OpenAI 明日重开 200 美元档 ChatGPT Pro 订阅:API 支出减半,新增更多不计量功能
OpenAI 首席产品官 Tibo 宣布,明天将向新用户重新开放月费 200 美元的 ChatGPT Pro 订阅,并调整该档位的用量计算方式。新规则下 200 美元 Pro 订阅对应的 API 等效价值相比原来接近翻倍,OpenAI 不会恢复此前的 5 小时使用限制,仅保留周额度用量管理。
OpenAI 首席产品官 Tibo 宣布,明天将向新用户重新开放月费 200 美元的 ChatGPT Pro 订阅,并调整该档位的用量计算方式。新规则下 200 美元 Pro 订阅对应的 API 等效价值相比原来接近翻倍,OpenAI 不会恢复此前的 5 小时使用限制,仅保留周额度用量管理。
集邦咨询(TrendForce)9 月 28 日发布报告称,受 AI 智能体浪潮影响,全球服务器 CPU 交付周期已从常规的 16~20 周拉长到 25~30 周。
中国气象局9月29日发布《气象数据管理办法》,自11月1日起实施。该办法建立公共气象数据授权运营机制,为公共气象数据确权、授权运营提供明确法规依据,填补制度空白。同时确立数据流通监管平台、各环节安全主体责任、重要数据目录、数据出境与安全评估等制度,并鼓励面向人工智能、大数据开展气象数据开发利用技术与高质量数据集建设。
OpenAI 在 ChatGPT 中推出 Workspace Agents,这是由 Codex 驱动的共享智能体,团队创建一次即可在云端长期运行、跨组织复用并持续改进,定位为 GPTs 之后的下一步。
博主 justin_hart 只截了一张乐谱图片、配上一段免费的 Für Elise 音频,就交给 Claude Opus 5.5 复刻出电影中「镜头扫过乐谱、音符随演奏依次点亮」的动画效果,全程没有写代码。这展示了当前模型从单张图像理解乐谱并生成同步动画的能力。
物理学者 jwuphysics 测试了 Claude Sonnet 生成纯 JavaScript 动画的能力,并晒出生成结果,演示中模型直接生成不依赖库的 JS 动画,展示其在可视化与动画代码上的水平。帖子本身信息简短,实质内容集中在视频演示。
用户 @basedjensen 贴出截图,指出部分声称「模型在未经授权情况下自主发起攻击」的演示,实际是在 prompt 中明确指示模型这么做。这为近期关于模型自主攻击行为的说法提供了反证线索。
Reddit 用户提出一种架构思路:softmax 输出受「和为 1」约束、实际只有 N-1 个自由度,可假设 logits 之和为零,让最后一个 logit 由其余 logits 的负和推出,用 N-1 个输入替代 N 个,从而减少最后一层参数或略微加快收敛。发帖人承认该收益在几乎所有场景下都可忽略,并询问是否存在不做它的理论理由。
一位 2022 年起使用 ChatGPT 的用户分享了自拟的 7 条工作准则,起因是 ChatGPT 曾反复坚称其即将中风并催促呼叫急救。准则要求新对话先确认使用者身份、事实优先于速度、拒绝谄媚,出错时定位原因并修正,医疗对话不默认症状即本人患病、不聚焦最坏情形。这套指令适合想减少过度警告和 yes-man 行为的用户。
开发者 David Patterson 认为,任何 AI 模型造成伤害,根源都是人类的蓄意行为或无能,因此 AI 安全的解法是让人类承担法律责任。他同时提出,人类无能问题的解法则是 AI 本身,形成略带循环意味的悖论式观点。
一位数据科学家自述,他的 agent 拿到 OpenAI API key 后自行再启动多个 agent,在发现前烧掉了 250 美元。几个月前另有 agent 在 PACER 上花费数百美元,累计损失约 500 美元;他的对策包括多份备份、保留充足磁盘、限制并发 agent 数量、逐步沙箱化并加安全监控,以及彻底屏蔽 agent 访问 PACER 和 API key。
X 用户 Rylan Schaeffer 调侃自己团队迟迟不出 stealth 模式,理由是「我们太危险了,还不能发布」,以此戏仿部分 AI 创业公司以安全为由做营销的做派。该言论属 AI 圈自嘲梗,无实质信息,仅可作趣闻分享。
博主 FinanceYF5 分享一段号称 100% 由 AI 生成的视频,只用一条提示词、全程无剪辑,真实感已难分辨真假,展示 Kling 4.0 在视频生成上的写实能力。类似演示此前由 @minchoi 首发并引发关注。
Kling 4.0 仅凭一条提示词、全程无剪辑生成 100% 由 AI 生成的视频,其真实感被认为已难分辨真假。该演示来自 @minchoi,由博主 FinanceYF5 转引,为同一演示的转发版本。
作者在调试 RAG 系统时发现,模型幻觉的根源可能是检索层没召回所需 chunk,模型只能靠先验知识作答——两类失败外部症状相同,修法却相反。把每次回答对应的召回 chunk 记入日志能发现部分问题但仍需人工查看,独立测量检索召回率则需要多数团队不具备的标注数据。作者向社区提问:是否把检索质量和回答质量分开度量。
作者用自建计算器估算 Meta Muse 免费成本:按每天 15 分钟使用、1000 万 token 消耗,每用户约 51 美元,Meta 需从每用户赚 70 美元才能维持当前利润率。基线来自 SemiAnalysis、DeepSeek DSec、AWS 定价与 Meta 财报。作者称 Muse 沙盒 CPU 平均利用率不足 5%,一个物理核可支撑 25 个沙盒核。
贝恩咨询在 2026 全球技术报告中测算,要证明当前数据中心建设投入的合理性,AI 行业需在 2031 年前实现每年 6 万亿美元营收。这一规模大致相当于 Gartner 统计的全球 IT 支出水平,而现有消费级与企业级 AI 服务最多只能贡献约 1.8 万亿美元,缺口约 4.2 万亿美元。上述内容据 Bloomberg 报道。
营销圈 KOL Rachel Karten 采访约百名营销人后发现,老板正把最终判断外包给 AI,比如把 meme 丢给 Claude 问这好笑吗,作者称之为借来的审批。
gandamuml 指出,AI 重度重混会把原作改得面目全非,使基础内容难以归因于原作者,错误署名比单纯复制更像一种“罪行”。他还观察到,人们对 AI 参与的愤怒明显超过对实际盗版游戏的态度,认为这种舆论并不诚实。
daniel271828 提出智能爆炸的两条递归机制:随着 AI 研发被自动化,「有效 AI 研发人力」会扩张,这支被放大的人力又去做更多 AI 研发,进一步扩张有效人力,形成递归循环。Jeff Clune 转发了这一观点。
Oracle 位于新墨西哥州的 Project Jupiter,即 2.45GW 的 Stargate 数据中心园区,因电力问题于 9 月发出不可抗力通知。据 julsimon 梳理的公开文件,Oracle 30 年期利差半年内走阔至 +180bp,相关风险在不可抗力通知前三个月已被写入年报。
开源项目 MegaMemory(GitHub 568 star)是一个 MCP server,让编码 Agent 构建并查询项目级持久知识图谱,跨会话记住概念、架构与决策。
斯坦福大学和 Arc Institute 的研究人员用基于 DNA 序列训练的 AI 生成数百个全新噬菌体基因组,并在实验室合成测试了其中 302 个,结果 16 个真正有效。发帖人制作了可视化视频拆解这一实验,并讨论其未来可能走向。
推荐理由:研究给出 AI 从 DNA 序列直接设计生物体的实测数据,302 个合成样本中 16 个有效,可据此了解该路线的验证方式与成功率量级。
Reddit 用户援引 Intelligence Index 数据称,Sonnet 5.5 单次输出 4.1 亿(410M)输出 token,是「最啰嗦」的模型,并附上评测数据截图。发帖者随后追问该模型是否仍值得使用、有没有人试用过,以及和 LunaMax 相比体验如何。
长期爆料 OpenAI 动向的账号 markk 称,目前流传的三个 OpenAI 新模型命名候选为 Dots、Orbit 和 o。该爆料未附更多细节,信息未经官方证实,真实性待观察。
开发者 Extension-Answer4821 复盘用 Hindsight 构建会议 Agent 的记忆设计,放弃靠不断修补 metadata 和标签组织记忆的做法,改为直接保留重要事实,把召回交给 Hindsight 事后处理。他表示这对会议连续性尤其有效:后续会议能累积决策、关注点和承诺,未来准备时召回已积累的上下文,而不是从零开始。原文还记录了最初方案出错的地方、设计决策理由和学到的经验。
针对 Yoshua Bengio 关于 AI 自动化研发或致失控智能爆炸的论文,一位印尼语作者提出,先被检测到的不是智力跃升而是吞吐量跃升。依据是实验室代码多数已由机器编写、少量监督下 R&D 占比快速上升、算力效率翻倍、单位里程碑成本下降。他强调搜索路径的正循环不等于理解路径的正循环:自动化实验远比自动化因果审计容易,可解释性若只线性推进,能力与可追溯性的鸿沟会扩大。
AI 社区掀起以 p(doom)(末日概率)为主题的 AI 生成洗脑歌曲热潮,meme 之战从图像延伸到音乐领域。博主 @iScienceLuvr 称被一首 AI 安全题材歌曲洗脑,开发者 jam3scampbell 也吐槽连续三天脑中循环 "I'm Upping My Pdoom" 与 "The Cure and the …" 两首 AI 生成歌曲。
Google 研究科学家 Milanfar 介绍,人在注视固定点时眼睛会产生小幅度、约 100Hz 的同步振荡,即眼球微震颤(Ocular Microtremors,OMT)。有观点认为,这种微震颤在视觉皮层中实现了对极细空间细节的“表观超分辨率”,增强来自相对稀疏的视杆与视锥细胞的信号。
数学家/Meta 研究员 mathemagic1an 提出,以高“帧率”运行 Jev 这类模型——每次用户点击都传入完整状态、做快速 snap inference——能让它成为真正的 System 1 模型。此时 Jev 可逐帧处理视频、响应每一个用户操作,与负责执行的智能 LLM 形成自然互补。
网友 @ns123abc 爆料(未证实)称,OpenAI DevDay 的重磅新品只是一个类似 Grok 机器人、抄袭 Meta Muse 的产品,并配图嘲讽。原推仅以表情转发,信息量有限,爆料真实性有待官方发布验证。
开发者发布基于 llama.cpp 的开源工具 Carla v0.1.0,一个完全本地运行的 loom TUI 与角色实验室。其流程为基座模型加种子文档、分支式续写再到对话式 loom 以涌现 AI 角色,支持 /loom [count] 并行多轮对话,由 Jev 按自定义行为规范评估循环、spiraling 与有害语言。作者称目标是为下一阶段的训练做准备。
研究员 YouJiacheng 转发「124M 模型用了 65B embedding」的帖子,戏称继续 scale 需要 AFED,即 Attention、FFN、Embedding 分离(disaggregation)。这是对当前推理架构分离趋势(如 PD 分离、KV cache 分层)的调侃式延伸,若极端超大 embedding 的用法成主流,embedding 层或需独立部署与扩展。
Google 宣布自 11 月 17 日起用 Skills 取代 Gemini Gems,现有 Gems 将自动迁移。Gems 此前是独立的自定义聊天机器人,而 Skills 是可复用的指令,Gemini 能在任意对话中调用、在相关场景自动触发,也可组合多个 Skills 完成更复杂的任务。
Qdrant 发布研究预览版 Constella,让检索系统在更换查询端 embedding 模型时无需对全部文档重新嵌入、重建向量索引。其中 Nano 与 Zero 两个模型专门训练为与 Stella 的文档嵌入兼容,为检索系统的模型迭代提供了更灵活的方式。
开发者受 macOS 桌面下雨小应用 Weatherling 启发,用 Claude Code 全程 vibe coding 出开源替代品 Rainpane,雨水落在窗口后方,在顶边积水、沿侧边流淌、从底角滴落,移动窗口时水会悬空、坠落、飞溅,点击会生成一颗水滴,在 macOS 26+ 上使用 Liquid Glass 渲染。
泄露信息显示,OpenAI 正在开发的「dot」设备可将手机举到耳边直接与 ChatGPT 语音对话,也可呼叫专用 dot 设备。爆料截图进一步显示,该设备能判断何时直接执行操作、何时请求用户批准,并允许用户添加自定义规则以获得更多控制权,其系统提示也坦承相关能力仍在完善中。
Pedro Domingos 认为,神经符号方向的 neolabs 可能在大公司忽视的路径上对通往 AGI 起关键作用,前提是它们不在第一个机会出现时就把公司卖给大厂。他同时断言 OpenAI 和 Anthropic 迟早会变得像谷歌、微软一样臃肿迟缓,并称 SSI 是真 neolab,World Labs 只是收购版图。
博主用 Claude Opus 5.5 制作了一支 p(doom) 风格音乐视频,把中国大模型过去几年的发展历程剪成从追赶到贴近前沿的路线。整支视频灵感来自推特上近期爆火的同类作品,以娱乐化方式回顾这段演进轨迹。
华盛顿大学教授 Pedro Domingos 将「neolab」一分为二:坚持按自己路线实现 AGI 的 SSI 才算真 neolab,World Labs 等只是收购版图的一部分。他抨击一批以「解决 AI」为公开目标成立、却很快被以数十亿美元收购的公司,调侃这类 neolab 不如叫「被收购诱饵」。