OpenAI 模型、Codex 与 Managed Agents 上线 AWS
OpenAI 宣布 GPT 模型、Codex 和 Managed Agents 已在 AWS 上线，企业可以在自有 AWS 环境中构建安全的 AI 应用。
推荐理由：OpenAI 的模型、Codex 与 Managed Agents 上线 AWS，企业多了一条在自有云环境内构建 AI 应用的路径。
OpenAI / ChatGPT
全部主题OpenAI 的全部动态：GPT 系列模型、ChatGPT 与 Sora 产品、公司战略与人事的持续追踪。
最新精选
第 81–89 条 · 共 89 条OpenAI News精选AI 评分7171
OpenAI News精选AI 评分6969 OpenAI 与 Microsoft 宣布修订合作协议
OpenAI 与 Microsoft 宣布一项修订协议，简化了双方的合作关系，增加长期确定性，并支持继续推进大规模 AI 创新。原文未给出条款细节。
推荐理由：协议修订简化了双方的合作框架并增加长期确定性，可作为观察两家公司合作走向的节点。
Hugging Face Blog精选AI 评分6060 如何用 OpenAI Privacy Filter 构建可扩展 Web 应用
作者基于 OpenAI 本周在 Hub 上开源的 Privacy Filter，用 gradio.Server 搭建了三个 PII 脱敏 Web 应用：文档高亮浏览器、图像匿名化工具和 SmartRedact Paste。
推荐理由：文章以三个可运行示例展示 Privacy Filter 的接入方式，可供搭建 PII 脱敏应用时参考。
OpenAI News精选AI 评分7474 OpenAI 发布 GPT-5.5，面向编码、研究和数据分析等复杂任务
OpenAI 发布 GPT-5.5，这是一款面向编码、研究和数据分析等复杂任务的模型。该模型强调跨工具处理这些任务。
推荐理由：OpenAI 发布 GPT-5.5，面向编码、研究和数据分析等复杂任务，读者可了解其跨工具能力定位。
OpenAI News精选AI 评分7979 OpenAI 发布 GPT-5.5 系统卡
OpenAI 发布 GPT-5.5 系统卡，介绍该模型面向写代码、在线研究、分析信息、创建文档与表格等复杂实际工作，并能跨工具完成任务。系统卡披露了预部署安全评估和 Preparedness Framework 下的针对性红队测试，覆盖高级网络安全与生物能力，并在发布前收集了近 200 家早期访问伙伴的反馈。
推荐理由：系统卡列出 GPT-5.5 的预部署安全评估、针对性红队测试和近 200 家早期访问伙伴的反馈，读者可据此了解其发布前的安全审查流程。
OpenAI News精选AI 评分7272 OpenAI 在 ChatGPT 中推出工作区智能体
OpenAI 在 ChatGPT 中推出工作区智能体，这类智能体由 Codex 驱动，可自动化复杂工作流。它们运行在云端，帮助团队跨工具安全地扩展工作。
推荐理由：官方说明了工作区智能体由 Codex 驱动并在云端运行，读者可据此判断它与现有团队工作流的衔接方式。
AI as Normal Technology精选AI 评分7070 AI as Normal Technology 团队发布论文《Towards a Science of AI Agent Reliability》
Sayash Kapoor、Arvind Narayanan 与 Stephan Rabanser 等人发布 66 页论文《Towards a Science of AI Agent Reliability》，将智能体可靠性拆解为一致性、鲁棒性、可预测性、安全性四维共 12 项指标。
推荐理由：论文把智能体可靠性拆成12个维度并实测14个模型，显示18个月内准确率大涨而可靠性仅小幅提升。
AI as Normal Technology精选AI 评分6767 Sayash Kapoor 撰文论证 AGI 不是里程碑
Sayash Kapoor 撰文提出 AGI 不是里程碑，公司宣布实现 AGI 不是可操作事件，对商业、政策或安全都没有直接含义。文章以核武器为反类比，认为 AI 的经济影响依赖以十年计的扩散过程，并批评基于影响、内部机制和基准行为的三类 AGI 定义各有缺陷，建议企业和政策制定者关注安全扩散而非 AGI 宣言。
推荐理由：作者区分能力与权力、以扩散视角解释 AGI 为何不是可操作事件，为评估各方 AGI 宣言提供了一个可用的分析框架。
AI as Normal Technology精选AI 评分6969 AI 进步是否在放缓：Arvind Narayanan 等人解析模型扩展与推理扩展之争
Arvind Narayanan、Benedikt Ströbl 和 Sayash Kapoor 撰文分析 OpenAI、Anthropic 和 Google Gemini 下一代模型遇阻后的叙事翻转，认为宣布模型扩展已死为时尚早，行业领袖的预测并不可靠。
推荐理由：作者用可核查的证据指出业内叙事反复翻转的成因，并区分能力提升与实际社会影响的薄弱关联。