封面提示词在这里

上周精选 ✦

Open AI 的一些消息：SearchGPT、完全体 O1、AMA

最近 Open AI 动作挺多的可能终于感受到压力了，先是推出了 SearchGPT，然后疑似故意泄露完全体 O1 模型使用链接，还跟自己的新领导层搞了一个 AMA。

发布 Search GPT

之前测试了很久的 ChatGPT 搜索功能终于出了，他们说可以提供更快、更准确的网络搜索体验，并直接链接到高质量来源。

为了获得更高质量的数据他们还跟天气、股票、体育、新闻和地图数据服务商合作获取数据，而且这些内容都做了单独的 UI 适配比看文字直观很多。

你可以直接在 ChatGPT 网站上搜索，也可以安装他们的浏览器插件设置成默认搜索。
An image to describe post

完全体多模态 O1 模型泄露

在上周六下午推上突然说完全体的 O1 泄露了，从一个指定链接进去就可以使用，进去看了一下还真是，支持多模态而且能力也非常强，有 200K 的长下文窗口。

拿一个高中数学联赛的几何题试了一下居然能答对。另外还拿一个正常的高中奥赛数学题试了一下，Claude 3.5不行、o1-preview都做不对，都在瞎做，他也答对了。

刚想要上点重量给他一个出生日期让它算依稀八字命盘，结果就被修复了，细带大选之后可以使用
An image to describe post

Open AI 主创的的 AMA 总结

31 号 SearchGPT 发布之后 Sam 和其他 Open AI 的领导层一起在 Reddit 做了一次 AMA，回答了很多问题，列几条相对重要的，完整的总结可以在这里看。

  • 今年没有计划发布名为 GPT-5 的模型，不过之后会有重要发布。
  • 目前重点是改进 o1 系列及其后续版本，而不是推出 GPT-5（完全体 O1 这就出了）。
  • OpenAI 将继续开发 GPT 和 o1 两个模型系列，预计这两个系列最终会合并。
  • 新的文本生成图像模型正在开发中，但未宣布发布日期。
  • o1 模型将在未来几个月支持图像输入，以及多模态和工具使用等功能。
  • OpenAI 认为可以用现有硬件实现 AGI。
  • ChatGPT 独立执行任务的能力预计将成为 2025 年的主要主题。
  • 当被问及是否是"草莓哥"时，Sam 回应了一个草莓表情。

Physical Intelligence 发布通用机器人策略模型 π0

Physical Intelligence 发布了一个通用机器人策略模型。

目前的机器人大多是窄领域的专家，它们的行为需要大量的手动编程。而通过 AI 技术，机器人能够学习并遵循用户指令，使得编程新的行为变得更加简单。

可以指导机器人完成各种开放域的任务，而不需要专门训练，比如洗衣服、叠箱子、收拾餐桌等家务。这个机器人在智能上比马斯克前几天发布那个强多了。

训练方法：

模型结合了大规模的多任务和多机器人数据收集，以及一种新型的网络架构，使得机器人能够以前所未有的能力和灵巧性进行控制。

π0 模型继承了互联网规模的语义知识和视觉理解，并通过流匹配方法将预训练的视觉语言模型增强为连续动作输出，实现了高频率的灵巧控制。
An image to describe post

Oasis：实时生成可操作的AI游戏生成模型

虽然有很多关于AI实时生成可操作的游戏内容研究了，但是都停留在研究和Demo阶段，而且操作也很简单稳定性也很差。

Decart 发布的这个Oasis第一次提供了可以试玩的Demo，而且几乎具备完全体的《我的世界》功能，你可以砍树、挖石头等等。

Oasis 是交互式视频游戏，但由transformer在逐帧的基础上端到端生成。Oasis 接收用户键盘和鼠标输入并在内部生成实时游戏玩法，可以以 20 帧的速度实时渲染，零延迟。

为了实现 Oasis，需要两方面的根本进展：一是改进模型架构，以便模型能够捕捉并模拟整个世界；二是在模型推理技术上的突破，以便用户可以通过最小延迟实时交互。

Decart 发布了 Oasis 的代码和模型权重，以及一个可在本地运行的更大的模型的实时可玩演示。

同时他们因为这个Demo获得了2100 万美元的种子轮融资。

同时类似的研究还有：腾讯出的游戏视频模型 GameGen-O、谷歌发布 GameNGen 项目、DIAMOND 这个项目可以实时玩 CS GO。
An image to describe post

Github发布会发布多个AI功能和产品

Github 发布会的主要内容，GitHub Spark 新产品类似 Bolt 或者 V0 这种输入需求直接生成。

GitHub Copilot 多模型支持

  • 新增对多个 AI 模型的支持:Claude 3.5 Sonnet、 Gemini 1.5 Pro、o1-preview 和 o1-mini。
  • 开发者可以自由选择最适合的模型
  • 组织和企业可以控制团队使用的模型范围

AI 原生开发体验增强

  • Copilot Workspace：在 Pull Request 中快速优化和验证代码，与 Copilot Code Review、Autofix 和第三方扩展集成
  • Copilot Code Review：PR 创建后即可获得 AI 反馈，支持 C#、Java、JavaScript、Python、TypeScript、Ruby、Go 和 Markdown，可配置团队规则以保证代码质量

GitHub Spark (技术预览版)

  • 面向个人的软件创作工具
  • 使用自然语言创建微型应用
  • 支持实时历史记录、预览和直接代码编辑
  • 目标是帮助 10 亿人成为开发者

GitHub Models

  • 不再需要等待名单，直接可用
  • 模型并排比较
  • 支持多模态模型
  • 保存和分享提示词与参数
  • 新的 Codespaces 支持
  • CLI 扩展：可直接在终端中使用和测试模型
    An image to describe post