OpenAI 全面更新 ChatGPT：免费用户解锁无限畅聊，付费用户可调思考深度

OpenAI 宣布对 ChatGPT 进行大规模更新。免费及 Go 用户默认模型升级为 GPT-5.6 Luna，并将在下周起全面开放无限次文本聊天权限，不再受此前使用上限困扰。同时新增“思考”按钮，供用户按需调用更高级的推理能力，但需遵守防滥用安全机制，文件上传和图像生成等工具限制仍保留。面向 Plus 和 Pro 付费用户，OpenAI 更新了聊天界面中的 GPT-5.6 Sol 模型，提升回答准确性并增加滑动条，让用户自由调节每条回复的思考深度，从快速应答到深度推理灵活切换。该版本 Sol 仅用于常规对话，不影响驱动 Work 和 Codex 的版本。此次更新体现出分层产品策略：免费用户得以更低门槛体验强力模型，有助于扩大用户基础；付费用户则获得差异化能力，强化订阅价值。“思考”按钮打破了免费与付费的简单模型等级划分，滑动条则赋予用户对速度与深度的主动控制。GPT-5.6 Luna 与 Sol 双线并行，旨在覆盖从轻度用户到重度开发者的多元需求，以应对 Gemini 和 Claude 的竞争。 #OpenAI #ChatGPT #GPT5_6 #AI更新 #人工智能 #免费无限聊天 #科技新闻

OpenAI疑似收紧Web端代码生成能力，旨在遏制算力滥用

近期，科技社区Linux.do上有用户爆料称，OpenAI针对其Web端服务中的代码生成相关功能进行了调整，疑似旨在遏制算力滥用。该消息在开发者群体中引发关注，不少用户猜测OpenAI可能对代码生成的调用次数、输出长度或复杂度设定了新的限制，以减少高负载请求带来的算力消耗。目前，具体调整方式和适用范围尚未公开，相关说法也未经官方证实。随着AI工具使用量激增，如何平衡服务开放与资源控制已成为行业普遍面临的难题。此次事件后续走向，仍需等待OpenAI的进一步回应或用户实测反馈。 #OpenAI #AI #代码生成 #算力 #科技 #新闻

人工智能、逻辑与常识形式化

斯坦福大学计算机科学系教授约翰·麦卡锡于1990年发表文章《人工智能、逻辑与常识形式化》，系统探讨了如何用逻辑方法表达和推理常识。文章内容包括非单调推理的形式化、知识表示与信念的三种途径、语境的具体化，以及能力、实践理性与自由意志等哲学议题。麦卡锡指出，认识论上的充分性往往需要近似且局部的理论，并提出了元认识论及“富实体与贫实体”等概念，强调逻辑在人工智能中的核心作用及其面临的挑战。该文对后来人工智能知识表示与推理研究产生了深远影响。 #人工智能 #逻辑 #常识形式化 #约翰麦卡锡 #AI #知识表示

AI 时代的“约翰·亨利”

美国民间传说中有一则关于铁路工人约翰·亨利的故事，描述他在蒸汽机时代与机器竞赛，最终以生命为代价赢得胜利。这一经典的人机对决寓言，在人工智能崛起的当下被重新提及。作者认为，约翰·亨利的悲剧折射出技术进步对人类尊严、毅力和价值的冲击。如今，机械在隧道和铁路建设中早已成为常态，机械化带来更高效、更安全、更低人力成本的结果。软件工程等职业也被预测可能被 AI 取代。作者将这一传说视为 AI 时代的隐喻，探讨劳动者在技术变革中的位置与价值，以及人类精神与机器竞争时的代价。 #AI #人工智能 #人机关系 #约翰亨利 #技术变革 #民间故事 #就业 #科技伦理

AI 视频转 3D 资产流程

Goeteia 推出了一套面向 AI 的视频转 3D 资产生成流程，旨在弥合 AI 生成参考图与可直接用于游戏的角色模型之间的鸿沟。该流程采用“提出—对比—修正”的闭环模式，从视频中提取骨骼结构，依据参考图生成纹理，并在反馈中完成蒙皮绑定，同时实现无需动作捕捉舞台的动作采集。所有环节均可由机器验证，整个技术栈基于纯文本指令，支持多智能体并行处理，且体量轻巧，足以在浏览器标签页中运行。 #AI #3D建模 #游戏开发 #视频转3D #Goeteia #技术新闻

AI 内容标识引热议：如何用 HTML 语义标记机器生成文本

随着人工智能生成内容日益增多，如何让读者和机器识别文本是否由 AI 合成，成为网络语义化讨论的新焦点。有开发者提出，可借助 HTML 现有语义标签来标注 AI 输出，例如使用 `lang` 语言副标签、`<q>` 或 `<blockquote>` 引用元素，甚至直接用代表“程序输出”的 `<samp>` 元素。还有人建议结合微格式 metadata，将 AI 模型作为“作者”属性嵌入页面，以便搜索引擎和用户明确区分人类创作与机器生成。讨论同时指出，AI 辅助编辑、相机增强照片等混合场景的标注界限依然模糊，目前尚无统一标准。 #AI #HTML #语义网 #内容标注 #技术讨论

Telegram必备的搜索引擎，极搜JISOU帮你精准找到，想要的群组、频道、视频、音乐

👉 t.me/jisou2?start=a_8247614025

用 LLM 逆向工程安全 enclave 指纹扫描仪

一位开发者分享了他利用大语言模型（LLM）逆向工程小米 Mi Pad 5 Pro 5G 平板电脑中指纹扫描仪的经历。这款平板本身硬件相当完善，几乎可完美运行 Linux，但指纹模块的驱动被封装在高通 QSEE 安全 enclave 中，Android 通过 HAL 层与该组件通信，导致 Linux 系统无法直接调用指纹功能。开发者借助 LLM 分析固件、协议与二进制代码，逐步破解了这一封闭实现，为后续在 Linux 上启用指纹识别提供了可能。这一案例也展示了 LLM 在逆向工程中的实际应用潜力，能够显著降低分析门槛，帮助开发者理解专有安全组件的工作原理。 #逆向工程 #LLM #指纹识别 #小米平板 #Linux #安全 #开源