更多动态
OpenAI 发布了 GDPval 基准测试，不再是学术问答，而是评估 AI 在金融、医疗等真实职业任务中的经济价值。 1️⃣ GPT-5 的表现 在 44 个职业的 1320 个任务中，与从业 14 年的专家对比。 GPT-5-high 版本取得了 40.6% 的“胜出或平局”率，是 GPT-4o (13.7%) 的近三倍。这显示了模型在具体工作场景中的显著进步。 2️⃣ 与 Claude 对比 Anthropic 的 Claude Opus 4.1 得分更高，达到 49%。 细节差异很关键：Claude 在图形、文档格式化等“美学”层面有优势；而 GPT-5 在“领域知识与准确性”上表现更好。开发者可根据应用场景做技术选型。 3️⃣ 基准测试的意义 价值导向：评估标准从理论转向实践，衡量 AI 能否胜任人类工作流程中的具体环节，如生成竞争分析报告、法律摘要或护理计划。 成本效益：初步数据显示，模型完成任务的速度比专家快约 100 倍，成本更低，但这并未计入现实中必要的人工审核与整合成本。 总的来说，AI 评测正从“能不能聊”转向“能不能干活”。GDPval 提供了一个更贴近真实世界的观察窗口，值得持续关注。 参考资料: https://techcrunch.com/2025/09/25/openai-says-gpt-5-stacks-up-to-humans-in-a-wide-range-of-jobs
OpenAI 的新功能 ChatGPT Pulse 正在测试，目标是把 AI 从被动问答工具，变为能主动服务的信息助理。它在夜间帮你整理信息，早上生成一份定制日报。 这套机制的核心是“异步研究”，可以理解为你雇了一位夜班助理。它会综合分析你的聊天记录、反馈，以及你授权连接的应用（如 Gmail、Google Calendar），在你休息时处理信息，不产生打扰。 1️⃣ 核心运作方式 - 夜间研究：在你设定的非活跃时段，自动处理信息与研究你指定的议题。 - 晨间简报：生成 5–10 条可视化卡片，内容涵盖新闻摘要、行程提醒、会议议程建议等，24 小时后自动清除。 - 主动策划：提供“Curate”按钮，让你引导 Pulse 未来需要关注的主题方向，持续优化内容相关性。 2️⃣ 隐私与数据控制 - 连接器默认关闭，需要用户在设置中手动开启“允许主动活动”并授权特定应用，例如 Gmail。 - OpenAI 声明所有数据读取均在本地合规执行，不用于训练模型，用户可随时关闭功能或断开应用连接。 3️⃣ 当前阶段与进阶提示 - 目前功能还在预览，有时信息可能不够精准，但展示了 AI Agent 的一个重要方向：从被动响应到主动预判。 - 对于开发者，这预示着未来 Agent 的应用潜力。虽然 Pulse 内部机制未知，但可推断其背后是小型模型协同与个性化微调的结果。 它将首先在 ChatGPT Pro ($200/月) 订阅中测试，后续逐步向 Plus 订阅用户开放。可以留意自己 ChatGPT 后台“Connectors”的设置变化。 参考资料: https://help.openai.com/en/articles/12293630-chatgpt-pulse
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
