哈佛急診診斷研究:OpenAI o1 初步分診準確率 67%,超人類醫生
本週《Science》刊發哈佛研究,OpenAI o1 在 76 例急診初診中準確率達 67%,超過兩名內科醫生的 55% 和 50%。模型直接讀取未加工的病歷文本。研究者強調 AI 尚不能替代真實臨床決策,且對比物件並非急診專科醫生。
本週《Science》刊發哈佛研究,OpenAI o1 在 76 例急診初診中準確率達 67%,超過兩名內科醫生的 55% 和 50%。模型直接讀取未加工的病歷文本。研究者強調 AI 尚不能替代真實臨床決策,且對比物件並非急診專科醫生。
OpenAI 宣佈 Mira Murati 創立的初創公司 Thinking Machines Lab 聯合創始人 Barret Zoph、Luke Metz 及早期員工 Sam Schoenholz 重返公司。據報道 Zoph 此前因被指與競對共享機密遭解僱,但 OpenAI 否認相關擔憂。這對估值 120 億美元的 Thinking Machines 來說無疑是一次重創。
據 TechCrunch 報道,OpenAI 新發布的 o3 和 o4-mini 推理模型幻覺率明顯反彈。內部基準測試中,o3 在人物知識問答上的幻覺率達 33%,約為 o1 的兩倍,o4-mini 更是高達 48%。OpenAI 稱原因尚不明確,推測是推理模型給出的斷言變多所致。
OpenAI 宣佈其 Responses 和 Chat Completions API 正式支援直接傳入 PDF 檔案。開發者無需自行寫指令碼解析文本,即可直接讓 o1、gpt-4o 或 gpt-4o-mini 結合文件上下文生成回答。
據 The Information 報道,微軟 AI 負責人 Suleyman 正推動減少對 OpenAI 的依賴,嘗試在 Copilot 中替換進自研 Phi-4 等模型。微軟想借此壓低高昂的推理成本並強化自主權,不過雙方繫結太深且面臨技術阻力,實際進展仍顯緩慢。
微軟宣佈向所有免費使用者無限制開放 Copilot 的語音模式與 Think Deeper 深度思考功能,直接解除之前的次數與時長限制。其中深度思考由 OpenAI o1 模型驅動,支援更長的連續複雜推理。每月 20 美元的 Pro 訂閱依然保留,高峰期免費版可能會遇到延遲。
OpenAI 宣佈更新 ChatGPT 中 o3-mini 的思考鏈展示,免費與付費使用者都能看到更詳細的推理步驟。雖然出於安全與防蒸餾考慮仍未公開完全原始的思考鏈,但新增了後處理步驟以過濾風險內容,並支援以非英語母語顯示思考過程。
斯坦福大學與華盛頓大學研究人員推出開源推理模型 s1。該模型以 Qwen 開源小模型為底座,通過監督微調蒸餾 Google Gemini 的推理過程,僅耗費不到 50 美元算力便在數學和程式設計評測中追平 OpenAI o1,程式碼與資料已開源。
OpenAI CEO Sam Altman 在 X 上透露,每月 200 美元的 ChatGPT Pro 目前處於虧損狀態,使用者的使用頻率遠超公司預期。Altman 坦言該定價是他自己定的,原以為能賺錢;未來 OpenAI 可能會考慮調整訂閱價格或探索按量計費。
阿里通義團隊釋出推理模型 QwQ-32B-Preview。該模型擁有 325 億引數,在 AIME 和 MATH 測試中跑贏 OpenAI o1-preview。模型採用 Apache 2.0 協議開源,不過阿里也指出它可能出現意外切換語言或陷入迴圈等問題。
週二,OpenAI 向美國專利商標局提交了「OpenAI o1」的商標申請,為旗下推理模型建立保護。申請檔案顯示,OpenAI 早在 5 月就在牙買加提交了海外申請。此前其申請「GPT」曾因詞義太通用被駁回,目前該申請正等待分配審查律師。
訊息,OpenAI CEO Sam Altman 在接受 YC 採訪時表示,通用人工智慧(AGI)預計將在 2025 年實現。他認為通往 AGI 的路徑已基本明確,接下來主要是工程問題,不再需要根本性的科學突破。
The Verge 援引知情人士報道,OpenAI 計劃在 12 月推出代號 Orion 的下一代旗艦模型,或先向合作企業開放而非直接進 ChatGPT。不過 CEO Sam Altman 稱其為假新聞,發言人隨後表示今年並無釋出代號 Orion 模型的計劃。
T-Mobile 宣佈與 OpenAI 合作打造客服平臺 IntentCX,計劃明年上線。該系統接入了 OpenAI 最新的 o1 模型與 API,用於分析客服通話記錄並找出服務痛點,官方稱其遠超傳統聊天機器人。
OpenAI 宣佈將安全與安保委員會轉為獨立的董事會監督委員會,由卡內基梅隆大學的 Zico Kolter 擔任主席。該委員會擁有在安全顧慮解決前推遲模型釋出的權力,相當於給前沿模型釋出設定了獨立的剎車機制。