OpenAI在匆忙推出GPT-5并移除之前的模型选择功能后,现在不得不进行大幅调整。
GPT-5的最初计划是打造一个统一模型来处理所有用户请求,由GPT-5将用户的请求引导到合适的目标。但自上周该技术发布以来,情况显然没有按计划进行。
在经历了一个周末的用户抗议后,OpenAI首席执行官萨姆·阿尔特曼最终确认4o模型已经"回归"。OpenAI此后在回应用户反馈方面做出了更多努力,同时也偏离了让GPT-5成为统一模型的初衷,该统一模型原本旨在消除用户在设置和模型选择上的麻烦。
"现在你可以在GPT-5的'自动'、'快速'和'思考'模式之间进行选择,"阿尔特曼今天上午写道。"大多数用户会选择自动模式,但额外的控制功能对某些人来说会很有用。"
他显然是在谈论那些反对GPT-5替他们做决定的用户。
GPT-5思考模式现在的速率限制是每周3000条消息。
阿尔特曼重申"4o已默认回归所有付费用户的模型选择器",并表示如果将来要废弃该模型,会"提前充分通知"。较旧的模型也可以手动选择。阿尔特曼补充说:"付费用户现在在ChatGPT网页设置中还有一个'显示其他模型'的切换开关,可以添加o3、4.1和GPT-5思考迷你版等模型。"
这些更新表明,GPT-5的请求路由功能并不符合每个用户的口味,需要进一步改进。在阿尔特曼在X平台上承认这一点后,OpenAI副总裁兼ChatGPT负责人尼克·特利承认:"我们不可能第一次就把所有事情都做对,"但他表示"为团队能够如此快速地迭代感到非常自豪。"
OpenAI的GPT-5问题并未阻止其被采用。昨天,微软确认该模型现已在Visual Studio的GitHub Copilot中推出,并将其描述为"OpenAI迄今为止最先进的模型"。
阿尔特曼最后表示,OpenAI正在"开发GPT-5个性的更新版本,应该会比当前版本感觉更温暖,但不会像GPT-4o那样(对大多数用户来说)令人讨厌。
"过去几天我们学到的一个教训是,我们真的需要实现更多的用户个性化模型设置。"
Q&A
Q1:GPT-5推出后遇到了什么问题?
A:GPT-5推出后遇到了用户大量抗议的问题。OpenAI原本计划让GPT-5作为统一模型处理所有请求,并移除了之前的模型选择功能,但用户对GPT-5替他们做决定的方式非常不满,迫使OpenAI在一个周末的抗议后不得不恢复4o模型和模型选择功能。
Q2:OpenAI如何回应用户对GPT-5的不满?
A:OpenAI重新添加了模型选择功能,现在用户可以在GPT-5的"自动"、"快速"和"思考"模式之间选择。4o模型已回归所有付费用户的模型选择器,付费用户还可以使用"显示其他模型"切换开关来访问o3、4.1和GPT-5思考迷你版等模型。
Q3:GPT-5的问题是否影响了其市场应用?
A:GPT-5的问题并未阻止其被采用。微软已确认该模型正在Visual Studio的GitHub Copilot中推出,并将其描述为"OpenAI迄今为止最先进的模型"。不过OpenAI也承认需要改进GPT-5的个性设置,让它感觉更温暖但不那么令人讨厌。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。