OpenAI宣布:ChatGPT Pro 20X停止订阅
OpenAI宣布:ChatGPT Pro 20X停止订阅Astra 太好用,连 OpenAI 也扛不住了。
搜索
Astra 太好用,连 OpenAI 也扛不住了。
距离OpenAI宣布用88小时攻破千禧年难题「NS方程」,才仅仅过去两天。
OpenAI之后,老黄也出手了!
Muse刚发布,把它造出来的Meta TBD实验室,却又有人开始离场。
GPT-6 Astra也是一个集美模型。
刚刚,OpenAI把一位「AI末日论」者,请进了自己的董事会。
到 2030 年,如果 AI 已经能够自主完成大量工作,美国经济会发生什么?AI 会让我们变得更富有?还是带来更多失业?
OpenAI因GPT-6 Astra算力需求激增,于9月10日正式暂停200美元/月ChatGPT Pro档新订阅与升级,其他套餐及现有用户不受影响。
中国AGI两条上山路径:一条让机器理解、运用语言,另一条让机器认知、推演并改造世界,二者终会交汇。
AI视频Agent已经告别大抽卡时代了?
今天,全网都在吃OpenAI的这个大瓜。
“谁来填补算力与硬件之间的鸿沟? ”
《纽约时报》最新追访,补出了这场冲突中此前没有披露的细节。
WalkingLab 是由清华大学与香港大学团队发起的开源非营利实验室,专注真实世界 AI 与项目制学习,成立五个月已推出涵盖工程实践、强化学习和大语言模型的三门核心课程,累计获超 20,000 GitHub Star 并登上 Hacker News 首页,致力于通过真实项目连接课程、论文与工程实践,加速 AGI 到来。
RunningHub推出开源的H3 Lightning加速方案,在保留BF16满血精度的前提下使MiniMax H3视频生成速度提升约12倍,依托RH后训练加速模型、SageAttention2等工程优化并针对无NVLink的PCIe多卡环境调优,目前已全部开源至GitHub,支持创作者本地部署。
昨天呢,我在X上看到了一条流量已经过了1亿的帖子。
曾几何时,Apple Watch 和 AirPods 被苹果定义为「配件」类产品。
短短半年,我电脑里已经装了七八款Agent。但真正常用的只有那么一两款。其它的尝鲜后都慢慢吃灰了…
有多少人知道或者玩过人人网/校内网?绝对不是要蹭孙割流量……
英伟达死守的推理性价比神话,碎了。
This is B&B in your House. 有一说一·, 现在的AI办公产品真的非常非常卷,卷生卷死,卷到可怕。
AI大模型评测平台Arena宣布用户可在直接模式中限时免费使用GPT-6 Astra(仅限medium级别),大量开发者涌入体验开发游戏,目前该模型在Agent Arena榜单中整体排名第二、前端网页开发排名第一。
一周之内大语言、图片、视频模型都迎来新赛季:OpenAI的GPT-6 Astra让编码 Agent更好地使用游戏引擎和Blender,自己改场景、自己跑、自己测;GPT-image-2.5上线,更快更强,图片编辑和关键帧动画显著提升;fal和Yoroll分别发布 H3 MaxTurbo和H3 Superfast后训练加速模型,5秒视频3秒内推理,实时生成和互动玩法纷纷涌现。
崔添翼最近在 X 上刷屏有点多。9 月 9 日,这位今年 3 月加入 DeepSeek、负责 Agent 运行和评估基础设施的 Harness 团队成员发推称,V4.1 Flash 在性能、费用、速度和总用时等方面全面超过 V4 Pro,因此 V4.1 Flash 上线后、V4.1 Pro 上线前,所有发往 V4 Pro 的请求都会被路由到 V4.1 Flash,按 Flash 的价格计费。
DeepSeek V4.1 Flash 正式在网页、App 和 API 端全面上线,采用 552B 参数的 MoE 架构与 Causal-Encoder-Decoder 设计,性能全面超越 V4 Pro 并原生支持多模态,DeepSeek Harness v0.1.5 也同步适配。
前OpenAI Sora负责人比尔·皮布尔斯(Bill Peebles)与DreamWorks联合创始人杰弗里·卡岑伯格(Jeffrey Katzenberg)及Dropbox前CFO苏杰伊·贾斯瓦(Sujay Jaswa)共同创办AI视频创业公司,将自主训练视频模型,并与Andreessen Horowitz等投资人洽谈融资。
就在刚刚,OpenAI联合MIT宣布震撼消息:AI成功接管量子计算机!
视觉编程成绩超GPT-5.4。
Articuler.ai近日宣布,于今年早些时候完成数千万元种子轮融资。本轮投资由麟阁创投领投,拙朴投资、小米联合创始人王川先生家族办公室跟投。云岫资本担任独家财务顾问。
过去几年,大模型推动 AI 能力快速进入数字世界。但当 AI 从文本、代码走向真实环境,更为复杂的问题开始浮现:机器如何理解世界?如何预测变化?如何在现实环境中持续行动?