OpenAI為期12天的年終“技術(shù)盛宴”已結(jié)束第二天的直播。從當(dāng)?shù)貢r間12月5日發(fā)布的“滿血版”o1模型和最貴ChatGPT Pro服務(wù)，到6日發(fā)布的強化微調(diào)（Reinforcement Fine-Tuning），無不證明AI世界又將迎來一次全新的產(chǎn)品升級和迭代。

　　在AI的狂歡中，其他科技公司也不甘示弱。有著“AI教母”之稱的李飛飛創(chuàng)立的World Labs以及谷歌DeepMind團隊本周先后發(fā)布重磅產(chǎn)品，讓用戶可以通過單張圖片生成交互式3D場景，展示了AI在虛擬世界構(gòu)建領(lǐng)域的巨大潛力。

　　Meta和馬斯克的xAI也來湊了個熱鬧。Meta推出了今年的壓軸AI大模型：Llama 3.3 70B，該模型據(jù)稱能實現(xiàn)和Meta最大Llama 模型——Llama 3.1 405B同樣的性能，成本還更低。xAI宣布Grok從今天起全球免費，但有使用限制。免費用戶每2小時可以詢問最多10個問題，每天最多可分析3張圖片和生成4張圖片。

　　隨著各路玩家在AI領(lǐng)域競賽的深入，AI的競爭焦點也轉(zhuǎn)向了智能體和通用人工智能（AGI）。

　　據(jù)外媒6日的最新報道，OpenAI正在與微軟磋商放棄AGI條款，以釋放投資潛力。目前，最終決定尚未做出，OpenAI董事會將決定何時實現(xiàn)AGI。

　　清華大學(xué)電子工程系長聘教授、清華大學(xué)精準醫(yī)學(xué)研究院臨床大數(shù)據(jù)中心共同主任吳及告訴《每日經(jīng)濟新聞》記者，“基于多個大模型的AI智能體或多個智能體的協(xié)同，可能是未來AI技術(shù)發(fā)揮更大作用的一個重要趨勢?！?/p>

　　當(dāng)?shù)貢r間12月5日，OpenAI為期12天的圣誕季特別活動開啟。

　　在第一天的活動上，OpenAI發(fā)布了推理大模型o1的“滿血版”和進階模式，以及每月收費高達200美元（約合人民幣1450元）的ChatGPT Pro訂閱服務(wù)。

　　“滿血版”o1的特征是，在回答用戶提問時不是“脫口而出”，而是形成一個類似人類思維方式的內(nèi)部思維鏈條。該模型已面向ChatGPT Plus和團隊用戶開放，企業(yè)和教育用戶則需要等到下周。

　　“滿血版”o1比9月發(fā)布的預(yù)覽版更快、更強大、更準確，同時增加了多模態(tài)輸入（可以上傳圖片）的能力。OpenAI表示，現(xiàn)在的o1模型“思維已經(jīng)被訓(xùn)練得更加簡潔”（大概快50%），而且在回答困難現(xiàn)實問題時，出現(xiàn)重大錯誤的概率減少了34%。

　　同時發(fā)布的ChatGPT Pro服務(wù)也引發(fā)了外界的廣泛關(guān)注，每月200美元的訂閱費是目前ChatGPT Plus定價的10倍。不過，用戶可以無限量地使用o1模型（Plus用戶當(dāng)前有每周50條信息的限制），以及無限量使用o1 mini和高級語音模式，同時也能用上o1 pro模式，該模式“使用更多的計算來為最難的問題提供最佳答案”。

　　次日，OpenAI打出活動“第二彈”，推出了強化微調(diào)（Reinforcement Fine-Tuning）。阿爾特曼表示：“強化微調(diào)，效果出奇地好；它是我2024年最大的驚喜之一?！?/p>

　　強化微調(diào)與標準微調(diào)不同，利用強化學(xué)習(xí)算法，研究者可以強化產(chǎn)生正確答案的思路，抑制產(chǎn)生錯誤答案的思路，只需要“幾十個例子”（a few dozen examples）、甚至12個例子，模型就能以有效的新方式學(xué)習(xí)特定領(lǐng)域的推理，提升模型在特定領(lǐng)域任務(wù)中的推理能力和準確性。

　　據(jù)介紹，它甚至可以讓簡易版推理模型o1 mini的效果超過前一天剛發(fā)布的“滿血版”o1。OpenAI預(yù)計將于2025年初公開發(fā)布強化微調(diào)功能。

　　除了OpenAI的首批年末“王炸”外，本周還有諸多AI相關(guān)的重磅產(chǎn)品出爐。

　　作為AI領(lǐng)域影響力最大的女性和華人之一，斯坦福大學(xué)教授李飛飛于當(dāng)?shù)貢r間12月2日公布了其首個創(chuàng)業(yè)項目World Labs的成果——能用單張靜態(tài)圖片生成3D世界的AI產(chǎn)品。

　　在World Labs網(wǎng)站的演示里，由AI生成的場景均通過瀏覽器實時渲染而成，用戶可以使用箭頭鍵或鍵盤（WASD）鍵移動，然后單擊并拖動鼠標實現(xiàn)交互，從而自由探索場景。World Labs的AI工具配備了可操控的滑塊來調(diào)節(jié)模擬景深（DoF）與模擬推拉變焦（dolly zoom），當(dāng)使用者將景深效果調(diào)至越強時，背景中的物體便會越發(fā)模糊，為整個視覺體驗增添了更多層次感與真實感。

　　但World Labs目前只向公眾發(fā)布了關(guān)于該技術(shù)的博客，外界能夠體驗的功能極為有限，而且并未放出任何代碼和模型。

　　在單圖生成3D世界領(lǐng)域探索的還有谷歌。北京時間12月5日凌晨，谷歌DeepMind在官網(wǎng)發(fā)布了大型基礎(chǔ)世界模型Genie 2，可通過單張圖片和文字描述生成種類多樣的游戲3D世界，標志著AI在虛擬世界生成領(lǐng)域的又一次突破。

　　簡單來說，給Genie 2一張圖片，它可以生成供人類游玩、可實時渲染、可控和可交互的無限3D世界，不需要借助任何游戲引擎。例如，輸入“森林中的可愛人形機器人”，模型便可構(gòu)建一個包含機器人角色和可探索環(huán)境的動態(tài)場景。用戶可以通過鍵盤或鼠標操作角色在世界中進行跳躍、游泳等互動。

　　和Genie 1相比，Genie 2擁有長期記憶，即使是角色短暫離開畫面，在重新進入視野后，依舊能被精準還原出來。

　　清華大學(xué)電子工程系長聘教授、清華大學(xué)精準醫(yī)學(xué)研究院臨床大數(shù)據(jù)中心共同主任吳及在接受《每日經(jīng)濟新聞》記者采訪時表示，“從學(xué)術(shù)研究的角度來看，能否將文本意義上的世界模型與物理意義上的世界模型關(guān)聯(lián)起來，把真正的物理世界進行建模，是AI技術(shù)能否取得突破的關(guān)鍵?！?/p>

　　World Labs和谷歌之后，Meta也來湊了個熱鬧，于當(dāng)?shù)貢r間12月6日推出了今年的壓軸AI大模型：Llama 3.3 70B。Meta 生成式AI副總裁 Ahmad Al-Dahle在X發(fā)帖表示，純文本的 Llama 3.3能實現(xiàn)和Meta最大Llama模型——Llama 3.1 405B同樣的性能，成本還更低。

　　Al-Dahle還附上了一張圖表，顯示包括針對大模型語言理解能力的測試MMLU在內(nèi)，Llama 3.3在一系列行業(yè)基準測試中表現(xiàn)優(yōu)于谷歌的Gemini 1.5 Pro、OpenAI 的 GPT-4o和亞馬遜本周稍早發(fā)布的Nova Pro。

　　隨著大模型競賽的深入，AI的風(fēng)又更多地吹向了智能體和通用人工智能（AGI）。

　　吳及告訴每經(jīng)記者，目前，盡管單個大模型在某些方面表現(xiàn)出色，但也存在諸多不足，例如幻覺和遺忘效應(yīng)等問題。他強調(diào)，“基于多個大模型的AI智能體或多個智能體的協(xié)同，可能是未來AI技術(shù)發(fā)揮更大作用的一個重要趨勢?！?/p>

　　吳及認為，智能體融合將成為AI應(yīng)用解決特定場景問題的一個重要技術(shù)前景或發(fā)展方向。

　　在《紐約時報》于當(dāng)?shù)貢r間12月4日舉辦的DealBook峰會上，阿爾特曼表示，“智能體是現(xiàn)在每個人都在談?wù)摰脑掝}，我認為這背后是有充分理由的。設(shè)想一下，你可以讓AI系統(tǒng)完成一項相當(dāng)復(fù)雜的任務(wù)，比如需要一位非常聰明的人，花費一段時間，借助各種工具來完成并產(chǎn)出有價值成果的任務(wù)。我預(yù)計，這樣的場景將在明年成為現(xiàn)實?！?/p>

　　他同時指出，AI行業(yè)即將迎來的發(fā)展將比預(yù)期更具沖擊力。他將AI的影響力比作晶體管的發(fā)明，認為AI的推理功能未來將走向普及化和商業(yè)化。“到2025年，我們可能會首次見到具備AGI能力的系統(tǒng)。這類系統(tǒng)可以像人類一樣完成復(fù)雜任務(wù)，甚至能運用多種工具來解決問題，”他說。

　　據(jù)外媒12月6日最新報道，OpenAI正在與微軟磋商放棄AGI條款，以釋放投資潛力。根據(jù)目前的條款，當(dāng)OpenAI創(chuàng)建AGI時，微軟對這種技術(shù)的使用權(quán)將失效。目前，最終決定尚未做出，OpenAI董事會將決定何時實現(xiàn)AGI。