标签

OpenAI

GPT-5.6：把更难的任务交给按需扩展的智能

来源: openai.com 46
GPT-5.6 的核心叙事很直接：每个 token 提供更多智能、每美元获得更强性能，并且在最难的工作上可以按需调用更高能力。对工程团队来说，这不只是“模型更聪明”这么简单，而是会影响提示词设计、路由策略、成本预算和任务拆分方式。 “More intelligence from every token”意味着你不应该继续把上下文当垃圾桶。模型能力增强后...
# AI # LLM # OpenAI
阅读全文

ChatGPT Work：从聊天助手到能推进项目的工作型 Agent

来源: openai.com 40
ChatGPT Work 的重点不只是“回答问题更好”，而是把 ChatGPT 推向一种更接近同事的工作模式：它可以跨应用和文件采取行动，围绕一个目标持续工作数小时，并把模糊目标拆成可交付的结果。这对开发者和技术团队的影响很直接：AI 不再只停留在代码片段、摘要和建议层面，而是开始进入项目执行链路。 过去我们常把 ChatGPT 当成一个交互式工具：你...
# AI # Go # LLM
阅读全文

GPT-5.5 Bio Bug Bounty：把生物安全测试做成可审计工程

来源: openai.com 31
OpenAI 的 Bio Bounty 计划把一个敏感问题摆到了工程台面上：如果模型在生物领域给出了不该给的能力、步骤或规避建议，应该如何被发现、复现、上报和修复。对开发者来说，这不只是“安全团队的事”，而是一次提醒：AI 安全测试需要像漏洞管理一样，有边界、有证据、有复现路径。 “Bio”这个关键词很重要。它指向的是生物安全相关风险，而不是模型回答某...
# AI # LLM # OpenAI
阅读全文

政府与国家安全场景里的 AI 合作：责任、问责和可审计落地

来源: openai.com 37
OpenAI 这篇说明讨论的是一个高风险但绕不开的问题：AI 能否进入政府和国家安全工作流，以及应该以什么边界进入。核心不是“把模型接进系统”这么简单，而是要把负责任使用、民主问责、公共安全这些原则变成可执行的流程、权限和日志。 政府和国家安全场景有两个特点：影响范围大，错误代价高。一个客服机器人答错问题，通常可以回滚、补偿、重训；但在公共安全、情报分...
# AI # Go # LLM
阅读全文

别让噪声替模型打分：从 SWE-Bench Pro 争议看代码评测

来源: openai.com 39
OpenAI 的一项新分析指出，流行代码基准 SWE-Bench Pro 存在会影响评测可靠性和准确性的问题。对做模型选型、Agent 平台或内部编码助手的团队来说，这不是一个“榜单小插曲”：如果 benchmark 把噪声当信号，模型排名、采购决策和产品路线都会被带偏。 SWE-Bench 这一类评测的吸引力很明确：它把模型放进真实软件仓库，让模型修...
# AI # LLM # OpenAI
阅读全文

K–12 教师的 AI 实操课：把技能练到课堂里

来源: openai.com 46
OpenAI Academy 与 Walton Family Foundation 正在面向 K–12 教育工作者推出动手型 AI Skills Jams，重点不是让教师背概念，而是把 AI 用在备课、差异化教学、课堂活动设计和反馈生成这些真实场景里。对学校来说，AI 培训的价值不在“听过一场讲座”，而在教师能否带着边界感，把工具稳妥地嵌入日常教学。 ...
# AI # LLM # OpenAI
阅读全文

GPT-Live 把语音交互推向实时对话

来源: openai.com 45
GPT-Live 被定位为新一代语音模型，目标是让人与 AI 的语音互动更自然，并且已经用于 ChatGPT Voice。这件事的重点不只是“能听能说”，而是语音模型开始更接近一场真实对话：更低的等待感、更自然的轮次切换，以及更适合移动端、客服、陪练和车载等场景的交互形态。 过去很多语音 AI 系统是拼装出来的：先 ASR 把声音转成文字，再把文字交给...
# AI # LLM # OpenAI
阅读全文

AP+ 用 ChatGPT Enterprise 和 Codex 加速支付系统交付

来源: openai.com 44
支付系统的复杂度不在“写几行代码”，而在规则、兼容性、审计、异常路径和人工判断同时存在。Australian Payments Plus（AP+）把 ChatGPT Enterprise 和 Codex 放进工程与业务协作流程里，目标不是让 AI 替人拍板，而是在复杂支付场景中更快梳理问题、生成候选实现、提升交付质量，并把最终判断留给人。 AP+ 面对...
# AI # LLM # OpenAI
阅读全文

用 pgEdge Cloud API 搭一个贴着 Postgres 跑的 RAG 服务

来源: postgr.es 51
RAG 系统最容易失控的地方，不是“大模型会不会回答”，而是数据、切块、向量、检索、服务部署这几段胶水谁来维护。pgEdge Cloud 的思路很直接：把内容放进 Postgres，让数据库侧完成切块和向量化，再把 RAG 服务挂到数据库旁边。UI 里点几下就能完成，但用 API 做一遍，更适合自动化、复现和团队交付。 这篇文章按一个真实路径拆开：本地...
# AI # AWS # Go
阅读全文