每日AI新鲜事·10月09日晚间版：GPT-6双模型测评

今天AI圈挺热闹的,OpenAI又有新动作,工具层面也有几个有意思的东西出来了.

今天咱们主要聊这么几件事. 一是MaRN,一个新的PyTorch训练库. 二是N8N销售自动化工作流. 三是Docker Agent的YAML多智能体方案. 四是ZendIQ,一个在Solana链上自动交易的AI Agent. 五是AI工作区开源基础设施项目.

然后深度话题聊两个,一个是Sophos用OpenAI Daybreak把威胁响应时间压缩了96%,另一个是GPT-6的Luna和Sol这两个新模型,bilibili上的测评视频互动分高得离谱.

嗯,GPT-6那个我特别想聊.

好,那咱们先快速过新闻,一会儿重点聊GPT-6. 第一条,Reddit的深度学习板块有人发了个新的PyTorch库,叫MaRN.

它的思路是把神经网络的参数更新限制在一个低维子空间里,而不是在完整的高维参数空间里直接优化. 理论基础来自intrinsic dimension研究,还有LoRA这类低秩适配方法.

这个方向其实不新鲜,LoRA早就证明了有效更新所需的自由度远小于参数总数. MaRN相当于把这个思路做成了一个通用库,可以插进现有的PyTorch工作流里,不用重写训练代码.

不过它现在的问题也很明显,文档不完整,没有系统性的benchmark. 研究者拿来做实验倒是可以,但要推荐给工程团队用,还得等它跑出一批对照实验的数据来.

所以现在就是个早期项目,值得关注但不值得All in. 好,第二条,YouTube上有个Shorts,演示了一套用N8N加Airtable加大模型搭的销售自动化工作流.

一个潜在客户提交表单之后,系统在大概27秒内就能完成AI打分,录入CRM,发出个性化回复,还发内部提醒. 整套模板最低39美元就能拿到.

27秒这个数字确实厉害. 你想,以前销售响应通常要几个小时,甚至第二天才跟进,而潜在客户的意向在提交表单后几分钟就开始冷却了. 这个时间差压缩掉基本上就是把转化率直接拉上去.

而且39美元,小公司和独立开发者完全用得起. 好,第三条,Docker Agent出了一个用YAML声明式配置来构建多智能体团队的方案.

就是说你不用手写框架代码,在配置文件里描述每个Agent的角色,挂上工具,跑起来就是一个协作团队. 支持OpenAI,Anthropic,Gemini,还有Docker自己的Model Runner,不锁定厂商.

这个我觉得是个正确的工程化方向. 现在很多Agent框架把太多东西塞进Python代码里,一改就到处是副作用. YAML配置天然可以做版本管理,团队协作也好做code review,这就是把Agent开发拉回到软件工程的基本规范里.

你说得对,可审查可复现,这两点对企业团队太重要了. 然后还有一条,ZendIQ做了个演示,AI Agent在Solana主网上自动查代币信息然后直接交易.

链上Agent这个赛道最近冒出来很多东西. 不过我个人对这类项目会有个疑问,就是它的决策逻辑是否真的可解释. 链上操作不可撤销,Agent要是判断出错,损失是实实在在的.

对,和普通的AI推荐不一样,这个错了是要赔钱的. 最后第五条,Reddit上有个开发者分享了五个相互关联的开源项目,覆盖AI桌面入口,Agent运行时,云控制平面,多云基础设施,还有跨节点网关.

这个折射出一个趋势,就是AI竞争正在从模型层下沉到基础设施层. AI Gateway,可观测性,自托管可迁移性,这些以前云原生圈子在讨论的问题,现在都在往AI场景里移植.

企业级AI建设的新焦点,换句话说就是,光有好模型不够,你得能管得住,能跑得稳. 好,新闻就先到这儿,接下来咱们重点聊两个深度话题.

第一个是Sophos. 它们和OpenAI合作,用了一个叫Daybreak的方案,把安全威胁的响应时间压缩了96%. 96%这个数字是真的夸张.

小雨,你知道安全运营这个场景最大的痛点是什么吗? 不是检测能力不够,是响应速度. 威胁来了,分析师要看日志,要关联上下文,要判断优先级,这个过程动不动就是几个小时.

Daybreak本质上是让大模型来做这个分析和关联的工作. 以前需要人工逐步排查的东西,现在模型几秒钟就能给出一个结构化的判断和行动建议. 这96%的时间就是从这里省出来的.

但我有个疑问,安全这个领域是不是特别怕误判? 模型判断错了,把正常流量标成威胁,或者反过来,把真正的攻击放过去,这两种情况都很要命吧.

这就是关键点了. 所以Sophos这个方案的定位不是让模型替代人做决策,而是让它做分析师的第一道过滤和准备工作. 分析师拿到的不是原始日志,而是模型整理好的上下文和初步判断,人再来做最终决策.

所以是降低认知负担,不是替换人. 这个定位其实很聪明,不会引发安全团队的抵触.

对,而且你想,安全威胁的数量是指数级增长的,人力根本跟不上. 这套方案的核心价值就是把人的注意力解放出来,专注处理真正需要判断力的那部分.

那96%这个数字是在什么条件下测出来的? 是所有类型的威胁都能做到,还是特定场景?

这个从公开信息来看没有完整的方法论细节,所以我会稍微保留一下. 但即使打个折,哪怕只有60%或70%,对于安全运营团队来说也是质变级别的提升. 总结来说就是,AI在垂直安全场景里的落地,这个案例是一个很有说服力的参考.

好,接下来聊最热的那个. GPT-6来了,而且是两个模型一起来,Luna和Sol. bilibili上测评视频的互动分,一个接近四万四,另一个两万四,这热度是真的高.

你说的没错,这两个的定位差异挺有意思的. Luna是偏便宜的那个,标题说"有点区区的",就是说能力不是顶尖,但价格非常低. Sol相对保守更新,定位是高性价比的力工模型,就是干活的.

等一下,"区区"是什么意思? 是能力弱,还是只是在GPT-6系列里相对弱?

你这个问题问得好. 基于测评视频的表述来看,Luna是在前端能力维度上表现中等,但便宜到让人觉得性价比很突出. Sol则是在能力和价格之间找到了一个更平衡的点,更适合作为日常工作流的默认选项.

所以OpenAI现在的策略是,一个系列里用多个子模型覆盖不同价位,就像手机产品线一样.

对,这个策略其实早就开始了. 从GPT-4o到o3到o4-mini,再到现在GPT-6的Luna和Sol,越来越细分. 背后的逻辑是,不同的应用场景对模型能力的需求和成本容忍度不一样.

但我有点担心的是,产品线太复杂了之后,用户反而不知道该用哪个. 已经有很多人说GPT的模型选项太多了,选择困难.

小雨说到一个真实的用户体验问题了. 不过你看bilibili上那两个测评视频的互动分,将近七万的合计互动,说明用户其实挺愿意去了解的,只要有人帮他做好对比测试.

而且我觉得这种高互动本身就说明了一件事,就是现在的用户对AI模型的选型已经有了相当高的关注度和理解欲望. 这和两年前大家只知道"ChatGPT"是一个巨大的变化.

这倒是,现在大家讨论模型选型就像以前讨论买哪个CPU一样,有那个氛围了. 那你觉得Sol作为力工模型,它真正的使用场景是什么?

你想想,企业里有大量的批处理任务,文档整理,数据提取,代码生成的第一稿,这些任务不需要最顶尖的推理能力,但需要稳定,需要便宜,需要能跑大量并发. Sol这种定位就是为这个场景设计的.

就是把之前那些用GPT-4o凑合干的活,现在有了更对口的工具.

对,而且成本差距一旦大到某个量级,企业客户的API采购决策就完全不一样了. 所以GPT-6 Sol这个性价比力工模型的路线,我认为是一步很务实的棋. 总结就是,OpenAI用双子弹的方式把价格带打穿了,Luna往下探,Sol守中间.

不过Luna的问题是,如果真的"区区",会不会被Anthropic的Haiku 5.5之类的抢走市场? 昨天我们还提到Haiku 5.5在Bedrock上线,比上一代便宜了75%.

这个竞争是真实存在的. 但OpenAI的优势在于生态,开发者习惯用OpenAI的API格式,工具链支持更完整. 光靠这个惯性,就能维持相当大的基本盘.

行,那今天这期就到这儿了. 从MaRN的低维训练到GPT-6的双模型布局,感觉整个行业都在往更精细化的方向走,不管是训练效率还是产品定价.

对,粗放增长的时代过了,现在比的是谁把每一分钱的算力用得更准.

好,今天就聊到这儿,明天见.