OpenAI已收购Hiro Finance,这是一家提供AI驱动个人财务规划工具的初创公司。据TechCrunch率先报道,OpenAI于周一正式宣布完成这笔交易,但未披露具体财务条款。不过,种种迹象表明此次收购以人才并购为主要目的——Hiro创始人Ethan Bloch在LinkedIn上发文表示,公司产品将于4月20日停止运行。用户在所有数据被彻底删除之前,需在5月13日前完成数据迁移。
目前尚不清楚OpenAI是否计划推出一款以Hiro为蓝本的专属财务规划工具。今年年初,OpenAI曾发布科研工具Prism——一款类似Claude Code的科学研究应用,该产品正是基于此前对Crixet初创公司的收购而构建。不过可以肯定的是,Hiro积累的部分专业技术将融入OpenAI旗下的聊天机器人产品中。Bloch在LinkedIn上写道:"几十年来,个性化财务指导不是成本太高、就是过于笼统,要么就是难以获取。ChatGPT正在彻底改变这一现状。"
这是OpenAI在短短两周内宣布的第二笔收购。本月初,该公司刚刚收购了Technology Business Programming Network(TBPN)——一家以每日科技播客闻名的媒体公司。对于一家在盈利道路上仍面临重重挑战的公司而言,OpenAI似乎将大量时间和资金投入到那些未必与核心业务直接相关的初创公司上。近几个月来,OpenAI的核心战略重心已逐渐转向编程市场,以期在与Anthropic的竞争中占据优势。
Q&A
Q1:OpenAI收购Hiro Finance的目的是什么?
A:此次收购主要被视为人才并购。Hiro Finance的产品将在4月20日停止运行,用户数据也将在5月13日后删除。OpenAI并未明确表示会推出类似Hiro的专属财务规划工具,但其创始人Ethan Bloch暗示,Hiro的专业技术将被整合进ChatGPT,以提升其在个性化财务指导方面的能力。
Q2:OpenAI近期还收购了哪些公司?
A:在收购Hiro Finance之前,OpenAI在同月初刚完成了对Technology Business Programming Network(TBPN)的收购。TBPN是一家以每日科技播客为主要产品的媒体公司。这意味着OpenAI在短短两周内便完成了两笔收购,引发外界对其战略方向的广泛关注。
Q3:Hiro Finance用户的数据将如何处理?
A:根据Hiro创始人Ethan Bloch的公告,Hiro产品将于4月20日起停止正常运行,现有用户需在2026年5月13日之前自行将数据从Hiro服务器迁移导出。逾期未迁移的数据将被全部删除,建议相关用户尽快完成数据备份与迁移操作。
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。