Sam Altman 回应住宅遭燃烧瓶袭击:谈 OpenAI 的信念、错误与 AGI
Sam Altman 公开家人照片,回应其住宅昨夜 3:45 遭燃烧瓶袭击一事,称燃烧瓶弹开、无人受伤。他表示此前一篇煽动性文章让他低估了文字与叙事的威力,并借此重申对 OpenAI 的信念:AI 需求几乎无上限、必须民主化、权力不能过度集中。他还回顾在 OpenAI 第一个十年的成绩与错误,称与 Elon 的诉讼临近,并坦言自己并非骄傲于回避冲突。
Sam Altman 公开家人照片,回应其住宅昨夜 3:45 遭燃烧瓶袭击一事,称燃烧瓶弹开、无人受伤。他表示此前一篇煽动性文章让他低估了文字与叙事的威力,并借此重申对 OpenAI 的信念:AI 需求几乎无上限、必须民主化、权力不能过度集中。他还回顾在 OpenAI 第一个十年的成绩与错误,称与 Elon 的诉讼临近,并坦言自己并非骄傲于回避冲突。
Figma 在 Figma Community 上线 Weave 工作流模板,用户可构建并发布自定义 Weave 工具,供他人在 Figma Design 中直接使用。社区发布支持视频生成、3D 渲染等任意输出类型,但仅图像和矢量生成类 Weave 工具可在 Figma Design 中使用。
Manus 发布品牌摄影 AI 图像提示词指南,提出提示词需包含主体与服装、环境场景、相机与胶片类型、光线四层指令,并给出广角、三分之四、侧面、特写、背面、双人六类镜头的可复制提示词示例。指南建议用 Kodak Portra 400 胶片、50mm/85mm/120mm 镜头等具体描述规避"AI 外观",并通过固定身体描述、胶片类型和光线措辞保持多镜头一致性。
Figma Design 和 Figma Draw 现已支持在画布上直接播放视频。该功能属于 Figma 本次更新的一部分,同期还上线了 auto layout 垂直换行、文件夹内容预览、Weave 工具发布至 Figma Community 等多项更新。
Manus 发布一整套 Slack 集成,提供三种使用方式:Manus Agent 以私信形式对话并具备持久记忆,Slack 集成可在频道话题中标记 @manus 读取上下文并发布结果,Slack 连接器基于 MCP 让 Manus 阅读频道并以用户身份发送消息。
推荐理由:官方给出三种 Slack 集成方式与各自适用场景,读者可据此判断哪种方式适合自己团队的工作流。
Figma 发布 Make kits,用于让 Make 理解并遵循你的设计系统。该功能帮助用户在 Make 中复用 Figma 设计系统,使生成内容与品牌规范保持一致。
Figma Make 新增 Attachments 功能,允许用户将自有上下文带入生成流程。该更新随 Figma 产品更新一同发布,具体支持的附件类型与使用方式尚未在更新说明中详述。
Figma Buzz 新增内置审批功能,用户可直接在 Buzz 内完成内容审批流程。该功能随 Figma Release Notes 发布,具体细节尚未在更新说明中展开。
Figma 发布更新,支持通过 Microsoft 365 Copilot 创建 FigJam 图表。该功能让用户在 Microsoft 365 Copilot 中直接生成 FigJam 图表,无需切换到 Figma。
Manus 上线 Meta Ads Manager 连接器早期 Beta 版,用户可在 Manus 工作区内直接查询广告数据并获得分析洞察。该连接器通过官方 API 以只读方式访问账户,支持自动生成每日或每周报告,以及仪表板、幻灯片、信息图表等输出格式,并可连接多个广告账户。功能目前正在逐步推出,可能尚未向所有人开放。
Manus 上线 Instagram 连接器早期 Beta 版,向所有用户开放,需绑定 Instagram 专业账户。该连接器支持在 Manus 工作区内直接发布帖子、轮播、故事和短视频,并获取浏览量、覆盖率、点赞、评论、分享和收藏等指标数据。用户可在设置中的连接器选项卡添加并完成身份验证。
Manus 推出 Manus Connectors 的 Instagram Creator Marketplace 早期 Beta 版本,可搜索和筛选超过 200 万名创作者的认证一方洞察,覆盖 18 个市场。
Manus 为 Google Workspace 连接器推出重大升级,集成 Google Workspace 团队在 GitHub 上发布的开源 CLI,使其不再局限于创建和读取文件,而能在 Docs、Sheets 和 Slides 中做精准编辑。
推荐理由:官方说明了连接器从读写文件升级到文档内精准编辑,并给出五类可直接套用的提示词示例。
Manus 推出桌面应用核心功能「我的电脑」,让 Manus 在本地终端执行命令行指令,读取、分析和编辑本地文件,并启动和控制本地应用程序,现已面向所有 macOS 和 Windows 用户开放。每个终端命令都需要用户明确批准,可选「始终允许」或「仅允许一次」。该功能还可调用本地 GPU 训练模型或运行大语言模型推理,并与个人项目、Agent 和定时任务集成。
推荐理由:Manus 从云端沙盒延伸到本地终端,读者可据此判断本地文件与闲置算力如何接入 Agent 工作流。
Manus 发布 Manus 2.0,并发出公司首封年度信。信中回顾上线一年来的用户案例:86 岁语言学家 Arkady 用它做出无代码 AI 语言学习应用,新加坡花店老板 Noelle 搭建了 AI 花束设计器。Manus 称下一步要让非技术用户也能构建全栈 Web 应用,并让 Agent 24/7 持续运行。
Manus 发布分步指南,教用户无需写代码,在 30 分钟内用 Manus 和 Gmail 搭建 AI 客户支持 Agent。该 Agent 每天两次读取 Gmail 新支持邮件,结合知识库以品牌语气起草回复,用户可逐封或批量一键批准发送。教程网站本身即由 Manus 构建,用于展示 Vibecoding 能力。
Manus 推出 Manus Agents,让用户直接在消息应用中使用 Manus,Telegram 是首个支持的渠道,今天起向所有订阅层级用户开放。连接只需在 Manus 工作区打开 Agents 标签页、扫描二维码,约一分钟完成,无需命令行、配置文件或 API tokens。
推荐理由:Manus 把完整 Agent 能力接入 Telegram,读者可据此判断聊天入口能否替代网页端完成多步骤任务。
Manus 推出项目技能,为每个项目建立专属的、精心策划的技能库,把标准项目文件夹变成独立工作空间。用户可从团队技能池或个人库导入技能,也可添加 Manus 官方基础或官方专业技能;项目只触发本库技能,并可通过锁定图标固化流程。该功能从今天起对所有 Manus 用户可用。
Manus 发布面向非技术初学者的提示词指南,教用户把 Manus 当作 Agent 使用,而非普通聊天工具。这些提示词专为只有 Agent 才能完成的任务设计,包括跨步骤执行操作、跟踪进度、做出决策并执行、生成可重复使用的结构化输出。指南覆盖日常生活自动化、工作与生产力、研究与监控、个人支持等场景,并给出“负责”“随时间跟踪”“逐步指导我”“在需要时跟进”等 Agent 提示关键词。
Skechers 加入 Ideogram 并采用其 Custom Branded Models,为各产品部门训练专属模型以保持设计 DNA 与美学一致。借助 Material Swap 和 Product Swap,设计团队可快速探索产品概念、迭代营销视觉,减少打样成本与生产周期。Skechers 强调 AI 用于加速从创意到可视化的流程,而非取代创意人员或由 AI 设计鞋款。
Manus AI 宣布全面集成 Anthropic 推出的 Agent Skills 开放标准,将专业知识与工作流程打包成可复用的文件系统资源,供 Agent 按需发现和加载。
推荐理由:官方说明 Skills 在 Manus 中的加载机制与触发方式,可据此判断通用 Agent 转向专业化的实现路径。
Manus 推出应用共享和测试功能,可将应用打包为 Google Play 所需的 AAB 格式,并直接对接 Apple TestFlight 完成创建应用、打包上传和触发审核。该功能面向所有具备开发应用程序功能的 Manus 用户,把原本数天的测试分发流程压缩到几分钟,但不会直接发布应用到应用商店。
Manus 发布博客介绍 Manus Sandbox,即为每个任务分配的完全独立云虚拟机,拥有网络、文件系统、浏览器和软件工具,可并行执行任务并 7x24 小时工作。
推荐理由:官方详解每个任务独立云虚拟机的生命周期与协作权限边界,可据此判断 Agent 执行环境的能力与数据风险。
Manus 宣布与 Similarweb 建立首个官方数据合作伙伴关系,将 Similarweb 的网站流量与市场分析数据直接嵌入 Manus,所有用户可用 Manus 积分按需调用。
Manus 推出 Meeting Minutes,可一键录制面对面会议、访谈或独白,自动生成关键要点、与会人员和待办事项的结构化摘要。该功能支持说话人识别、断网续录,并能在同一任务中把会议笔记作为上下文直接生成演示文稿、网站或社交媒体素材,还可邀请他人协作。录制免费,分析和生成笔记消耗积分,现已面向所有 Manus 用户开放,但不适用于在线会议。
Manus 上线 Slack 连接器,现已向所有 Manus 用户开放,可将 Slack 频道变为可查询的知识库。Manus 能读取频道对话、提炼待办事项,并把研究报告等结果直接发布到指定 Slack 频道。使用该应用内的 AI 功能需付费的 Slack 计划。
Manus 宣布即将加入 Meta,称这是对其在通用 AI Agent 领域工作的认可。官方表示 Manus 将继续通过 app 和网站为用户提供产品和订阅服务,公司继续在新加坡运营,并希望把服务带给 Meta 平台上的数百万企业和数十亿用户。
推荐理由:官方披露 Manus 加入 Meta 后的运营安排与用户数据,可了解这笔收购对产品延续性的影响。
Manus 发布 Design View,作为 Manus Agent 的扩展功能,让用户在一个 AI 设计工作流中委托、创建和完善视觉资产,从今天起对所有 Manus 用户开放。
推荐理由:官方展示了标记编辑、文本编辑与移动端批量修改的完整设计流程,可据此判断多步骤视觉工作流的实际形态。
OpenAI 的 Sam Altman 发布 Sora update #1,宣布即将对 Sora 做两项调整。
OpenAI 发布新模型 Sora 2 和配套应用 Sora,让用户更容易创作、分享和观看视频,并支持通过 cameo 功能把自己和朋友放进视频中,团队在角色一致性上投入了大量工作。
推荐理由:OpenAI 同时发布 Sora 2 模型与 Sora 应用,并公开了产品设计原则与对成瘾、霸凌等风险的顾虑。
Sam Altman 提出 OpenAI 的愿景:打造一座每周能产出 1 吉瓦新增 AI 基础设施的工厂,以支撑模型推理与训练算力需求。他称这一目标需数年才能实现,并要在芯片、电力、建筑到机器人等各层创新,还计划未来几个月公布合作方、今年晚些时候公布融资方式。
Sam Altman 发文致敬 OpenAI 首席科学家 Jakub Pachocki 与 Szymon Sidor,称没有他们就没有今天的 OpenAI。两人曾顶着"RL 无法扩展"的普遍看法把 RL 扩展为基线并促成 Dota 成果,搭建了支撑多项科学发现的基础设施,主导 GPT-4 预训练,并与 Ilya、Lukasz 共同推动推理突破的早期构想。
Sam Altman 在博文中称人类已越过事件视界,接近造出数字超级智能,GPT-4 和 o3 背后的科学洞见是最难的部分且已过去。他预测 2025 年出现能完成真实认知工作的智能体,2026 年出现能产生新洞见的系统,2027 年可能出现能在现实世界执行任务的机器人。他还提到一次 ChatGPT 查询平均耗电约 0.34 瓦时、耗水约 0.000085 加仑。
OpenAI CEO Sam Altman 撰文提出关于 AI 经济学的三点观察:模型智能大致等于训练与运行资源投入的对数,使用某一智能水平的成本约每 12 个月下降 10 倍,线性提升的智能带来的社会经济价值呈超指数增长。
Sam Altman 发文回顾 OpenAI 近九年历程,称 ChatGPT 于 2022 年 11 月 30 日发布后开启前所未有的增长曲线,周活跃用户从约 1 亿增至超 3 亿。他表示公司已进入可做复杂推理的新模型范式,并反思一年前自己被突然解雇一事是治理上的重大失败。
OpenAI 发布 GPT-4o,Sam Altman 表示已在 ChatGPT 中免费提供这一模型,且不含广告。他称新的语音与视频模式是自己用过最好的计算机界面,达到接近人类的响应速度和表现力,并提到后续会加入可选个性化、访问用户信息以及代为执行操作等能力。
推荐理由:OpenAI 官方说明 GPT-4o 免费开放与语音视频模式,读者可了解其能力定位与商业化取舍。
OpenAI 以研究发布的形式推出 DALL·E 2,这是一款能根据自然语言指令创建和编辑图像的新 AI 工具。Sam Altman 表示,计划今年夏天进行产品发布,让更多人使用;先做研究发布是为了与更多研究者和艺术家合作,尽量减少负面影响,并给人们时间适应变化。他认为这延续了自然语言作为计算机界面的趋势,也提到 DALL·E 2 能创作出完整作品,可能是 AI 影响劳动力市场的早期例子。
推荐理由:OpenAI 以研究预览形式发布 DALL·E 2,作者本人解释了从研究发布到产品发布的渐进部署思路。
Sam Altman 在博文中指出,好创始人往往点子极多,YC 曾实验资助"没有想法"的优秀创始人,结果该批次公司全部失败。他建议置身于对未来有感觉、乐观且点子密度高的人群中,远离贬低你野心的人,并关注当下正在发生的重大结构性变化。他还提出用"如果成功会不会很大"以及"能否说清为何多数人认为是坏点子"来检验想法。
Sam Altman 在博文中提出,做“难创业”往往比“容易创业”更容易成功:难创业需要更多资金、时间、协调或技术开发,但一旦做成价值巨大。他以当年超 1000 家照片分享创业公司获融资、而核聚变创业公司不足十家为例,指出容易的创业好起步却难成功。难创业能形成吸引人才的顺风,因为优秀人才更愿投身有意义的事业。
OpenAI 发布新成果,用其发明的通用强化学习算法 PPO 训练一支 5 个智能体的队伍玩 Dota,并击败了半职业选手。这些智能体对两周前的旧版本胜率稳定在 90-95%,训练过程没有使用人类对局数据,而是通过自我对弈学会游戏。Sam Altman 认为这表明只要有足够算力和能还原问题的模拟环境,深度强化学习就能解决极难的问题,并有望应用于更接近真实世界的环境。
推荐理由:OpenAI 用 PPO 训练 5 个智能体在 Dota 中击败半职业选手,可了解自我对弈与算力规模在复杂决策任务中的作用。