Posts

OpenAI 于 2025年 4 月 17 日推出了 o3 和 o4-mini，这两款模型在智能和能力上都代表了显著的进步，特别是它们能够在其响应前进行更长时间的“思考”，并且首次实现了对 ChatGPT 内所有工具（如网页搜索、使用 Python 进行数据分析、视觉输入推理、图像生成等）的自主、智能调用和组合。 新模型发布: OpenAI 推出了其 o 系列中迄今为止最智能、能力最强的模型——o3 和 o4-mini。 核心能力提升: 这两款模型被训练用于更深度的推理（“思考更长时间”），显著提升了 ChatGPT 的能力。 全面的工具集成: 模型首次能够自主地（agentically）决定何时以及如何使用 ChatGPT 内的所有工具（网络搜索、代码执行、视觉分析、图像生成等）来解决复杂问题。 迈向智能代理: 这是向更具自主性的 ChatGPT 迈出的一步，使其能够独立代表用户执行多方面任务。 性能新标杆: 结合了顶尖的推理能力和全面的工具使用，使得模型在学术基准测试和现实世界任务中表现显著增强，树立了智能和实用性的新标准。 模型定位: o3 是功能最强大的前沿模型，适用于复杂分析；o4-mini 则为速度和成本效益进行了优化，适合需要推理能力的大容量、高吞吐量任务。 介绍 OpenAI o3 和 o4-mini 我们迄今为止最智能且功能最强大的 AI 模型，并赋予了它们完整的工具使用权限 今天，我们发布 OpenAI o3 和 o4-mini，这是我们 o 系列模型中的最新成员，这些模型经过训练，可以在响应之前进行更深入的思考。 它们是我们迄今为止发布的最智能的 AI 模型，代表着 ChatGPT 在能力上的一次飞跃，惠及从普通用户到高级研究人员的每一个人。 我们的推理模型首次能够以智能代理式地使用和组合 ChatGPT 中的每一个工具——包括网络搜索、使用 Python 分析上传的文件和其他数据、对视觉输入进行深入推理，甚至是生成图像。 关键在于，这些模型经过专门训练，能够判断何时以及如何使用工具，以正确的输出格式（通常在一分钟内）生成细致且周到的答案，从而解决更为复杂的问题。 这使得它们能够更有效地处理多方面的问题，朝着更具智能体 (AI Agent) 能力的 ChatGPT 迈出了一步，让 ChatGPT 能够代表您独立执行任务。 这种最先进的推理能力与完整工具访问权限的结合，转化为在学术基准和实际任务中性能的显著提升，为智能和实用性都树立了新的标杆。...

OpenAI 于 2025年 4 月 15 日推出了 GPT-4.1 系列 API 模型：GPT-4.1、mini 及 nano。相较于 GPT-4o 和 GPT-4o mini，这些模型在各方面都实现了超越，尤其在代码生成和指令执行上的提升尤为显著。不仅如此，它们还拥有更大的上下文窗口，最多可处理 100 万个 Token，并能凭借更出色的长文本理解能力，充分利用这些上下文信息。同时，它们的知识库也已更新至 2024 年 6 月。 新模型发布: OpenAI 推出了 GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano 三款 API 专用模型。 性能提升: 新模型在编码、指令遵循和长文本理解能力上全面优于 GPT-4o 和 GPT-4o mini。 长文本支持: 所有新模型均支持高达 1 million tokens 的上下文窗口，并提升了长文本理解的可靠性。 成本与效率: 新模型旨在以更低的成本和延迟提供更优的性能，特别是在 GPT-4.1 mini 和 nano 版本上体现。 应用场景: 改进的性能使新模型更适用于构建复杂的 agent 系统，处理如软件工程、文档分析和客户服务等任务。 模型可用性: GPT-4.1 系列模型仅通过 API 提供。ChatGPT 中的 GPT-4o 已逐步整合相关改进。 模型弃用: GPT-4.5 Preview 将在 July 14, 2025 被弃用，开发者需迁移至 GPT-4....

Meta 作为人工智能领域的关键参与者，持续通过其 Llama 系列模型推动开源大语言模型的发展。继 Llama 3 取得显著成功后，Meta 于 2025 年 4 月 5 日推出了备受期待的 Llama 4 系列模型。Llama 4 引入了混合专家（MoE）架构和原生多模态等关键技术革新，Meta 公布的基准测试数据显示其在多个指标上表现优异，甚至超越了一些领先的闭源模型。然而，大量来自开发者社区和独立测试者的实际应用反馈却指出，Llama 4 在编码、推理等方面的实际表现并未达到预期，甚至不如一些参数量更小的模型。这种基准分数与实测能力之间的显著差异，引发了关于 Llama 4 是否存在针对性“刷榜”以及模型真实能力的广泛讨论和质疑。 今天正好 Google 更新了 DeepResearch：由原来基于 Gemini 2.0 Flash Thinking 模型，改为基于 Gemini 2.5 pro 模型（目前已公开的最强模型），结果准确率大幅提升。Google 放出来了和 OpenAI DeepResaerch 的对比评测，我也尝试了一些 case，确实比上个版本好很多。本篇文章大部分由 Gemini 的 DeepResearch 所写，我对结果进行了编排、校审和微调。 Llama 4 模型家族概览 Llama 4 系列是 Meta 推出的新一代 AI 模型，旨在支持整个 Llama 生态系统，并被 Meta 称为其迄今最先进的模型。该系列引入了混合专家（MoE）架构和原生多模态设计。目前已发布和预告的模型包括： Llama 4 Scout: 这是一款轻量级、高效率的模型，拥有 109B 总参数和 16 个专家，每次推理激活 17B 参数。Scout 的突出特点是其业界领先的 1000 万 token 上下文窗口，远超 Llama 3 的 128K。它被设计为可在单个 NVIDIA H100 GPU 上通过 Int4 量化高效运行，适用于通用 AI 任务，尤其擅长处理超长文档摘要、大规模代码库推理和个性化任务。Meta 称 Scout 是其同类产品中“世界上最好的多模态模型”。 Llama 4 Maverick: 这款模型同样拥有 17B 激活参数，但总参数量达到 400B，并配备了 128 个专家。Maverick 被定位为通用主力模型，特别适用于助手和聊天场景，在图像理解、创意写作和多语言处理方面表现出色。它支持 100 万 token 的上下文窗口，并可在单个 H100 主机（或多 GPU）上运行。Meta 称 Maverick 在多个基准测试中击败了 GPT-4o 和 Gemini 2....

本文来自 Andrej Karpathy 在 X 上发布的一篇文章《Power to the people: How LLMs flip the script on technology diffusion 》。核心观点是，大型语言模型（ LLMs ）的技术扩散模式颠覆了传统技术自上而下（从政府/企业到个人）的传播路径。 LLMs 目前为普通个体带来了前所未有的、不成比例的巨大利益，其影响在企业和政府层面反而相对滞后。这是因为 LLMs 提供了广泛但相对浅显的能力，极大地赋能了缺乏多领域专业知识的个人；而组织机构在利用这种新技术时，则面临着整合复杂性、高风险以及内部惯性等挑战。尽管当前 LLMs 的普惠性是历史性的，但未来的技术发展和成本结构可能改变这种“利益分配”格局。 传统技术扩散：历史上，变革性技术（如电力、计算机、互联网、 GPS ）通常遵循从政府/军事到企业再到个人的“自上而下”路径，因为早期技术稀缺、资本密集且需要专业知识。 LLMs 的独特路径： LLMs （以 ChatGPT 为例）显著逆转了该模式。 ChatGPT 成为史上增长最快的消费应用，拥有 4 亿周活跃用户，广泛用于写作、编码、翻译、学习、研究等个人任务。 个体受益显著的原因： LLMs 大幅提升了个人在多个陌生领域的能力水平。 使用门槛极低：成本低廉（甚至免费）、快速、易于通过网络或本地设备访问，并支持自然语言交流。 企业/政府受益相对有限的原因： 能力匹配度： LLMs 提供的是“准专家级”的广泛但浅显、可能出错的能力。而组织的核心优势在于整合深度专业知识。 LLMs 更多是提升现有专家的效率，而非带来颠覆性改变。 复杂性与风险：组织运营涉及更高的复杂性（系统集成、遗留系统、安全、隐私、合规）和更低的容错率，难以简单应用 LLMs ，且“幻觉”等错误的代价高昂。 组织惯性：企业文化、政治因素、沟通成本、培训挑战和官僚主义阻碍了对这种新型、多才多艺但尚不完全可靠工具的快速采纳。 当前的普惠性：目前，普通人（ Mary , Jim , Joes ）比大型组织（如 Google 或美国政府）更能体验到 LLMs 带来的改变。前沿模型如 GPT 4o 对所有人（包括 Bill Gates ）都同样可及。 未来展望与不确定性： LLMs 的持续影响取决于性能的提升。 “利益分配”格局可能改变。如果未来获取更强 AI 能力需要高昂成本（性能与资本支出挂钩），大型组织和富裕个体可能重新获得优势（例如，使用 GPT-8-pro-max-high 对比 GPT-6 mini ）。 影响因素包括：扩大性能差距的技术（如规模扩展、模型集成）和缩小差距的技术（如模型蒸馏）。 作者的感慨：当前的局面——强大的 AI （ ChatGPT ）几乎一夜之间免费普及到每个人的口袋里——是独特且出乎意料的，与许多科幻设想不同。引用并修正 William Gibson 的名言：“未来已来，且分布惊人地均匀”。作者对此表示赞赏（“权力归于人民”）。 原文：赋能于民：大语言模型如何改写技术普及的剧本 变革性技术通常遵循自上而下的扩散路径：它们往往起源于政府或军事部门，然后逐渐普及到企业，最终进入个人手中——比如电力、密码学、计算机、航空、互联网或 GPS。这种发展路径似乎是理所当然的，因为新兴的强大技术在早期通常比较稀缺，需要大量的资金投入，而且使用它们还需要专业的技能。...

Shopify CEO 发内部全员邮件，强调 AI 带来的巨大创业机遇，同时也要求公司全员都必须学习和应用 AI，把使用 AI 变为每个员工的一个基本要求，并计入绩效考核。还提到，如果后面谁想要 HC，必须要先论证为什么不能通过 AI Agent 来解决。 AI 使用成为基本要求： 在 Shopify ，熟练运用 AI 不再是可选项，而是对所有员工的基本工作要求。这被视为跟上公司发展（类比“红皇后赛跑”）和个人职业发展的必要条件，不学习 AI 等同于停滞和失败。 AI 是强大的生产力倍增器： AI 工具被视为能将个人和团队的产出提升 10 倍甚至 100 倍的“倍增器”，能够帮助解决以前看似不可能完成的任务。 拥抱 AI 符合核心价值观： 积极学习和应用 AI 与 Shopify 的核心价值观“成为持续学习者”（ Be a Constant Learner ）和“在变革中茁壮成长”（ Thrive on Change ）紧密相连。 Shopify 的未来与 AI 深度绑定： 公司致力于利用 AI 重新定义创业模式，并将 AI 深度整合到产品路线图和日常工作中，以更好地服务商家。 使用 AI 已成为基本要求 Tobias Lütke ✅ 3月20日 团队成员们， 我们正在进入一个前所未有的时代，未来涌现的商家和创业者数量可能超过历史上的任何时期。我们一直在努力降低创业的复杂度，让更多人可以将其作为职业选择。在创业的每一步，都充满了需要技巧、判断力和知识的决策。现在，AI 不仅能提供咨询，还能直接帮助我们的商家完成工作，这无疑是一个飞跃式进步。 在 Shopify，我们的任务是打造一流的平台，助力大家创建未来的卓越企业。为此，我们必须保持技术领先，提供最佳工具，帮助商家取得超出他们想象的成功。而要做到这一点，我们必须走在最前沿。 在 Shopify，主动使用 AI 已成为基本要求 也许你们已经开始这样做，甚至觉得这份备忘录有些多余。如果是这样，你们已经在使用 AI 作为思考伙伴、深度研究助手、评论员、导师或结对编程伙伴。我个人也在频繁使用 AI，但即使如此，我也觉得仅仅触及了皮毛。AI 对工作方式的改变是我职业生涯中所见过的最快速的。我一直对 AI 抱有极大的热情，这一点大家应该很清楚：在每周的视频、播客、全体员工大会以及 Shopify 峰会上，我都曾多次提到 AI！去年夏天，我利用 AI 智能体来准备我的演讲，并向大家介绍了我的经验。我这样做是为了鼓励大家积极尝试 AI，消除任何对 AI 重要性的疑虑。很多同事都积极响应，我们都对 AI 所展现出的强大能力感到惊叹，它能够增强我们的技能、提升我们的工作效率，并弥补我们的不足。...

前几天 Meta 人工智能研究副总裁 Joelle Pineau 离职，Llama 就是她主导的项目，很多人以为 Llama 4 难产了，没想到今天(2025-04-05) Meta 就放出了 Llama4 系列模型，该系列的核心是 Llama 4 Scout 和 Llama 4 Maverick 两款开放权重的模型，它们首次采用了 专家混合 (MoE) 架构，并具备处理文本、图像和视频的原生多模态能力，同时支持 100M 超长上下文窗口。 1️⃣ 模型方面 Llama 4 Scout：拥有 17B 活跃参数和 16 个专家 (109B 总参数)，可在单个 NVIDIA H100 GPU (Int4 量化) 上运行。其上下文窗口 10M tokens。性能优于 Gemma 3, Gemini 2.0 Flash-Lite, 和 Mistral 3.1。 Llama 4 Maverick：拥有 17B 活跃参数和 128 个专家 (400B 总参数)，可在单个 H100 主机上运行。性能优于 GPT-4o 和 Gemini 2.0 Flash，在推理和编码方面与 DeepSeek v3 相当，但活跃参数更少。其聊天版本在 LMArena 上 ELO 评分达 1417。 Llama 4 Behemoth：“教师”模型，拥有 288B 活跃参数和 16 个专家 (近 2000B 总参数)，仍在训练中。在多个 STEM 基准测试中表现优于 GPT-4....

本文由 Y Combinator 合伙人 Tom Blomfield 在 2025 年 4 月 1 日在个人博客发表，核心观点如下： AI 编码能力的证据： 自 2022 年底 ChatGPT 和 2023 年初 Claude 推出以来，AI 编码能力进步显著。 作者使用 AI 工具在数小时内重建个人博客，并创建了包含约 35,000 行 AI 生成代码的 RecipeNinja.ai ，生产力提升了 10x 。 现代 AI 工具（如 Gemini 2.5 Pro ）拥有百万级 token 上下文窗口，能够理解和修复中等规模代码库中的复杂错误，并能遵循最佳实践（如避免暴露 API 密钥）。 作者预测 AI 代理很快将具备更强的调试能力（如单步执行、检查变量）。 AI 驱动的未来团队： 设想由“产品经理” AI 代理设定方向，编码 AI 代理执行任务， QA AI 代理进行测试，安全/扩展性 AI 代理进行审查，客服 AI 代理收集反馈，形成高效的迭代循环。 超越软件工程： 知识工作（医疗、法律、金融等）的成本将大幅下降，可能通过每月订阅（如 $20/month ）获得专家级建议。 短期内，依赖人际接触的高级合伙人可能受益，但执行具体任务的初中级专业人士面临风险。 物理性工作（如外科手术、设备操作）和受严格监管的行业（医药、法律）变革会较慢，但趋势不变。 当前趋势佐证： 近期 Y Combinator ( YC ) 孵化器中约四分之一的初创公司使用 AI 编写了 95%+ 的代码，且增长速度创历史记录。 Cursor , Windsurf , Harvey 等 AI 公司以极小团队实现了高收入（如 $100M+ ）。 大型科技公司已放缓对初中级软件工程师和数据科学家的招聘。 未来展望与担忧： 商业成本降低，有护城河（网络效应、品牌等）的企业利润大增，无护城河的企业易被 AI 克隆。 少数 AI 赋能的巨头可能主导各行业服务市场。 “独立开发者”（ indie hackers ）利用 AI 工具创造高收入的机会增加。 核心担忧是收益分配不均和社会对大规模失业的准备不足。 作者强烈建议软件工程师花时间学习最新的 AI 工具，虽然这可能无法提供长期保障，但能在短期内显著提高生产力。他保持对未来的希望，但也对即将到来的剧变深感忧虑。...

大型语言模型（LLMs）的飞速发展，极大地拓展了人工智能的应用领域，它们在文本生成、语言理解、代码编写等多个方面展现出强大的能力。然而，这些模型的一个固有局限在于，它们的能力很大程度上受限于其训练数据的范围。这意味着，LLMs 往往缺乏对实时信息的感知（联网搜索），也无法直接与外部世界进行交互以执行具体的操作。 为了弥补这一不足，传统的做法是为每一个需要连接的数据源（如数据库、API、文件系统）和工具构建定制化的集成方案。然而，随着 AI 模型和外部工具数量的不断增长，这种方法很快变得难以维护和扩展，导致了一个被称为“MxN 问题”的局面——即 M 个 AI 模型需要与 N 个外部工具进行连接，所需的集成数量是 M 乘以 N。 这种“MxN 问题”暴露了当前 AI 生态系统在数据连接方面的瓶颈。每当出现一个新的 LLM 或一个新的外部工具，就需要进行大量的重复开发工作来建立它们之间的通信桥梁。这种复杂性不仅拖慢了 AI 应用的开发速度，也增加了维护成本，并限制了不同 AI 模型和工具之间的互操作性。 为了应对这些挑战，Anthropic 在 2024 年 11 月推出了模型上下文协议（Model Context Protocol，简称 MCP）。MCP 旨在成为一个开放的标准，用于规范 AI 助手如何连接到存储数据的各种系统，包括内容仓库、业务工具和开发环境。 MCP 协议刚推出时并没有引起什么反响，直到今年 3 月份，MCP 协议开始火起来，并被越来越多的公司所支持，如Cursor、Github、Google、Cloudflare 等等，就连 OpenAI 在前几天也宣布要支持 MCP 协议（另外，Anthropic 也偷偷兼容了 OpenAI SDK，可能他们做了对等的交易？）。国内这边，很多公司也在跟进和支持 MCP 协议，如百度地图、高德地图等等。 什么是模型上下文协议 (MCP)？ 模型上下文协议（MCP）是一个开放协议，它定义了一种标准化的方式，使得应用程序能够为大型语言模型（LLMs）提供上下文信息。其核心目标是实现 AI 模型与外部工具、数据库和 API 之间的无缝且标准化的集成。 可以将 MCP 视为 AI 领域的“USB-C 接口”。正如 USB-C 为各种设备连接到计算机提供了通用的接口一样，MCP 为 AI 模型与各种外部资源进行交互提供了一个标准化的方法。它充当了一个“通用连接器”或“通用适配器”，使得 LLMs 能够动态地与外部资源进行交互，从而获取实时的、准确的、相关的信息，并利用外部工具执行任务。...

本文翻译自 MCP 官方文档。 路线图 - 模型上下文协议 (MCP) 模型上下文协议 (MCP) 正在快速发展。本页面概述了我们当前对 2025 年上半年 关键优先事项和未来方向的思考，尽管随着项目的发展，这些内容可能会发生重大变化。 这里提出的想法并非承诺——我们可能会以不同于所述的方式来解决这些问题，或者其中一些问题可能根本不会实现。这也不是一个详尽的列表；我们可能还会加入这里未提及的工作内容。 我们鼓励社区参与！每个部分都链接到相关讨论，您可以在其中了解更多信息并贡献您的想法。 远程 MCP 支持 我们的首要任务是改进远程 MCP 连接，允许客户端通过互联网安全地连接到 MCP 服务器。关键举措包括： 认证与授权：添加标准化的认证授权能力，特别侧重于 OAuth 2.0 支持。 服务发现：定义客户端如何发现并连接到远程 MCP 服务器。 无状态操作：思考 MCP 是否也可以包含无服务器环境，在这种环境中它们需要基本上是无状态的。 参考实现 为了帮助开发者使用 MCP 进行构建，我们希望提供以下方面的文档： 客户端示例：全面的参考客户端实现，演示所有协议功能。 协议起草：简化提出和采纳新协议功能的流程。 分发与发现 展望未来，我们正在探索使 MCP 服务器更易于访问的方法。我们可能研究的一些领域包括： 包管理：MCP 服务器的标准化打包格式。 安装工具：简化跨 MCP 客户端的服务器安装。 沙盒化：通过服务器隔离提高安全性。 服务器注册表：用于发现可用 MCP 服务器的通用目录。 智能体 (Agent) 支持 我们正在扩展 MCP 的能力以支持复杂的智能体工作流，特别关注： 分层智能体系统：通过命名空间和拓扑感知改进对树状智能体结构的支持。 交互式工作流：更好地处理跨智能体层级的用户权限和信息请求，以及将输出发送给用户而非模型的方式。 流式结果：来自长时间运行的智能体操作的实时更新。 更广泛的生态系统 我们也致力于： 社区主导的标准开发：促进一个协作生态系统，所有 AI 提供商都可以通过平等参与和共享治理，帮助将 MCP 打造成一个开放标准，确保它满足多样化的 AI 应用和用例需求。 其他模态：扩展到文本之外，以支持音频、视频和其他格式。 [标准化]：考虑通过标准化组织进行标准化。 参与进来 我们欢迎社区参与塑造 MCP 的未来。请访问我们的 GitHub 讨论区 加入对话并贡献您的想法。

本文翻译自 MCP 官方文档。 核心架构 模型上下文协议 (MCP) 构建在一个灵活、可扩展的架构之上，旨在实现 LLM 应用和集成之间的无缝通信。本文档涵盖了其核心架构组件和概念。 概述 MCP 遵循客户端-服务器架构，其中： 主机 (Hosts) 是发起连接的 LLM 应用（例如 Claude Desktop 或 IDE）。 客户端 (Clients) 在主机应用内部，与服务器保持 1:1 连接。 服务器 (Servers) 向客户端提供上下文、工具和提示。 核心组件 协议层 协议层处理消息分帧、请求/响应关联以及高级通信模式。 class Session(BaseSession[RequestT, NotificationT, ResultT]): async def send_request( self, request: RequestT, result_type: type[Result] ) -> Result: """ Send request and wait for response. Raises McpError if response contains error. """ # Request handling implementation async def send_notification( self, notification: NotificationT ) -> None: """Send one-way notification that doesn't expect response....