每經記者｜蔡鼎    每經編輯｜蘭素英    

OpenAI為期12天的年終“技術盛宴”已結束第二天的直播。從當地時間12月5日發布的“滿血版”o1模型和最貴ChatGPT Pro服務，到6日發布的強化微調（Reinforcement Fine-Tuning），無不證明AI世界又將迎來一次全新的產品升級和迭代。

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

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，該模型據稱能實現和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領域競賽的深入，AI的競爭焦點也轉向了智能體和通用人工智能（AGI）。

據外媒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AGI。

清華大學電子工程系長聘教授、清華大學精準醫學研究院臨床大數據中心共同主任吳及告訴《每日經濟新聞》記者，“基于多個大模型的AI智能體或多個智能體的協同，可能是未來AI技術發揮更大作用的一個重要趨勢。”

OpenAI“12天活動”：“滿血版”o1上線后，年度最大驚喜也來了

當地時間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。

“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部思維鏈條。該模型已面向ChatGPT Plus和團隊用戶開放，企業和教育用戶則需要等到下周。

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

圖片來源：X

同時發布的ChatGPT Pro服務也引發了外界的廣泛關注，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（Reinforcement Fine-Tuning）。阿爾特曼表示：“強化微調，效果出奇地好；它是我2024年最大的驚喜之一。”

圖片來源：X平臺

強化微調與標準微調不同，利用強化學習算法，研究者可以強化產生正確答案的思路，抑制產生錯誤答案的思路，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習特定領域的推理，提升模型在特定領域任務中的推理能力和準確性。

據介紹，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布的“滿血版”o1。OpenAI預計將于2025年初公開發布強化微調功能。

李飛飛、谷歌Deepmind、Meta先后發布重磅模型

除了OpenAI的首批年末“王炸”外，本周還有諸多AI相關的重磅產品出爐。

作為AI領域影響力最大的女性和華人之一，斯坦福大學教授李飛飛于當地時間12月2日公布了其首個創業項目World Labs的成果——能用單張靜態圖片生成3D世界的AI產品。

在World Labs網站的演示里，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節模擬景深（DoF）與模擬推拉變焦（dolly zoom），當使用者將景深效果調至越強時，背景中的物體便會越發模糊，為整個視覺體驗增添了更多層次感與真實感。

圖片來源：World Labs推特截圖

但World Labs目前只向公眾發布了關于該技術的博客，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世界領域探索的還有谷歌。北京時間12月5日凌晨，谷歌DeepMind在官網發布了大型基礎世界模型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在虛擬世界生成領域的又一次突破。

圖片來源：谷歌Deepmind官網截圖

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”，模型便可構建一個包含機器人角色和可探索環境的動態場景。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。

清華大學電子工程系長聘教授、清華大學精準醫學研究院臨床大數據中心共同主任吳及在接受《每日經濟新聞》記者采訪時表示，“從學術研究的角度來看，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聯起來，把真正的物理世界進行建模，是AI技術能否取得突破的關鍵。”

World Labs和谷歌之后，Meta也來湊了個熱鬧，于當地時間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發帖表示，純文本的 Llama 3.3能實現和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，Llama 3.3在一系列行業基準測試中表現優于谷歌的Gemini 1.5 Pro、OpenAI 的 GPT-4o和亞馬遜本周稍早發布的Nova Pro。

圖片來源：X

專家：智能體融合將成下一個發展方向

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

吳及告訴每經記者，目前，盡管單個大模型在某些方面表現出色，但也存在諸多不足，例如幻覺和遺忘效應等問題。他強調，“基于多個大模型的AI智能體或多個智能體的協同，可能是未來AI技術發揮更大作用的一個重要趨勢。”

吳及認為，智能體融合將成為AI應用解決特定場景問題的一個重要技術前景或發展方向。

在《紐約時報》于當地時間12月4日舉辦的DealBook峰會上，阿爾特曼表示，“智能體是現在每個人都在談論的話題，我認為這背后是有充分理由的。設想一下，你可以讓AI系統完成一項相當復雜的任務，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出有價值成果的任務。我預計，這樣的場景將在明年成為現實。”

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

據外媒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。根據目前的條款，當OpenAI創建AGI時，微軟對這種技術的使用權將失效。目前，最終決定尚未做出，OpenAI董事會將決定何時實現AGI。

封面圖片來源：視覺中國-VCG31N2008743681