Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

OpenAI过去12天的发布会总结

Answer

以下是 OpenAI 过去 12 天发布会的总结：

  • 自媒体记录方面：
    • 夕小瑶科技说：o3 发布，可能影响码农工作。
    • 孔某人的低维认知：OpenAI 圣诞 12 天总评，感谢大佬赏饭。
    • MAX 01Founder：一文详解 o3，虽接近 AGI 但使用成本高。
    • 南瓜博士：使用 o3 钱包和脑子可能不够。
    • 数字生命卡兹克：OpenAI 正式发布 o3，通往 AGI 路上已无障碍。
  • 具体发布内容：
    • Day12：o3 与 o3 mini 正式亮相。
    • Day11：ChatGPT 桌面应用，Option+空格快速唤起。
    • Day10：OpenAI 发布电话倾诉功能 1-800-242-8478。
    • Day9：o1 满血版 API 和 4o 实时语音 API 更新。
    • Day8：AI 搜索功能免费开放，并支持实时语音搜索。
    • Day7：ChatGPT 全新“项目”功能发布。
    • Day6：实时视频通话&圣诞老人模式正式上线。
    • Day5：ChatGPT 与 Apple 的深度合作。
    • Day4：直播“翻车”的 Canvas。
    • Day3：Sora 终于上线，有案例和功能详解。
    • Day2：微调 O1 模型，低成本高效率。
    • Day1：强化学习微调的实操案例。
  • 宝玉日报 12 月 18 日：
    • AI 架构与技术选型的 4 条原则：选主流框架、确保测试覆盖率、避免私有框架、采用模块化设计。
    • OpenAI 12 天发布会第 9 天：o1 API 正式版速度更快成本降低，支持多种新功能；语音交互升级，引入 WebRTC 支持，处理费用降低；新增偏好微调功能和工具包，简化 API 密钥申请流程。
  • 易观分析报告预测了 AI 技术未来的关键发展方向，德邦证券报告对 OpenAI 十二日发布会进行深度总结，认为随着大模型能力提升和应用场景扩展，AI 应用商业价值有望实现，建议关注相关领域。
Content generated by AI large model, please carefully verify (powered by aily)

References

OpenAI12场发布会每日记录完整版包含视频翻译-Day1-12

自媒体记录：夕小瑶科技说：o3发布了，摔碎了码农的饭碗https://mp.weixin.qq.com/s/BeHaO1c3RN-5HFYhJ8B1mQ孔某人的低维认知：OpenAI圣诞12天总评：要感谢大佬赏饭https://mp.weixin.qq.com/s/yL2EoP-uE4Q50tTHnX5qRwMAX 01Founder：一文详解o3：无限接近AGI，但你用不起https://mp.weixin.qq.com/s/fa6Znp4qphcyiuZ-mGal4g南瓜博士：使用o3？我的钱包和脑子都不够https://mp.weixin.qq.com/s/UBSz2A_FjLXZJnRA5u9YiQ数字生命卡兹克：OpenAI正式发布o3-通往AGI的路上，已经没有了任何阻碍。https://mp.weixin.qq.com/s/fzUXLrWY7pLU5uEtrtOouQDay12 o3与o3 mini正式亮相Day11 ChatGPT桌面应用，Option+空格快速唤起Day10 OpenAI发布电话倾诉功能1-800-242-8478Day9 o1满血版API和4o实时语音API更新Day8 AI搜索功能免费开放，并支持实时语音搜索Day7 ChatGPT全新“项目”功能发布Day6实时视频通话&圣诞老人模式正式上线Day5 ChatGPT与Apple的深度合作Day4直播“翻车”的CanvasDay3 Sora终于上线，案例和功能详解Day2微调O1模型，低成本高效率Day1强化学习微调的实操案例！

宝玉 日报

?宝玉日报「12月18日」✨✨✨✨✨✨✨✨1⃣️?AI架构与技术选型的4条原则选主流框架：优先选择语料多、生成质量好的语言和框架。测试覆盖率：用AI辅助生成测试代码，确保代码质量。避免私有框架：尽量使用流行框架生成独立模块代码。模块化设计：降低耦合度，方便AI快速开发和维护。?[https://x.com/dotey/status/1869209113726529989](https://x.com/dotey/status/1869209113726529989)2⃣️?OpenAI 12天发布会第9天：开发者主题日o1 API正式版：速度更快，成本降低60%，支持视觉识别、函数调用、结构化输出等功能。语音交互升级：引入WebRTC支持，12行代码即可实现实时语音交互，音频处理费用降低60%。偏好微调功能：让AI回答更具个性化，企业AI准确率提升显著。新增Go和Java工具包，简化API密钥申请流程。?[https://x.com/dotey/status/1869166100367151452](https://x.com/dotey/status/1869166100367151452)3⃣️?Sora眼中的西施：穿越古代的浪漫邂逅Prompt描述了在繁华古代集市遇见西施的唯美场景。镜头化叙事，展现了主角与西施的心动瞬间及互动细节。?[https://x.com/dotey/status/1869087190447280303](https://x.com/dotey/status/1869087190447280303)

通往 AGI 之路

易观分析发布的《[2025年AI产业发展十大趋势报告](https://waytoagi.feishu.cn/record/ROgmrSNMxerHcUc9iuQczrY1n7B)》预测了AI技术未来的关键发展方向。报告指出，大模型技术将进入复杂推理阶段，多模态模型能力将升级，Agent将进化为超级智能体，AI原生应用将形成服务闭环，现存应用将加速拥抱AI，AIGC将赋能IP全生态，硬件将全面AI化，AI将赋能千行百业，企业需利用专有数据形成深度洞察，AI应用的深化将对企业组织能力提出新要求。德邦证券：《[AI应用产业化的开端：OpenAI十二日发布会深度总结](https://waytoagi.feishu.cn/record/GWH9rWHI4es7v5cvBcbctVuNnkG)》OpenAI发布了多个新旧产品，如Sora、高级语音、o1、Canvas等，以及全新产品如强化微调、Project、o1 API等，旨在提升AI的推理性能和多模态交互能力，朝人工通用智能（AGI）目标迈进。报告认为，随着大模型能力的提升和应用场景的扩展，AI应用的商业价值有望实现，建议关注to B/C Agent、多模态AI和推理算力等领域。

Others are asking
12个精选prompt框架
以下是 12 个精选的 prompt 框架： 1. ICIO 框架： 指令：执行的具体任务。 背景信息：提供执行任务的背景信息、上下文内容，让大模型更好地回答。 输入信息：大模型需要用到的一些信息。 输出信息：明确输出的具体信息的要求，比如字数、风格、格式。 2. BROKE 框架：通过 GPT 的设计提示，来提升整体反馈的效率。 背景：提供足够背景信息，让大模型可以理解问题的上下文。 角色设定：特定的角色，让 GPT 根据特定的角色能力的特点来形成响应。 目标：明确任务的目标，让大模型知道您想让它做什么。 结果定义：明确可以衡量的结果，让大模型清楚自己做的情况。 调整：根据具体的情况，来调整具体的结果。 3. CRISPIE 框架： 能力和角色：您期望大模型扮演的角色洞察，提供幕后洞察力、背景信息和上下文。 声明：简洁明了的说明希望完成的任务。 个性：回应的风格、个性或者方式。 实验：提供多个回答的示例。 另外，在潘帅分享的法律人如何用好 AI—Prompt 篇中，也提到了 Prompt 的建议框架及格式，如 CRISPE 框架： 能力与角色（Capacity and Role）：比如您希望它的角色和能力，如您是一名专注于民商事法律领域的律师，擅长案例研究、法律条文检索以及案件策略分析。 洞察（Insight）：提供背景信息和上下文，比如处理一起复杂的合同纠纷案件，向 AI 提供案件的关键事实、相关法律以及案件涉及的背景。 陈述（Statement）：您希望 AI 做什么，比如直接明确期望 AI 完成的任务是什么。 个性（Personality）：您希望 AI 以什么风格或方式回答您。 举例：以合同纠纷案件为例，要求 AI 总结此案件中双方的诉求、检索法条、预测可能的判决结果。
2025-03-26
12个精选prompt框架
以下是 12 个精选的 prompt 框架： 1. ICIO 框架： 指令：执行的具体任务。 背景信息：提供执行任务的背景信息、上下文内容，让大模型更好地回答。 输入信息：大模型需要用到的一些信息。 输出信息：明确输出的具体信息的要求，比如字数、风格、格式。 2. BROKE 框架：通过 GPT 的设计提示，来提升整体反馈的效率。 背景：提供足够背景信息，让大模型可以理解问题的上下文。 角色设定：特定的角色，让 GPT 根据特定的角色能力的特点来形成响应。 目标：明确任务的目标，让大模型知道您想让它做什么。 结果定义：明确可以衡量的结果，让大模型清楚自己做的情况。 调整：根据具体的情况，来调整具体的结果。 3. CRISPIE 框架： 能力和角色：您期望大模型扮演的角色洞察，提供幕后洞察力、背景信息和上下文。 声明：简洁明了地说明希望完成的任务。 个性：回应的风格、个性或者方式。 实验：提供多个回答的示例。 此外，在法律领域，对于律师写好 Prompt 有以下建议框架及格式： 第一种：CRISPE Capacity and Role（能力与角色）：比如您希望它的角色是一名专注于民商事法律领域的律师，擅长案例研究、法律条文检索以及案件策略分析。 Insight（洞察）：提供背景信息和上下文，比如处理一起复杂的合同纠纷案件，向 AI 提供案件的关键事实、相关法律以及案件涉及的背景。 Statement（陈述）：直接明确期望 AI 完成的任务，比如要求 AI 总结此案件中双方的诉求、检索法条、预测可能的判决结果。 Personality（个性）：您希望 AI 以什么风格或方式回答您。 Experiment（举例）
2025-03-25
java程序员，怎么吧AI结合到公司的业务上去，K12教育公司
对于 Java 程序员将 AI 结合到 K12 教育公司的业务中，以下是一些可能的方向和建议： 首先，可以考虑利用自然语言处理技术来改善学生与学习平台的交互体验。例如，开发智能客服，能够自动回答学生和家长常见的问题，提高服务效率。 其次，通过机器学习算法对学生的学习数据进行分析，从而实现个性化的学习推荐。比如根据学生的学习进度、成绩、学习习惯等因素，为他们推荐适合的课程、练习和学习资源。 另外，运用图像识别技术来辅助教学材料的制作和评估。例如，自动识别和批改学生的手写作业、试卷等。 还可以开发智能辅导系统，为学生提供实时的学习指导和答疑服务。 最后，利用语音识别和合成技术，打造有声读物、语音教学等功能，丰富教学形式。 但在将 AI 引入业务的过程中，需要注意数据的安全性和合法性，以及确保技术的可靠性和稳定性。同时，要充分考虑教育的特点和学生的需求，以实现有效的融合和应用。
2025-02-23
12个精选prompt框架
以下是 12 个精选的 prompt 框架： 1. ICIO 框架： 指令：执行的具体任务。 背景信息：提供执行任务的背景信息、上下文内容，让大模型更好地回答。 输入信息：大模型需要用到的一些信息。 输出信息：明确输出的具体信息的要求，比如字数、风格、格式。 2. BROKE 框架：通过 GPT 的设计提示，来提升整体反馈的效率。 背景：提供足够背景信息，让大模型可以理解问题的上下文。 角色设定：特定的角色，让 GPT 根据特定的角色能力的特点来形成响应。 目标：明确任务的目标，让大模型知道您想让它做什么。 结果定义：明确可以衡量的结果，让大模型清楚自己做的情况。 调整：根据具体的情况，来调整具体的结果。 3. CRISPIE 框架： 能力和角色：您期望大模型扮演的角色洞察，提供幕后洞察力、背景信息和上下文。 声明：简洁明了地说明希望完成的任务。 个性：回应的风格、个性或者方式。 实验：提供多个回答的示例。 4. 课件中的 Prompt 之术“三板斧”： 分配角色。 给出示例（fewshots）。 思维链（ChainofThought）。
2025-02-17
如果让你来给小学生设计一门人工智能视频课，12集，你会怎么设计
对于为小学生设计一门 12 集的人工智能视频课，以下是我的设计思路： 第一集：《走进神奇的 AI 世界》 介绍什么是人工智能，通过有趣的例子展示 AI 在日常生活中的应用，激发学生的兴趣。 第二集：《AI 的历史之旅》 讲述人工智能的发展历程，从早期的概念到现代的突破。 第三集：《AI 如何理解我们》 讲解 AI 是如何处理和理解人类输入的信息，如语言、图像等。 第四集：《智能机器人小伙伴》 介绍机器人如何通过 AI 技术实现各种功能和动作。 第五集：《AI 在游戏中的魔法》 展示 AI 在游戏中的应用，如游戏角色的智能行为。 第六集：《AI 与医疗保健》 讲述 AI 在医疗领域的作用，如疾病诊断、医疗影像分析等。 第七集：《AI 与交通出行》 介绍 AI 如何改善交通状况，如智能交通系统。 第八集：《AI 与教育的碰撞》 探讨 AI 在教育中的应用，如个性化学习、智能辅导。 第九集：《AI 绘画的奇妙世界》 让学生了解 AI 绘画的原理和创作过程。 第十集：《AI 音乐的旋律》 介绍 AI 在音乐创作和演奏方面的应用。 第十一集：《AI 的未来展望》 一起畅想未来 AI 可能带来的更多变化和创新。 第十二集：《我和 AI 的故事》 鼓励学生分享自己对 AI 的理解和想象，总结课程内容。 在每一集的设计中，都会采用生动有趣的动画、简单易懂的案例和互动环节，让小学生能够轻松理解和参与。
2025-02-14
在2025年2月12日这个时间点，我有哪些方式可以快速，稳定的使用 deepseek r1
在 2025 年 2 月 12 日，您可以通过以下方式快速、稳定地使用 DeepSeek R1： PPIO 派欧云（https://ppinfra.com/modelapi/product/llmapi?utm_medium=article&utm_source=WayToAGI）：提供满血版全版本的 DeepSeekR1，输入价格为￥4/百万 tokens，输出价格为￥16/百万 tokens。有开发者福利，新注册立得 500 万 tokens（关注 PPIO 公众号回“deepseek”再领 1 亿），初创企业认证有 10 万算力补贴。产品服务特点为服务稳定性 99.9%，保持 0 故障，与 DeepSeek 官方同价，客户支持通道 10 分钟响应。 百度智能云：DeepSeekR1 限时免费，配额 1000RPM/10000TPM，无调用 tokens 上限。本模型将于 2025 年 2 月 19 日 00:00 起正式商用计费，输入价格 0.002 元/千 tokens，输出价格 0.008 元/千 tokens，有在线体验。 硅基流动：DeepSeekR1 输入价格为￥4/M Tokens，输出价格为￥16/M Tokens，有在线体验。2025 年 2 月 6 日起，未实名用户每日最多请求此模型 100 次。 此外，在 2 月 12 日，还有以下相关内容： 《》，来自社区伙伴 Hua 的投稿，手把手指导您在微软 Azure AI Foundry 平台上完成 DeepSeek R1（671B）模型的完整部署流程，包含环境准备、资源管理、模型测试及 API 调用说明。 《》Anthropic 正式发布 Anthropic AI Economic Index，聚焦 AI 对经济的长期影响。该指数直观展现 AI 如何融入现代经济的各类实际任务，并从职业（occupation）和具体工作任务（task）两个维度，量化 AI 对劳动力市场的影响。 《》DeepSeekR1 的火爆现象背后，企业可以获得显著提升。其强化学习和联网搜索能力，改变了信息获取方式，从“检索—阅读—摘要”转变为“提问—获得答案”，大幅提升工作效率。同时，DeepSeek 的开源策略打破了技术垄断，让国内大模型能力迅速提升。
2025-02-12
OpenAI Operator, Anthropic Claude Coder
以下是关于 OpenAI Operator 和 Anthropic Claude Coder 的相关信息： 2025 年 Agent 领域的发展预测： 从对话助手到行动型智能体是 2025 年 Agent 技术的主流发展方向之一。计算机操作能力取得突破，传统大模型更多充当聊天助手，而 2025 年的突破在于让 Agent 直接“动手”操作电脑和网络环境。 Anthropic 在 2024 年底发布的 Claude 3.5 Sonnet 首次引入“Computer Use”能力，让 AI 像人一样通过视觉感知屏幕并操作鼠标键盘，实现了 AI 自主使用电脑的雏形。 OpenAI 在同期推出了代号“Operator”的 Agent 及其核心模型“计算机使用智能体”（CUA），使 GPT4 获得直接与图形界面交互的能力。CUA 通过强化学习将 GPT4 的视觉能力与高级推理相结合，训练 AI 可像人一样点击按钮、填表、滚动页面等。在 OpenAI 的测试中，CUA 在浏览器任务基准 WebArena 和 WebVoyager 上分别达到 38.1%和 87%的成功率，后者已接近人类水平。 其他相关信息： 宝玉日报 1 月 25 日： Deepseek 提示词框架包含四大模块：任务目的（Purpose）、计划规则（Planning Rules）、格式规则（Format Rules）、输出说明（Output）。 Anthropic 的 Claude 可通过屏幕截图获取计算机视觉信息，计算光标移动的像素坐标，并执行点击、滚动等操作。 OpenAI Operator 利用虚拟主机和 Chrome 浏览器，通过 CUA 实现网页实时操作，支持复杂任务导航。 主要的大语言模型： OpenAI 系统包括 3.5 和 4 等，3.5 模型在 11 月启动了当前的 AI 热潮，4.0 模型在春季首次发布，功能更强大。新的变种使用插件连接到互联网和其他应用程序。Code Interpreter 是一个非常强大的 ChatGPT 版本，可以运行 Python 程序。未为 OpenAI 付费只能使用 3.5。微软的 Bing 使用 4 和 3.5 的混合，通常是 GPT4 家族中首个推出新功能的模型，连接到互联网。 谷歌一直在测试自己的人工智能 Bard，由各种基础模型驱动，最近是 PaLM 2 模型。 Anthropic 发布了 Claude 2，其最值得注意的是有一个非常大的上下文窗口。
2025-04-01
openai官方文档
以下是关于 OpenAI 官方文档的相关信息： 对于刚入门学习提示词的朋友，建议先有一个大模型帐号并熟悉与之对话的方式。推荐的国产平替有 。 学习 prompt 必须看 OpenAI 的官方文档，相关链接有： 。 在 OpenAI 官方的说明文档（Documentation）中，为用户提供了若干项策略以帮助更好地使用 ChatGPT。例如策略一：编写清晰的说明，即在询问中包含详细信息以获得更多相关答复。因为大模型无法在有限信息中“猜测”用户意图，所以提问时不要惜字如金，多说一些内容、多提供一些信息能有效提高回复的质量和丰富性。文中还列举了多个例子进行说明。
2025-03-29
OpenAI o1、Claude Sonnet 3.7、Gemini 2.0 pro 哪个 AI 搜索能力更强？
OpenAI o1、Claude Sonnet 3.7 和 Gemini 2.0 pro 在不同方面具有各自的优势，难以简单地比较哪个的搜索能力更强。 OpenAI o1 推理能力强，适合作为架构师或算法顾问。 Claude Sonnet 3.7 擅长长上下文任务，在快速生成代码与网页设计方面表现出色。 Gemini 2.0 pro 长上下文支持较好（2M Tokens），适合代码反编译与混淆代码分析。 具体的搜索能力表现还会受到应用场景和具体任务的影响。
2025-03-21
openai deep research使用技巧
OpenAI 的 Deep Research 功能能够整合多源信息，进行复杂的信息查询与分析，并生成专业水准的报告，同时详细展示思考和搜索过程。目前，该功能仅支持文本输出，未来还将增加嵌入式图片、数据可视化等功能。使用入口为在 ChatGPT 输入框中选择「Deep Research」模式，输入问题后即可开始体验。 在 OpenAI 推出「Deep Research」功能一天后，Hugging Face 的工程师迅速联合推出了免费开源的版本 Open Deep Research，能自主浏览网页、滚动页面、处理文件，以及基于数据进行计算。使用入口为前往 Demo 网站（opendeepresearch.vercel.app）体验。 Deep Research 让 AI 自动完成多步骤研究任务，快速分析海量信息并生成专业报告，具备自动化信息汇总、文献引用与多领域适用性，适合科研、工程、金融等行业。目前向 Pro 用户开放，未来将扩展至 Plus 和 Team 用户，并提供更强大的功能。 该智能体基于优化版 OpenAI o3 模型，结合网络浏览和 Python 分析能力，实现高效研究，适用于科学、政策、工程等高强度知识工作，也能帮助购物者做复杂决策。Pro 用户已可使用，后续将逐步向 Plus、Team 和企业用户开放。
2025-03-08
openAI的deep research有哪些缺陷
OpenAI 的 Deep Research 存在以下一些缺陷： 1. 具有滞后性，在某些信息上无法做到及时更新。 2. 存在信息混乱的问题，无法完全替代人类的深度思考。
2025-03-03
Monica和Openai的记忆功能是如何让大模型产生记忆的？是什么原理？
大模型的记忆功能实现方式较为复杂，不同的模型可能有所不同。 OpenAI 的模型中，大模型 LLM 扮演了“大脑”的角色，其记忆功能可能通过“Agent = LLM + 规划 + 记忆 + 工具使用”的基础架构来实现。但需要注意的是，对于 ChatGPT 这类模型，实际上其本质上并没有直接的记忆功能。它能理解之前的交流内容，是因为每次将之前的对话内容作为新的输入重新提供给模型。这种记忆功能并非由大型模型直接实现，而是通过在别处进行存储来达成。 如果对话内容过长，可能会影响模型的整体性能。解决这个问题的一个简单方法是启动另一个对话框。对于之前的数据，通常只能进行总结。
2025-03-01
grok3 发布会亮点内容
Grok 3 发布会的亮点内容包括： 1. 包含两个模型版本：Grok 3 和 Grok 3mini。 2. 在 AIME 和 GPQA 在内的基准测试中显著优于其他模型，在数学推理、代码处理、科学问题方面表现优秀。 3. 具备推理能力，在提供更多测试计算时间的情况下，优于 o1 和 R1。 4. 今天向所有 Premium+订阅者推出（IOS、网页版都有），完整版在网页版，APP 上的 Grok 3 有一定削弱。 5. 新增“Deep Search”能力，能深入了解用户目的，访问并交叉验证多个信息源，确保研究内容准确，并公开执行搜索步骤。 6. 可以调用 Big Brain 功能加强计算来解决问题。 7. 现场演示中，Grok 3 可以生成游戏设计方案。 8. Grok 3 语音模式在大约一周内推出。 9. Grok 3 API 几周后推出。 10. Grok 2 将在 Grok 3 正式可用后开源，xAI 计划也会开源 Grok 3。
2025-02-19
openai发布会内容
以下是关于 OpenAI 发布会的相关内容： 1. 12 月 20 日，OpenAI 发布 AI 大模型风险防范框架文件，OpenAI 董事会有权决定发布新 AI 模型，框架文件提出防范 AI 大模型灾难性风险的路线图，董事会可推翻领导团队关于 AI 模型发布的决策。相关链接：https://openai.com/safety/preparedness 2. 12 月 12 日，OpenAI 连续 12 天 AI 发布会的第五天完整视频（中英文双语字幕），亮点功能包括苹果设备深度集成 ChatGPT，可通过 Siri 实现文档总结、任务分配、节日创意等操作，多平台无缝衔接，涵盖多种应用场景，实用场景包括圣诞派对策划、PDF 总结、歌单生成、视觉智能评选毛衣创意等功能演示，体现全新交互体验。相关链接： 3. OpenAI 将在 11 月 6 日举办首次开发者大会，会上将发布重要更新，目标是让开发者能够更快捷和廉价地开发基于大模型的应用。此次更新最让人期待的部分是将推出 Stateful API，理论上可将大模型应用的开销削减为原来的二十分之一。相关链接：https://mp.weixin.qq.com/s/NPqAeSl3NQ0_wbHzsJSw
2024-12-19
OpenAI前六场发布会的内容提炼
以下是 OpenAI 前六场发布会的部分内容提炼： OpenAI 第六天发布会：ChatGPT 的高级语音模式获得公开访问权限，能通过自然语音与用户对话并理解屏幕内容，降低使用门槛，展示多模态能力和个性化发展潜力。 相关报告：甲子光年发布的《2024 人工智能产业 30 条判断——万千流变，一如既往》涵盖 AI 技术历史发展、当前趋势和未来预测，提到 Transformer 模型和 GPT 系列发展及在多行业应用，探讨了 AI 芯片进步、在科学研究中的角色和对社会的广泛影响，还预测了 AI 产业增长。中信建投证券的海外 AI 应用行业专题《旧金山草根调研与海外 AI 应用进展》长达 100 多页，聚焦旧金山草根调研及海外 AI 应用进展，显示旧金山及硅谷地区 AI 企业众多，AI 应用在 To B 场景如广告、助手、数据分析等领域受关注，长期看好，尤其是 C 端应用潜力，列举了多家公司及其业务领域、功能进展，并提供相关上市公司数据。 OpenAI 首届开发者大会：短短 45 分钟发布会，Sam Altman 表示团队对开发者关注的问题做了六大升级，包括更长的上下文长度、更强的控制、模型的知识升级、多模态、模型微调定制和更高的速率限制，前四条主要关于新模型性能提升，后两点针对企业开发者痛点，同时宣布 API 价格下调。
2024-12-17
OPenAI最近的产品发布会
OpenAI 近期举行了多次产品发布会： 去年 11 月晚些时候发布了基于 GPT3.5 最新版本的消费级产品 ChatGPT。公司内部对是否发布这样强大的工具存在争论，但 Altman 表示支持，认为这是让公众适应 AI 改变日常生活现实的战略一部分。ChatGPT 功能强大，能在 SAT 考试中获大学水平分数、写作文、总结书籍等，还能按各种要求改写。 近期举行了 12 场发布会，推出多个新产品，包括推理模型 o1、文字转视频工具 Sora 等。o1 正式版在复杂推理和数学能力上显著提升，推出的强化微调技术使模型更具专业性。 在 5 月份的 GPT4o 模型发布会上，邀请了可汗学院的创始人 Salman Khan 和他儿子一起使用 GPT4o 辅导孩子在可汗学院上做数学题，这是 OpenAI 第一次将多模态模型能力在教育场景上落地应用的尝试。
2024-12-17
openai发布会要点
以下是 OpenAI 发布会的要点： 1. 技术进步展示：从 GPT 4o 到 11 的技术跳跃，在数学竞赛 GPQA 中有出色表现。 2. 原始智能与编码性能：强调原始智能在编码性能方面的重要性，这是用户使用模型的主要领域。 3. 多模态处理能力：展示了模型处理困难问题和多模态输入的能力。 4. 新产品发布：推出聊天 GBT 专业版，提供无限制模型访问和高级语音模式；介绍 O one 亲模式，称其为世界上最智能的机型之一。 5. 性能提升：通过比较专业模式和普通模式，展示了在可靠性和性能上的提升。 6. 用户反馈与改进：根据用户反馈改进 O one 预览版，使其更快更智能，增加多模态输入功能，允许通过图像和文字进行联合推理。 7. Chat BT Pro 和 O one Pro 模式：Chat BT Pro 允许无限制访问最佳模型，如 O14，并提供 O one Pro 模式处理最困难的问题。 8. 错误率和速度提升：新模型的错误率比 O one 预览版少 34%，思考速度提高 50%。 9. 多模态推理演示：通过太空数据中心的案例展示多模态推理。 10. Chat BT Pro 的扩展功能：正在为其添加网页浏览、文件上传等更多功能。 此外，在 12 月 12 日和 12 月 15 日的宝玉日报中，提到 OpenAI 连续 12 天 AI 发布会的第五天亮点功能包括苹果设备深度集成 ChatGPT，可通过 Siri 实现文档总结、任务分配、节日创意等操作；多平台无缝衔接，支持 iPhone、iPad 和 Mac，涵盖多种应用场景；实用场景包括圣诞派对策划、PDF 总结、歌单生成、视觉智能评选毛衣创意等功能演示，体现全新交互体验。相关链接：https://x.com/dotey/status/1866974269051113543
2024-12-17
open发布会要点
以下是 OpenAI 发布会的要点： 1. 技术进步展示：从 GPT 4o 到 11 的技术跳跃，在数学竞赛 GPQA 中有出色表现。 2. 原始智能与编码性能：强调原始智能在编码性能方面的重要性，这是用户使用模型的主要领域。 3. 多模态处理能力：展示了模型处理困难问题和多模态输入的能力。 4. 新产品发布：推出聊天 GBT 专业版，提供无限制模型访问和高级语音模式；介绍 O one 亲模式，是目前世界上最智能的机型之一。 5. 性能提升：通过比较专业模式和普通模式，展示了在可靠性和性能上的提升。 6. 用户反馈与改进：根据用户反馈改进 O one 预览版，使其更快更智能，增加多模态输入功能，允许通过图像和文字进行联合推理。 7. Chat BT Pro 和 O one Pro 模式：Chat BT Pro 允许无限制访问最佳模型，如 O14，并提供 O one Pro 模式处理最困难的问题。 8. 错误率和速度提升：新模型的错误率比 O one 预览版少 34%，思考速度提高 50%。 9. 多模态推理演示：通过太空数据中心的案例展示模型的多模态推理能力。 10. Chat BT Pro 的扩展功能：正在为其添加网页浏览、文件上传等功能。 新模型 9.12 发布的要点： 1. 发布两个模型：o1 mini，o1 preview。Plus 全量可用 o1 mini 一周 50 条，o1 preview 一周 30 条。 2. 更聪明的思考方式：像人一样花更多时间思考问题，尝试不同策略，能意识到自己的错误。 3. 在复杂任务上表现出色：在物理、化学、生物、数学和编程等领域的挑战性任务上表现得像博士生，在 IMO 和 Codeforces 竞赛中取得高分。 4. 暂时缺少一些功能：目前没有 ChatGPT 那样的网络浏览和文件上传功能，但在复杂推理任务上非常强大。 O1 Pro 版本的要点： 1. 面向专业用户，强大精确。 2. 独有功能包括深度推理能力，可处理复杂数学和科学问题，支持多步推理和专业计算，思考时间约 1 3 分钟；在科学、数学、编程等领域表现出色，提供专业准确解答；支持长文本处理，轻松应对长文档处理与内容生成；提供更多微调选项，用户可根据自身需求进行个性化定制。 3. 对比优势：错误率大幅降低，推理能力显著增强，基准测试表现惊人。 ChatGPT Pro 订阅计划的要点： 1. 费用为每月 200 美元。 2. 目标用户是解决复杂问题的研究人员、工程师和专业人士。 3. 核心功能是使用 o1 Pro 模式，专为数学竞赛、科学研究、代码开发等高要求场景优化，提供更高的准确性和可靠性，适用于严格的技术基准测试任务。 4. 特别支持：OpenAI 为美国医学研究人员提供资助，重点支持罕见病基因发现、痴呆症研究、癌症免疫治疗。 发布会吐槽：直播仅用 30 分钟讲完，像是把一个大更新硬切成了 12 段。总结：o1 基础版主打日常体验，速度快且功能全面；o1 Pro 版深度推理与专业能力爆表，适合更复杂的任务。ChatGPT Pro 订阅计划开启了高性能 AI 工具的新篇章，推动科研与工程领域的新突破！
2024-12-17
毕业论文的ai指令总结
以下是关于毕业论文的 AI 指令的总结： 1. 可以指定 AI 模仿某位资深人士的风格，如律师的逻辑严谨和言简意赅。 2. 要求 AI 为您提供多个例子，例如针对案件给出至少三种不同的诉讼策略，并分析每种策略的优劣势。 3. 采用 PEMSSC 方法，包括个性化的风格（Personality）、给参考或一定的逻辑结构（Example Inquiry）、从多个角度思考（Multiple Angles）、总结概括（Summarize）、使用区分符号（Separator）、明确能力或者角色（Capacity and Role）。 4. 对于大多数实际应用，建议专注于经过调整的指令语言模型，使用时要给清晰的指令，如指定文本的语气、要求集中讨论的内容，甚至可以提前指定阅读的文本。 5. 可以直接要求 LLM 帮写论文，如提供个人背景信息和指令让其写大学申请论文，但要注意这种使用方式的道德问题。
2025-04-14
音频总结的AI有哪些
以下是一些关于音频总结的 AI 相关内容： 在智能纪要方面，AI 音乐创作通过输入更高级词汇与 AI 音乐对话能产生更好效果，有相关版块、挑战、分享会和教程，可加入 AI 音乐社区。数字人语音合成介绍了声音克隆技术，常用的是 JPT service。 总结类 AI 工具方面，如 BibiGPT·AI 音视频内容一键总结（https://b.jimmylv.cn/）、15 个值得一试的 YouTube 视频摘要 AI 工具（https://nealschaffer.com/youtubevideosummarizerai/）、summarize.tech:AIpowered video summaries（https://www.summarize.tech/）。 在生成式 AI 季度数据报告中，会议总结赛道可能因远程工作和在线会议普及而需求增加，Otter AI 作为领先产品保持稳定增长。其中 2023 年 4 月到 2024 年 3 月，赛道月访问总量有变化，如 2023 年 4 月约 1314.6 万，2024 年 3 月增至 2146.3 万。同时还有相关的榜单数据，如 23 年 4 月访问量 Top10 等。
2025-04-11
RAG对话 摘要总结 功能实现
LangChain 和 RAG 的结合具有以下优势： 1. 灵活性：可根据需求和数据源选择不同组件和参数定制 RAG 应用，也能使用自定义组件（需遵循接口规范）。 2. 可扩展性：能利用 LangChain 的云服务部署和运行，无需担忧资源和性能限制，还可借助分布式计算功能加速应用，发挥多个节点并行处理能力。 3. 可视化：通过 LangSmith 可视化工作流程，查看各步骤输入输出及组件性能状态，用于调试和优化，发现并解决潜在问题和瓶颈。 其应用场景多样，包括： 1. 专业问答：构建医疗、法律、金融等专业领域的问答应用，从专业数据源检索信息辅助大模型回答问题，如从医学文献中检索疾病诊治方案回答医疗问题。 2. 文本摘要：构建新闻或论文摘要应用，从多个数据源检索相关文本帮助大模型生成综合摘要，如从多个新闻网站检索同一事件报道生成全面摘要。 3. 文本生成：构建诗歌、故事生成等应用，从不同数据源检索灵感协助大模型生成更有趣和创意的文本，如从诗歌、歌词或小说中检索相关文本生成作品。 此外，还介绍了本地部署资讯问答机器人的实现方式，即基于用户问题从向量数据库检索相关段落并按阈值过滤，让模型参考上下文信息回答，还创建了网页 UI 并进行评测，对不同模型的测试表现进行了对比，得出 GPT4 表现最佳等结论，并总结了使用 Langchain 和 Ollama 技术栈在本地部署资讯问答机器人及相关要点，即上下文数据质量和大模型性能决定 RAG 系统性能上限。
2025-04-11
我现在想做一个总结我每日复盘的智能体
以下是关于创建总结每日复盘智能体的相关信息： 智普工作流功能及创建流程： 新用户资源包：新用户有 1 元及 5 元的资源包可供购买，能满足使用需求。 工作流功能：具备文章、文件、网页总结，生成图片、视频和文字版日报等功能，通过意图识别跳转节点，使用多个 agent。 工作流创建：在控制台的自动体中心，右键创建智能体，可选择对话型或文本型，对话型多用于多 agent 协作等场景，创建后在空旷画布的左下角添加节点，节点包括 agent、LM、工具、代码、数据提取、分支判断和问答等，agent 通过跳入跳出条件与其他节点交互，LM 通过工作流连线执行功能。 文档获取：文档可在 vtoagi.com 首页的 banner 获取，飞书群也可获取。 版本选择：接入微信时，有云服务器和本地电脑两种版本，可按需选择。 关于姿谱清流工作流及模型配置的讨论： 工作流节点与 agent：工作流中节点和 agent 的连接方式，agent 具有意图识别和跳出条件，可实现任务跳转，所有 agent 平级可互相跳转。 文本存储问题：姿谱清流本身无存储功能，需依靠其他笔记工具存储执行完的文本。 模型配置与调试：介绍了姿谱清流中角色扮演模型的配置方法，包括角色名称、背景、人格等设置，以及单节点调试功能和用户配置。 意图识别与冲突：意图配置冲突可能导致识别错误和乱跳，识别准确率相对较准。 多智能体的记忆：多智能体之间存在记忆，后续会讲到相关参数的使用。 在 cos 主页有新手教程文档，可据此构建智能体。工作流偏向节点调用，可通过 prompt 构建提示词并优化。还能调用多种插件，可添加图像流、触发器和知识库，知识库可上传多种格式内容及在线链接以沉淀知识。
2025-04-10
我想寻找一个AI模型，能快速读懂视频，并总结成为知识架构的应用或网站
以下为您推荐能快速读懂视频并总结成为知识架构的应用或网站： 百炼大模型平台：其影视传媒视频理解能力可对视频进行语音转写、视觉语言分析等处理并总结成文，有清晰使用步骤，可生成爆款文案，还能根据偏好调试提示词。2025 年 1 月 9 号更新的模型可通过 API 调用纹身 AI 等，Windows 用户可在左下角开始运行输入命令提示符进行本地调用，但生成过程较缓慢。 应用场景：包括商品信息图片生成淘宝上架规格参数、智能手表文案生成、社交媒体内容生成、合同提取、拍照搜题、图片转换、模特换装等。 提供 AI 硬件底层能力，AI 拍立得相机拍照可快速成诗并打印，其对接多模态能力可通过智能体应用或工作流形式的 API 调用。 开源使用：有开源地址，可下载到本地，配置阿里云百炼平台的 API key 及 appid 实现场景，运行项目需特定 Python 包和依赖，可新建应用获取 appid，拍照时需设置 API key。 此外，关于 AI 技术原理与框架的相关知识： 生成式 AI 生成的内容称为 AIGC。 相关技术名词： AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习，电脑通过找规律进行学习。 监督学习使用有标签的训练数据，目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习的数据没有标签，算法自主发现规律，经典任务如聚类。 强化学习从反馈里学习，最大化奖励或最小化损失，类似训小狗。 深度学习参照人脑有神经网络和神经元，因层数多称为深度，神经网络可用于监督学习、无监督学习、强化学习。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 即大语言模型，生成图像的扩散模型不属于大语言模型，对于大语言模型，生成只是其中一个处理任务，如谷歌的 BERT 模型可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 技术里程碑：2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它完全基于自注意力机制处理序列数据，无需依赖循环神经网络或卷积神经网络。
2025-04-09
罗列具体的AI模型产品和具体的AI技术创新点，并总结AI技术的发展趋势，并说明这些发展趋势为用户的交互体验带来了什么样的改变？按照时间线将以上内容梳理出来
以下是按照您的需求梳理的内容： 时间线 早期： 从图灵测试、早期的图灵机器人和 ELISA 开始，到 IBM 的语音控制打印机、完全由人工智能创作的小说、微软的同声传译系统。 近年来： OpenAI 发布 ChatGPT 模型，引发用户习惯从简单触控操作转向更复杂的长文本输入，未来可能延伸至长语音交互。 大模型创新方面，架构优化加速涌现，融合迭代成为趋势。Scaling Law 泛化，推理能力成为关键，倒逼计算和数据变革。AGI 探索中，视频生成点燃世界模型，空间智能统一虚拟和现实。 在应用方面，AI 在文科白领的个人助理、呼叫中心、文本处理和教育等领域表现出色，能完成 80%到 90%的工作；对于工科白领，特别是程序员，能简化代码检索和调整；在蓝领领域，自动驾驶取得显著进展。但在复杂任务方面仍有改进空间。 第一轮洗牌结束，聚焦 20 赛道 5 大场景，多领域竞速中运营大于技术，AI 助手成为竞争重点。AI+X 赋能类产品发展迅速，原生 AI 爆款难求。多模态上马，Agent 席卷一切，高度个性化呼之欲出。 人工智能发展经历了萌芽、积累沉淀到如今大模型和多模态模型百花齐放的阶段。大模型由数据、算法、算力构成，算法有技术架构的迭代，如英伟达的显卡辅助模型训练，数据质量对生成理想的大模型至关重要。 未来： 李沐预测技术发展可能催生出革命性的应用形态，但 AI 离真正变革世界还有一段距离。 预计 AI 在蓝领工作的初步应用至少需要 5 年时间。 AI 技术创新点： 大模型创新：架构优化加速涌现，融合迭代大势所趋。 Scaling Law 泛化：推理能力成皇冠明珠，倒逼计算和数据变革。 AGI 探索：视频生成点燃世界模型，空间智能统⼀虚拟和现实。 AI 技术的发展趋势： 模型架构不断优化和融合。 更加注重推理能力的提升。 探索 AGI 领域，实现虚拟和现实的统一。 应用格局不断洗牌，聚焦特定赛道和场景。 多模态和 Agent 技术的广泛应用。 对用户交互体验的改变： 用户习惯从简单触控操作转向更复杂的长文本输入，未来可能延伸至长语音交互。 AI 应用为用户提供辅助，在多个领域帮助完成任务。
2025-03-31