Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

OpenCodex v1.0.8 本次为一次小幅优化与修复更新 🛠️ 模型推理强度自动识别：根据厂商实际返回的能力，动态显示模型支持的推理档位。上下文长度自动读取：优先使用厂商接口或模型注册表返回的上下文窗口；若未能获取，则默认按 200K 处理。第三方模型 Computer Use 回归：恢复桌面操作能力，继续使用完整的智能体工作流 🖥️ 📦 macOS 版本现已发布，Windows 版本仍在持续更新中

Ryanxlll2

1,116 subscribers

24,146 views • 3 months ago •via X (Twitter)

Science & Technology

Anya Rossi• Live Now

Private livecam show

4 Comments

Li hi3 months ago

内核是用的 codex cli 吗？

vechen3 months ago

嗨，你能看看我的仓库吗它也把模型添加到代码库里面，使用它的原始 harness，但这是 GPT 网页模型

Han3 months ago

请问，对比Codex，它在哪些方面更优秀呢？

AI Mastery Guide3 months ago

Small update but auto context detection is genuinely useful, nice work.

Related Videos

🚀 OpenCodex 1.0.8 🪟 Windows 版已对齐 macOS 1.0.8。 🌐 本地网关：服务商、API Key、本机订阅和模型目录管理 🧠 智能模型：自动识别推理档位与上下文窗口，支持 Chat / Responses 🖥️ Computer Use：截图、鼠标、键盘、工具调用和连续交互 🤖 GPT-Live：实时语音、任务分派和执行模型切换 💬 会话中心：浏览、删除和导入多种 Agent 会话 #codex #opencodex #chatgpt

🚀 OpenCodex 1.0.8 🪟 Windows 版已对齐 macOS 1.0.8。 🌐 本地网关：服务商、API Key、本机订阅和模型目录管理 🧠 智能模型：自动识别推理档位与上下文窗口，支持 Chat / Responses 🖥️ Computer Use：截图、鼠标、键盘、工具调用和连续交互 🤖 GPT-Live：实时语音、任务分派和执行模型切换 💬 会话中心：浏览、删除和导入多种 Agent 会话 #codex #opencodex #chatgpt

Ryanxlll2

12,915 views • 3 months ago

字节跳动在其视频生成模型 Seedance 2.0 震惊全球数日后，发布了 Doubao 2.0。此次更新将产品从简单的问答功能，升级为支持更复杂的现实世界任务以及更具自主性的行为。这一动作正值 Meta 收购 Manus、阿里巴巴将支付功能整合进 Qwen 之际。自 2022 年高点以来，AI 热度已有所降温，大模型（LLM）的进展似乎进入平台期，用户对单纯的聊天机器人不再感到惊艳，而开始期待 AI 能真正完成实际任务。字节跳动表示，Doubao 2.0 的 Pro 版本在推理能力、长上下文处理以及多模态能力方面，可媲美西方先进模型——包括 OpenAI 的 GPT-5.2 和 Google 的 Gemini 3 Pro——同时在运营成本上更具优势（据称 token 成本低约 10 倍）。

字节跳动在其视频生成模型 Seedance 2.0 震惊全球数日后，发布了 Doubao 2.0。此次更新将产品从简单的问答功能，升级为支持更复杂的现实世界任务以及更具自主性的行为。这一动作正值 Meta 收购 Manus、阿里巴巴将支付功能整合进 Qwen 之际。自 2022 年高点以来，AI 热度已有所降温，大模型（LLM）的进展似乎进入平台期，用户对单纯的聊天机器人不再感到惊艳，而开始期待 AI 能真正完成实际任务。字节跳动表示，Doubao 2.0 的 Pro 版本在推理能力、长上下文处理以及多模态能力方面，可媲美西方先进模型——包括 OpenAI 的 GPT-5.2 和 Google 的 Gemini 3 Pro——同时在运营成本上更具优势（据称 token 成本低约 10 倍）。

亚洲股市 AsiaStock

36,087 views • 8 months ago

OpenCodex v0.4.5 🚀 现在，无论使用官方 GPT、第三方模型还是订阅模型，无论处于原生模式、网关代理模式，还是切换不同会话，包括导入的本机会话、网关代理过的会话，以及中途切换模型后的历史记录。都能无缝继承完整上下文。在 Codex 中，不管你怎么使用，会话都不会丢，随时都能无缝衔接。✨ 目前已完成 macOS 版本适配，macOS 版本现已独立，与 Windows 版本分开维护。 #codex #chatgpt #opencodex

OpenCodex v0.4.5 🚀 现在，无论使用官方 GPT、第三方模型还是订阅模型，无论处于原生模式、网关代理模式，还是切换不同会话，包括导入的本机会话、网关代理过的会话，以及中途切换模型后的历史记录。都能无缝继承完整上下文。在 Codex 中，不管你怎么使用，会话都不会丢，随时都能无缝衔接。✨ 目前已完成 macOS 版本适配，macOS 版本现已独立，与 Windows 版本分开维护。 #codex #chatgpt #opencodex

Ryanxlll2

32,193 views • 3 months ago

百度突然放出其文心大模型4.5和推理模型X1，并宣布完全免费😃 此前宣布的是原定于4月1号发布4.5 并免费。同时百度宣布根据基准测试多模态理解、文本和逻辑推理能力显著提升，在多项测试中表现优于GPT4.5，且其API调用价格仅为GPT4.5的1%。而且百度还发布了自己的深度推理模型X1，性能对标DeepSeek-R1，并增加多模态、多工具调用能力，也是免费使用，API调用价格约为R1的一半。文心大模型4.5的输入价格为0.004元/千tokens 文心大模型X1 的输入价格为0.002元/千tokens 简单测试了下X1 初步感觉还是不错的，思考过程非常的清晰，回答也很不错，还会帮你思考更多。

百度突然放出其文心大模型4.5和推理模型X1，并宣布完全免费😃 此前宣布的是原定于4月1号发布4.5 并免费。同时百度宣布根据基准测试多模态理解、文本和逻辑推理能力显著提升，在多项测试中表现优于GPT4.5，且其API调用价格仅为GPT4.5的1%。而且百度还发布了自己的深度推理模型X1，性能对标DeepSeek-R1，并增加多模态、多工具调用能力，也是免费使用，API调用价格约为R1的一半。文心大模型4.5的输入价格为0.004元/千tokens 文心大模型X1 的输入价格为0.002元/千tokens 简单测试了下X1 初步感觉还是不错的，思考过程非常的清晰，回答也很不错，还会帮你思考更多。

小互

62,698 views • 1 year ago

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

歸藏(guizang.ai)

62,210 views • 2 years ago

一个全平台的本地 LLM 聊天软件Jan，支持自动下载模型以及非常详细的设置。懒得配置 Ollama 的可以试试。除了支持本地模型以外，在线的模型可以使用 API 接入，All in one 的模型管理。交互和 UI 也都很合理。同时支持在系统的任何可以输入的地方调取模型能力。

一个全平台的本地 LLM 聊天软件Jan，支持自动下载模型以及非常详细的设置。懒得配置 Ollama 的可以试试。除了支持本地模型以外，在线的模型可以使用 API 接入，All in one 的模型管理。交互和 UI 也都很合理。同时支持在系统的任何可以输入的地方调取模型能力。

歸藏(guizang.ai)

47,533 views • 2 years ago

OpenAI 正式发布 GPT-4.1 系列：百万 Token 长文本、更强编码、价格更优！ OpenAI 隆重推出专为开发者打造的全新模型系列——GPT-4.1！该系列包含三个强大的新成员：旗舰级的 GPT-4.1、高速的 GPT-4.1 Mini，以及有史以来最小、最快、最经济的 GPT-4.1 Nano。这些模型在编码能力、复杂指令遵循、长文本处理（首次支持高达一百万 Token 上下文，且无额外费用）以及多模态理解方面均实现了显著提升，性能全面超越 GPT-4o，并在关键指标上比肩甚至超越 GPT-4.5。视频中，OpenAI 团队成员详细介绍了这些模型的性能优势、基准测试结果，并通过精彩的实时演示（如现场编写功能完善的前端应用、处理超长日志文件）展现了它们的实际能力。同时，他们还分享了更优惠的定价策略，并宣布了 GPT-4.5 的后续计划。快来了解这些为开发者量身定制、现已在 API 中可用的新一代 AI 模型吧！

OpenAI 正式发布 GPT-4.1 系列：百万 Token 长文本、更强编码、价格更优！ OpenAI 隆重推出专为开发者打造的全新模型系列——GPT-4.1！该系列包含三个强大的新成员：旗舰级的 GPT-4.1、高速的 GPT-4.1 Mini，以及有史以来最小、最快、最经济的 GPT-4.1 Nano。这些模型在编码能力、复杂指令遵循、长文本处理（首次支持高达一百万 Token 上下文，且无额外费用）以及多模态理解方面均实现了显著提升，性能全面超越 GPT-4o，并在关键指标上比肩甚至超越 GPT-4.5。视频中，OpenAI 团队成员详细介绍了这些模型的性能优势、基准测试结果，并通过精彩的实时演示（如现场编写功能完善的前端应用、处理超长日志文件）展现了它们的实际能力。同时，他们还分享了更优惠的定价策略，并宣布了 GPT-4.5 的后续计划。快来了解这些为开发者量身定制、现已在 API 中可用的新一代 AI 模型吧！

宝玉

32,243 views • 1 year ago

CodexSplit v2.0.0-beta.1 OpenCodex 更名为 CodexSplit，macOS Beta 和完整源码现已发布。本版本新增 GPT 账号池，支持手动切换和轮询；新增第三方模型管理和获取模型列表等等。 Desktop Bridge ：第三方模型通过 Bridge 接入本地网关，官方 GPT 仍保持 OpenAI 原生直连。原生模式时，Bridge 也可以单独开启，用于 GPT 账号切换；只切换账号 ID，可手动或轮询。服务商列表中的几十个 API-Key 预设来自 CC Switch，感谢🙏

CodexSplit v2.0.0-beta.1 OpenCodex 更名为 CodexSplit，macOS Beta 和完整源码现已发布。本版本新增 GPT 账号池，支持手动切换和轮询；新增第三方模型管理和获取模型列表等等。 Desktop Bridge ：第三方模型通过 Bridge 接入本地网关，官方 GPT 仍保持 OpenAI 原生直连。原生模式时，Bridge 也可以单独开启，用于 GPT 账号切换；只切换账号 ID，可手动或轮询。服务商列表中的几十个 API-Key 预设来自 CC Switch，感谢🙏

Ryanxlll2

12,461 views • 3 months ago

MAI-UI：阿里通义开源的手机GUI智能体可以实现豆包手机助手的效果，自动化操作手机。特色是采用了本地模型+云端模型协作的方式，兼顾性能和准确度，在多项手机操作评分中排名第一。目前2B模型和8B模型已开源。 Github：

MAI-UI：阿里通义开源的手机GUI智能体可以实现豆包手机助手的效果，自动化操作手机。特色是采用了本地模型+云端模型协作的方式，兼顾性能和准确度，在多项手机操作评分中排名第一。目前2B模型和8B模型已开源。 Github：

Gorden Sun

64,908 views • 10 months ago

🚀 OpenCodex 1.2.0 框架彻底重构完成！这一次，我们重构了底层模型路由，并加入了「Provider Split Bridge 智能分流桥」，区别于市面上几乎所有的第三方网关代理方式⚡ 过去的 OpenCodex 和其他第三方网关一样，采用全局代理模式：所有模型都经过网关。一旦网关崩溃，原生 GPT 和第三方模型会一起失效，只能还原原生模式才能恢复使用。现在，模型路由彻底分离： 🟢 原生 GPT 永远直连 OpenAI 无论网关开启、关闭、崩溃，还是第三方模型异常，都不会影响 GPT。除非 OpenAI 官方服务本身发生故障，否则 GPT 始终正常运行。 🔵 第三方模型按需接入网关网关开启时，第三方模型正常运行；网关关闭或崩溃时，第三方模型停止服务，但不会牵连原生 GPT。 🌉 Provider Split Bridge 智能分流桥网关启动时自动接入，自动识别官方模型与第三方模型，并将它们分别送往正确的服务通道。 🤖 Native Subagent Bridge 子智能体接力桥当主会话通过 spawn_agent 派发任务时，子智能体请求会通过独立桥接通道进入网关，再由网关按照任务指定的模型和推理档位进行智能分流。主会话仍然保持原生直连，不会变成全局代理，也不会影响 GPT 的正常会话。 🔄 会话完全互通会话列表、聊天记录和上下文完整继承。同一会话中可以自由切换 GPT、Gemini、DeepSeek 等模型，互不影响，也不会丢失上下文。 OpenCodex，从「全局代理」进化为「官方直连 + 第三方隔离」的双通道智能架构。官方模型永远稳定，第三方模型按需接入。🛡️✨

🚀 OpenCodex 1.2.0 框架彻底重构完成！这一次，我们重构了底层模型路由，并加入了「Provider Split Bridge 智能分流桥」，区别于市面上几乎所有的第三方网关代理方式⚡ 过去的 OpenCodex 和其他第三方网关一样，采用全局代理模式：所有模型都经过网关。一旦网关崩溃，原生 GPT 和第三方模型会一起失效，只能还原原生模式才能恢复使用。现在，模型路由彻底分离： 🟢 原生 GPT 永远直连 OpenAI 无论网关开启、关闭、崩溃，还是第三方模型异常，都不会影响 GPT。除非 OpenAI 官方服务本身发生故障，否则 GPT 始终正常运行。 🔵 第三方模型按需接入网关网关开启时，第三方模型正常运行；网关关闭或崩溃时，第三方模型停止服务，但不会牵连原生 GPT。 🌉 Provider Split Bridge 智能分流桥网关启动时自动接入，自动识别官方模型与第三方模型，并将它们分别送往正确的服务通道。 🤖 Native Subagent Bridge 子智能体接力桥当主会话通过 spawn_agent 派发任务时，子智能体请求会通过独立桥接通道进入网关，再由网关按照任务指定的模型和推理档位进行智能分流。主会话仍然保持原生直连，不会变成全局代理，也不会影响 GPT 的正常会话。 🔄 会话完全互通会话列表、聊天记录和上下文完整继承。同一会话中可以自由切换 GPT、Gemini、DeepSeek 等模型，互不影响，也不会丢失上下文。 OpenCodex，从「全局代理」进化为「官方直连 + 第三方隔离」的双通道智能架构。官方模型永远稳定，第三方模型按需接入。🛡️✨

Ryanxlll2

57,640 views • 3 months ago

最近看到一堂斯坦福公开课，用大约两小时，系统梳理了大语言模型从文本输入到训练、推理和生成结果的完整链路。它不会让你两小时造出一个 Claude 或 ChatGPT，但能帮你建立一张非常重要的“大模型知识地图”。课程重点： 00:00｜LLM分词机制文本进入模型前，为什么必须先被拆成 token？不同分词方式又会怎样影响训练效率与模型表现？ 25:44｜模型如何解码提示词大模型并不是一次“理解”完整句话，而是根据上下文计算概率，逐个预测接下来最可能出现的 token。 35:40｜大模型训练流程从训练数据、预训练到参数更新，了解模型能力究竟是怎样一步步形成的。 1:16:47｜从零理解LLM架构拆解嵌入层、注意力机制、Transformer 模块和输出层，看清语言模型内部的数据流动方式。我最大的感受是：很多人每天都在研究提示词和新工具，却没有真正理解模型底层是怎样工作的。当你理解了 token、注意力、训练和推理之后，很多原本模糊的概念都会连起来：为什么上下文长度有限？为什么模型会产生幻觉？为什么推理速度如此重要？为什么训练一个大模型这么昂贵？建议先完整看一遍建立框架，再根据时间点回看不懂的部分。两小时不能让你成为大模型工程师，但足以帮你判断下一步应该学什么。

最近看到一堂斯坦福公开课，用大约两小时，系统梳理了大语言模型从文本输入到训练、推理和生成结果的完整链路。它不会让你两小时造出一个 Claude 或 ChatGPT，但能帮你建立一张非常重要的“大模型知识地图”。课程重点： 00:00｜LLM分词机制文本进入模型前，为什么必须先被拆成 token？不同分词方式又会怎样影响训练效率与模型表现？ 25:44｜模型如何解码提示词大模型并不是一次“理解”完整句话，而是根据上下文计算概率，逐个预测接下来最可能出现的 token。 35:40｜大模型训练流程从训练数据、预训练到参数更新，了解模型能力究竟是怎样一步步形成的。 1:16:47｜从零理解LLM架构拆解嵌入层、注意力机制、Transformer 模块和输出层，看清语言模型内部的数据流动方式。我最大的感受是：很多人每天都在研究提示词和新工具，却没有真正理解模型底层是怎样工作的。当你理解了 token、注意力、训练和推理之后，很多原本模糊的概念都会连起来：为什么上下文长度有限？为什么模型会产生幻觉？为什么推理速度如此重要？为什么训练一个大模型这么昂贵？建议先完整看一遍建立框架，再根据时间点回看不懂的部分。两小时不能让你成为大模型工程师，但足以帮你判断下一步应该学什么。

Dobby

119,282 views • 15 days ago

GPT-Realtime-2 语音模型发布语音首次接入 GPT-5 推理能力 OpenAI一口气发布了三个实时语音模型： GPT-Realtime-2 GPT-Realtime-Translate GPT-Realtime-Whisper 其中GPT-Realtime-2 是其中的主角，这是 OpenAI 第一次把“GPT-5 级推理”塞进语音模型，同时把上下文从 32K 扩到 128K... GPT-Realtime-2：首个具备 GPT-5 级推理能力的语音模型，能在对话中推理复杂请求、并行调工具、处理打断和纠错，上下文窗口从 32K 升到 128K GPT-Realtime-Translate：实时语音翻译模型，支持 70+ 种输入语言、13 种输出语言，跟着说话人的节奏边听边译，能处理口音和专业词 GPT-Realtime-Whisper：流式语音转文字模型，边说边出字，专门给实时字幕、会议纪要、客服转写这类不能等的

GPT-Realtime-2 语音模型发布语音首次接入 GPT-5 推理能力 OpenAI一口气发布了三个实时语音模型： GPT-Realtime-2 GPT-Realtime-Translate GPT-Realtime-Whisper 其中GPT-Realtime-2 是其中的主角，这是 OpenAI 第一次把“GPT-5 级推理”塞进语音模型，同时把上下文从 32K 扩到 128K... GPT-Realtime-2：首个具备 GPT-5 级推理能力的语音模型，能在对话中推理复杂请求、并行调工具、处理打断和纠错，上下文窗口从 32K 升到 128K GPT-Realtime-Translate：实时语音翻译模型，支持 70+ 种输入语言、13 种输出语言，跟着说话人的节奏边听边译，能处理口音和专业词 GPT-Realtime-Whisper：流式语音转文字模型，边说边出字，专门给实时字幕、会议纪要、客服转写这类不能等的

小互

31,189 views • 6 months ago

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。这样就可以让用户和 AI 在任意模态下实时进行交互：你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分：前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。这样就可以让用户和 AI 在任意模态下实时进行交互：你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分：前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

歸藏(guizang.ai)

47,074 views • 6 months ago

Opencodex v1.1.0 MacOS ⬆️ 现在，你可以在 Codex 中使用极致性价比的模型组合。让任何模型都能成为你的子代理：你只需发出指令，让每个模型都在最擅长的位置发挥最大价值。让整个模型团队为你工作。🚀

Opencodex v1.1.0 MacOS ⬆️ 现在，你可以在 Codex 中使用极致性价比的模型组合。让任何模型都能成为你的子代理：你只需发出指令，让每个模型都在最擅长的位置发挥最大价值。让整个模型团队为你工作。🚀

Ryanxlll2

53,418 views • 3 months ago

FishAudio开源Drama 3：最强开源语音模型文本骨干模型是35B-A3B的Qwen模型，通常的语音模型都几B，这个语音模型就显得特别吃显卡。但是能力确实没得说： · 一人分饰多角：同一段文字里最多可以区分并演绎 16 个不同角色的声音，很适合用来制作广播剧、多人小说朗读或对话类节目。 · 声音克隆与情绪控制：用户提供一段简短的参考音频，模型就能模仿对应的音色；同时支持在文字中加入叹气、笑声等情绪标签，让语气更贴近真人。 · 像改文档一样改音频：如果读错了一个词，不需要整段重新生成，只修改有变动的文字，模型就能顺着之前的语流把新的部分接上。 · 长文本流畅处理：遇到较长的文章，系统会自动切块生成，并支持边生成边播放，减少等待时间。模型，开源但不可商用：

FishAudio开源Drama 3：最强开源语音模型文本骨干模型是35B-A3B的Qwen模型，通常的语音模型都几B，这个语音模型就显得特别吃显卡。但是能力确实没得说： · 一人分饰多角：同一段文字里最多可以区分并演绎 16 个不同角色的声音，很适合用来制作广播剧、多人小说朗读或对话类节目。 · 声音克隆与情绪控制：用户提供一段简短的参考音频，模型就能模仿对应的音色；同时支持在文字中加入叹气、笑声等情绪标签，让语气更贴近真人。 · 像改文档一样改音频：如果读错了一个词，不需要整段重新生成，只修改有变动的文字，模型就能顺着之前的语流把新的部分接上。 · 长文本流畅处理：遇到较长的文章，系统会自动切块生成，并支持边生成边播放，减少等待时间。模型，开源但不可商用：

Gorden Sun

19,239 views • 27 days ago

Codex最新的录制技能开启方法给大家更新一版，大家赶紧去体验一下！打开 Plugins → + → Record a skill，亲自操作一遍，Codex 就能把流程保存为可重复执行的 Skill。需满足：macOS、Codex 26.616+、启用 Computer Use，并获得功能灰度。优势：不用写代码，演示一次即可自动化重复工作，还支持更换文件、日期等参数复用。

Codex最新的录制技能开启方法给大家更新一版，大家赶紧去体验一下！打开 Plugins → + → Record a skill，亲自操作一遍，Codex 就能把流程保存为可重复执行的 Skill。需满足：macOS、Codex 26.616+、启用 Computer Use，并获得功能灰度。优势：不用写代码，演示一次即可自动化重复工作，还支持更换文件、日期等参数复用。

雨哥向前冲

33,876 views • 4 months ago

🚀 OpenCodex v1.0.2 正式发布！我们把 Codex Desktop 的「原生能力、第三方模型、语音交互、会话管理」整合进了一套完整的本地工作流！ ⚡️ 【本地网关】原生 & 第三方无缝切换 • 原生 GPT 通道始终保留，第三方模型自由切换。127.0.0.1 纯本地监听 + macOS Keychain 凭据安全存储，支持一键还原原生 🎙️ 【全局语音 AI】刘海 HUD 交互体验 • 刘海 HUD 动态波形（Listening / Thinking / Speaking） • 支持短按连续对话 / 长按 Push-to-Talk 模式，所有模型统一支持 🧠 【会话管理】历史上下文无缝承接 • 一键扫描并导入本地历史 Agent 会话 • 智能生成摘要，过滤冗余日志，可直接在 Codex Desktop 中无缝接续工作 #codex #chatgpt #opencodex

🚀 OpenCodex v1.0.2 正式发布！我们把 Codex Desktop 的「原生能力、第三方模型、语音交互、会话管理」整合进了一套完整的本地工作流！ ⚡️ 【本地网关】原生 & 第三方无缝切换 • 原生 GPT 通道始终保留，第三方模型自由切换。127.0.0.1 纯本地监听 + macOS Keychain 凭据安全存储，支持一键还原原生 🎙️ 【全局语音 AI】刘海 HUD 交互体验 • 刘海 HUD 动态波形（Listening / Thinking / Speaking） • 支持短按连续对话 / 长按 Push-to-Talk 模式，所有模型统一支持 🧠 【会话管理】历史上下文无缝承接 • 一键扫描并导入本地历史 Agent 会话 • 智能生成摘要，过滤冗余日志，可直接在 Codex Desktop 中无缝接续工作 #codex #chatgpt #opencodex

Ryanxlll2

37,559 views • 3 months ago