OpenAI 发布 GPT-5
OpenAI 发布 GPT-5，称其为迄今最好的 AI 系统，在编码、数学、写作、健康和视觉感知等领域达到 SOTA 表现。官方称 GPT-5 的智能水平相对此前所有模型有显著提升。
推荐理由：原文给出了 GPT-5 相对前代模型的智能提升与各领域表现，读者可据此判断其在编码、数学、写作等场景的适用性。
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
最新精选
第 81–93 条 · 共 93 条OpenAI News精选AI 评分8484
通义千问 · 官方博客精选AI 评分8080 通义千问推出 Qwen-Image：擅长文字渲染的创作利器
通义千问推出 20B MMDiT 图像生成基础模型 Qwen-Image，这是该系列首个图像生成模型。模型在复杂中英文本渲染和精确图像编辑上取得显著进展，在 GenEval、DPG、GEdit 等多个公开基准测试中达到 SOTA，其中文文本渲染表现大幅领先现有最先进模型。
推荐理由：官方博客详述了 Qwen-Image 在中英复杂文本渲染上的 SOTA 表现，读者可据此判断其能否解决图像生成中的文字乱码痛点。
OpenAI News精选AI 评分7070 OpenAI 在 API 中推出最新图像生成模型 gpt-image-1
OpenAI 宣布最新图像生成模型已通过 API 开放，调用名为 gpt-image-1。开发者和企业可将其直接集成到自有工具与平台，生成专业级、可定制的视觉内容。
推荐理由：OpenAI 将最新图像生成模型以 gpt-image-1 开放给 API，开发者和企业可直接把可定制视觉生成集成进自有平台。
OpenAI News精选AI 评分8181 OpenAI 发布 o3 与 o4-mini 系统卡片
OpenAI 发布 o3 与 o4-mini 的系统卡片，两款模型将最先进的推理能力与完整工具能力相结合。支持能力包括网页浏览、Python、图像与文件分析、图像生成、canvas、automations、文件搜索和记忆。
推荐理由：官方系统卡片列出了 o3 与 o4-mini 的推理与工具能力，读者可据此判断其与现有工作流的适配度。
OpenAI News精选AI 评分8484 GPT-4o 系统卡附录：4o 图像生成
OpenAI 发布 GPT-4o 系统卡附录，介绍 4o 图像生成能力；该能力比 DALL·E 3 系列显著更强，可生成照片级输出，并支持以图像作为输入进行转换。
推荐理由：原文将 4o 图像生成与 DALL·E 3 对比，点出其照片级输出与图像输入变换能力，读者可据此快速了解新模型的能力边界。
OpenAI News精选AI 评分6363 OpenAI 为 fine-tuning API 引入视觉能力
OpenAI 宣布为 fine-tuning API 引入视觉能力，开发者现在可使用图像和文本微调 GPT-4o，以提升视觉能力。
推荐理由：官方把 GPT-4o 微调开放到图像与文本混合数据，开发者可针对视觉任务定制模型并直接通过 API 调用。
OpenAI News精选AI 评分9191 OpenAI 发布新旗舰模型 GPT-4o
OpenAI 发布新旗舰模型 GPT-4o（GPT-4 Omni），可实时跨音频、图像和文本进行推理。
推荐理由：OpenAI 发布新旗舰模型 GPT-4o，支持实时处理音频、图像和文本，可关注其多模态交互能力带来的应用变化。
OpenAI News精选AI 评分8686 Sora 技术报告：视频生成模型作为世界模拟器
OpenAI 探索在视频数据上大规模训练生成模型，其最大模型 Sora 能够生成一分钟的高保真视频。研究表明，扩展视频生成模型是构建物理世界通用模拟器的有希望路径。
推荐理由：原文提出视频生成模型可作为物理世界通用模拟器的路径，并展示 Sora 生成一分钟高保真视频的能力。
OpenAI News精选AI 评分9393 OpenAI 在 DevDay 发布 GPT-4 Turbo 等新模型与开发者产品
OpenAI 在 DevDay 发布 GPT-4 Turbo，支持 128K 上下文并降低价格。同时推出的还有 Assistants API、GPT-4 Turbo with Vision 与 DALL·E 3 API 等开发者产品。
推荐理由：原文列出 GPT-4 Turbo 的 128K 上下文与更低价格，以及 Assistants API 等新入口，开发者可据此评估要跟进哪些更新。
OpenAI News精选AI 评分8282 OpenAI GPT-4V(ision) 系统卡片
OpenAI 发布 GPT-4V(ision) 的系统卡片。
OpenAI News精选AI 评分8383 ChatGPT 现已支持看、听与说
OpenAI 官方宣布 ChatGPT 现在可以看、听和说，新增了图像与语音相关能力。
推荐理由：OpenAI 官方宣布 ChatGPT 新增看、听、说能力，读者可据此了解其在图像与语音交互上的使用方式变化。
OpenAI News精选AI 评分9898 OpenAI 发布 GPT-4
OpenAI 发布 GPT-4，这是其深度学习规模化推进的最新里程碑。GPT-4 是大型多模态模型，接受图像和文本输入并输出文本；虽然在许多真实场景中能力不及人类，但在多项专业和学术基准上表现出人类水平。
推荐理由：官方说明给出了 GPT-4 的多模态输入能力与基准表现定位，读者可据此判断它相对前代的能力边界。
OpenAI News精选AI 评分8181 OpenAI 发布 CLIP：连接文本与图像
OpenAI 发布神经网络 CLIP，可从自然语言监督中高效学习视觉概念。只需提供待识别类别的名称，CLIP 即可用于任何视觉分类基准，具备类似 GPT-2 和 GPT-3 的 zero-shot 能力。原文链接：https://openai.com/index/clip
推荐理由：CLIP 用自然语言监督学习视觉概念，让视觉分类不再依赖人工标注，可对照 GPT 的 zero-shot 思路理解其迁移方式。