實體: OpenAI
所有提到 OpenAI 的 AI 新聞與動態。
-
米拉·穆拉蒂的思考機器實驗室在種子輪籌資中價值120億美元
Thinking Machines Lab 是由前 OpenAI 技術長 Mira Murati 創立的 AI 新創公司，於週一正式完成由 Andreessen Horowitz 主導的 20 億美元種子輪融資。此次交易還包括 Nvidia、Accel、ServiceNow、CISCO、AMD 和 Jane Street 等機構的參與，將公司估值推高至 120 億美元。儘管此前有報導稱該公司接近以 100 億美元估值完成此輪融資，但實際估值在過去一個月內大幅上漲。此筆交易被視為矽谷歷史上規模最大的種子輪或首輪融資之一，反映了投資者對新興 AI 實驗室的高度熱情。 Thinking Machines Lab 成立不到一年，尚未公佈具體研發專案。Murati 在 X 平臺透露，公司計劃在未來幾個月內推出產品，並包含重要的開源方案，旨在協助研究人員和開發自定義 AI 模型的創業公司。Murati 表示，公司將分享最佳科學成果，幫助研究社群更好地理解前沿 AI 系統。該公司使命是透過推進協作通用智慧來賦能人類，開發能與人類自然互動的多模態 AI。 Murati 表示公司正在招聘具有從零構建成功 AI 產品經驗的人才。Meta 曾於近期與 Thinking Machines Lab 洽談收購事宜，但尚未達成最終報價。該公司被視為對 OpenAI、Anthropic 和 Google DeepMind 等領先 AI 開發者的潛在威脅。儘管面臨 Meta、Google DeepMind、Anthropic 和 OpenAI 等巨頭投入數十億美元研發團隊的競爭壓力，Thinking Machines Lab 仍可能憑藉新型研究突破來建立差異化優勢。此前，該公司已與 Google Cloud 達成協議，由其提供 AI 模型運算能力。
-
AI程式碼工具正轉向一個驚人的領域：終端機
近年來，Cursor、Windsurf 及 GitHub Copilot 等程式碼編輯工具一直是 AI 軟體開發的標準，但隨著代理式 AI 的興起與 Vibe Coding 的流行，AI 與軟體的互動方式正發生微妙轉變。AI 不再僅限於編輯程式碼，而是越來越多地直接與系統終端（Terminal）互動。自二月以來，Anthropic、DeepMind 和 OpenAI 分別推出了終端編碼工具 Claude Code、Gemini CLI 和 CLI Codex，這些產品已成為公司最熱門的產品之一。儘管品牌外觀相似，但其底層互動方式已發生實質變化。 知名終端評估指標 Terminal-Bench 的共同創作者 Mike Merrill 表示，未來 95% 的 LLM 與電腦互動將透過類終端介面進行。隨著傳統程式碼編輯工具面臨挑戰，例如 Windsurf 因併購糾紛導致未來不確定，且 METR 研究顯示開發者對 Cursor Pro 等工具的效率提升估計（20% 至 30%）與實際觀察（近 20% 變慢）存在落差，這為終端工具帶來了機會。目前 Warp 在 Terminal-Bench 中排名第一，其創辦人 Zach Lloyd 認為終端位於開發者棧的低層，是最具靈活性執行代理式 AI 的地方。 與專注於解決 GitHub 問題（SWE-Bench）的程式碼生成工具不同，終端工具採取更廣泛的視角，涵蓋 DevOps 任務如配置 Git 伺服器或排查指令碼無法執行的問題。Terminal-Bench 的挑戰不僅在於問題本身，更在於環境，要求 AI 具備逐步解決問題的代理式能力。儘管目前 Warp 僅解決了超過一半的問題，顯示該指標極具挑戰性，但 Lloyd 相信終端工具已能可靠處理開發者大部分非編碼工作，例如自主設定專案依賴並使其可執行，若無法完成則會告知原因。
-
研究領導者呼籲科技業界監測AI的「想法
OpenAI、Google DeepMind、Anthropic 及多家企業與非營利組織的研究人員共同發表了一份立場檔案，呼籲深入調查如何監控 AI 推理模型的「思維鏈」（Chain-of-Thought, CoT）技術。AI 推理模型如 OpenAI 的 o3 和 DeepSeek 的 R1，其核心特徵在於類似人類使用草稿紙解題的外部化思考過程。作者認為，監控這些思維鏈是控制日益普及且強大的 AI 代理的關鍵方法，能為前沿 AI 的安全措施提供珍貴的決策洞察。然而，研究人員也警告，目前的透明度可能無法持久，並呼籲開發者研究如何維持這種可監控性，避免任何可能降低透明度的幹預。 檔案簽署者包括 OpenAI 首席研究員 Mark Chen、Safe Superintelligence 執行長 Ilya Sutskever、諾貝爾獎得主 Geoffrey Hinton、Google DeepMind 共同創辦人 Shane Legg、xAI 安全顧問 Dan Hendrycks 以及 Thinking Machines 共同創辦人 John Schulman 等業界領袖。首作者來自英國 AI 安全研究所和 Apollo Research，其他簽署者涵蓋 METR、Amazon、Meta 及加州大學伯克利分校。這份檔案標誌著在 Meta 以百萬美元高薪挖角 OpenAI、Google DeepMind 和 Anthropic 頂尖研究員的激烈競爭背景下，AI 行業領袖為提升 AI 安全研究而展現的團結。 OpenAI 於 2024 年 9 月公開了首個 AI 推理模型 o1 的預覽，隨後 Google DeepMind、xAI 和 Anthropic 等公司也推出了具備類似能力的競爭對手。儘管 AI 效能在過去一年大幅提升，但業界對其內部運作機制仍知之甚少。Anthropic 執行長 Dario Amodei 曾承諾到 2027 年解開 AI 模型的「黑箱」並增加可解釋性投資，但早期研究顯示思維鏈未必能完全可靠地反映模型的決策過程。OpenAI 研究人員則認為思維鏈監控未來可能成為追蹤對齊與安全的有效方式。這份立場檔案旨在為這一新興研究領域提供訊號並吸引關注，以確保在技術快速演變中維持安全與透明。
-
迷思特發布voxtral，其首款開放源碼AI音訊模型
法國人工智慧公司 Mistral 於週二推出其首款面向企業的音訊模型家族 Voxtral，旨在挑戰封閉式企業系統的壟斷地位，提供開放權重的替代方案。Mistral 宣稱 Voxtral 是首款能在生產環境中部署真正可用語音智慧的開放模型，讓開發者不再需要在廉價但理解力不足的開放系統與功能良好但昂貴且封閉的系統之間做選擇。該模型可轉錄長達 30 分鐘的音訊，並憑藉 Mistral Small 3.1 的基礎大語言模型架構，能理解長達 40 分鐘的內容，支援使用者就音訊內容提問、生成摘要或將語音指令轉化為即時動作，例如呼叫 API 或執行函式。Voxtral 支援多國語言，包括英語、西班牙語、法語、葡萄牙語、印地語、德語、荷蘭語和義大利語。公司推出兩種變體，Voxtral Small 擁有 240 億引數，適合大規模生產部署，其效能與 ElevenLabs Scribe、GPT-4o-mini 及 Gemini 2.5 Flash 相當；Voxtral Mini 則擁有 30 億引數，適用於本地與邊緣部署。此外，還有一款名為 Voxtral Mini Transcribe 的超經濟版本，專為僅轉錄用途最佳化，宣稱效能優於 OpenAI Whisper 且價格不到其一半。使用者可透過 Hugging Face 下載 API 免費試用，或於 Mistral 的聊天機器人 Le Chat 中測試模型。根據公司說法，將 API 整合至應用程式的起點價格為每分鐘 0.001 美元。此次發布距 Mistral 上月宣佈其首款逐步推理模型家族 Magistral 僅隔一個月。Mistral 作為歐洲頂尖人工智慧企業之一，長期倡導開放原始碼 AI 模型，近期更被 TechCrunch 報導正與投資者洽談籌資高達 10 億美元的事宜。