在遭到强烈反对后,OpenAI不会很快推出成人版ChatGPT。
据《金融时报》报道,这项备受争议的计划已被"无限期"搁置,OpenAI将注意力重新聚焦在"核心产品"上。
内部人士告诉《金融时报》,OpenAI考虑过完全取消"成人模式"计划,因为其顾问警告称,ChatGPT用户可能会形成不健康的依恋关系,这可能会损害他们的心理健康。一位顾问令人不寒而栗地表示,这种调整有可能将ChatGPT变成"性感的自杀教练"。
报道称,顾问们并不是唯一看到危险信号的人。
员工开始质疑性感版ChatGPT是否符合OpenAI让AI造福人类的使命。对于从事开发"成人模式"的员工来说,显然不值得为这个功能克服技术挑战。消息人士告诉《金融时报》,他们面临"困难","训练此前出于安全原因避免此类对话的AI模型来产生露骨内容"。消息人士还表示,在使用包含性内容的数据集时,也很难防止输出中出现兽交和乱伦等非法行为。
性感版ChatGPT显然也让投资者望而却步。两名知情人士告诉《金融时报》,"OpenAI对成人模式的试探引起了不安",因为一些投资者质疑OpenAI为什么要为一个对其业务"相对收益较小"的产品冒损害声誉的风险。
即使没有色情回应,ChatGPT也通过诉讼与儿童和成人的心理健康损害联系在一起,这些诉讼指控OpenAI鲁莽地发布聊天机器人而没有适当的保护措施。
首批重大诉讼之一指控ChatGPT成为一名青少年男孩的"自杀教练"。最近,OpenAI在ChatGPT撰写了关于一名男子最喜欢的儿童读物《晚安月亮》的"自杀摇篮曲"后被起诉。在最极端的案例中,一名男子在杀死母亲后自杀身亡。该诉讼指控ChatGPT让这名男子相信她试图毒害他,这是聊天机器人编造的阴谋的一部分。
据CNBC报道,本周早些时候,OpenAI在投资者财务文件中标记这些诉讼是与其业务相关的主要风险之一。
当OpenAI去年10月首次宣布即将推出成人模式时,首席执行官Sam Altman在X平台写道,公司有信心能够对性感对话进行年龄限制,并表示此举符合OpenAI"像对待成年人一样对待成年用户"的"原则"。然而,一位消息人士告诉《金融时报》,OpenAI年龄预测10%的错误率引发了担忧,许多儿童可能能够访问成人内容。
OpenAI并没有在这个阶段完全放弃这个想法,而是告诉《金融时报》,它计划在"做出产品决策之前,对性露骨聊天和情感依恋的影响进行长期研究"。
推迟成人模式的决定可能会安抚投资者,他们更希望看到OpenAI将ChatGPT与编程助手结合起来,开发一个"超级应用",这可能会兑现AI最大的承诺之一:改变企业运营方式,《金融时报》报道称。
OpenAI没有立即回应Ars的置评请求。该公司此前表示,其年龄预测工具符合行业标准。
Q&A
Q1:OpenAI为什么要搁置成人版ChatGPT计划?
A:OpenAI搁置成人版ChatGPT主要因为多方面反对:顾问警告用户可能形成不健康依恋,员工质疑是否符合公司使命,投资者担心损害声誉,技术上也面临训练难题,包括难以防止非法内容输出。
Q2:成人版ChatGPT可能带来什么风险?
A:主要风险包括用户可能形成不健康的情感依恋,损害心理健康,甚至可能成为"性感的自杀教练"。此外还有技术风险,如年龄预测错误率达10%,可能让儿童访问成人内容,以及难以过滤兽交、乱伦等非法内容。
Q3:OpenAI现在对成人模式有什么计划?
A:OpenAI并未完全放弃该想法,而是计划进行长期研究,重点关注性露骨聊天和情感依恋的影响,在充分了解这些影响后再做出产品决策。同时公司将重新聚焦核心产品开发。
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。