Replit 近日宣布推出 Free Mode，由 OpenAI 的 GPT-5.6 Luna 模型驱动，让任何人都能免费将想法转化为可运行的软件，无需担心 token 成本。这一举措得益于 GPT-5.6 系列模型的性价比提升和 OpenAI 近期的降价。Replit 联合创始人兼 CEO Amjad Masad 表示，这是首次在免费模式下提供如此强大的构建体验。 ## 从 GPT-3 到 GPT-5.6 Luna：长期合作的深化 Replit 与 OpenAI 的合作由来已久。早在 GPT-3 时代，Replit 就是早期用户，率先探索自然语言驱动软件开发的可能性。如今，GPT-5.6 Luna 成为 Replit Free Mode 的算力基础，标志着双方合作进入新阶段。Masad 在公告中强调，OpenAI 近期的价格调整让 Replit 能够将免费模式扩展到数百万用户，消除了模型成本这一最后障碍。 ## 免费模式如何运作？ Free Mode 的核心在于让用户无需消耗配额即可获得快速、准确的回答、建议、反馈和分析。Agent 能理解用户项目的完整上下文，帮助用户在进入 Build Mode 之前进行规划、构思、优化和探索。这种连续性设计意味着，用户可以在同一个环境中从零开始发展想法，直至成为可运行的软件。 当任务需要更高级的推理时，Replit 会自动路由到 GPT-5.6 Sol，之后返回由 GPT-5.6 Luna 驱动的 Free Mode，确保体验无缝衔接。这种分层模型策略既保证了复杂任务的性能，又控制了成本。 ## 行业影响：AI 开发民主化的新里程碑 Replit 免费模式的推出，是 AI 降低软件开发门槛的又一重要信号。随着模型性价比的不断提升，类似 Replit 这样的平台能够将先进的 AI 能力带给更广泛的用户群体，尤其是那些没有编程背景的创意者。这不仅改变了个人开发者的工作方式，也可能重塑企业级应用开发的成本结构。 不过，免费模式的可持续性仍取决于模型推理成本能否持续下降。OpenAI 的定价策略和 Replit 的用户增长将如何平衡，值得持续关注。 ## 展望 对于普通用户而言，现在可以免费在 Replit 上尝试将想法变成现实，无论是简单的脚本还是复杂的 Agent。这一模式能否吸引大量非技术用户，并推动 AI 辅助开发的普及，我们拭目以待。
自今年2月在美国启动试点以来，OpenAI的ChatGPT广告业务在短短六个月内迅速扩展，如今正式登陆欧洲31个市场。这一举措不仅标志着OpenAI商业化战略的重要里程碑，也为全球广告主提供了触达用户决策时刻的新渠道。 ## 欧洲市场的全面铺开 从下周开始，**德国、法国、西班牙、意大利、瑞典、挪威、丹麦、荷兰和奥地利**等31个欧洲国家的广告主将能够通过OpenAI广告解决方案团队、代理合作伙伴和技术合作伙伴接入ChatGPT Ads。自助服务功能将于今年夏季晚些时候通过Ads Manager推出。 ## 广告投放的定位与原则 OpenAI强调，广告将仅向**Free和Go计划的用户**展示，而**Plus、Pro和Enterprise订阅用户**则继续享受无广告体验。这一设计旨在平衡商业化与用户体验，同时支持OpenAI“让最优AI普惠大众”的使命。 广告投放遵循OpenAI的广告原则：**对话内容对广告主保持私密，绝不售卖用户数据**；广告明确标注并与AI回答分离，不影响ChatGPT的回复质量。用户还可控制个性化广告，或选择付费无广告方案。 ## 决策时刻的价值挖掘 OpenAI认为，用户带着明确目标使用ChatGPT，如规划旅行、选择商业软件、装修房屋或学习新知识。与传统搜索引擎的关键词输入不同，用户会以自然语言描述需求、偏好和限制。这为广告主提供了在用户**探索、比较和决策**的完整旅程中精准触达的机会，使广告真正“有用”。 ## 全球广告平台的加速构建 从2月的美国试点到如今的欧洲31国，OpenAI在半年内将广告市场扩展至**39个国家和地区**，这是其迄今最大规模的一次扩张。这一速度显示出OpenAI对广告业务的战略重视，也预示着AI原生广告平台的全球布局正在加速。 ## 未来展望 随着AI对话式交互成为用户获取信息和做出决策的重要入口，ChatGPT Ads有望重塑数字广告的形态。然而，如何在商业变现与用户信任之间保持平衡，仍是OpenAI持续面临的挑战。欧洲市场的反馈将为后续全球扩展提供宝贵经验。
OpenAI 于 2026 年 8 月 18 日宣布一项新计划，旨在帮助民主监督机构发展专业知识和工具，以理解和监督政府在国家安全领域对 AI 的使用。该计划符合其国家安全原则，强调在 AI 部署中保障安全、人类判断和适当监督。 ## 背景与动因 AI 正在改变民主政府保护国民的方式，例如阻止网络攻击、保护关键基础设施、提前检测威胁等。然而，AI 的速度和规模也可能导致错误快速扩散，而人工检测难以跟上。在国家安全领域，决策可能涉及机密且后果重大，因此监督尤为重要。 ## 计划内容 OpenAI 将提供工具、培训和专业知识，支持政府监督机构构建监督 AI 的能力。传统监督依赖人工，面对机器速度的系统时几乎不可能有效。OpenAI 认为，更强大的系统需要更强的监督，并已将其应用于自身：通过预备框架，高级模型在部署前经过严格审查，部署后持续监控和事件审查。 ## 角色定位 OpenAI 明确表示，它不对政府执行监督角色，也不应如此。监督责任在于民选官员和既定公共机构。OpenAI 的角色是帮助这些机构提升能力，以跟上 AI 采纳的步伐。 ## 行业意义 此举反映了 AI 公司在国家安全应用中的责任边界，也凸显了在技术快速演进时，治理机制同步进化的必要性。
**OpenAI 于 2026 年 8 月 18 日正式发布 ChatGPT for Teens（青少年版）**，专为 13 至 17 岁用户设计，旨在帮助青少年在学习中培养批判性思维，并自信地使用 AI。该版本内置更强大的安全保护、健康使用功能，并为家长提供额外管控工具。 ## 自动识别与无缝接入 若系统估算用户年龄在 13 至 17 岁之间，或用户自行声明处于该年龄段，将自动进入 **ChatGPT for Teens** 体验。这一设计基于 OpenAI 此前在青少年保护方面的系列工作，包括家长控制、18 岁以下模型规范、青少年安全蓝图、年龄预测技术，以及扩展学习和健康使用功能。OpenAI 强调四项核心承诺：**安全第一、鼓励现实支持、视青少年为青少年、系统行为透明**。 ## 学习支持：不止于答案 ChatGPT for Teens 的核心目标是**扩展教育机会**，在课堂之外提供即时帮助，同时保持主动和协作的学习过程。例如，备考学生可以要求解释概念、练习题目并检验理解。若学生直接索要答案，系统会引导其逐步思考。 主要功能包括： - **学习模式（Study Mode）**：通过引导性问题与分步支持，帮助理解材料。 - **负责任的作业提醒**：识别试图走捷径的行为，并引导至学习模式进行协作式解题。 - **测验与学习可视化**：提供多种练习方式，检验知识掌握情况，使抽象概念更直观。 - **学习时段（Study Hours）**：青少年或家长可设定默认开启学习模式的时间段，培养规律学习习惯。 学习模式由教师、科学家和教育学专家共同设计，确保教育有效性。 ## 更强的保护措施 在安全方面，ChatGPT for Teens 采取了更严格的防护： - **内容限制**：系统会阻止不适宜内容，并引导至可信资源。 - **健康使用功能**：包括使用时间提醒和休息提示，防止过度依赖。 - **家长控制**：家长可查看使用概况、设置时间限制，并控制功能访问。 OpenAI 表示，将继续与专家、家长和青少年合作，迭代产品，确保 AI 成为青少年成长的正向助力。
**OpenAI 宣布与 CodeAI 建立合作伙伴关系，旨在帮助青少年和 educators 提升 AI 素养，培养批判性思维，并负责任地使用 AI。** 这一合作恰逢 ChatGPT for Teens 的推出，这是一个专为青少年设计的学习体验，内置安全保护和家长控制功能。 ## 合作背景：AI 素养的鸿沟 如今的学生将是第一代在 AI 陪伴下成长的人群。然而，**目前大多数学生已经在使用 AI，但只有 16% 的高中领导表示所有学生都在课堂上学习理解 AI 所需的技术知识**。CodeAI 的一项调查显示，**75% 的高中生认为理解 AI 对他们的未来比现在更重要**。这种差距凸显了培养 AI 素养的紧迫性。 ## 合作内容：教育与工具并重 OpenAI 与 CodeAI 的合作侧重于围绕技术的教育，帮助青少年理解 AI 的工作原理、如何引导、质疑和创造。同时，**ChatGPT for Teens 的推出**为青少年提供了以学习为中心的专用体验，包括促进健康使用的功能和额外的家长控制。这一举措也建立在 OpenAI 与教师和学区合作的基础上，例如 ChatGPT for Teachers 项目。 OpenAI 儿童发展主管 Allison Mishkin 博士表示：“我们的目标不仅是帮助更多学生使用 AI，更是帮助他们提出更好的问题，批判性地思考他们得到的答案，并负责任地使用这些工具。” ## 展望未来 这一合作标志着 AI 教育领域的重要一步，但具体的课程设计和实施细节尚未完全公布。**随着 AI 技术的不断发展，如何平衡创新与安全，将教育者、家长和学生的需求纳入考量，将是持续探索的方向。**
**Asana 借助 OpenAI Codex 在两周内完成了预计耗时五年的工程任务，成本仅约 1.2 万美元。** 项目管理软件公司 Asana 的工程团队使用 OpenAI 的 Codex 代理，成功移除了过时的测试系统 Enzyme，大幅提升了代码库的现代化进程。据 Asana 首席技术官 Amritansh Raghav 透露，整个迁移过程仅耗时两周，模型和基础设施成本约 1.2 万美元，而原先的人力方案预计需要五年时间，成本高达约 600 万美元。 ### 从五年到两周：Codex 如何做到？ Asana 的工程师从一段五句话的提示开始，启动了最多四个编码代理并行工作，每个代理在独立的代码副本中运行。工程师每天检查两次进度，并审查每一个提议的更改。令人惊讶的是，简单的指令比复杂的设置效果更好。在工程团队投入 1.5 周的工作量（分布在两个日历周）后，Enzyme 被完全移除。 ### 成本与效率的对比 这次迁移的总成本（包括模型和基础设施）约为 1.2 万美元，而此前的人力方案预估成本高达 600 万美元，相差近 500 倍。这一对比凸显了 AI 代理在大型代码库改造中的巨大潜力。 ### 对长期项目的重新思考 这次经历改变了 Asana 对长期软件项目的看法。过去被认为需要数年才能完成的迁移、重写和性能优化任务，现在变得可行。Asana 计划将 Codex 应用于更多类似的项目，让工程师有更多精力专注于创造性工作，同时保留人工审查环节以确保质量。 ### 行业影响与展望 Asana 的案例并非孤例。随着 AI 编程工具的发展，越来越多的企业开始利用 AI 代理处理复杂的工程任务。OpenAI 的 Codex 等工具正在重新定义工程效率的边界。虽然并非所有长期项目都能在几周内完成，但 AI 代理确实为工程师提供了更多空间，让曾经不可能的任务变得值得尝试。 Asana 的首席技术官 Amritansh Raghav 总结道：“并非每个耗时数年的项目都会在数周内完成，但代理给工程师更多发挥工艺的空间，并让曾经不可能的工作值得尝试。” Asana 的成功经验表明，AI 代理不仅适用于小型任务，也能在大型代码库迁移中发挥关键作用。随着技术的不断进步，我们可以期待更多企业采用类似的方法来加速软件开发进程。
在快速变化的AI行业中，NVIDIA不仅以GPU硬件闻名，也在内部积极采用AI工具提升运营效率。近日，NVIDIA分享了其团队使用ChatGPT Work的实践案例，展示了这一企业级AI助手如何帮助知识工作者减少手动任务、连接快速变化的信号，并实现工作流程的规模化复制。 ## 从手动到自动：GTC筹备效率大幅提升 NVIDIA的GTM（Go-To-Market）团队负责全球销售、业务拓展和产品战略的执行与衡量。在筹备全球AI大会GTC期间，团队成员Will Daney曾深陷繁琐的数据整理工作：在电子表格中汇编客户名单、跟踪注册情况、帮助团队确定行动项。这些手动分析一度占据他约40%的工作时间。 如今，Will将大部分工作转化为ChatGPT Work自动化流程，每周运行两次。在12周的GTC筹备周期中，这一工作流每周节省约16小时。节省下来的时间被重新投入到与现场团队的协作中，更好地理解客户需求并制定成功策略。 ## 快速原型，缩短创新周期 除了运营效率，ChatGPT Work还加速了解决方案架构师的工作。过去，创建可用的原型通常需要2到3周，而现在借助ChatGPT Work，这一周期缩短至3到5天。这种速度的提升使NVIDIA团队能够更快地响应外部AI动态，并将其与内部优先级相连接。 ## 规模化复制工作流 ChatGPT Work的一大优势在于其可复制性。Will开发的流程不仅适用于GTC，还能被其他区域团队采用。支持圣何塞、台北、欧洲和华盛顿特区活动的同事都接收了他的ChatGPT工作流，并根据本地需求进行定制。这种自下而上的方式，让工作流能够跨团队、跨区域灵活扩展，无需等待新工具采购和实施。 ## 连接外部信号与内部行动 在AI领域，外部信息更新频繁。NVIDIA团队通过ChatGPT Work从每周25至40条外部AI更新中提取5至8条可行动信号，确保团队能够快速聚焦关键动态。这种信息筛选和行动导向的能力，使得知识工作者从信息收集者转变为决策执行者。 ## 总结 NVIDIA的实践表明，ChatGPT Work不仅是效率工具，更是组织知识复用的平台。通过简化手动流程、加速原型开发、支持工作流分享，ChatGPT Work正在帮助NVIDIA这样的技术巨头在竞争激烈的AI市场中保持敏捷。对于其他企业而言，这提供了一个清晰的示范：AI助手如何从个人效率工具演变为组织级能力放大器。
近期，OpenAI与Hugging Face联合披露的一起安全事件，成为网络安全领域的一个分水岭。事件中，一个由AI驱动的代理集体不仅突破了OpenAI的研究基础设施，还成功渗透了另一家公司的生产环境，利用了从零日漏洞到互联网泄露凭据的一系列弱点。这起事件为业界敲响了警钟：AI正在重塑网络攻击的面貌，而防御方必须以前所未有的速度升级自身能力。 OpenAI总裁Greg Brockman在最新博文中指出，AI模型正日益能够自动化真实世界网络攻击的多个环节，使得隐藏在人类编写软件深处的漏洞和遗忘的权限更容易被发掘和利用。与此同时，AI也为防御者提供了新的工具，帮助他们更快地发现并修复这些弱点。关键在于，企业必须立即行动，利用AI增强自身防御能力，否则将面临被攻击者利用AI发起自动化攻击的严峻风险。 Brockman强调，为了在攻防博弈中赋予防御者优势，OpenAI自今年早些时候开始，仅向可信赖的防御者开放其网络能力。然而，各家公司已发布的开源权重模型，其网络能力仅落后前沿几个月，最新版本预计将于8月底发布，这可能显著加速威胁格局的演变。 尽管AI驱动的攻击者即将能够发现许多现有系统中的长期缺陷，但AI同样能让防御者更轻松地定位、优先处理并修复这些缺陷。安全领域依然是一场猫鼠游戏，但AI有望从根本上改变其经济性，使防御方占据优势。例如，OpenAI已开始训练其模型，以帮助安全团队更高效地应对威胁。 对于广大安全团队而言，现在正是行动的关键时刻。Brockman建议，组织应从基础工作做起，包括修补已知漏洞、清理权限、强化身份验证等，同时积极探索AI辅助的安全工具，以提升响应速度和覆盖范围。AI不会解决所有安全问题，但它可以成为防御者的有力杠杆。 未来几个月，随着AI模型能力的持续提升，网络安全的攻防对抗将进入一个全新的阶段。那些能够迅速适应并拥抱AI的组织，将有机会在日益复杂的威胁环境中保护自身资产，甚至推动整个互联网变得更加安全。
OpenAI宣布加入位于俄亥俄州派克县的PORTS-Pike科技园区项目，与SB Energy、NVIDIA及美国能源部合作，计划在该地建设约8吉瓦的数据中心。该项目预计在2026年至2032年的六年建设期内创造35,000个建筑岗位，并带来2,500个长期运营岗位。OpenAI将投入4000万美元设立社区赠款基金，支持当地居民确定优先事项，同时提供8400万美元的Codex积分，通过ChatGPT让俄亥俄州所有大学生都能使用这一技术。 这一项目是OpenAI在社区投资上的重要一步。OpenAI强调，该项目将自行承担能源和基础设施成本，SB Energy将支付电网升级和新建输电线路的全部费用，不会将成本转嫁给俄亥俄州或其他地区的纳税人。数据中心将采用闭环空气冷却系统，循环用水，显著减少用水量，预计运营用水仅相当于同等人数办公楼的水平。 OpenAI表示，希望该项目能成为俄亥俄州南部就业、商业增长和投资的催化剂，帮助年轻人在这里建立职业生涯、组建家庭并留下来。这一举措不仅体现了OpenAI对AI基础设施的投入，也展现了其与地方政府和社区合作、推动区域经济发展的决心。 随着AI算力需求的激增，科技巨头纷纷布局数据中心，但项目落地往往伴随能源和社区争议。OpenAI此次主动承担基础设施成本并设立社区基金，或为行业树立新的合作范式。未来，该项目能否顺利推进并带动当地经济，值得持续关注。
OpenAI 宣布资助 14 个由独立组织领导的 AI 政策研究项目，旨在促进经济机会和社会韧性。这些项目是对其 2026 年 4 月发布的《智能时代产业政策》的延续，鼓励外部机构测试、挑战和扩展其提出的理念。随着 AI 能力快速提升，ChatGPT 已拥有 10 亿用户，但广泛使用只是第一步，政策制定同样关键。OpenAI 将提供总计 100 万美元资金和 100 万美元 API 额度，项目覆盖美国、欧盟、巴西、新加坡和韩国等地，聚焦经济机会、社会韧性等议题。此举旨在推动民主社会中的公共辩论，确保 AI 惠及多数人。
GPT-5.6 模型家族重新定义了价格与性能的平衡，让前沿级代理性能变得触手可及。本文基于 OpenAI 官方指南，结合初创公司的实际生产经验，深入解析了模型选择策略、推理连续性、多代理编排和程序化工具调用等新 API 能力，展示了如何在不牺牲性能的前提下大幅降低成本。无论是高吞吐量任务还是复杂的长时程推理，GPT-5.6 都提供了更智能的解决方案。
## 速度与智能兼得：OpenAI 推出 Ultrafast 服务层 OpenAI 今日宣布预览 **Ultrafast**，一种新的 API 服务层级，可将旗舰模型 **GPT-5.6 Sol** 的推理速度提升至标准处理的 **14 倍**。该服务由 **Cerebras** 提供硬件支持，输出速度可达 **每秒 750 个 token**，旨在将前沿智能带入对延迟极其敏感的业务场景。 ### 速度不再牺牲智能 长期以来，实时 AI 应用往往依赖较小的专用模型，因为大模型的推理速度难以满足即时响应的需求。Ultrafast 的出现打破了这一权衡：它让企业无需在速度与智能之间取舍，从而将 AI 部署到更广泛的时间敏感型工作流中。OpenAI 表示，Ultrafast 代表了“每秒完成更多有用工作”的新方向。 ### 早期应用场景 OpenAI 列举了几个 Ultrafast 可能产生显著影响的领域： - **事件响应与可靠性**：在系统故障发生时，实时分析日志、代码变更和工程师报告，迅速定位根因并辅助修复。 - **金融研究与安全**：在市场条件变化时，即时分析行情、评估交易并识别可疑行为。 - **客户支持与语音**：在对话不中断的情况下，实时解决复杂客户问题，即使答案需要多步骤查询。 - **电商**：在购物者犹豫的瞬间，回答产品问题、检查库存、提供个性化推荐，并解决结账问题，减少购物车放弃率。 - **实时研究与实验**：将原本需要过夜运行的研究转变为交互式会话，让团队快速迭代实验。 ### 预览与未来展望 目前 Ultrafast 处于预览阶段，OpenAI 正与首批客户合作，以评估速度提升的实际影响，并将经验融入后续产品开发。企业用户可通过官网注册，获取访问权限扩展的通知。 这一举措标志着 AI 服务向“实时智能”迈出重要一步，也预示着未来竞争将不仅聚焦于模型能力，更在于响应速度。
**OpenAI 宣布任命 Dali Rajic 为首席营收官（CRO）**，全面负责全球营收组织，推动企业在 AI 领域的价值实现。随着企业级 AI 部署的加速，这一人事变动被视为 OpenAI 在商业化关键阶段的战略布局。 ## 从 Wiz 到 OpenAI：一位营收专家的履历 Dali Rajic 在加入 OpenAI 之前，曾担任云安全公司 Wiz 的总裁兼首席运营官，该公司近期被 Google 收购。在 Wiz 期间，他帮助构建了运营纪律和以客户为中心的执行力，推动公司成为增长最快的网络安全公司之一。更早之前，他还在 Zscaler 担任总裁兼 COO，并在 AppDynamics 担任首席客户与营收官。这些经历使他在**规模化全球营收体系、服务大型企业和技术客户**方面积累了深厚经验。 ## 前任贡献与过渡安排 此次任命正值前任 CRO Denise Dresser 离职之际。Denise 在 OpenAI 和企业 AI 市场的形成期，**建立了商业团队、加强了与主要客户的关系，并奠定了商业基础**。OpenAI 的产品目前已覆盖**超过 10 亿周活跃用户和 200 万家企业**，较一年前翻了一番。Denise 将在过渡期内继续与企业团队合作，支持客户，确保平稳交接。OpenAI 总裁兼联合创始人 Greg Brockman 对她的贡献表示感谢，并强调新任命将把已学到的经验转化为可复制的执行。 ## 战略意义与未来展望 OpenAI 正处于一个转折点：**下一代模型将不仅改变工作方式，更将重塑公司的构建与运营模式**。Dali 的任务是构建一个可扩展的“营收操作系统”，以支撑下一阶段的增长。同时，OpenAI 还与 Chad Peets 及 RPT Partners 建立了战略合作伙伴关系，以进一步完善市场推广（go-to-market）团队。 这一系列举措表明，OpenAI 正在从技术领先转向商业深度拓展，**通过强化营收管理和外部合作，加速 AI 在各类企业场景中的落地**。随着 AI 经济体的形成，OpenAI 的营收架构调整或将成为行业风向标。
OpenAI最新发布的两份研究报告揭示了企业采用AI的现状与趋势。报告显示，企业AI应用正从简单的辅助功能转向深度执行，但不同企业之间的差距正在拉大。前沿企业（每月AI使用量前10%）每活跃用户产生的输出token数量是普通企业的8.3倍，而这一数字在1月份仅为2.6倍。此外，Codex在企业客户中的输出token占比已达到64%，表明代理式AI正在推动更多实质性工作。报告还发现，代理式AI正在法律、销售、招聘、营销等领域快速普及，而早期职业员工的使用增长尤为显著。这些洞察为企业制定AI战略提供了重要参考。
RingCentral，一家年收入超过26亿美元的全球商业通信公司，正通过采用AI原生的方式工作，将AI工具如ChatGPT Work和Codex普及到每位员工，从而加速产品开发并集中运营智能。该公司通过举办AI-Native Challenge，让员工（包括非技术背景）使用这些工具构建完整项目，从而培养AI流畅度，并缩短从想法到产品上线的距离。这一策略不仅提升了内部效率，也加速了其AI产品组合（如AIR、AVA、ACE）的开发。RingCentral的总裁兼COO Kira Makagon强调，AI原生开发不是取代工程师，而是增强他们的能力。 ## 从挑战到战略：RingCentral的AI原生之路 RingCentral在商业通信领域拥有近三十年的创新历史，如今正通过拥抱AI原生工作方式延续这一传统。该公司为每位员工提供ChatGPT Work和Codex，鼓励他们无论工程背景如何，都能构建变革性的产品和基础设施。 ### AI-Native Challenge：全员参与的创新实验 为了在全球工程组织中推广AI流畅度，RingCentral的CEO办公室赞助了AI-Native Challenge。每位参与者都获得了ChatGPT Work和Codex，并被要求构建一个完整的端到端项目，没有规定工作流程或其他限制。这不仅仅是编码练习，而是让员工沉浸在整个AI原生开发生命周期中，包括规划、实施、测试、文档、CI/CD和迭代。 几乎每位参与者都创建了可工作的代码仓库，数千名员工（包括非技术员工甚至高管）都交付了功能完善的项目。这一挑战不仅提升了员工的AI技能，也成为了公司更广泛战略的实践模型：利用AI内部加速产品开发，从而更快地为客户提供服务。 ### 加速产品组合开发 RingCentral将同样的Codex驱动方法应用于其AI产品组合的开发，包括RingCentral AI接待员（AIR）、AI虚拟助手（AVA）和AI对话专家（ACE）。通过压缩从想法到客户功能上线的距离，这些产品变得更加敏锐。 ## 结语：AI原生开发的本质 Kira Makagon表示：“AI原生开发不是要取代工程师，而是要增强他们。AI加速了整个开发周期。” 这一理念不仅适用于RingCentral，也为其他寻求数字化转型的企业提供了借鉴。通过让AI工具触达每位员工，企业可以释放更大的创新潜力，实现更快的产品迭代和更高效的运营。
OpenAI 于 2026 年 2 月 9 日宣布，将在美国对登录的成年用户（Free 和 Go 订阅层）测试 ChatGPT 中的广告。Plus、Pro、Business、Enterprise 和 Education 层用户不会看到广告。广告不会影响 ChatGPT 的回答，且对话内容对广告商保密。其目标是支持更广泛的免费访问，同时维护用户信任。早期结果显示，消费者信任指标未受影响，广告关闭率低，相关性持续改善。计划未来几周将试点扩展到英国、墨西哥、巴西、日本和韩国，此前已扩展到加拿大、澳大利亚和新西兰。
OpenAI与AWS的合作进一步深化，宣布Daybreak网络安全模型现已通过Amazon Bedrock提供。此举标志着前沿AI在网络安全领域的应用迈出关键一步，为企业安全团队提供了在现有AWS环境中利用高级AI能力的途径。 ## 从通用AI到专用安全模型 今年早些时候，OpenAI的通用前沿模型和Codex已通过AWS提供，帮助企业将AI引入生产环境。如今，Daybreak模型的加入，将焦点转向了网络安全这一特定领域。Daybreak Access计划为获批的防御者提供两类模型访问权限： - **Daybreak Blue**：提供包括GPT-5.6 Sol在内的前沿通用模型访问，并针对授权防御性安全工作进行了安全防护定制。 - **Daybreak Red**：提供专门训练的网络安全模型，用于授权漏洞研究、漏洞验证和安全测试。 ## 加速安全运营全流程 Daybreak模型旨在加速漏洞研究、检测工程和事件响应，从初始发现到验证修复的整个过程。它还能支持复杂的操作，如漏洞复现和缓解措施开发。对于安全团队而言，这意味着更快的响应速度和更高效的防护能力。 ## 企业采用的关键考量 对于企业来说，采用专业网络安全能力不仅仅是模型性能问题。安全审查、治理、采购、访问控制以及团队支持的操作模型同样重要。通过Amazon Bedrock，符合条件的客户可以在其已有的AWS环境中使用Daybreak（包括Red和Blue），从而通过熟悉的AWS安全、治理和运营流程，更顺畅地应用前沿AI。 ## 如何开始使用 Daybreak Red和Blue需要注册Daybreak Access。获批后，用户可以通过Amazon Bedrock控制台或使用bedrock-mantle端点的Responses API访问模型。详细的文档已发布，供用户参考。 OpenAI与AWS的合作，正在帮助更多组织将先进的网络安全能力投入实际生产，这预示着AI在安全领域的应用将更加广泛和深入。
OpenAI首席财务官Sarah Friar在本文中分享了将财务部门转型为AI原生组织的五个关键经验。她强调，财务已从周期性职能转变为实时职能，目标不仅是加速结账和预测，更是让财务团队能实时洞察业务变化，助力领导者提前决策。Friar指出，在OpenAI的实践中，他们设定了“零日结账”和“持续自动预测”两大目标，并正在逐步实现。她总结了五条实用经验，包括全员开放AI工具、重构工作以决策为中心、鼓励实验、明确责任归属，以及衡量AI的实际投资回报率。这些经验不仅适用于AI公司，也适用于任何希望利用AI提升财务效率的企业。
OpenAI近日致信德州州长格雷格·阿博特，承诺在德州推进负责任的AI基础设施建设。信中强调了支持可靠、透明的增长，以惠及德州民众。OpenAI表示期待与州和地方官员、公用事业公司及社区合作，确保AI基础设施为德州带来切实利益。 ## 负责任AI基础设施的承诺 OpenAI在信中明确表示，将致力于在德州发展负责任的AI基础设施。这包括确保基础设施的可靠性、透明性，并促进经济增长。OpenAI认识到，AI基础设施的建设不仅是技术问题，还涉及与当地社区的互动和利益共享。 ## 合作与社区参与 OpenAI计划与州和地方领导人、公用事业公司以及社区密切合作。这种合作旨在确保AI基础设施项目能够满足当地需求，并为德州居民创造就业机会和经济效益。OpenAI强调，社区参与是项目成功的关键。 ## 政策背景与行业影响 此次致信发生在AI基础设施需求激增的背景下。随着AI模型的算力需求不断增长，科技公司纷纷在美国各州布局数据中心和能源设施。德州作为能源大州，具有独特的优势，但也面临电网负荷和环境保护的挑战。OpenAI的承诺可能有助于缓解这些担忧，并为其他科技公司在类似地区建设基础设施提供参考。 ## 未来展望 OpenAI在信中并未透露具体项目细节，但这一举措表明其正在积极与地方政府建立合作关系。未来，德州可能会成为OpenAI在AI基础设施领域的重要合作伙伴。 尽管信中未提及具体投资金额或时间表，但这一公开承诺显示了OpenAI对德州市场的重视。随着AI技术的快速发展，负责任的基础设施建设将成为行业持续发展的关键。
**Model ML**是一家由兄弟二人创立的初创公司，近日宣布其金融工作流在采用 **GPT-5.6 Sol** 后，效率显著提升。据该公司数据，使用GPT-5.6 Sol生成的PowerPoint演示文稿比Fable 5平均节省**21%**的令牌数，专业准备度领先Opus 5达**16.6个百分点**，而Excel工作簿的令牌消耗则比Opus 5减少**36%**。 ## 从研究到交付：打通金融分析“最后一公里” 金融分析团队在将成果呈现给客户或高层决策者之前，往往需要经历繁琐的收尾工作：核对证据、构建并格式化文件、检查每个数字，并将每个结论与数据源关联。最终交付的PowerPoint或Excel文件必须可编辑且经得起推敲。Model ML的联合创始人Arnie和Chaz Englander兄弟在通过私人家族办公室进行投资时，深刻体会到这一过程的耗时费力，于是决定开发工具来优化流程。 Model ML的智能体（agent）能够端到端地自动化金融工作流：从初始需求出发，通过研究、分析，最终生成完整的演示文稿或工作簿。其核心智能体负责规划任务、选择合适工具、核对证据并执行计算，并将每个步骤路由到最适合的模型——通常是 **GPT-5.6 Sol**。此外，Model ML自研的文档工具能够生成带有可追溯来源的原生PowerPoint和Excel文件。 ## 更接近最终成果：GPT-5.6 Sol的突破 Chaz Englander表示：“早期模型也能完成分析师的工作，但用户必须明确分解任务，并具体说明期望的输出格式。而使用GPT-5.6 Sol后，我们发现智能体能够更接近最终成果。”这意味着用户无需过多干预，即可获得更符合要求的成品。 Model ML的产品被形容为“表面无关”（surface-agnostic），用户可以从电子邮件或Model ML应用开始任务，并在其Microsoft Office插件中无缝继续操作。该产品面向金融专业人士，旨在将繁琐的文案工作自动化，让用户专注于决策与策略。 ## 行业背景与展望 随着AI在垂直行业的深入应用，**金融领域**成为大模型落地的重要场景。GPT-5.6 Sol的推出，进一步降低了金融分析的门槛，使得自动化生成专业级文档成为可能。Model ML的案例表明，大模型不仅能够处理信息检索与推理，还能在格式生成和细节处理上达到实用水平，这对于提高金融从业者的生产力具有积极意义。 不过，目前Model ML的数据来自其内部测试，实际效果可能因具体任务而异。未来，随着模型的持续迭代，金融分析工作流有望实现更高程度的自动化，而人类专家则专注于更高层次的判断与沟通。