haleycat的博客

OpenAI于12月11日宣布，Canvas功能现已向所有ChatGPT用户开放，旨在提升写作和编码项目的效率。用户可以在网页版以及Windows 10和11版本中使用该功能，未来还将推出Mac和移动平台版本。Canvas允许用户处理编辑和修改工作，提供丰富快捷键、Python代码执行及错误修复建议，同时支持定制GPT和评论功能，增强人机协作。首席执行官山姆·阿尔特曼表示，Canvas将使作品更具风格。

Meta于12月6日发布了其最新的AI大模型Llama 3.3，该模型拥有700亿参数，但在性能上可媲美4050亿参数的Llama 3.1，具有更高的效率和更低的成本。Llama 3.3优化了多语言支持，支持8种语言，采用自回归模型架构，结合监督式微调和基于人类反馈的强化学习。模型具备128K的上下文长度和多个工具集成支持，并加强了安全防护措施，降低滥用风险。

OpenAI于12月6日启动为期12天的新品发布周期，首次推出完整版o1模型，并推出月费200美元的ChatGPT Pro订阅。该服务允许无限使用o1、GPT-4o及Advanced Voice等功能，同时提供独家o1 Pro版本，旨在为复杂问题提供更优解答。常规的20美元Plus套餐仍然可用，包含新功能抢先体验和更强大的模型访问。

OpenAI CEO阿尔特曼宣布将于每个工作日进行一场直播，共计12场，内容将涉及新产品发布和演示。其中，新款文本转视频工具Sora备受期待，有望在2024年底前发布。Sora曾在测试阶段引发争议，部分艺术家因抗议“无偿劳动”泄露该模型。OpenAI在数据来源方面饱受批评，尚未确认Sora是否使用公共YouTube视频进行训练。目前，谷歌也推出了文本转视频模型Veo，正进行私人预览。

腾讯于12月3日宣布混元大模型正式上线，并开源其文生视频生成能力，支持中英文输入，参数量达130亿。该模型可生成超写实的高质量视频，拥有良好的光影反射效果。腾讯采用DiT架构，提升语义理解，支持更细致的描绘。目前，开发者可通过“腾讯元宝 App”申请试用，开源内容包含模型权重和推理代码，便于开发生态插件。

ChatGPT自推出以来，已吸引2.5亿活跃用户，并助推全球科技公司总市值增长8万亿美元。OpenAI在两周年之际，正寻求新一轮融资，以支持每年高达50亿美元的支出。与此同时，马斯克对OpenAI提起诉讼，指控其不当竞争和转变盈利性质，要求法院颁发禁令。OpenAI计划在2025年推出新智能体，目标是10亿用户，但面临激烈市场竞争和成本上升等挑战。

摘要：AI模型企业Anthropic近日为其Claude聊天机器人推出“自定义样式”功能，用户可以根据具体场景调整文本生成风格。Claude现在提供“正式”、“简洁”和“解释性说明”三种预设样式，并允许用户上传自己的写作示例以进一步定制。GitLab极狐的AI技术产品主管表示，这一功能使得团队在多种场合下都能有效使用Claude，提升了文档撰写和项目管理的效率。

Claude AI开发商Anthropic于11月25日推出开源协议Model Context Protocol，旨在为各类AI工具与模型数据库提供标准化对接接口。该协议允许AI工具通过单一协议访问多种数据源，提升模型响应速度与生成质量。Anthropic指出，现有数据隔离问题限制了模型性能，每新增数据源往往需定制集成方案。该协议包括规范、SDK及开源代码库，已被Block、Apollo等公司应用，方便开发者快速对接。

TikTok近日发布了“Symphony Creative Studio”，一款面向广告主和内容创作者的免费生成式AI视频制作平台。该平台允许用户上传品牌素材并自动生成短视频，具备视频编辑、字幕添加、翻译及语音合成等功能。支持30多种语言的翻译，并可调节发音与人物口型以实现同步。此外，平台未来将增加微调短视频及品牌专用广告台词等功能，以提高广告主的创作效率。

谷歌近日为Gemini Advanced用户推出“记忆”功能，使AI能够记住用户的生活细节和个人偏好。这一功能类似于ChatGPT，能够根据用户的喜好提供个性化服务。例如，若用户曾提到喜欢某种菜系，Gemini会在推荐餐馆时据此调整建议。目前，该功能仅在网页版上线，需订阅Google One AI Premium，iOS和安卓用户尚未体验。用户可以随时管理和删除记忆信息，谷歌承诺不将这些信息用于模型训练。

微软在Ignite 2024大会上宣布，Microsoft 365 Copilot将利用Copilot+ PC中的NPU本地运行AI模型，减少网络依赖。此功能将提升用户在Outlook和Word中的AI写作辅助体验。同时，Windows Recall功能因安全问题推迟，微软承诺改进其安全性。新发布的Windows Copilot Runtime为开发者提供了图像处理API，计划在2025年推出，预计将吸引更多应用程序使用这一技术。

近期有传言称OpenAI、谷歌和Anthropic等AI实验室在开发先进模型时遇到困难，原因是训练数据不足。对此，OpenAI CEO Sam Altman和Anthropic CEO Dario Amodei表示不同意见，认为仍有不少方法可克服障碍。前谷歌CEO埃里克・施密特预测未来五年内大型语言模型将快速迭代，性能持续增长，但同时也警告潜在风险增加，包括新型攻击和生物病毒的威胁。

埃隆·马斯克再次升级对OpenAI的诉讼，新增微软等被告，诉状揭示了他与OpenAI早期的矛盾，包括未能成为CEO。邮件中，OpenAI首席科学家伊利亚·苏斯克沃表达了对马斯克可能掌控AGI的担忧，认为这种结构可能导致独裁。苏斯克沃对OpenAI现CEO萨姆·阿尔特曼的动机也表示怀疑，显示出内部矛盾加剧。

OpenAI公司宣布将在2025年1月推出名为“Operator”的自动化AI智能体，能够独立控制计算机并执行多种任务。此举标志着自主AI的发展潜力，竞争对手Anthropic和谷歌也在推出各自的AI产品。OpenAI首席执行官山姆・阿尔特曼在Reddit论坛上表示，未来将有更强大的模型出现，认为“智能体”将成为下一个技术突破，预计2025年将是智能体系统进入主流市场的关键年份。

OpenAI联合创始人兼前总裁格雷格・布罗克曼在X平台宣布重返OpenAI。布罗克曼曾在Sam Altman离职后也选择辞职，董事会对此没有解释。据报道，他与Altman保持合作并将担任一个新职位，专注于重大技术挑战。此前，OpenAI的多位高层离职，包括前首席技术官Mira Murati和联合创始人Ilya Sutskever，他们已创办自己的AI初创公司。

OpenAI CEO 阿尔特曼在访谈中预言AGI将在2025年到来，并预测ASI将在几千天内降临。他强调，利用10,000个GPU的个人能够创办价值数十亿美元的公司，并指出如今是创办科技公司的最佳时机。阿尔特曼认为，快速发展的技术将带来巨大的创新机会，同时他也分享了对AGI发展的看法，描述了不同层级的智能体，并强调创业者应专注于与AI相关的项目，迅速行动。

OpenAI CEO萨姆・阿尔特曼在X平台上宣布收购域名chat.com，现已自动跳转至ChatGPT官网。该域名此前由HubSpot创始人Dharmesh Shah以1000万美元购入，并于2023年3月以1550万美元转手。Shah认为基于聊天的用户体验将是软件领域的重要趋势，得益于生成式人工智能的发展。OpenAI的确认标志着其在用户交互领域的进一步扩展。

腾讯混元于11月5日开源了Hunyuan3D-1.0，这是首个同时支持文本生成和图像生成的3D开源大模型。该模型采用两阶段生成方法，可以在10秒内生成3D资产。第一阶段使用多视角扩散模型生成多视角图像，第二阶段利用前馈重建模型快速重建3D资产，具有强大的泛化能力和可控性，适用于多种尺度的物体。

据报道，芯片巨头英伟达正在与埃隆·马斯克就其人工智能公司xAI的潜在投资进行谈判。xAI推出的大语言模型Grok发展迅速，已在社交媒体平台X上部署。英伟达首席执行官黄仁勋对xAI持支持态度，称其团队用19天建立了超级计算机集群，显著超出常规时间需求。同时，xAI正与投资者商谈筹集数十亿美元的资金，估值在400亿到450亿美元之间。

OpenAI首席执行官萨姆·奥特曼表示，下一个大型人工智能模型可能不会在今年发布，因公司优先开发当前专注于推理与难题解决的技术。他透露将推出一些出色的新版本，但不会称为GPT-5。此外，OpenAI推出了新搜索功能ChatGPT Search，与竞争对手展开竞争，同时回应了关于图像生成模型DALL-E和视频生成模型Sora的疑问，强调对模型安全性和计算能力的完善。

国庆期间，网友利用AI技术克隆雷军的声音，恶搞吐槽不文明行为，引起广泛关注。雷军对此表示困扰和不适，希望大家停止这种行为，但认为AI技术本身是实用的。恶搞内容包括对大学生的劝导、捐款、撞人等情节，相关短视频平台已逐步下架部分内容。

苹果公司宣布将扩展Apple Intelligence，预计在2025年4月支持中文等多种语言。首批功能将在iOS 18.1、iPadOS 18.1和macOS Sequoia 15.1中推出，用户需将设备语言设置为美式英语。12月起将增加对澳大利亚、加拿大、英国等地英语的支持，明年将陆续添加中文、法语、德语等多种语言。需要注意的是，目前尚未明确国内用户能否使用Apple Intelligence的各项功能。

字节跳动计划在欧洲设立AI研发中心，正在积极招聘LLM和AI领域的人才。此外，字节跳动近期在董事会中加入了法国富商泽维尔·尼尔，显示其拓展欧洲市场的决心。此前，该公司已宣布将在马来西亚投资约100亿林吉特建立AI中心，并额外投资15亿林吉特扩建数据中心设施，显示其全球布局战略。

苹果公司预计于10月28日发布“Apple Intelligence”功能，首个版本将与iOS 18.1同步推出，非中国大陆及欧盟用户可先行体验。苹果软件负责人克雷格·费德里吉表示，将采取多阶段发布策略，初始版本聚焦基本功能，如文本摘要AI工具、通知摘要及照片处理，同时强调隐私保护和本地处理。未来版本将引入更多AI功能，并计划明年支持多语言。

10月22日，Anthropic推出了Claude 3.5 Sonnet和Claude 3.5 Haiku，升级版Sonnet具备更强的编程能力及“计算机使用”新功能，能模拟人类与计算机的交互。这一进展标志着AI代理技术的演变，尽管其在执行任务时表现不够可靠，仍吸引了用户关注。Anthropic希望通过逐步开放安全模型，改善AI代理的可靠性与安全性。

英伟达近日开源了新型AI模型Nemotron-70B，迅速超越GPT-4o和Claude 3.5 Sonnet，成为AI社区的新宠。该模型在多项基准测试中表现优异，采用混合训练方法和人类反馈强化学习，模型权重已在Hugging Face发布。Niemotron-70B的开发基于Llama-3.1，且开源数据集加强其训练效果。分析指出，英伟达的策略是提升硬件需求以维持市场领先，尤其是在激烈的AI竞争中。

OpenAI发布了一项新研究，指出ChatGPT在回应用户时，可能会根据姓名推断性别和种族特征，从而反映训练数据中的社会偏见。例如，女性名字获得的回复更友好，而男性名字则偏向使用专业术语。研究显示，在开放式任务中，刻板印象的出现概率更高。尽管有害回复的出现率低于0.1%，但这种偏见仍然可能影响用户体验和社会公平。未来将扩展研究以涵盖更多人口统计属性和语言环境。

微软解决方案顾问萨姆・米特罗维奇分享了他险些被AI诈骗的经历，黑客伪装成谷歌支持，诱使他泄露Gmail账号信息。米特罗维奇收到来自“谷歌”的电话，声称账号有可疑活动，并推荐点击链接重置密码。他警告称，这种诈骗手法越来越复杂，即使经验丰富的用户也可能受害。他呼吁用户保持警惕，进行基本的身份验证，并在必要时寻求可信任的帮助。

微软生成式人工智能研究副总裁Sébatien Bubeck于10月14日宣布离职，加入ChatGPT制造商OpenAI，继续推进通用人工智能的开发。微软表示将与Bubeck保持合作关系。他在微软工作了10年，之前曾任普林斯顿大学助理教授，专注于大型语言模型的智能提升和AGI的研究。Bubeck的合著者仍在微软，继续开发相关模型。

特斯拉发布了无人驾驶出租车CyberCab和无人驾驶货运车RoboVan，展示了其自动驾驶技术在车辆运营领域的应用前景。特斯拉CEO马斯克表示CyberCab的车辆成本预计较低，并计划在2026年投入生产，2027年前大规模铺开，但运营成本仍需降低才能实现盈利。特斯拉Robotaxi项目的商业模式包括车主提供车辆模式和特斯拉自有车辆模式，并面临监管机构批准FSD监督版的挑战。

OpenAI的核心成员Luke Metz宣布离开公司，结束其两年任期。他与曾离职的后训练团队负责人Barret Zoph和新任接替者Liam Fedus均为ChatGPT和o1模型的重要贡献者。Fedus将接任Zoph的职位，三人均曾在谷歌工作。OpenAI正经历人事变动，使后训练团队换将，未来动向引发关注。

2024年诺贝尔化学奖授予David Baker、Demis Hassabis和John M. Jumper，前者因计算蛋白质设计而获一半奖项，后者因开发AI模型预测蛋白质结构而获另一半。Baker成功创造出一种全新蛋白质Top7，而Hassabis和Jumper的AlphaFold2模型已能预测几乎所有已知蛋白质结构。这些成果对生命科学领域具有重要影响。

英伟达于10月9日宣布向OpenAI交付首批DGX B200工程版，该平台集成了八个NVIDIA Blackwell GPU，专为企业提供全面的人工智能解决方案。DGX B200具有强大的计算能力，能够高效处理大规模语言模型和自然语言处理任务。同时，微软Azure也成为首个运行该系统的云服务，采用了优化的AI服务器和先进的散热技术。

OpenAI文生视频大模型Sora团队负责人Tim Brooks于10月4日宣布离职，加入谷歌DeepMind。他将专注于视频生成和世界模拟器方面的工作。Tim Brooks拥有加州大学伯克利分校的博士学位，曾为Pixel手机提供AI支持，也曾在英伟达研究视频生成模型，是OpenAI文生图模型DALL・E的主要研究员。

OpenAI首席执行官山姆·阿尔特曼在公司全体会议上否认了自己将获得大量股权的传闻，称“根本不是事实”，并表示目前没有此类计划。OpenAI董事会主席布雷特·泰勒则提到，董事会曾讨论过股权补偿问题，但尚未作出最终决定。此前有报道指出，OpenAI考虑让阿尔特曼持有7%的股份，并计划重组为营利性企业，同时寻求新一轮融资，估值可能超过1500亿美元。

据《华尔街日报》报道，苹果公司已决定不参与OpenAI的新一轮融资，计划筹集约65亿美元（约454.98亿元人民币）。OpenAI正进行从非营利到盈利性公司的转型，并得到多个投资者支持，包括Thrive Capital、Tiger Global Management以及阿联酋国有企业MGX。值得注意的是，如果OpenAI未能在两年内完成转型，投资者有权要求退款。与此同时，微软和英伟达仍在积极洽谈参与此次融资。

在Meta Connect 2024大会上，Meta宣布Ray-Ban智能眼镜将通过软件更新提升智能体验，包括“Reminders”功能、二维码扫描和实时语言翻译。新功能将支持英语、法语、意大利语及西班牙语翻译，并计划推出实时视频处理。同时，与EssilorLuxottica合作推出的透明镜框限量7500副，展示内部技术。Zuckerberg表示，智能眼镜的需求超出预期，预计将取代部分手机使用。

Meta于9月25日发布Llama 3.2 AI模型，具备开放性和可定制性，支持开发者实现边缘人工智能和视觉应用。该系列包含多模态视觉模型（11B和90B）及轻量文本模型（1B和3B），并支持指令微调。Llama 3.2模型擅长于图像理解、文本生成和各种语言任务，适用于企业级应用和移动设备，为多种行业提供更广泛的解决方案。

OpenAI在Hugging Face上推出了多语言大规模多任务语言理解（MMMLU）数据集，旨在评估大型语言模型在各种语言和任务中的表现。该数据集涵盖广泛的主题与学科，支持多种语言，包括简体中文，提供了测试模型深层认知能力的框架。MMMLU数据集的发布将有助于提升模型在高资源与低资源语言中的表现，解决人工智能界的多样性与文化包容性问题。

阿里巴巴研究团队提出了新型VARP智能体框架，使AI在《黑神话・悟空》中取得了超过人类的胜率。该智能体利用视觉语言模型（VLM）直接处理游戏截图，通过自动生成Python代码实现操作。尽管在简单和中等战斗场景中胜率达到90%，但在复杂的任务上，如面对幽魂时表现不佳。此外，AI无法实时处理每一帧画面，也容易受到游戏环境的限制。相关研究数据和代码将发布。