GPT Store还没上线,抄袭者们早已盯上了这块肥肉

光伏发电系统模拟及其发电预测开源python工具pvlib 本文介绍光伏发电系统模拟及其发电预测开源python工具pvlib,以及举例介绍获取辐照度方法、光伏发电预测思路。 阅读详情

OpenAI的GPT商店终于上线了,被炒作为2008年苹果应用商店淘金热的重演。在某种程度上,它已经重现了那个令人兴奋的时期:在AI实验室的市场甚至没有开业或澄清财务条款之前,开发者们已经对模仿应用程序发出了警告。

OpenAI GPT Store是什么?它一度被业界预计会成为由第三方开发者贡献的生成式聊天机器人的集市,网友可以选择和使用,而产生的任何收入都可能和那些贡献者共享。就我们目前所知,这些机器人通常是OpenAI的GPT-4模型的独立实例,每个实例都使用自定义提示、微调数据和第三方开发者选择的设置进行配置,以执行特定任务。例如,您可以启动和定制一个模型,专门用于批评Rust crate的文档,并将生成的机器人作为技术编辑工具进行推广。

本周二,B2B出版商1105 Media的人工智能副总裁Rebecca Nagel报告说,她的GPT应用程序Copy Edit Pro未经授权被复制了两次。这使我们想起了苹果应用商店中曾出现的大量山寨应用程序。

图片

据了解,GPT商店还没有向公众开放之前,订阅了ChatGPT Plus或Enterprise的开发者已经可以创建自定义GPT了,目前只能由付费订阅者使用。这些GPT应用程序现在似乎可以通过OpenAI的网站与付费用户共享和发现。GPT Store一旦上线,预计将成为分发这些GPT的主要场所,并处理可能出现的任何收入分成。在此期间,付费订阅者的GPT实验可供其他人模仿。

Nagel 在写到她的GPT应用程序时表示:“我在任何网站上都没有列出这一点。在GPT问世的那个星期,当我创建这个应用程序时,我就将它公之于众了。此外,这只是一种测试GPT,这是我作为工作的一部分创建的。更重要的是,如果他们可以剽窃GPT,那么OpenAI还指望人们会投入时间在GPT上吗?”

1、无独有偶,此类事件早有发生

纳格尔向The Register证实了这一担忧,这一担忧正在OpenAI开发者论坛上被积极讨论。据一位在该论坛上发帖的人表示:“目前,完全复制现有的GPT是有可能的,特别是如果它只使用自定义提示和上传的文件构建的。我们正在等待OpenAI关于此情况的更新。希望在商店发布之前,这可以得到部分修复。”

图片

上个月,开发人员指出了被剽窃的担忧,并指出同一个OpenAI帐户是复制者。Reddit上也有用户标记了该帐户。

这些GPT制作者面临的问题是,GPT(OpenAI的GPT-4模型的定制实例)通常只是描述聊天模型特定焦点的文本提示,以及一些用于微调的支持文件。

2、OpenAI 并未密切关注GPT制作者

值得注意的是,GPT至少到目前为止不是独立的应用程序,因此不太可能从OpenAI自己的界面中衍生出独立的企业。例如,OpenAI提供了一个名为Assistants API的工具,用于在OpenAI网站之外构建本机平台应用程序和Web应用程序。但GPT Store目前似乎只提供堂食体验,不提供外卖选项。

GPT可以变得很复杂,通过API调用代码和链接到后端系统。然而,那些真正的低代码创作可以期望得到与JavaScript书签或命令行代码片段相同的保护性——也就是说,几乎没有保护性。

尽管如此,从GPT列表中复制商店图标和描述性文字表明,OpenAI并没有密切关注GPT制作者。所有这些制作者都必须每月支付20美元的ChatGPT Plus费用(或加入企业计划),以便获得GPT应用程序制作工具,因此可能会被迫采取行动。

OpenAI提供了一种机制供用户报告滥用行为,但没有回应置评请求。

Greg Gunn,Commit公司的联合创始人兼首席执行官,这是一家开发AI辅助求职应用程序的公司,他与The Register谈到了他对GPT Store的兴趣。他说,他认为OpenAI已经意识到滥用行为,并将处理这一问题。

“我曾在多个早期平台担任开发人员,包括Twitter、Facebook和LinkedIn,”他说。“OpenAI给我留下深刻印象的一件事是他们团队的快速和专注。”

Gunn表示,他的公司正在开发一款AI代理程序,以帮助科技工作者寻找和申请工作。

“我们去年开始使用插件进行自动化工作,我们是前100个ChatGPT插件之一,”他解释道。“从那时起,我们一直在OpenAI的基础上进行开发,并对他们如何推进开发者平台感到非常兴奋,这使我们能够获得一个相当紧凑的用户体验。我们对发布感到兴奋。”

这种兴奋部分基于信念,因为OpenAI尚未说明开发人员将如何获得报酬——可能是通过从应用程序使用和相关付费API中获得收入的分成。目前,OpenAI要求用户在ChatGPT界面中使用第三方GPTs时拥有ChatGPT Plus或更高级别的订阅。目前尚不清楚是否会有一种方法让人们在不订阅的情况下访问GPTs,这可能会将API使用计费的收款责任转移给开发人员。

3、跟苹果应用商店的类似之处

Gunn表示,这与2008年苹果应用商店的推出有一些相似之处,因为这两家公司都让开发人员更容易使用自己的平台。

“通过GPT创作流程,OpenAI让非开发人员更容易接触到自己的平台,”他解释道。“不同之处在于,苹果推出应用商店时,只有600万部iPhone售出。而每周有1亿活跃用户使用ChatGPT。因此,由于更容易接触,将有更多的开发人员。但同样,由于机会实际上比最初的iPhone应用商店发布还要大。”

4、机会会比iPhone商店大吗

Gunn表示,去年ChatGPT插件的推出表明,有些人只是围绕现有功能创建包装器,比如头像生成应用程序,他表示这些应用程序一度非常受欢迎。

“有些人赚了很多钱,但后来他们没有多少护城河,”他解释道。“所以这又回到了创业融资的基础原则,比如你的护城河是什么?你打算构建什么来创造差异化?”

与Commit公司开发的实时工作引擎、将开发人员与工作相匹配的系统以及基于GPT-4的自动应用基础设施不同,Gunn表示,那些只编写一些提示的人将无法保护自己的作品。

但Gunn认为,没有护城河对那些有兴趣创建定制企业工作流程的人来说是一种优势。“我认为,当涉及到用户时,GPT开发者将产生最大的影响,”他说。

当被问及依赖OpenAI平台的成本时,Gunn表示:“我们进行了计算。我们认为这相当于客户获取的成本。对于像Commit这样拥有自己的独立应用程序,并将很快推出独立价格的公司来说,我们认为GPT商店的初始阶段是一个广告牌和用户获取渠道。”

Gunn认为,OpenAI的平台对于在客户端应用程序或后端上无需进行大量工作就可以测试功能尤其有用。

“我看到的是,与仍需要一名了解如何启动的前端人员不同,对于人们来说,这里可以更快速地迭代、测试和学习他们的客户,”他说。“例如,我们明天将首次推出的一个功能是就业市场分析功能,用户可以进入我们的应用程序,然后能够跟踪‘嘿,资深全栈工程师的平均涨幅是多少?’”

Gunn表示,该功能在公司核心应用程序中不可用,但仍可以在不修改核心应用程序基础设施的情况下进行测试。

“我认为未来三个月将会有大量的学习,因为这是一个全新的分发平台,”Gunn说。“在我看来,这是继iPhone之后的下一个重要平台。” 

AI时代敏捷开发新范式——意图驱动开发IDD 具体的功能代码、单元测试、集成测试用例,以及最终可运行的、支持PlantUML的Markdown转Word工具新版本。:业务方(如技术文档团队)反馈,现有的Markdown转Word工具在处理包含PlantUML代码块的文档时,无法正确生成图表,导致技术方案、架构图等关键信息丢失,严重影响了文档交付质量和团队效率。这不仅带来了交付周期显著缩短、资源效能倍增的可观收益,更深远的意义在于,它描绘了未来软件工业化、智能化的新图景:一个由精准意图驱动、AI自主执行、人类智慧引领的敏捷、高效、高质的新世界。 阅读详情

相关推荐

银河麒麟V10新特性解析:从安装到AI应用的全面指南

本文全面解析银河麒麟V10操作系统的新特性,从安装指南到AI应用开发,详细介绍了其智能调度引擎、神经网络加速和场景化AI工具集等核心功能。通过实战案例展示如何高效配置AI环境、优化性能,并解决常见问题,助力开发者在国产操作系统上实现高效AI开发与应用部署。

seed的博客 302

GPT-Live 全双工语音 API Java 服务端落地实战:事件协议、会话恢复与生产踩坑

GPT-Live 把语音 Agent 的接入门槛从"搭三条流水线"降到了"写一个 WebSocket 状态机",但对 Java 后端的真实要求反而更高了:你要管长连接生命周期、事件顺序、退避重试、计费监控和会话恢复——这些恰恰是 Java 工程师在消息队列和 RPC 框架里练了二十年的基本功。配置在启动时锁死、流没有完成信号、轮次边界自己负责;业务状态与会话状态分离、并发按连接数规划。下一个十年,"数字员工"打的每一通电话,背后都得有一个扛得住生产环境的 Java 网关——这个活儿,就该我们干。

qq_36021478的博客 153

LangChain入门(二)-通过 Google 搜索并返回答案

并复制他给我们生成 api key。(博主使用了GitHub账号登录)-邮箱验证-手机号验证-订阅-api-key。Serpapi 提供了 google 搜索的 api 接口。首先需要我们到 Serpapi 官网上注册一个用户,

Good Luck 1万+

GPT Image 2.6 的 Flare 与 Sunburst:双版本怎么分工,附一套迁移回归测试

GPT Image 2.6 在 11 月 4 日上线,API 里多了 Flare 和 Sunburst 两个变体。Flare 走速度与布局,Sunburst 走画质与多轮编辑一致性。这篇讲清三个新参数的用法边界,并附一套两三个小时能跑完的迁移回归测试:四类 case、五项打分、5 次里 4 次过前三项才算可用。

weixin_47592901的博客 391

从零复刻平衡小车(基于STM32F1)

平衡小车(基于STM32F1)

Legendyyy的博客 5041

别再手动改文献了!手把手教你定制Mendeley的GB/T 7714-2005引用格式(附常见问题修复)

本文详细指导如何定制Mendeley的GB/T 7714-2005引用格式,解决科研文献管理中的常见问题。通过深度解析Mendeley样式编辑器,精准控制作者显示规则、出版社信息精简及期刊页码处理,实现参考文献一键合规。附常见问题修复和实战调试方法,大幅提升学术写作效率。

weixin_26833503的博客 374

GPT-6.2 灰度的 3D 演示火了

在 GitHub 社区有部分 Claude Opus 5.5 用户抱怨复杂任务变慢、质量波动或更快耗尽额度。并展示了单个提示词生成的 Three.js 场景:浮空岛、瀑布、光照和昼夜变化,全塞进一个 HTML 文件里,没有外部素材。此前多用户反馈现在 GPT-6 降智了,如果本次消息属实,那 ChatGPT 用户的体验将会有很大的改善。为了不错过 GPT、Claude、Gemini、Grok 和 Apple 的重要更新与实用教程,请关注👆。欢迎在评论区留言你的想法,给他人启发。

hello99yum的博客 230

C++控制台实现简单的注册登录

C++控制台实现简单的注册登录 #include<iostream> #include<string> #include <vector> #include <conio.h> void Display();//调用display显示switch()界面 void Register();//注册 void Enter();//登录 using nam...

乔路非 2万+

GPT Image 2.6 编辑验收实战:保留项清单、接口骨架与排错流程

> 本文由 AceDataCloud 来源文章改编并经 AI 辅助整理。示例使用占位凭据;具体参数、计费、权限和区域可用性以当前模型目录与接口文档为准。 “接口返回了一张图”不等于编辑成功。对商品图和内容素材来说,真正困难的是判断:模型是否只改了该改的部分,原来已经正确的商品结构、文字和光影有没有被破坏。 ![纸面标注需要修改的位置](https://i-blog.csdnimg.cn/dir

jakeycis123的博客 254

LeRobot 入门教程(十三)集成自定义的机器人、相机等硬件

本文详细介绍了如何将自定义机器人集成到LeRobot生态系统的完整流程。主要内容包括:1)硬件准备与通信接口选择;2)继承Robot基类实现标准接口;3)定义观察特征和动作特征;4)处理设备连接/断开逻辑;5)支持校准与配置;6)实现核心传感器读取和动作发送功能;7)可选遥操作器集成;8)遵循4项规范打包自定义设备(命名前缀、类名对应、文件结构、模块暴露);9)提供了完整实现示例。通过该方案,开发者可让自定义机器人兼容LeRobot的数据采集、控制管道和策略训练等全套工具链。

2506_90492529的博客 1902

ros入门(八)---TF坐标转换

TF(TransForm),就是坐标转换,包括了位置和姿态两个方面的变换。

weixin_51157015的博客 3389

Claude Fable 5.2 深度解析:全面领跑 GPT-6 Astra,降价 20% 下的性能突破与接入指南

2026 年 11 月 9 日,Anthropic 正式发布新一代旗舰推理模型。该模型与专供高密级科研机构的共用同一套底层权重,定位为面向全量开发者与企业用户的通用旗舰版本。Fable 5.2 在以及三大维度实现了系统性代际跃升。在权威综合评测 AA Intelligence Index v5 中,Fable 5.2 以 65 分登顶总榜,并在曾被视为推理天花板的 ARC-AGI 3 测试中创下 81% 的新纪录;

2609_96793082的博客 367

[Python图像处理] 十九.图像分割之基于K-Means聚类的区域分割

前面的文章讲解了图像锐化和边缘提取技术,该篇文章将开始围绕图像分割进行讲解。图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。 本篇文章主要讲解基于理论的图像分割方法,通过K-Means聚类算法实现图像分割或颜色分层处理。基础性文章,希望对你有所帮助。 1.K-Means原理 2.K-Means聚类分割灰度图像 3.K-Means聚类对比分割彩色图像

杨秀璋的专栏 4万+

GPT-6 Cyber 正式发布——以子之矛,攻子之盾

已经被AI攻破,人脸识别可能要“失业”了给WorkBuddy接上LibTV,直接解锁专业AI视频创作!还能搭建自动化视频工厂GPT-Image-2.6全量上线!直出GIF和SVG,6.2 Astra也即将现身等等各种AI消息层出不穷,已经追不上AI了。学不完,根本学不完…今天我们要讲一点不一样的,有关AI安全,强大的矛盾关系。大家好!我是天府云创.直接开讲!

Enweitech Software Works 190

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

GPT-6.1 Terra是什么?gpt-6.1-terra API实测:视觉理解、电脑操作、写作与JSON输出

GPT-6.1 Terra把视觉理解、界面操作、写作和结构化输出放在同一个快速模型中。它能读懂截图里的文字与控件位置,能把界面任务拆成带校验的动作序列,也能按要求生成文案并输出固定格式的数据。对于内容、运营和自动化类应用,它是值得优先评估的一档;复杂编程和高风险的端到端执行,则应与GPT-6.1 Sol或GPT-6 Astra对照后再决定。

2601_96207100的博客 458

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

gpt-image-2.6双子星实测:flare快2倍,sunburst慢在精修

*还有一个反直觉的发现:quality=low(13.4s)并不比 quality=high(11.8s)快——画质档位影响的主要是输出 token 数(low 903、high 1674),而不是时间。既然价格一样,选型就只剩两个问题:**差多快,差多少精。一句话版本:**flare 管"多和快",sunburst 管"好和细",价格一样,按等待容忍度选。sunburst 输出(36.5s):文字同样全对,还额外把"二维码占位框"五个字标注了上去,元素更丰富(购物车、礼盒、百分比标签)

ttbobocom的博客 318

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

权重量化的实现:从absmax到GPTQ与AWQ

本文系统梳理了大模型权重量化从基础到高级的完整技术路径,涵盖从简单的absmax量化到GPTQ、AWQ等感知激活的先进方法。通过代码实现与误差分析,揭示了量化粒度(如per-channel、per-group)、非均匀格点(NF4)及激活感知机制对精度的关键影响。重点对比了GPTQ的二阶误差补偿与AWQ的轻量敏感列保护策略,并强调量化选型需以精度预算为先,结合反量化开销与kernel融合优化,方能真正释放显存杠杆。

2601_96733043的博客 348

Meta发布小模型Muse Ember,智能体基准多项超GPT-6与Claude Haiku 5.5

Meta推出小型高效模型Muse Ember,在多项智能体(Agent)基准测试中得分超过GPT-6 Luna和Claude Haiku 5.5,官方数据显示其输出token更少、响应更快,已在Muse Code和Meta Model API上线。

wfly blog 227

FastGPT 接入 glm-5.3 通用排障指南:模型 ID、参数透传与超时检查(版本范围说明)

不同 FastGPT 和 AI Proxy 版本的菜单位置及功能可能不同,常见入口包括“模型配置”“模型供应商”或“AI Provider”。如果部署中存在独立 AI Proxy,应在真正负责发送上游请求的服务中完成配置。只修改前端显示名称,不会自动改变后端请求使用的 model ID。配置项示例注意事项接口类型OpenAI 兼容接口上游需支持对应协议Base URLhttps://服务商地址/v1最终地址以请求日志为准API Key实际密钥不要暴露在前端公开变量中Model。

weixin_46591161的博客 204

挖出948个内核漏洞、自动写补丁:GPT-6 Cyber把AI推进“实战岗“,内容行业还卡在哪一关?

上周安全圈刷屏的一条消息,来自OpenAI:面向获批安全团队开放的网络安全模型GPT-6 Cyber正式亮相。在早期测试中,这个模型对最新版本的Linux内核做了自主扫描,一共找出948个提权漏洞,并自动生成了修复补丁——人类研究员的分工,变成了复核与确认。官方表述里有一个关键措辞值得注意:这不再是"演示",而是"实战"。安全行业向来是技术圈里验收标准最苛刻的领域之一。一个误报会浪费工程师几天时间,一个漏报则可能酿成真实事故。让AI进入这个领域,从来不是"跑个分数"那么简单。

weixin_42926482的博客 157

GPT Image 2.6 接入指南:Flare、Sunburst 怎么选,编辑失败如何排查

> 本文基于 AceDataCloud 原文改编,并由 AI 辅助整理,重点补充面向开发者的模型选择、接入流程与编辑排错思路。原文:[《GPT Image 2.6 正式发布:更快生成、更准编辑,AI 图像进入生产力时代》](https://platform.acedata.cloud/blog/gpt-image-2-6-launch-faster-generation-precise-editi

jakeycis123的博客 260

AI4S首个开源大模型Hydrogen-1.0发布:跑赢GPT-6-Astra,让AI自己做科研

写到这儿,我也想聊一聊最近AI4S的感受。AI证明了Navier–Stokes方程会爆掉、把挂谷猜想推到所有维度,在噬菌体里翻出类CRISPR的酶。刷到这些新闻的时候,实在是非常振奋人心~但是,兴奋完是有点空的,这些事,跟我、跟绝大多数做科研的人,关系不大,我们就是围观的群众。AlphaFold当年没有让大家围观:蛋白质结构预测,科学家折腾了五十年。AlphaFold做出来以后,DeepMind把2亿多个预测结构全放进了公开数据库。到现在,190个国家、300多万研究者都在用它。

夕小瑶科技说 248

OpenAI 发布 GPT-6 Cyber,专攻网络安全

OpenAI 的网络安全能力又又又升级了。今天,OpenAI 正式发布。它是基于 GPT-6 Astra 打造的网络安全专用版,也是上一代 GPT-5.6 Cyber 的继任者。这次升级,模型找漏洞、验证漏洞的能力更强了。与此同时,OpenAI 也花了不少力气训练它遵守任务边界。新模型公布的第一个成果来自 Firefox。Firefox 是全世界被审查得最严格的代码库之一。

Tokenge的博客 304

Continue.dev + gpt-6.1-terra + OpenAI SDK 接入教程:地址、模型映射与流式验证

某个网关同时提供 OpenAI-compatible 和 Anthropic 两类入口,不代表两种入口支持完全相同的模型。它可以通过 OpenAI-compatible 接口调用,并不等于由 OpenAI 官方直接提供。如果终端调用成功而 Continue 失败,则应重点检查地址拼接、模型映射和插件配置。模型的实际提供方和底层路由仍应通过供应商资料、调用日志与账单确认。此时应通过供应商文档、控制台或技术支持确认模型权限,再直接测试其明确提供的 Chat Completions 接口。

ofoxcoding的博客 182

深度解析:AI 攻防模型“持证上岗“——GPT-6 Cyber 与 Gemini 4 Carbon 背后的能力管控新范式

2026年11月,OpenAI与Google相继发布网络安全专用模型GPT-6 Cyber与Gemini 4 Carbon,标志着AI能力分发从“付费即用”转向“风险画像管控”。两者均需通过严格身份与资质审核(如Daybreak Red、Fairwind计划),仅限授权防御者使用,体现监管与技术双重驱动下的高风险模型管控趋势。尽管强化了防御侧能力,但攻防不对称加剧,修复滞后与开源模型滥用仍存隐患。开发者须警惕多租户隔离、工具权限滥用等新攻击面,落实最小权限、依赖扫描与合规审查。未来,模型的“可用性”将取决于

qq_40096528的博客 238

GPT Image 2 出的 UI 图如何转成 HTML 和可编辑 Figma

AI 生成的 UI 图,本身只是起点。用 Codex 或 Claude Code 把它变成 HTML,就有了能演示的页面;用 html.to.design 把 HTML 导回 Figma,就有了能沉淀的设计源文件;用 Codia 直接把图转成 Figma,则适合只要设计稿、追求速度的场景。三条链路互相补充,组合起来就形成了"图、代码、设计稿"之间的闭环。同时也要清楚它的边界:单张位图缺少精确数值,像素级还原目前还做不到稳定;图里的文字和图标需要人工把关。

JEECG官方博客 247
上一篇: 2024 年数据管理预测:从云优先到数据优先
下一篇: 生成式AI,发展可持续吗?
老贾的AI世界
博客等级 码龄7年 3335粉丝 254原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

老贾的AI世界

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值