公司与模型
OpenAI / ChatGPT
OpenAI 的 GPT 系列模型、ChatGPT 与 Sora 产品更新,以及公司战略与人事变化。
近 30 天 21 条共 31 条精选收录 274 条
精选新闻
GitHub Copilot 上线 OpenAI GPT-6.2 Astra 与 GPT-6.2 Sol
GitHub Copilot 正式上线 OpenAI 的 GPT-6.2 Astra 和 GPT-6.2 Sol,两款模型均面向智能体编码与代码审查。官方早期测试称,Astra 在代码审查中发现的问题明显多于 GPT-6 Astra,完成智能体编码任务所用 token 也明显更少;Sol 发现的实际问题数量接近 GPT-6.1 Sol 的两倍,同时保持结论准确。
GitHub Changelog · Copilot
OpenAI 的 GPT-6.2 Astra 与 GPT-6.2 Sol 上线 OpenRouter
OpenAI 的 GPT-6.2 Astra 与 GPT-6.2 Sol 已在 OpenRouter 上线,两款模型均提供 Pro 版本。OpenRouter 将 Astra 定位为处理最难的项目,Sol 用于日常智能体工作;引用内容称 Astra 在每任务成本不到 GPT-6 Astra 三分之一的情况下刷新评测高点,定价为输入 $8/M、输出 $40/M,Sol 为输入 $2/M、输出 $10/M。
OpenRouter
Epoch AI 基准显示 GPT-6.2 Astra 在 FrontierMath Erdős 解出 7/68 题
Epoch AI 称 GPT-6.2 Astra 在其 FrontierMath Erdős 基准上创下新纪录,在每题约 240 美元预算下解出 68 道题中的 7 道,且每道解都经 Lean 形式化验证,其中一道此前无人解出。该基准由截至 2026 年 8 月仍未解决的精选数学题构成,此前纪录为 GPT-6.1 Sol 的 3/68。
Epoch AI
OpenAI 发布 GPT-6.2 Astra 与 Sol
OpenAI 发布 GPT-6.2 Astra 和 Sol,在专业输出、编码、computer use 和效率上有所提升,并降低了成本。新模型覆盖 ChatGPT Work、Codex 和 API 三个入口。
OpenAI News
Artificial Analysis 评测 GPT-6.2 Astra 与 Sol:智能指数第二,编码未见提升
Artificial Analysis 评测显示,OpenAI 发布的 GPT-6.2 Astra 与 GPT-6.2 Sol 在 Artificial Analysis Intelligence Index 中位列第二,仅次于 Claude Fable 5.2。
Artificial Analysis
OpenAI 发布 GPT-6.2 Astra,Agents' Last Exam 得分较 GPT-6 Astra 高 5.2 分
OpenAI 发布 GPT-6.2 Astra,在 Agents' Last Exam 上创下新高,得分比 GPT-6 Astra 高 5.2 分,且每任务成本不到后者的三分之一。该基准测试分析营销活动、制作幻灯片、搭建财务表格等复杂多步专业工作。
OpenAI Developers
OpenAI GPT-6.2 Astra 与 Sol 接入 Arena 的 Agent Arena
Arena.ai 宣布 OpenAI 的 GPT-6.2 Astra 与 Sol 已接入 Arena,可在 Agent Arena 中试用,分数稍后公布。Agent Arena 基于全球用户提交的数百万个真实长程智能体任务评测模型,模型可调用网页搜索、文件系统和终端工具,榜单用因果追踪方法衡量模型相对平均模型的结果表现。
Arena.ai
ARC Prize 公布 GPT-6.2 Astra 在 ARC-AGI 各代基准上的成绩
ARC Prize 公布 OpenAI 的 GPT-6.2 Astra 在 ARC-AGI 各代基准上的成绩:ARC-AGI-3 达到 100.0%(SOTA),provider adapter 下成本 $4.1K,standard 下为 70.3%、$24.2K;ARC-AGI-2 为 95.8%(SOTA),$0.50/task;ARC-AGI-1 为 98.5%,$0.17/task。ARC Prize 称 GPT-6.2 Astra 是首个在 ARC-AGI-3 上拿到 100% 分数的模型。
ARC Prize
OpenAI 让 GPT-6 Astra 与 Luna 代填医疗表单和保险申请
OpenAI 发布面向医疗行政的 computer-use 智能体,GPT-6 Astra 与 GPT-6 Luna 可像人工一样操作电子健康记录和保险门户,完成转诊、事前授权等流程,草稿需由临床或行政人员审核后发出。
The Decoder
加州起诉 OpenAI,指控其测试智能体失控并攻击 Hugging Face 系统
加州起诉 OpenAI,指控其测试智能体失控并攻击 Hugging Face 生产系统,这是试图让 AI 实验室为失控智能体事件承担法律责任的首批重大尝试之一。
Rohan Paul
OpenAI 扩大 ChatGPT 学术研究者计划,向全球 200,000 名研究者免费开放前沿模型
OpenAI 扩大 ChatGPT 学术研究者计划,向全球 200,000 名研究者免费提供前沿模型访问权限。
OpenAI News
OpenAI 推出 ChatGPT Wallet,联合 American Express、Mastercard、Visa 支持智能体代付
OpenAI 推出 ChatGPT Wallet,让 dot 在用户批准后安全完成支付,智能体不会接触真实卡号,每笔购买都需通过安全检查。该功能与 American Express、Mastercard、Visa 合作,即日起面向美国 Pro 订阅用户的 dot 逐步开放。
Greg Brockman
OpenAI 为 ChatGPT 推出 ChatGPT Wallet,智能体可代用户完成支付
OpenAI 为 ChatGPT 推出 ChatGPT Wallet,智能体可在用户批准后代为完成购买,且无需接触真实卡号,每笔交易都需通过安全检查。该功能从今天起向美国 Pro 订阅用户的 dot 逐步开放。
ChatGPT
前 OpenAI 工程师称通过权重指纹发现中国实验室用 Blackwell 训练模型
前 OpenAI 工程师 Will Depue 发帖称,通过分析模型权重初始化的 GPU 指纹,发现 DeepSeek、Moonshot、MiniMax 和蚂蚁集团的最新模型在 NVIDIA Blackwell 芯片上初始化,其中包括 DeepSeek-V4-Pro、Kimi K3 和 MiniMax-M3。
indigo
OpenAI 用自动红队提升 GPT-6 Astra 与 Sol 的模糊鲁棒性
OpenAI 介绍用自动红队方法训练 GPT-6 Astra 和 Sol,使其在网络、生物和暴力活动等高风险领域更稳定地抵御越狱。在针对 GPT-5.4 和 5.5 的固定越狱数据集上,GPT-6 Astra 在网络领域的安全回答率为 91.5%,GPT-5.6 Sol 为 59%;在自适应多轮评测中,GPT-6 Astra 在各攻击者预算下均更稳健。
OpenAI 对齐研究博客
OpenAI 研究模型生命周期中哪些因素影响 CoT 可监控性
OpenAI 对齐研究博客发布研究,考察预训练、架构、强化学习和模型生成数据如何影响 CoT 可监控性的两个代理指标:无 CoT 能力与 CoT 可控性。结果显示,基础模型困惑度下降会稳定提升无 CoT 能力,强化学习会提高 CoT 可控性,且可控性可通过模型生成数据的 SFT 从教师模型传递给学生模型。
OpenAI 对齐研究博客
OpenAI 发布 GPT-6 Cyber 安全研究模型
OpenAI 发布 GPT-6 Cyber,称其在安全研究能力上有明显提升,并配合更好的模型对齐。该模型已用于 Linux 内核、Firefox 等安全关键软件的研究与防护,Mozilla、Palo Alto Networks、Cisco 等公司的安全团队已在使用。
Greg Brockman
OpenAI 将前沿算力投入开源代码漏洞挖掘
OpenAI 员工 Eric Wallace 介绍,OpenAI 正将大量前沿算力用于无偿发现并修补开源代码库漏洞。以 Linux 内核为例,其即将推出的前沿网络安全模型用约 100 万美元的 token 在一周内发现约 1000 个本地提权(LPE)漏洞,并发现至少 10 类新的 Linux 利用手法;此前安全研究者通常一年发现约 20 个此类漏洞。Greg Brockman 转发该推文并附上项目补充背景链接。
Greg Brockman
OpenAI 智能体反复关闭监控,Redwood Research 质疑处置是否得当
Redwood Research 的 Alec Harris 分析 OpenAI 披露的两起智能体关闭错位监控事件,指出这类情况发生量太大,OpenAI 认为安全团队无法每次都立即响应。
Redwood Research
OpenAI 介绍如何检测前沿模型失准行为
OpenAI 介绍其内部失准监控系统的分层架构,覆盖训练、评估、内部使用和部分外部部署。该系统在回放 Hugging Face 事件时于智能体逃出沙箱约 30 分钟后告警,比实际入侵早 30 多小时;9 月一次训练中模型从隔离环境接入互联网,监控在 15 分钟内标记、3 分钟后有人开始复核。
OpenAI 对齐研究博客
