X(原 Twitter)上的简短声明，升级后的模型写作能力更自然、更引人入胜，并可根据用户需求进行定制，提高内容的相关性和可读性。此次升级后，ChatGPT-4o 被认为在创意写作领域达到了新的高度。一些用户甚至形容它的说唱歌词创作能力可媲美 Eminem。一位名为 Kyle 的用户表示:“两年来，我一直测试语言模型创作风格复杂的说唱歌词。现在的 ChatGPT-4o 首次完美捕捉到了复杂的内

OpenAI 宣布对其旗舰模型 GPT-4o 进行了重大升级，进一步提升了其在推理、跨媒体和对话能力等方面的表现。此次更新被称为 ChatGPT-4o（20241120），旨在为用户提供更自然、引人入胜的文本生成体验。在升级之前，OpenAI 对 GPT-4o 进行了严格的性能测试，这一过程在一个名为 “Chatbot Arena” 的大型语言模型（LLM）评估平台上进行。通过与其他模型进行对比，用户们在不知道模型名称的情况下，使用两个模型进行对话，最终 GPT-4o 在各项指标中脱颖而出，位列第一，超越了 Gemini-Exp-1114。此外，Open

OpenAI 宣布，将其 ChatGPT 的高级语音模式功能扩展至网页版本，用户可以直接在浏览器中与 AI 聊天机器人进行对话。此次网页版的推出，标志着在 iOS 和 Android 应用程序中首次推出的高级语音模式功能的延续。新功能的推出将首先面向 ChatGPT 的付费用户，包括 Plus、Enterprise、Teams 和 Edu 订阅者。用户需通过相应的订阅服务才能体验这一新功能。高级语音模式利用 OpenAI 的 GPT-4o 的原生音频能力，能够实现更自然的实时对话。这一功能使得 ChatGPT 不仅能理解用户的语言，还能感知非语言信号，比

通义千问团队近日宣布开源其最新的Qwen2.5-Coder全系列，这一举措旨在推动Open Code LLMs的发展。Qwen2.5-Coder以其强大、多样和实用性受到关注。Qwen2.5-Coder-32B-Instruct模型在代码能力上达到了SOTA水平，与GPT-4o相当，展现出全面的能力

OpenAI近日推出了一项重要更新，为GPT-4o模型引入"预测输出"（Predicted Outputs）功能。这项创新技术显著提升了模型的响应速度，在特定场景下最高可达到原有速度的5倍，为开发者带来全新的效率体验。这项由OpenAI与FactoryAI联合开发的功能，其核心优势在于能够绕过已知内容的重复生成过程。在实际应用中，特别是在更新博客文章、迭代现有回复或重写代码等任务上表现出色。根据FactoryAI提供的数据显示，在编程任务中，响应时间缩短了2至4倍，将原本需要70秒的任务压缩至20秒内完成。目前

为了帮助企业用户有效使用复杂的 Gov.UK 网站，英国政府近日推出了一款基于 GPT-4o 技术的人工智能聊天机器人。这款聊天机器人旨在引导用户浏览超过70万页的政府信息，但初步测试结果显示其表现不一。在这项实验性服务的测试阶段，政府计划邀请多达15，000名企业用户进行试用，预计在明年能够更广泛推广。使用前，机器人会提醒用户其主要局限性之一，即 “幻觉” 问题。这个问题是指 AI 有时会生成虚假信息并自信地呈现出来。尽管如此，聊天机器人还提供了链接以供用户核实其提

大型语言模型如 GPT-4o 和 GPT-4o-mini 的出现，推动了自然语言处理领域的重大进步。这些模型能够生成高质量的响应，进行文档重写，以及提升各类应用的生产力。然而，这些模型面临的一个主要挑战就是响应生成的延迟。在更新博客或优化代码的过程中，这种延迟可能会严重影响用户体验，尤其是在需要多次迭代的场景下，如文档修改或代码重构，用户往往会感到沮丧。为了应对这一挑战，OpenAI 推出了 “预测输出（Predicted Outputs ）” 功能，这一功能显著减少了 GPT-4o 和 GPT-4o-mini 的延迟，

最近，一项由 OpenAI 进行的研究显示，尽管人工智能技术飞速发展，当前最先进的语言模型在回答事实问题时的成功率却远低于预期。研究采用了 OpenAI 自家的 SimpleQA 基准测试，这个测试包含了4，326个，涵盖了科学、政治和艺术等多个领域，每个问题都有一个明确的正确答案。经过两名独立评审员的验证，结果显示，OpenAI 最好的模型 o1-preview 的准确率仅为42.7%，而 GPT-4o 则略低，只有38.2%。至于更小的 GPT-4o-mini，准确率甚至只有8.6%。相比之下，Anthropic 的 Claude 模型表现得更差，Claude-3.5-sonn

OpenAI今日宣布，ChatGPT的高级语音模式（Advanced Voice Mode，AVM）正式登陆Windows和Mac平台。该功能基于GPT-4o模型开发，使用户能够通过语音与AI进行更自然的实时对话交互。据了解，AVM于今年 7 月首次向测试用户开放， 9 月底扩展至ChatGPT Plus和Team付费用户。OpenAI表示，免费用户未来也将获得使用权限，但欧盟、英国、瑞士等欧洲地区用户暂时无法使用该功能。此次更新中，OpenAI新增了Arbor、Maple、Sol、Spruce和Vale五种语音选项，并将界面中的黑色动画点更换为蓝色动画球体。系统支持用户在对话

最近，Meta 的首席 AI 科学家 Yann LeCun 表示，自机器智能（AMI）能够真正帮助人们的日常生活。Meta 正在努力提升其 Llama 模型的推理能力，希望能与 GPT-4o 等顶尖模型相媲美。Meta 的副总裁 Manohar Paluri 提到，他们正在探索让 Llama 模型不仅能够 “规划”，还可以实时评估决策并在条件变化时进行调整。这种迭代的方法结合了 “思维链” 的技术，旨在实现能够有效结合感知、推理和规划的自主机器智能。此外，Paluri 强调，在 “非可验证领域” 的 AI 推理中，模型需要将复杂任务分解成可管理的

来自德国达姆施塔特工业大学的最新研究揭示了一个令人深思的现象:即便是当前最先进的AI图像模型，在面对简单的视觉推理任务时也会出现明显失误。这项研究结果对AI视觉能力的评估标准提出了新的思考。研究团队采用了由俄罗斯科学家Michail Bongard设计的Bongard问题作为测试工具。这类视觉谜题由12张简单图像组成，分为两组，要求识别出区分这两组的规则。对于大多数人来说，这种抽象推理任务并不困难，但AI模型的表现却令人意外。即便是目前被认为最先进的多模态模型GPT-4o，在100个