OpenAI推出的全新Sora应用将AI和社交媒体提升到了全新高度。这家ChatGPT的创造者推出了一个社交媒体平台,平台上的每个视频都由AI生成——没有广告、没有网红、无需现实内容。
此前,进入Sora意味着需要追踪难以获得的邀请码,但对所有人来说这种情况已经改变。OpenAI向美国、加拿大、日本和韩国的用户开放了无需邀请码的访问权限,这意味着你可以下载应用并立即开始探索。不过,该公司表示这种开放政策仅限于"有限时间"。
如果你在这些地区之外,仍需等待更广泛的开放或寻找邀请码。以下是具体操作方法。
如何无需邀请码下载并登录Sora
从苹果应用商店下载Sora应用。使用你的ChatGPT账户登录(与ChatGPT或ChatGPT Plus使用的登录信息相同)。就是这样。如果你在美国、加拿大、日本或韩国,无需邀请码。
登录后,你可以立即开始观看、分享和创建Sora动态中的AI生成视频。
如果你不居住在这些国家,需要尝试以下方法之一来登录。
如何获取OpenAI Sora应用的邀请码
要获取邀请码,请按以下初始步骤操作:
从苹果应用商店下载Sora应用。确保选择带有深蓝色和白色云朵图标的应用。使用ChatGPT账户登录或点击"使用不同账户"。点击"访问开放时通知我"。在弹出窗口中,允许Sora向你发送推送通知。
OpenAI在一篇帖子中表示,它正在美国和加拿大开始初始推广,并计划快速扩展到其他国家。该公司优先为付费Pro用户提供Sora访问权限,但你不必是付费用户也能进入Sora。安卓用户无法滚动浏览应用,但他们可以使用邀请码通过网页浏览器使用Sora 2生成AI视频片段。
一旦获得邀请码,你就可以完成Sora账户的设置。然后可以通过移动应用或网站使用Sora,并获得四个新的邀请码与朋友分享。
如何通过Discord获取Sora 2邀请码
如果你不想等待OpenAI的等待名单,也可以通过Discord碰运气。方法如下:
加入官方OpenAI服务器。如果你没有Discord,可以了解如何创建账户。将你的ChatGPT账户与Discord个人资料关联。OpenAI会指导你完成这个过程。保持耐心。我花了大约15小时,OpenAI才能够关联我的账户并授予我对其服务器的访问权限。
进入服务器后,导航至#sora-2-codes频道。发布消息,看看是否有人有备用邀请码可以使用。请注意OpenAI服务器规则,不要出售Sora 2邀请码。
Q&A
Q1:Sora 2应用是什么?它有什么特别之处?
A:Sora 2是OpenAI推出的AI视频生成社交媒体平台,平台上的每个视频都由AI生成,没有广告、没有网红、无需现实内容。用户可以在Sora动态中观看、分享和创建AI生成的视频内容。
Q2:哪些地区的用户可以直接使用Sora 2,无需邀请码?
A:目前美国、加拿大、日本和韩国的用户可以无需邀请码直接下载并使用Sora 2应用。只需从苹果应用商店下载应用,使用ChatGPT账户登录即可立即开始使用。
Q3:如何获取Sora 2的邀请码?
A:可以通过两种方式获取邀请码:一是在Sora应用中注册等待通知,OpenAI会优先为付费Pro用户提供访问权限;二是通过Discord加入官方OpenAI服务器,在#sora-2-codes频道寻找其他用户分享的邀请码。
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。