Ethan Mollick：从 GPT-4 的 4 分钟到如今模型能连续工作数周
Ethan Mollick 用 METR 的任务时长标尺对比 GPT-4 和现在的模型，想理解智能体到底进化到哪一步可以看看这篇。
全部动态
AI 相关资讯全量信息流 · 54 条
11月2日
11月1日
Ethan Mollick 回顾：GPT-4 曾霸榜一年，秘密方法并不存在
Ethan Mollick 感慨三年前大家还在猜 GPT-4 是不是模型天花板，回头看两个猜想全错了，适合当个行业视角看看。
10月27日
一条推文梳理 AI 数学能力时间线：从 GPT-4 到 IMO 金牌
一条很火的段子式推文，把 GPT-4 算小学数学到 IMO 金牌的跳跃串成时间线，后半段全是玩梗，适合当乐子看。
10月18日
OpenAI 与 Anthropic 一周动态：Sora 重启谈判、Scion 自研源码管理落地
这期干货不少：Sora 可能借新公司复活，Anthropic 用自研 Scion 替掉 git，内部 Claude 还解开了 25 年的 ECDSA 种子谜题，科技八卦和硬核内容都有。
10月16日
METR 获得 Anthropic 前沿模型的员工级访问权限
专门给前沿模型做能力评测的 METR，现在能像 Anthropic 内部员工一样用模型了，评测结果会更靠谱。
10月13日
GPT-4 曾独霸一年，如今已有 19 个可在手机上运行的模型超越它
Ethan Mollick 发推感慨：当年没人追得上的 GPT-4，现在 19 个能塞进手机的小模型都比它强，小模型进步快得吓人。
10月11日
GPT-4o 下架 8 个月，粉丝请愿开放权重
GPT-4o 从 ChatGPT 下架快 8 个月了，两万多人还在请愿，最新诉求是让 OpenAI 把权重放出来存档。
10月6日
10月5日
东南亚AI编程竞争从选模型转向建基础设施
东南亚开发圈的实用观察：大家卷完GPT-4对比Claude之后，现在拼的是谁的基础设施搭得好。
10月1日
消费级AI的经济学困境
前沿实验室为何对消费级AI却步？算力成本与付费意愿的矛盾揭示行业困境。
9月19日
微软高管承认：AI是“人类历史上最大规模劳动力盗窃”
微软高管在诉讼中承认AI是“人类历史上最大规模劳动力盗窃”，这个说法很直接，能快速抓住注意力。
9月17日
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOP阅读全文
9月9日
Anthropic研究员警告AI巨头拿人类生命赌博
OpenAI前研究员爆料AI巨头内部真实恐惧，认为他们拿人类文明冒险，还透露了GPT-4o研发内幕。
9月4日
LangSmith发布大模型使用报告
LangChain团队发布的大模型使用报告，显示gpt-4o-mini使用率最高，DeepSeek V4 Flash是唯一上榜的开源模型。
9月3日
8月13日
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOP阅读全文
8月7日
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOP阅读全文
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOP阅读全文
8月2日
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOP阅读全文
7月30日
微软加大与OpenAI和Anthropic的公开竞争力度
微软不再遮遮掩掩，直接推自研AI模型和工具来抢OpenAI和Anthropic的客户，格局变了。
行业00:56
模型评测中的偏见：不知道型号就觉得好，知道是前沿模型就有偏见FactoryAI的CTO聊了个扎心的现象：你不知道用啥模型时觉得都挺好，一旦知道是前沿模型就开始挑刺。模型战争原来是心理战？
Sam Altman谈GPT-4推动算力囤积、ChatGPT起源与机器人未来
Altman说了几个大实话：GPT-4让他们疯狂囤算力，ChatGPT名字差点不叫这个，还有机器人爆发时间点。
7月23日
行业10:42
巴基斯坦法院部署AI助手JudgeGPT，案件审结量增6.3%，投资回报率38~50%巴基斯坦法院用JudgeGPT（GPT-4）一年审结量多了6.3%，投1美元赚38~50美元，成本才1300美元，效率提升很实在。
新闻机构如何用AI强化报道与运营
OpenAI分享了Axel Springer、Le Monde等新闻机构用GPT-4做事实核查和内容摘要的真实案例，很直观。
7月22日
微软评估将 Kimi K3 接入 Copilot，推理成本年降 6 亿美元
微软在偷偷试 Kimi K3，一旦切换每年能省40多亿，比用OpenAI便宜不少。
7月20日
7月17日
Meta和xAI陷入下一代模型陷阱，OpenAI凭借Orion/GPT-4.5成功脱险
博主分析了Llama 4和Grok 4为什么翻车，以及OpenAI的Orion/GPT-4.5怎么稳住了局面，值得一看。
7月15日
Mozilla 2026开源AI报告：DeepSeek V4 Flash月用量18.4T Tokens登顶
Mozilla报告用数据告诉你开源模型有多猛：DeepSeek V4 Flash月用量18.4T Tokens碾压闭源，价格还暴跌50倍。
7月9日
OpenAI 发现热门AI编程测试SWE-Bench Pro中约30%任务有缺陷
OpenAI自己查了SWE-Bench Pro，发现三成测试题有毛病，所以不认这个榜了。做AI编程的可以看看。
7月8日
OpenAI 首席未来学家 Joshua Achiam 离职，结束近九年任职
OpenAI 那位研究未来的老将走了，他做了九年安全研究，还参与过 GPT-4，接下来会怎么影响 AI 安全圈？
7月7日
7月6日
7月4日
6月29日
OpenAI可能将GPT-6标签留给未来模型
看看大家对OpenAI下一代模型命名的猜想，挺有意思的，虽然没干货但能勾起好奇心。
6月28日
OpenAI 从 ChatGPT 移除 GPT-4.5，GPT-4 时代终结
GPT-4.5 下线了，想用它的好文风只能走 API。o3 也快走了，记得 8 月 26 日前备份。
6月26日
6月24日
Anthropic在Slack中构建模型无关的Agent，避免供应商锁定
想摆脱模型锁定？看看Anthropic在Slack里的这个集成，能随时切换模型，不用吊死在一棵树上。
6月23日
OpenAI 发起新计划帮助发现和修复开源漏洞
OpenAI 要用 AI 帮开源项目找漏洞了，初期覆盖 1000 个项目，对用开源软件的开发者是个好消息。
OpenAI 启动 Patch the Planet 项目，助力开源安全修复
OpenAI 联手 Trail of Bits 和 HackerOne，用 Codex Security 帮开源项目快速修漏洞，人工把关，靠谱。
6月19日
马斯克与中国AI CEO激辩：中国LLM何时追上西方顶尖水平
马斯克和智谱AI老板打赌中国AI追上西方的时间，智谱刚发了GLM-5.2，说用不了那么久，这瓜有数据有交锋。
6月16日
SpaceX 斥资600亿美元收购 Cursor 母公司 Anysphere
马斯克又出手了，SpaceX 花600亿买下 Cursor 团队，直接帮 xAI 对抗 OpenAI 和 Anthropic。
论模型提供商与应用提供商分离的利弊
看一个有意思的行业观点：为什么模型和应用分开做对用户更有利？深入讨论垂直整合的激励问题。