跳到正文

#OpenAI

今日 4 条
今天10月3日周六
  1. 宝玉12

    宝玉回应如何保持高质量高频分享，称自己大量使用 AI 并把经验分享出来，习惯把日常零散的点串起来，每次输出都是前一次积累的结果。他举例刷到 Shivon Zilis 八卦后，用 Opus 5.5 尝试剪辑八卦视频，发现效果还可以，便顺手把结果和提示词一起分享，写作成本低更容易坚持分享。

    引用熵减zz@shangjian_zz

    @dotey 宝玉老师怎么做到这么高质量和频率的分享的🥹 我感觉我每次踩完坑或者实践中想到了好点子，往往在过程中就把多巴胺耗尽了，真正总结输出的时候又不够结构化，也没有那么有分享欲了，效率很低。 求教宝玉老师

  2. 宝玉29

    宝玉尝试用 Opus 5.5 制作吃瓜视频，全程由模型自己找素材、自己配音，配音使用 Gemini 3.8 Flash TTS（自备 API Key），并产出了英文和中文两个版本。

    引用Shivon Zilis@shivon

    It’s hard to go from in love to let go in a week with no warning, but that’s just how it is sometimes 🤷🏻‍♀️ I feel happy that I got to show Elon how it feels to be deeply understood, nurtured, and peacefully loved with stability and gentleness. Given the tumultuous nature of his early life, his often tortured soul, and how hard he fights for humanity I wanted him to feel the deepest and most stable form of love this world can provide. My heart is full knowing I got to do that, and I hope it leaves a lasting good effect. We were always his safe space. A place where all of us were overjoyed to see him and one that was always full of happiness and love, not war, in contrast to his otherwise militant existence (a needed break from the battlefield where he could recharge his heart and soul before heading back out) I loved being that counterbalancing place of safety, sense of calm, and love — and delighted in bringing a smile back to his face when he was down. I will miss him dearly. I’ve loved him more than life itself and he’s taught me 100 lifetimes of knowledge and made my cup overflow with life meaning, so there is a lot of loss, but luckily we created four beautiful little loves of my life ❤️❤️❤️❤️ I am so beyond grateful for our children and they make every single day the best day of my life! I do hope and pray he and I can be great friends and coparents. I’m hurting, but care deeply about E and will always be cheering for his happiness. God speed, Elon, the world is lucky to have you.

10月2日周五
  1. arXiv · 多模态、视频与世界模型72

    论文分析真实场景中的多模态 LLM 图像交互任务

    一项研究分析了40,000多条去标识化的 Microsoft Copilot 图像上传对话，并用涵盖感知、认知和生成的十类能力刻画用户任务。研究发现，多数图像任务涉及多种能力，且多模态使用覆盖的任务空间比纯文本交互更广。对照253个基准后，研究指出现有评测更集中于感知和固定答案推理，而文本、代码与数据生成等常见工作流覆盖较少；研究还在独立的 ChatGPT 数据集上验证了分类框架和发现。

10月1日周四
  2. TechCrunch · AI82

    OpenAI 在 Dev Day 推出 ChatGPT 应用分发、身份登录与企业应用市场功能

    OpenAI 在 Dev Day 宣布让 ChatGPT 承担应用发现、启动和使用，并推出“Sign in with ChatGPT”、企业应用市场及 Dots 智能体。ChatGPT 将根据对话推荐应用，支持交互式扩展面板；Dots 可连接超过 4,000 个应用，企业市场首批有 30 多家合作方。OpenAI 尚未公布类似传统应用商店的计费或收入分成机制。

    推荐理由：原文把 ChatGPT 的应用分发、身份层、企业市场与 Dots 串成一套路径，可用于判断 AI 入口如何改变软件发现和调用方式。

  4. 宝玉74

    谷歌发布新一代旗舰模型 Gemini 4 Argon，在 19 项对比测试中 13 项第一，输出上限从上一代 6.4 万 token 提升到单次最多 100 万 token。

    引用Sundar Pichai@sundarpichai

    Lots of discussion out there about our next model(!), so I wanted to give an early look as soon as possible. Introducing Gemini 4 Argon! It shows frontier performance in complex workflows, cyber defense and software engineering. Teams are using it extensively at Google, from coding to quantum computing, great feedback. Here’s a look at the benchmarks:

  5. TechCrunch · AI54

    OpenAI披露 Decisions API 有限预览，可用于预设选项决策

    OpenAI在Dev Day上披露了Decisions API有限预览，可让模型在预设选项中快速作出决策，并支持图像理解、广泛语言和安全能力。该API被认为与TypeSafe AI面向软件自动化的Jev相似，后者可低成本、高速输出选项概率。QueryStory的演示显示，用Jev监控每次智能体行动的成本为$2.94，而使用frontier LLM为$372。

9月30日周三
  1. 宝玉62

    OpenAI 在开发者大会上发布 Decisions API，开发者写好问题和备选答案后，模型直接从选项里挑一个返回，不生成多余内容。它基于 GPT-6 家族最小最便宜的 Luna 特化版本，OpenAI 称一次判断约 150 毫秒，同样任务走普通 Luna 接口约 1.6 秒。

    引用OpenAI Developers@OpenAIDevs

    Give your app real-time decision-making with Decisions API, powered by GPT-6 Luna. Define questions and possible answers to classify content, route requests, or choose an agent’s next action. Available in limited preview.

9月29日周二
9月23日周三
  1. ComfyUI · 工作流与实践75

    Comfy 发布 Comfy Router，用一个 API 调用前沿图像视频模型

    Comfy 在 Comfy Developer Platform 上线 Comfy Router，开发者只需集成一次即可调用前沿图像、视频、3D 和音频模型，并按任务选择供应商。

    推荐理由：Comfy Router 把多家供应商的前沿图像视频模型收进一个 API，读者可据此判断多供应商切换与排队重试对现有生成流程的改动。

9月22日周二
9月21日周一
  3. Luma · 创作产品与实践46

    面向平面设计师的 2026 年最佳 AI 图像生成器

    面向平面设计师的指南评估了十款 AI 图像生成器，覆盖从概念构思到最终本地化资产的创作阶段，比较输出质量、设计相关性、工作流集成和商业可行性。Luma凭借分层编辑、Skills和Agents，以及能保留其他元素的Uni-1，主打需要多版本、格式适配和多市场本地化的广告项目。

9月18日周五
9月17日周四
9月16日周三
9月15日周二
  1. Luma · 创作产品与实践69

    Sora 2026 年定价：API 每秒 $0.10-$0.70，将于 9 月 24 日停用

    Sora 在 2026 年仅剩 API 访问，按模型和分辨率每生成 1 秒收费 $0.10-$0.70，API 计划于 9 月 24 日停用。1080p 每 10 秒的原始生成费用为 $7，Batch API 对非紧急生成提供 50% 折扣。文章估算，考虑 3-7 次迭代后，每个可用视频的实际成本会达到单次生成价格的 3-7 倍。

    推荐理由：文章将 Sora 的单秒定价、迭代成本与 API 终止时间放在同一预算框架中，便于创作团队评估批量生成和迁移安排。

9月10日周四
  1. OpenAI News62

    OpenAI 在 API 中上线 GPT-Live-1 语音模型

    OpenAI 在 API 中推出 GPT-Live-1，为开发者带来自然的全双工语音对话能力。该模型在指令遵循上更强，并支持自定义音色与电话（telephony）接入。

    推荐理由：OpenAI 把全双工语音对话能力开放到 API，读者可据此判断语音类应用的接入门槛与能力边界。

9月8日周二
  2. OpenAI News60

    OpenAI 发布 ChatGPT Images 2.5

    OpenAI 发布 ChatGPT Images 2.5，可将想法、草图与参考照片转化为更个性化、更精致的图像，官方称生成结果能更好地体现用户的想法。

    推荐理由：官方给出 ChatGPT Images 2.5 的输入类型与生成定位，可据此判断参考图生图能力在创作流程中的位置。

9月7日周一
  2. Luma · 创作产品与实践79

    Sora 关停后，创意团队如何评估视频工作流替代方案

    OpenAI 已于 2026 年 4 月 26 日关闭 Sora 网页和应用，API 将于 2026 年 9 月 24 日停止，用户需在期限前导出数据。文章建议团队从工作流整合、关键帧控制、精准修改和专业导出格式等方面评估替代方案，并介绍 Luma Ray 3.2 的 16-keyframe 控制以及 HDR、EXR 导出能力。

    推荐理由：文章以 Sora 关停为背景，提醒创意团队从数据迁移、版本修订和最终交付等完整流程评估视频工具。

9月23日周二
  1. Replicate · 模型与制作实践68

    Replicate 对多款图像编辑模型的对比评测：如何选择合适模型

    Replicate 对多款图像编辑模型进行了对象移除、视角转换、背景编辑、文字编辑和风格迁移测试，并比较了价格与推理时间。

    推荐理由：这份按对象移除、视角转换、背景编辑、文字编辑和风格迁移展开的对比，可为图像编辑模型的任务选型提供具体参照。

7月21日周一
  1. Replicate · 模型与制作实践62

    Replicate 实测四款图像模型：单张参考图生成一致角色谁更强

    Replicate 对比了截至 2025 年 7 月可用于单张参考图生成一致角色的四款模型：OpenAI gpt-image-1、Runway Gen-4 Image、Black Forest Labs FLUX.1 Kontext 和字节 SeedEdit 3，并补充了之后发布的 Ideogram Character 与 Gen-4 Image Turbo。

    推荐理由：作者用同一参考图横向实测四款图像模型，给出角色一致性与风格化任务的选型建议和失败边界。

5月22日周四
  1. Replicate · 模型与制作实践68

    Replicate上线 OpenAI 最新聊天、视觉与推理模型

    Replicate现已支持运行 OpenAI 的 GPT-4.1、GPT-4o 和 o-series 等聊天、视觉与推理模型。GPT-4.1系列支持最长 1 million tokens 的上下文，GPT-4o系列处理文本、图像和音频，o-series面向数学、科学与复杂问题的结构化推理。

    推荐理由：材料按上下文、模态、推理任务和成本速度列出模型差异，并给出 Replicate 网页界面与 API 的操作入口。