ChatGPT用户现在可以通过AI工具存储、浏览和检索上传和创建的文件,OpenAI本周宣布了这一消息。
你在常规聊天窗口中上传的所有文档都会自动保存到资料库中,只要你登录到自己的账户。现在你可以在一个中心位置搜索和调取文档。
该功能仅限于Plus、Pro和企业用户,所以你需要每月至少支付20美元才能使用ChatGPT Library存储文件。你还必须在线才能访问你的文件。
(披露:CNET的母公司Ziff Davis于2025年对OpenAI提起诉讼,指控其在训练和操作AI系统时侵犯了Ziff Davis的版权。)
如果你开启ChatGPT的记忆功能,聊天机器人还可以引用你保存的文件,在未来的对话中调用。
OpenAI提到支持的文件类型包括文档、电子表格、演示文稿和图像。不过,你使用ChatGPT生成的图像仍将保留在图像标签页中。
在聊天机器人中保存文件
要使用Library功能,请登录你的账户,点击输入命令窗口左侧的加号。选择"从资料库添加"选项来选择你想要调出的文件。
资料库显示在可搜索的左侧边栏中。你可以按文件类型以及是上传还是创建的文件来筛选结果。
文件大小有一些限制。最大文件大小为512MB,所有文档和聊天对话限制为200万个Token(字符)。电子表格和CSV文件必须为50MB或更小,图像必须为20MB或更小。
删除文件有点复杂。你可以在资料库窗口中选择一个文件并点击"删除"或使用文件名旁边的垃圾桶图标。然后OpenAI会在30天内删除该文件,除非公司出于安全或法律义务需要该文件,或者"该聊天已经去标识化并与你解除关联"。
OpenAI最近的重大变化
最近,OpenAI一直在完善其模型并为编码人员和开发者扩展服务,提供更快的模型来调试代码。OpenAI宣布了这些改进的模型,因为该公司正在与提供编码专用工具的竞争对手竞争,比如Anthropic的Claude Code。
OpenAI高管还一直在谈论构建一个"超级应用"桌面界面,将其AI工具整合到一个地方。该应用中包含的三个工具将是ChatGPT、编码平台Codex和使用AI作为助手的互联网浏览器Atlas。
该公司本周还宣布将关闭其AI视频应用Sora,因为它转向远离视频生成,更多关注编码和生产力工具,如Codex。
Q&A
Q1:ChatGPT Library功能是什么?
A:ChatGPT Library是OpenAI推出的文件存储功能,允许用户存储、浏览和检索在ChatGPT中上传和创建的文件。所有在聊天窗口中上传的文档都会自动保存到资料库中,用户可以在一个中心位置搜索和调取文档。
Q2:使用ChatGPT Library需要什么条件?
A:ChatGPT Library功能仅限于Plus、Pro和企业用户,需要每月至少支付20美元。用户还必须在线才能访问保存的文件,同时需要登录账户才能自动保存文档。
Q3:ChatGPT Library支持哪些文件类型和大小限制?
A:ChatGPT Library支持文档、电子表格、演示文稿和图像等文件类型。文件大小限制为:最大文件大小512MB,所有文档和聊天对话限制为200万个Token,电子表格和CSV文件须为50MB或更小,图像须为20MB或更小。
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。