OpenAI公司周一宣布,开始在美国为免费用户和Go订阅用户测试广告功能。
Go计划是一个低成本订阅服务,在美国每月收费8美元,于1月中旬在全球推出。
该公司表示,付费订阅OpenAI其他计划的用户,包括Plus、Pro、Business、Enterprise和Education等级的用户,将不会看到广告。
针对用户对广告如何影响用户体验的担忧,OpenAI在博客文章中回应道:"广告不会影响ChatGPT为您提供的答案,我们对广告商保密您与ChatGPT的对话。我们的目标是通过广告来支持更广泛地访问更强大的ChatGPT功能,同时保持人们对ChatGPT在重要和个人任务中所给予的信任。"
这一举措是该公司上个月宣布的,但遭到了顶级竞争对手Anthropic在周日超级碗广告中的嘲讽。
在电视广告中,Anthropic嘲笑了一些人工智能公司(如OpenAI)即将包含广告的想法,展示了整合不当的广告如何破坏消费者体验。广告中用目光呆滞的演员扮演AI聊天机器人,在提供建议的同时植入定位不准确的广告。
OpenAI首席执行官山姆·奥特曼对这些攻击感到非常愤怒,称这些广告"不诚实",并称Anthropic是一家"专制公司"。
迄今为止,消费者一直抵制在AI回应中植入广告的想法。OpenAI在去年底测试看起来像不受欢迎广告的应用程序建议时面临反弹。尽管如此,这家AI公司需要从其热门聊天机器人中产生收入,以支付开发技术和发展业务的成本。
虽然可以理解,但批评者担心广告可能会影响ChatGPT的答案。OpenAI在其声明中否认了这一点,表示广告将基于"对您最有帮助的内容"进行优化。该公司表示,广告也将始终清楚地标记为赞助内容,并与有机内容分开。
在测试中,OpenAI尝试根据用户对话主题、过往聊天记录和之前的广告互动来为用户匹配广告。例如,该公司表示,研究食谱的用户可能会看到杂货配送服务或餐包的广告。OpenAI表示,广告商无法访问用户数据,只能获得广告表现的汇总信息,如浏览量和点击量。
用户还将能够查看他们与广告的互动历史,并随时清除这些记录。此外,OpenAI表示用户可以忽略广告、分享反馈、查看为什么会看到某个广告,并管理广告个性化设置。
广告不会显示给18岁以下的用户,也不会放置在健康、政治或心理健康等敏感或受监管的话题附近。
Q&A
Q1:ChatGPT的广告会影响AI给出的回答吗?
A:OpenAI明确表示,广告不会影响ChatGPT为用户提供的答案,广告将基于"对用户最有帮助的内容"进行优化。广告会始终清楚地标记为赞助内容,并与有机内容分开显示。
Q2:哪些用户会看到ChatGPT的广告?
A:目前只有美国的免费用户和Go订阅用户(每月8美元)会看到广告。付费订阅Plus、Pro、Business、Enterprise和Education等级的用户将不会看到广告。
Q3:用户能控制ChatGPT显示的广告吗?
A:可以。用户能够忽略广告、分享反馈、查看为什么会看到某个广告,并管理广告个性化设置。用户还可以查看与广告的互动历史并随时清除这些记录。
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。