Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

openai

Answer

OpenAI 的相关信息如下：

  • 模型：
    • OpenAI API 由多种具有不同功能和价位的模型提供支持，还可通过微调针对特定用例对原始基本模型进行有限定制。
    • 具体模型包括：GPT-4（Beta），是一组改进 GPT-3.5 的模型，能理解和生成自然语言或代码；GPT-3.5，是一组改进 GPT-3 的模型，能理解并生成自然语言或代码；DALL·E（Beta），能在给定自然语言提示的情况下生成和编辑图像；Whisper（Beta），能将音频转换为文本；Embeddings，能将文本转换为数字形式；Codex（Limited Beta），能理解和生成代码，包括将自然语言转换为代码；Moderation，能检测文本是否敏感或不安全的微调模型；GPT-3，能理解和生成自然语言。
  • 为何能跑通所有 AGI 技术栈：
    • 方法论明确：通用模型能用到更多数据，减少技术栈，OpenAI 未来可能会继续走通用模型的道路，降低微调等特化的需求，继续增加模型的上下文长度。
    • 用一个模型为另一个模型提供标注：OpenAI 的 Dall E 和 Sora 都用到了大量可能来自于 GPT vision 的数据标注，未来可能会继续加强各个模型的连接。
    • Transformer 架构：其在各个模态和技术栈具有优势，能复用模型参数和使用一套基础设施框架训练不同模型，新模型若要取代，需通过缩放定律的检验。
    • 稀疏模型。
Content generated by AI large model, please carefully verify (powered by aily)

References

模型（Models）

OpenAI API由具有不同功能和价位的多种模型提供支持。您还可以通过[微调（fine-tuning）](https://ywh1bkansf.feishu.cn/wiki/ATYCwS5RRibGXNkvoC4ckddLnLf)，针对您的特定用例对我们的原始基本模型进行有限的定制。|模型|描述||-|-||[GPT-4](https://platform.openai.com/docs/models/gpt-4)Beta|一组改进GPT-3.5的模型，可以理解和生成自然语言或代码||[GPT-3.5](https://platform.openai.com/docs/models/gpt-3-5)|一组改进GPT-3的模型，可以理解并生成自然语言或代码||[DALL·E](https://platform.openai.com/docs/models/dall-e)Beta|可以在给定自然语言提示的情况下生成和编辑图像的模型||[Whisper](https://platform.openai.com/docs/models/whisper)Beta|可以将音频转换为文本的模型||[Embeddings](https://platform.openai.com/docs/models/embeddings)|一组可以将文本转换为数字形式的模型||[Codex](https://platform.openai.com/docs/models/codex)Limited Beta|一组可以理解和生成代码的模型，包括将自然语言转换为代码||[Moderation](https://platform.openai.com/docs/models/moderation)|可以检测文本是否敏感或不安全的微调模型||[GPT-3](https://platform.openai.com/docs/models/gpt-3)|一组可以理解和生成自然语言的模型|

GPT、DALL·E、Sora，为什么 OpenAI 可以跑通所有 AGI 技术栈？

原创Founder Park Founder Park 2024-02-19 19:16北京原文地址：https://mp.weixin.qq.com/s/Trlbl0RF1umCi_FeSKJI4wSora的出现，再次证明了OpenAI试图让计算机去模拟真实物理世界的野心，以及它对于自身技术路线的坚持。从OpenAI发布的Sora的技术报告中，我们可以看到很多OpenAI对于过往大语言模型训练成功经验的复用。从文本生成模型GPT、文生图模型DALL·E，到文生视频模型Sora，OpenAI可以说成功跑通了AGI的所有技术栈，为什么是OpenAI而不是谷歌、Meta？加州大学伯克利分校(UC Berkeley)计算机科学PHD、知乎作者SIY.Z从技术实现上分析了Sora成功的部分原因，以及从商业和技术趋势上分析了OpenAI能跑通全部技术栈的原因，并且尝试预测了OpenAI下一步的进展，Founder Park授权转载，并进行了部分删减。01

GPT、DALL·E、Sora，为什么 OpenAI 可以跑通所有 AGI 技术栈？

通用模型还是专用模型能用到更多数据？显然是通用模型。而通用模型也减少了OpenAI的技术栈，因为一个模型能解决更多问题。这也导致之前提到的OpenAI解决各种问题时更倾向于用同一种模型，而不是做非常多不同的定制。可以预见，OpenAI未来可能会继续走通用模型的道路，降低finetuning等特化的需求，继续增加模型的context length。推论4：用一个模型为另一个模型提供标注。由于当前技术限制，OpenAI仍然无法用一个模型完成所有的任务，这样一个的模型收到数据就变少了。然而，我们可以用一个模型给另一个模型提供标注的形式，来间接实现数据供给。OpenAI的Dall E和Sora都用到了大量可能来自于GPT vision的数据标注。这样OpenAI的各个技术栈都可以连通起来。可以预见，OpenAI未来可能会继续加强各个模型的连接，比如将来用Sora反向给GPT vision给数据都是可能的；用一个已有模型去构造更多数据也会是一个重要的方向（比如backtranslation，data distillation等等）。推论5：Transformer架构。我们需要一种能够并行处理大量数据吞吐，且满足scaling law的架构。transformer架构充分证实它在各个模态和技术栈的优势，特别在复杂任务中，因而被OpenAI广泛使用。使用同样一个架构的好处在于可以复用模型的参数（比如tokenizer，embeddings，以及部分权重）来bootstrap不同技术栈的训练，以及可以用一套infra框架训练不同的模型。可以预见，将来新的模型如果要取代传统的transformer架构，还需要通过scaling law的检验。推论6：稀疏模型。

Others are asking
openai发展史
OpenAI 的发展历程如下： 2015 年成立，一直将 AGI 作为战略目标之一。 2022 年 11 月 30 日，发布基于 GPT 3.5 的 ChatGPT，引发全球 AI 浪潮。 在其内部会议上分享了关于通用人工智能（AGI）的五个发展等级，分别为： 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 推理者（Reasoners）：具备人类推理水平，如 ChatGPT，能够根据上下文和文件提供详细分析和意见。 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多产品执行任务后仍需人类参与。 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可加速科学研究和新药发现。 组织（Organizations）：最高级别，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 AI 的起源最早可追溯到上世纪： 1943 年，心理学家麦卡洛克和数学家皮特斯提出机器的神经元模型，为后续的神经网络奠定基础。 1950 年，图灵最早提出图灵测试，作为判别机器是否具备智能的标准。 1956 年，在美国达特茅斯学院，马文·明斯基和约翰·麦凯西等人共同发起召开著名的达特茅斯会议，人工智能（Artificial Intelligence）一词被正式提出，并作为一门学科确立下来。此后接近 70 年，AI 的发展起起落落。 Sam Altman 于 2025 年 1 月 6 日发表反思，回首创业历程，包括经历解雇等事件，也提到 2025 年首批 AI Agent 将融入劳动力市场，ChatGPT 两周岁时已迈入能进行复杂推理的全新模型时代，强调随着 AGI 临近，要回顾公司发展历程，继续探索。
2025-01-26
openai 的产品分析
OpenAI 的产品具有以下特点和发展情况： 去年 11 月发布了基于 GPT3.5 最新版本的消费级产品 ChatGPT，其具有强大的功能，能提供各种回答和完成多种任务，但也存在捏造事实的问题。ChatGPT 被视为 GPT4 的台标。 OpenAI 内部对于是否发布功能强大的工具存在争论，发布被视为让公众适应 AI 改变日常生活现实的战略一部分。 OpenAI 目前严重受限于 GPU，这影响了其多项计划，包括 API 的可靠性和速度、更长上下文窗口的推广、微调 API 以及专用容量的提供。 Sam Altman 分享了 OpenAI 近期路线，如 2023 年的首要任务是更便宜、更快的 GPT4，以及实现更长的上下文窗口、扩展微调 API 和推出有状态的 API。 2024 年 10 月有相关的视频和文章对 OpenAI 进行分析和介绍新产品，如剖析其从理想主义走向商业化的历程，以及介绍了四款创新 AI 产品。
2025-01-11
openai中学生写作的建议
以下是 OpenAI 针对中学生写作的一些建议： 1. 写作过程分为五个阶段：前期调研、框架构建、论证深化、反馈改进和调整格式。 2. 包含 12 条具体建议，如快速了解主题、创建反向大纲、寻求反馈和规范引用等技巧。 3. 强调将 AI 作为思维的催化剂，而非替代品。 4. 获得更好结果的六种策略： 写清楚说明：包括在问题中包含细节以获取更相关的答案、要求模型采用一个角色、使用分隔符清晰地表示输入的不同部分、指定完成任务所需的步骤、提供示例、指定期望的输出长度。 提供参考文本：指示模型使用参考文本回答、指示模型使用参考文本中的引用来回答。 将复杂任务拆分成更简单的子任务。 给 GPT 时间「思考」。 使用外部工具。 系统地测试更改。
2025-01-10
OpenAI过去12天的发布会总结
以下是 OpenAI 过去 12 天发布会的总结： 自媒体记录方面： 夕小瑶科技说：o3 发布，可能影响码农工作。 孔某人的低维认知：OpenAI 圣诞 12 天总评，感谢大佬赏饭。 MAX 01Founder：一文详解 o3，虽接近 AGI 但使用成本高。 南瓜博士：使用 o3 钱包和脑子可能不够。 数字生命卡兹克：OpenAI 正式发布 o3，通往 AGI 路上已无障碍。 具体发布内容： Day12：o3 与 o3 mini 正式亮相。 Day11：ChatGPT 桌面应用，Option+空格快速唤起。 Day10：OpenAI 发布电话倾诉功能 18002428478。 Day9：o1 满血版 API 和 4o 实时语音 API 更新。 Day8：AI 搜索功能免费开放，并支持实时语音搜索。 Day7：ChatGPT 全新“项目”功能发布。 Day6：实时视频通话&圣诞老人模式正式上线。 Day5：ChatGPT 与 Apple 的深度合作。 Day4：直播“翻车”的 Canvas。 Day3：Sora 终于上线，有案例和功能详解。 Day2：微调 O1 模型，低成本高效率。 Day1：强化学习微调的实操案例。 宝玉日报 12 月 18 日： AI 架构与技术选型的 4 条原则：选主流框架、确保测试覆盖率、避免私有框架、采用模块化设计。 OpenAI 12 天发布会第 9 天：o1 API 正式版速度更快成本降低，支持多种新功能；语音交互升级，引入 WebRTC 支持，处理费用降低；新增偏好微调功能和工具包，简化 API 密钥申请流程。 易观分析报告预测了 AI 技术未来的关键发展方向，德邦证券报告对 OpenAI 十二日发布会进行深度总结，认为随着大模型能力提升和应用场景扩展，AI 应用商业价值有望实现，建议关注相关领域。
2024-12-31
openai
以下是关于 OpenAI 的相关信息： AGI 的 5 个等级： 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 推理者（Reasoners）：具备人类推理水平，能解决复杂问题，如 ChatGPT，可根据上下文和文件提供详细分析和意见。 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品执行任务后仍需人类参与，尚未达到完全智能体水平。 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 模型： GPT4（Beta）：一组改进 GPT3.5 的模型，可理解和生成自然语言或代码。 GPT3.5：一组改进 GPT3 的模型，可理解并生成自然语言或代码。 DALL·E（Beta）：可以在给定自然语言提示的情况下生成和编辑图像的模型。 Whisper（Beta）：可以将音频转换为文本的模型。 Embeddings：一组可以将文本转换为数字形式的模型。 Codex（Limited Beta）：一组可以理解和生成代码的模型，包括将自然语言转换为代码。 Moderation：可以检测文本是否敏感或不安全的微调模型。 GPT3：一组可以理解和生成自然语言的模型。 GPT、DALL·E、Sora 相关：Sora 的出现证明了 OpenAI 试图让计算机模拟真实物理世界的野心及对自身技术路线的坚持。从 OpenAI 发布的 Sora 的技术报告中可看到对过往大语言模型训练成功经验的复用。加州大学伯克利分校计算机科学 PHD、知乎作者 SIY.Z 从技术实现上分析了 Sora 成功的部分原因，以及从商业和技术趋势上分析了 OpenAI 能跑通全部技术栈的原因，并尝试预测了 OpenAI 下一步的进展。
2024-12-27
openai 发布的sora最新模型中，生成视频的提示词与一般问答提示词有什么区别或者注意事项？
Sora 是 OpenAI 于 2024 年 2 月发布的文本到视频的生成式 AI 模型。 生成视频的提示词与一般问答提示词的区别和注意事项如下： 1. 对于视频生成，神经网络是单射函数，拟合的是文本到视频的映射。由于视频的动态性高，值域大，因此需要丰富且复杂的提示词来扩大定义域，以学好这个函数。 2. 详细的文本提示能迫使神经网络学习文本到视频内容的映射，加强对提示词的理解和服从。 3. 和 DALL·E 3 一样，OpenAI 用内部工具（很可能基于 GPT4v）给视频详尽的描述，提升了模型服从提示词的能力以及视频的质量（包括视频中正确显示文本的能力）。但这会导致在使用时的偏差，即用户的描述相对较短。OpenAI 用 GPT 来扩充用户的描述以改善这个问题，并提高使用体验和视频生成的多样性。 4. 除了文本，Sora 也支持图像或者视频作为提示词，支持 SDEdit，并且可以向前或者向后生成视频，因此可以进行多样的视频编辑和继续创作，比如生成首尾相连重复循环的视频，甚至连接两个截然不同的视频。 以下是一些 Sora 的案例提示词，如：“小土豆国王戴着雄伟的王冠，坐在王座上，监督着他们广阔的土豆王国，里面充满了土豆臣民和土豆城堡。”“咖啡馆的小地图立体模型，装饰着室内植物。木梁在上方纵横交错，冷萃咖啡站里摆满了小瓶子和玻璃杯。”“一张写有‘SORA’的写实云朵图像。”“一群萨摩耶小狗学习成为厨师的电影预告片‘cinematic trailer for a group of samoyed puppies learning to become chefs’”
2024-12-27