OpenAI 内部构建 AI 销售助手以提升销售生产力与客户成功
OpenAI 构建了一个内部 AI 销售助手。该助手自动化了客户账户研究、会议准备、产品知识及客户跟进流程。
OpenAI 构建了一个内部 AI 销售助手。该助手自动化了客户账户研究、会议准备、产品知识及客户跟进流程。
OpenAI 的研究助理帮助团队分析数百万支持工单,更快地呈现洞察,并推动整个公司的探索能力。
OpenAI 正在推出家长控制和新的家长资源页面。该功能旨在帮助家庭引导 ChatGPT 在家庭环境中的使用方式。
OpenAI 宣布在 ChatGPT 中迈出智能体商务第一步,引入了新的购物方式,允许用户、AI 智能体和企业共同参与购物,包括即时结账(Instant Checkout)和智能体商务协议(Agentic Commerce Protocol)。
OpenAI 发布 ChatGPT 团队协作更新,新增共享项目、更智能的连接器以及合规和安全方面的改进,帮助团队更高效地完成工作。
SchoolAI 利用 GPT-4.1、图像生成和 TTS 技术,为超过 100 万间课堂提供由教师指导的安全 AI 工具。该平台旨在提升学生参与度,加强教学监督,并实现个性化学习。
Hugging Face 推出低代码框架 SyGra,用于简化 LLM 和 SLM 的数据创建、转换与对齐。该框架支持 vLLM、Triton、Ollama 等推理后端,提供从知识库转问答、SFT 转 DPO 及多语言转换等灵活数据生成功能,帮助团队加速模型对齐并减少人工数据整理工作量。
Hugging Face 团队联合 Meta 推出新一代 Agent 评测基准 Gaia2 与开源执行环境 ARE,以推进 Agent 的可靠性与适变性研究。Gaia2 是 2023 年 GAIA 的升级版,采用 CC BY 4.0 许可;ARE 遵循 MIT 许可,用于运行、调试和评测 Agent。
推荐理由:Hugging Face 联合 Meta 推出新一代 Agent 评测基准 Gaia2 与执行环境 ARE,为社区提供了更贴近真实世界的调试工具。
Scaleway 正式成为 Hugging Face Hub 支持的推理提供商,扩展了模型页面的无服务器推理功能。其托管 API 支持 gpt-oss、Qwen3 等开放权重模型,定价为每百万 tokens 0.20 欧元,首 token 响应时间低于 200ms。
Hugging Face 推出 RiskRubric.ai,由 Cloud Security Alliance 和 Noma Security 主导,提供针对 AI 模型的标准化、透明风险评估。评估基于六维度打分,包括可靠性、安全性、隐私、安全性、声誉等,并输出 0-100 分及 A-F 等级。数据显示 54% 模型达 A/B 级,50-67 分区间存在较多安全缺口。
Public AI Inference Utility 正式成为 Hugging Face Hub 支持的 Inference Provider。该开源项目通过 vLLM 后端和全球负载均衡层,为 Swiss AI Initiative 等机构提供基于捐赠 GPU 时间的免费推理服务。
OpenAI 正在为 ChatGPT 开发年龄预测功能及 parental controls。该举措旨在为青少年创造更安全、符合年龄的体验。新工具支持家庭用户管理使用行为。
Hugging Face 发布 LeRobotDataset v3.0,通过单文件打包多集数据和流式处理模式,解决数百万集场景的文件系统限制。该格式自 lerobot-v0.4.0 起支持,提供一键转换工具,并兼容 Hugging Face Hub 上的多模态机器人数据集。
OpenAI 宣布对 Codex 进行升级,使其速度更快、可靠性更高,并增强了实时协作与独立处理任务的能力,支持终端、IDE、网页及移动端等多种开发场景。
Hugging Face 宣布在 Gradio 中支持通过单一参数实现生成内容的可视化水印。开发者可为图像和视频添加水印,或直接嵌入包含元数据的 QR 码。文本生成界面也支持自定义水印,确保用户复制 AI 回复时自动附带来源归属信息。
Hugging Face 更新 transformers 库以支持 OpenAI 的 GPT-OSS 模型,引入了 MXFP4 量化、零构建内核下载、张量并行及专家并行等关键技术。
推荐理由:Hugging Face 详细说明了 transformers 为支持 OpenAI GPT-OSS 模型而升级的核心技术,包括 MXFP4 量化、零构建内核、动态滑动窗口及张量并行等,这些改进可复用至其他主流模型。
Together AI 与 Hugging Face 宣布新能力,开发者可在 Together 平台上微调 Hugging Face Hub 上的任意兼容 LLM。
推荐理由:Together AI 与 Hugging Face 打通微调管线,开发者可直接用 API 对 Hub 上任意兼容 LLM 做微调并回传 Hub,省去自建训练基础设施的摩擦。
Hugging Face 推出 Jupyter Agent,一个能在 Jupyter Notebook 中直接执行代码并推理、完成数据分析任务的智能体框架。
OpenAI 推出 Jobs Platform 及新 Certifications,旨在连接求职者与工作、培训及认证。此举意在拓展经济机遇,提升 AI 技能的普及性与可及性。
OpenAI 与专家合作开发更多有助于 ChatGPT 的体验,为青少年加强家长控制,并将敏感对话路由至推理模型。
Claude 可连接 Hugging Face Spaces 以利用最新模型生成详细图像。通过集成 Hugging Face MCP Server,用户可以启用 FLUX.1 Krea Dev 生成逼真自然图像,或使用 Qwen-Image 实现精准的文本渲染。账户提供免费额度使用这些模型,且便于在不同模型间切换。
Arm 宣布在即将发布的 ExecuTorch 0.7 beta 版本中默认启用 KleidiAI,利用 Arm SDOT 指令优化 Int4 矩阵乘法,使 Llama 3.2 1B 等模型能在 72% 的 Arm 设备(包括 Raspberry Pi 5 和 3-5 年前的手机)上高效运行生成式 AI 任务。
Arm 发布基于机器学习的 Neural Super Sampling (NSS) 实时超采样模型,面向移动端图形与游戏开发。该模型专为 Arm Neural Accelerators (NX) 优化,能以更低计算成本重建高分辨率画面;在 Enchanted Castle 演示中,540p 渲染至 1080p 仅需 4ms 并降低 50% 的 GPU 负载。
推荐理由:Arm 开源 NSS 模型在 4ms 内将 540p 实时超采样至 1080p,并给出移动端适配路径与 Unreal 插件,帮助团队直接评估低算力游戏渲染效果。
Hugging Face 发布开源工具 AI Sheets,用于使用开放 AI 模型构建、丰富和转换数据集。该工具支持本地部署或部署在 Hugging Face Hub,可接入 Hub 上数千个开放模型。其提供无代码操作界面,用户可通过编辑和验证单元格向模型提供反馈,并可将最终结果导出回 Hub。
推荐理由:原文明确指出AI Sheets是一个可本地部署的开源工具,并给出了免费使用入口和核心功能,便于读者评估其在数据工作流中的实际作用。
Hugging Face 在 Accelerate 库中集成了 ND-Parallel 功能,允许用户通过 ParallelismConfig 类灵活组合数据并行(DP)、完全分片数据并行(FSDP)、张量并行(TP)和上下文并行(CP)等策略。
OpenAI 在 GPT-5 中引入新的 safe-completions(安全补全)方法,旨在同时提升 AI 响应在安全性与有用性方面的表现。该方法推动安全训练从硬性拒绝转向以输出为中心的精细化处理,专门用于应对双重用途提示。
推荐理由:OpenAI 在 GPT-5 中引入 safe-completions 方法,将安全训练重心从硬性拒绝转向输出中心,展示了处理双重用途提示的新机制。
Hugging Face 在 TRL 中新增了针对视觉语言模型(VLM)的多模态对齐方法,包括混合偏好优化(MPO)、群组相对策略优化(GRPO)和群组序列策略优化(GSPO)。这些方法扩展了成对 DPO 的信号提取能力,并支持 RLOO 和 Online DPO。TRL 还集成了 vLLM 以支持在线对齐训练,并提供了原生 SFT 支持及演示笔记本。
推荐理由:原文提供了MPO、GRPO和GSPO在视觉语言模型对齐中的具体实现方法,并给出了训练脚本与vLLM集成支持。
OpenAI 发布 ChatGPT agent 演示,展示该智能体如何在线进行研究、编写代码并执行操作,在数分钟内完成商业计划。
推荐理由:官方演示展示了智能体在线完成商业计划的能力,帮助读者直观理解其自动化工作流价值。
Hugging Face 发布开源免费的 Python 实验追踪库 Trackio,支持本地 Gradio 仪表盘和无缝同步到 Hugging Face Spaces 以便分享协作。其 API 兼容 Wandb,用户可通过 pip 安装后直接替换 import 语句开始使用,同时原生集成 Transformers 和 Accelerate,核心代码量少于 1000 行。
Hugging Face 宣布将 CLI 工具正式从 huggingface-cli 更名为 hf,旨在优化命令结构以提升可用性。新 CLI 遵循统一语法规范,并同步推出了 hf jobs 服务。该服务允许用户在 Hugging Face 基础设施上按需运行脚本或 Docker 镜像,采用秒级计费模式,目前仅面向 Pro 用户及 Team 或 Enterprise 组织开放。
Hugging Face 发布新基准 FutureBench,用于评估 AI 智能体预测未来事件的能力,其核心观点是,比复述旧知识更能体现智能的是基于过去知识去预测未来。该基准通过从新闻和预测市场获取实时问题,并要求结果在未来被证实,从而天然避免了数据污染问题。在初始测试中,GPT-4.1 和 Claude 3.7 等不同模型展现了不同的信息搜集和推理策略,揭示了它们在决策路径上的行为差异。
Gradio 5.38.0 发布重大更新,显著增强了 MCP 服务器功能。新版支持远程 MCP 服务器无缝本地文件上传,通过“File Upload”服务器自动处理文件传输。
Hugging Face 发布开源的官方 MCP Server,通过单一 URL 让 AI 助手访问 Hub 及数千个 Spaces 应用,并支持动态工具配置。
推荐理由:官方开源了可远程访问的 MCP Server 并详解部署权衡,读者可据此评估将 Hub 接入 AI 助手的可行性。
ScreenEnv 是一个 Python 库,让用户在 Docker 容器中创建隔离的 Ubuntu 桌面环境,用于测试和部署 GUI 智能体。它内置对 MCP(Model Context Protocol)的支持,也可通过直接 Sandbox API 接入自定义后端。
推荐理由:提供 Docker 内 Ubuntu 桌面环境的 Python 库,支持 MCP 接入与 smolagents 集成,读者可评估其用于 GUI 智能体测试与部署的可行性。
Pollen Robotics 与 Hugging Face 推出开源机器人 Reachy Mini,Lite 版售价 $399。它支持 Python 编程,配备摄像头和麦克风,旨在让开发者和教育者轻松进行创意 AI 实验与人机交互研究。
GPT-6 Astra 在 Retell 语音智能体基准测试中表现领先,助力公司实现每月 1 亿次通话量。同时 Codex 协助提升效率,使员工人均年收入运行率达到 160 万美元。
SGLang 新增 Hugging Face transformers 后端集成,支持以 impl="transformers" 参数运行任何兼容 transformers 的模型并自动回退,无需原生支持即可通过 RadixAttention 获得优化推理性能。
Hugging Face 宣布 Groq 成为支持的 Inference Provider,接入 HF Hub 的 serverless inference,并与 JS/Python 客户端 SDK 集成。
推荐理由:原文给出了 Groq 在 HF Hub 的新集成入口、支持模型范围与两种计费路由方式,读者可据此判断如何在现有工作流中快速切换推理 provider。
Hugging Face 推出 Kernel Hub,允许通过 kernels 库一行代码加载预编译的优化计算内核,免去本地编译和依赖管理。文章演示了如何用 Triton 优化 RMSNorm 层,在 L4 GPU 上,大 batch 场景下内核版本比 PyTorch 基线快约 1.86 倍,且该库已被 TGI 和 Transformers 项目集成使用。
ChatGPT 可连接 Google Drive,利用内部知识回答相关问题。该功能通过接入 Google Drive 中的内部资料,为回答提供相关上下文支持。