GPT-6-Astra在50道理论物理研究题中解出49道,单题成本约2.40美元
一项新基准测试让商用AI智能体在无人类提示下解50道理论物理研究题,运行在OpenAI Codex环境中的GPT-6-Astra答对49道(98%),平均每题成本不到3美元,整轮约116美元。
选题角度:原文给出50道理论物理题的完整榜单和每题成本,适合做一次多模型同题实测对比,重点看GPT-6-Astra与Opus 5.5的差距和联网与否的分数变化。
工具与公司
OpenAI 的全部动态:GPT 系列模型、ChatGPT 与 Sora 产品、公司战略与人事的持续追踪。
95 条精选近 30 天 90 条共收录 360 条
一项新基准测试让商用AI智能体在无人类提示下解50道理论物理研究题,运行在OpenAI Codex环境中的GPT-6-Astra答对49道(98%),平均每题成本不到3美元,整轮约116美元。
选题角度:原文给出50道理论物理题的完整榜单和每题成本,适合做一次多模型同题实测对比,重点看GPT-6-Astra与Opus 5.5的差距和联网与否的分数变化。
OpenAI 博客披露 Third Moment Research 的万级 Agent 实测,1 万个 Agent 在 Docker 隔离容器中连续运行 36 到 48 小时,每天消耗 1 万亿 Token,单轮任务相当于人类工程师 41 年工作量。
选题角度:OpenAI 博客披露 Third Moment Research 用万级 Agent 连跑 36 小时的真实案例,适合拆解双层监管架构和自进化四步循环怎么落地。
作者把 7 分钟、每段 15 秒的动漫片段交给 ChatGPT,它通过 MCP 直接在 invideo 编辑器里挑出最佳镜头、完成全部剪辑,并把节奏对齐音乐,最终产出一条 2 分钟的动作混剪。素材为作者自己用 AI 生成的画面。
选题角度:作者用 7 分钟 15 秒动漫片段做素材,展示 ChatGPT 通过 MCP 在 invideo 编辑器里自动挑镜头、剪辑并对齐音乐,适合录屏实测这套流程。
OpenAI 于 10 月 14 日将 GPT-5.5 从 ChatGPT、ChatGPT Work 和 Codex 中移除,API 密钥认证的 Codex 会话暂时保留该模型。
选题角度:GPT-5.5 退役引发 Reddit 告别潮,可结合网友的提示词迁移教程,讲清用户如何把旧模型的人格与记忆备份到私人 API。
OpenAI 在旧金山总部一间高管会议室电视机背后发现一台加密录音设备,公司用自家模型分析设备存储镜像并排查底层数据变化,锁定并解雇了 35 岁产品团队工程师 Abdulrahman Alfozan,FBI 于 10 月 9 日将其逮捕。
选题角度:OpenAI 用自家模型分析窃听设备存储镜像锁定内鬼,作案者还曾向 AI 咨询隐蔽录音,适合做热点评论。
Higgsfield 将 AI 视频生成时长从 1 分钟提升到 10 分钟以上,背后使用 GPT-6 Astra。同时借助 GPT-Image-2.5 提升画面精度,并通过 GPT-Live 打通语音电影制作路径。
OpenAI 于 10 月 7 日一次性公开 722 篇数学手稿,论文和部分 Lean 证明上传至 GitHub,其中编号 074 的两篇共 272 页,作者栏只写 OpenAI。
选题角度:OpenAI 一次性放出 722 篇数学手稿,其中两篇把挂谷猜想从三维推到四维,适合围绕这批论文的争议和数学界反应做热点评论。
非文本 AI 模型 Jev 获 a16z 领投的 8.7 亿美元融资,其公司 TypeSafe 估值达 75 亿美元;9 月 15 日发布时种子轮仅 4000 万美元、估值约 2 亿,24 天翻了 37 倍。
选题角度:从 Jev 24 天估值翻 37 倍切入,对比微软 Decision-1 与 OpenAI Decisions API 的定价和速度,讲清决策模型为何在 Agent 时代爆发。
作者演示在 ChatGPT 中粘贴整本书后输入 /mindmap 生成全书要点思维导图,/flashcards 生成便于记忆的闪卡,/sketchnotes 生成手写风格摘要笔记,/educationalcomics 生成展示书中主旨的漫画页。
选题角度:原文给出四个斜杠指令和一次性预设用法,适合录屏演示把一本书粘贴进 ChatGPT 后逐个生成思维导图、闪卡和漫画的效果。
作者 Jam 演示如何对着 Claude 或 ChatGPT 的麦克风按钮念一段指令,让 AI 检查并安装 ffmpeg、whisper、node.js 三个免费工具,再从 GitHub 安装 HeyGen 的 Hyperframe 技能,并新建一个名为 video editor 的技能。
选题角度:作者把一段语音指令拆成安装 ffmpeg、whisper、node.js 与 HeyGen Hyperframe 技能、建 video editor 技能的完整流程,适合照着录屏演示从零装好并跑通一条测试剪辑。
OpenAI 在 GitHub 仓库放出一份 722 篇数学证明文稿的清单,覆盖 372 个成果族、17 个方向,全部由尚未发布的内部前沿模型在评估中产出,平均每个结果消耗约相当于 3 小时 ChatGPT Pro 思考的算力。
选题角度:OpenAI 内部模型两周内产出 722 篇数学证明文稿,其中 235 组附形式化证明,可围绕数学家联署质疑与形式化验证的争议做热点评论。
OpenAI 为 GPT 上线名为 Intelligent UI 的新功能,回答不再只是文字,而是可点击、可拖拽的交互界面。该功能由可流式渲染的组件库加编译器组成,模型边生成边渲染,官方演示包括找北极星星空图、麻将动画和手柄乒乓游戏。同时推出的交错思考让中间结果提前交给执行层,GPT-6 Instant 开始回答的时间比 GPT-5.6 Instant 平均提前 44%。
选题角度:博主拆解 OpenAI 新上线的 Intelligent UI 与交错思考,用北极星、麻将等官方演示讲清组件化渲染流程,适合做功能解读。
OpenAI 于 2026 年 10 月 6 日一次性发布 700 多篇手稿,声称解决了数百个未解数学问题,数学博客 Proofs and Prompts 随后收集了 100 多位研究者的回应。
选题角度:数学家对 OpenAI 一次性放出 700 多篇论文的集体反应,可摘录菲尔兹奖得主原话做热点评论。
OpenAI 将常驻智能体 dots 的创建入口搬上 iOS 和 Android 版 ChatGPT,用户可在手机 App 里从头创建 dot,再让它把任务交给 Codex。
选题角度:官方演示里手机一句话开出三个 Codex 任务并自动提 PR,适合录屏复现这条派活流程。
晓辉博士复盘OpenAI一次性发布700多份数学研究成果,对应人类数学家追寻的4000多道命题,其中约200多道给出Lean形式化证明。他梳理数学家社区的争议:有人认可这些成果能启发数学思想,也有人认为AI公司替数学家选择研究方向、抛出似是而非的解法,反而增加验证和消化成本。
选题角度:从OpenAI一次性抛出700多道数学命题解法切入,梳理数学家社区为何焦虑,再落到普通人该不该学数学、怎么用AI。
OpenAI 发布数百项数学结果并公开相关论文与形式化代码,一批数学家发起抵制,Scott Aaronson 称之为 Mathocalypse。Vitalik Buterin 与 Justin Drake 警告 AI 驱动的发现可能影响 Bitcoin、Ethereum 与加密体系,Anthropic 同期更新使用政策,就用户如何对待 Claude 划出界限。
选题角度:OpenAI 数学成果引发数学家抵制与加密圈警告,适合梳理事件时间线并点评各方争议焦点。
OpenAI 以违规处理敏感信息为由开除安全团队三名研究员 Jasmine Wang、Tomek Korbak 和 Mikita Balesni,三人将写给董事会的联名信全文公开,标题为《OpenAI不能独自让AI变得安全》。
选题角度:三人联名信全文与各自被开理由首次公开,可梳理时间线讲清对接外部审计岗位被裁与AI安全监督之间的冲突。
数学界团体 AHM 发表声明呼吁抵制 OpenAI,称其一次性放出 700 多份 AI 生成的数学证明文件是展示力量而非学术贡献。声明由菲尔兹奖得主 Terence Tao 在其博客转发,Scott Aaronson 称这一局面为 Mathocalypse。
选题角度:数学家联名呼吁抵制 OpenAI,可围绕 700 多份 AI 证明草稿一次性放出、以及陶哲轩所说问题一旦被解出就无法撤回的争议展开评论。
OpenAI 把 GPT-6 推给 ChatGPT 所有用户,并上线新能力 Intelligent UI,让回答以可交互形式展示。付费订阅用户今天已可用,免费和 Go 用户明天上线。官网示例包括烤羊腿人数计数器、意大利婚礼穿搭卡片、中心极限定理样本量滑块、GDP 四滑块模型、三门问题演示,以及拍小票生成分账器、Roth IRA 退休储蓄计算器和可玩的复古游戏机。
选题角度:原文给出官网多个交互案例和付费与免费用户的上线时间差,适合录屏实测同一问题在 GPT-5.6 与 GPT-6 下的回答差异。
OpenAI 宣布 GPT-6 开始向 ChatGPT 免费和 Go 用户推送,用 GPT-6 Luna 替换此前的 GPT-5.6 Luna,Plus、Pro 等付费用户则从 10 月 7 日起使用 GPT-6 Sol。
选题角度:原文给出免费用户可用的入口和GPT-6 Luna与GPT-5.6 Luna的评测数值差异,适合实测同一问题下新旧版本的界面生成与回答长度变化。