OpenAI 发布 o3 与 o4-mini 系统卡
OpenAI 发布 o3 和 o4-mini 的系统卡，两款模型将前沿推理能力与完整工具能力结合。可用工具包括网页浏览、Python、图像与文件分析、图像生成、canvas、自动化、文件搜索和记忆。
推荐理由：官方系统卡披露 o3 与 o4-mini 的推理与工具能力组合，可据此了解新模型的能力边界。
#Agent
#Agent
今日 13 条OpenAI News精选AI 评分8282 OpenAI News精选AI 评分8282 OpenAI 发布 o3 与 o4-mini 模型
OpenAI 发布 o3 和 o4-mini 两款模型，称其为目前最智能、能力最强的模型，并具备完整的工具调用能力。
推荐理由：OpenAI 发布 o3 与 o4-mini 两款推理模型，并首次强调完整工具调用能力，可据此了解其推理产品线的最新布局。
OpenAI NewsAI 评分3131 OpenAI 发布 BrowseComp：面向浏览智能体的基准测试
OpenAI 推出 BrowseComp，一个用于评估浏览智能体（browsing agents）的基准测试。该基准旨在衡量智能体在网页浏览任务中的表现。
OpenAI NewsAI 评分3737 OpenAI 发布 PaperBench：评估 AI 智能体复现前沿 AI 研究的能力
OpenAI 推出 PaperBench，用于评估 AI 智能体复现前沿 AI 研究的能力。该基准衡量智能体能否从零复现 state-of-the-art AI 研究，具体评测细节与结果尚未在原文中披露。
OpenAI NewsAI 评分1515 OpenAI：从基于意图的机器人转向主动式 AI 智能体
OpenAI 提出从基于意图的机器人转向主动式 AI 智能体。原文未披露具体模型版本、参数规模或可用性信息。
OpenAI NewsAI 评分2222 Hebbia 借助 OpenAI 实现 90% 金融与法律工作自动化
Hebbia 的深度研究产品借助 OpenAI 实现金融与法律工作 90% 的自动化。该产品面向金融和法律场景，由 OpenAI 模型驱动完成深度研究任务。
OpenAI NewsAI 评分2222 Booking.com 借助 OpenAI LLM 实现大规模旅行个性化
Booking.com 将自身数据系统与 OpenAI 的 LLM 集成，用于提供更智能的搜索、更快的客服支持和意图驱动的旅行体验。该集成面向大规模旅行个性化场景，具体模型版本与性能数据未披露。
OpenAI NewsAI 评分1717 EliseAI 如何用 AI 提升住房与医疗效率
EliseAI 正借助 AI 提升住房与医疗领域的效率。OpenAI 发布了对该公司 CEO 兼联合创始人 Minna Song 的访谈，讨论相关实践。
OpenAI NewsAI 评分2222 ChatGPT 商业版 2025 年 3 月新功能
OpenAI 公布 ChatGPT 商业版 2025 年 3 月更新，ChatGPT 正变得更具交互性、更贴合团队工作方式，并更智能体化。官方同步分享了最新一批发布内容。
Mistral AIAI 评分2727 Mistral AI 用智能体工作流自动生成 PRD 与工程任务
Mistral AI 推出 TranscriptToPRDTicket 智能体工作流，由 Mistral Large 2 驱动的 PRDAgent 和 TicketCreationAgent 组成，可将会议转录自动生成 PRD 并转化为结构化开发工单，自动在 Linear、Jira 等项目管理工具中创建。
Hugging Face BlogAI 评分2828 用 Arize Phoenix 追踪与评估你的 Agent
Hugging Face 博客介绍如何用 Arize Phoenix 为 smolagents 构建的 Agent 实现追踪与评估：通过 OpenTelemetry + OpenInference 自动捕获每一步调用，并可用 OpenAI GPT-4o 以 LLM-as-a-judge 方式评估 DuckDuckGo 搜索工具结果的相关性。
OpenAI NewsAI 评分2222 Mercari 用 GPT-4o mini 和 GPT-4 增强商品上架
Mercari 借助 GPT-4o mini 和 GPT-4 简化卖家上架流程、优化商品信息并提升销量，推出 AI Listing Support 和 Mercari AI Assistant 等功能。这些能力正在改变这一在线交易平台的售卖体验。
OpenAI NewsAI 评分2222 Endex 用 o1 和 o3-mini 打造自主金融分析师
Endex 基于 OpenAI 的 o1 和 o3-mini 推理模型构建自主金融分析师。该产品定位为金融分析的未来形态，具体功能与性能数据尚未披露。
OpenAI News精选AI 评分6262 OpenAI 发布 deep research 系统卡
OpenAI 发布 deep research 系统卡，说明该功能发布前开展的安全工作，包括外部红队测试、依据 Preparedness Framework 进行的前沿风险评估，以及针对关键风险领域所构建的缓解措施概览。
推荐理由：OpenAI 公开 deep research 发布前的安全评估流程，可了解外部红队与 Preparedness Framework 如何落地。
Mistral AI精选AI 评分7171 Mistral AI 发布新版 le Chat 助手并上线 iOS 与 Android
Mistral AI 发布新版 le Chat，定位覆盖生活与工作的综合 AI 助手，同时上线 iOS、Android，并推出 Pro 和 Team 订阅以及处于私有预览的 Enterprise 版本。
推荐理由：官方一次性给出 le Chat 的移动端、Flash Answers 速度指标与 Pro 定价，可据此判断其与现有助手的差异。
Hugging Face Blog精选AI 评分7272 Hugging Face 开源 DeepResearch：用代码智能体复现搜索智能体
Hugging Face 在 24 小时复现冲刺中开源了 DeepResearch 框架，用 smolagents 的 CodeAgent 在 GAIA 验证集上达到 55.15%，超过此前开源框架 Magentic-One 的约 46%。
推荐理由：原文给出开源复现 DeepResearch 的完整方法，读者可据此了解代码智能体在 GAIA 上的表现差异。
Hugging Face BlogAI 评分3636 Adyen 与 Hugging Face 联合发布 DABstep：多步推理数据智能体基准
Adyen 与 Hugging Face 联合推出 DABstep（Data Agent Benchmark for Multi-step Reasoning），包含 450+ 个源自 Adyen 真实业务的数据分析任务，用于评测 LLM 与 AI 智能体的多步推理能力。
OpenAI News精选AI 评分7575 OpenAI 发布 deep research 智能体
OpenAI 发布 deep research，一个利用推理综合大量在线信息、完成多步研究任务的智能体。该功能今日面向 Pro 用户开放，Plus 和 Team 用户随后可用。
推荐理由：OpenAI 官方发布 deep research 智能体，读者可据此了解其多步研究能力与首批开放范围。
Hugging Face Blog精选AI 评分6262 smolagents 新增视觉语言模型支持
Hugging Face 为 smolagents 加入视觉支持，可在智能体流程中原生使用视觉语言模型。图片既能在 run 方法中一次性传入并存入 TaskStep 的 task_images，也能通过 step_callbacks 在每步把截图写入 ActionStep 的 observation_images。
推荐理由：官方给出 smolagents 接入视觉语言模型的两条路径与回调写法，可据此改造现有智能体流程。
OpenAI News精选AI 评分6262 OpenAI 发布 Operator 系统卡
OpenAI 发布 Operator 系统卡，说明其基于既有安全框架采取的多层防护措施，包括针对提示词工程和越狱的模型与产品层缓解手段，以及隐私和安全保护。文档还介绍了外部红队测试、安全评估，以及持续改进这些防护的后续工作。
推荐理由：OpenAI 公开 Operator 的系统卡，说明其在提示词攻击、隐私与红队测试上的多层防护设计。
Hugging Face BlogAI 评分2222 Hugging Face 发文：AI 智能体已来，我们该怎么做？
Hugging Face 发布文章指出，AI 智能体是基于 LLM 构建、能在数字世界中自主行动的系统，其风险随自主性等级上升而增加，因此建议不要开发可自行编写并执行代码的完全自主智能体。文章按自主程度将智能体分为五级，从模型不影响程序流程到模型自行编写并执行新代码，并认为半自主智能体在特定自主水平、任务范围和人类控制方式下可能收益大于风险。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 smolagents：用代码写动作的简单智能体库
Hugging Face 发布 smolagents，一个让语言模型获得智能体能力的轻量库，核心是 CodeAgent，即让智能体用代码而非 JSON 编写动作，并支持通过 E2B 在沙箱中执行。
推荐理由：Hugging Face 官方发布轻量智能体库，给出代码写动作的设计取舍与开源模型对比，可据此判断自建 Agent 的实现路径。
Hugging Face BlogAI 评分3434 LLM 修复自身错误的能力如何？一项基于 Keras 和 TPU 的 chatbot arena 实验
Hugging Face 用 Keras、JAX 和 TPU 搭建了一个 chatbot arena，测试 LLM 在被指出错误后能否修正代码。实验在 TPU v5e 2x4 上以 bfloat16 同时加载了 5 个约 8B 参数模型和 3 个约 2B 参数模型，共 7 个 LLM，通过 Gradio 界面并行对话。
Mistral AI精选AI 评分6262 Mistral AI 为 le Chat 加入联网搜索、Canvas 与图像生成
Mistral AI 为免费生成式 AI 助手 le Chat 上线多项 beta 功能：带引用的联网搜索、用于构思与就地编辑和导出的 Canvas、由新多模态模型 Pixtral Large 驱动的文档与图像理解、由 Black Forest Labs Flux Pro 驱动的图像生成，以及可复用提示词并分享给同事的 Agents。
推荐理由：官方列出 le Chat 新增的联网搜索、Canvas、文档图像理解与图像生成，并给出与主流助手的逐项对比。
OpenAI NewsAI 评分2222 OpenAI 与 Decagon 如何交付高性能全自动客户支持
Decagon 与 OpenAI 合作，实现大规模、全自动的高性能客户支持。
OpenAI NewsAI 评分4141 OpenAI 发布 MLE-bench：评估 AI 智能体的机器学习工程能力
OpenAI 推出 MLE-bench，用于衡量 AI 智能体在机器学习工程任务上的表现。该基准测试评估智能体完成机器学习工程工作的能力。
OpenAI NewsAI 评分2020 Altera 用 GPT-4o 打造智能体与人类协作新场景
Altera 借助 GPT-4o 构建了一个智能体与人类协作的新领域。该方向聚焦于让 AI 智能体与人类协同工作，拓展人机协作的应用空间。
OpenAI NewsAI 评分2727 Mercado Libre 推出由 GPT-4o 驱动的 AI 开发平台 Verdi
Mercado Libre 推出 AI 开发平台 Verdi，由 GPT-4o 驱动。该平台面向开发者，具体功能与可用性细节尚未披露。
Mistral AIAI 评分5050 Mistral AI 推出模型定制、Agents 预览版与 mistralai 1.0 SDK
Mistral AI 宣布在 La Plateforme 上支持对 Mistral Large 2 和 Codestral 等旗舰及专用模型进行定制，可通过基础提示词、few-shot 提示或微调实现，并支持自带数据集。
Hugging Face Blog精选AI 评分8888 Llama 3.1 发布：405B、70B 与 8B，支持多语言和长上下文
Meta 发布 Llama 3.1 系列，含 8B、70B、405B 三个尺寸的 base 与 instruct 版本，共 6 个开放权重模型，另发布 Llama Guard 3 和 Prompt Guard。
推荐理由：Hugging Face 官方给出 Llama 3.1 三个尺寸的显存、微调与量化配置，可据此估算部署成本。
Hugging Face Blog精选AI 评分6262 Hugging Face 的 Transformers Code Agent 在 GAIA 基准上登顶
Hugging Face 团队用基于 transformers.agents 的 ReactCodeAgent 在 GAIA 基准验证集上取得 44.2%，排名第一，比第二名高 4 个百分点；测试集得分 33.3%，排名第二，并在 Level 3 难题上取得最佳平均分。
推荐理由：Hugging Face 团队公开了在 GAIA 上取得领先的 Code Agent 实现细节，包括工具设计、安全解释器与规划策略，可迁移到自建智能体系统。
Hugging Face BlogAI 评分4040 Hugging Face 推出 NPC-Playground：在 3D 游乐场中与 LLM 驱动的 NPC 互动
Hugging Face 发布由 Cubzh 和 Gigax 打造的 3D 演示 NPC-Playground，用户可在浏览器中与 LLM 驱动的 NPC 互动，并用几行 Lua 脚本教它们新技能。
OpenAI NewsAI 评分2020 MavenAGI 基于 GPT-4 推出 AI 客服智能体
MavenAGI 推出基于 GPT-4 的 AI 客服智能体，Tripadvisor、Clickup 和 Rho 等公司已在使用，以节省时间并更好地服务客户。
Hugging Face Blog精选AI 评分7171 Hugging Face 发布 Transformers Agents 2.0
Hugging Face 发布 Transformers Agents 2.0，在原有智能体类型之外新增两类可基于历史观察迭代的智能体，并加入共享功能。官方称新框架下 Llama-3-70B-Instruct 智能体在 GAIA 榜单上超过多个基于 GPT-4 的智能体，排名第 4，成为开源类别领先者。
推荐理由：官方给出新智能体框架的模块划分与 GAIA 榜单成绩，可据此判断开源智能体方案的可用边界。
Hugging Face BlogAI 评分3838 Hugging Face 开源通用智能体 JAT：一个 Transformer 玩转 Atari、机器人控制与导航
Hugging Face 发布通用智能体项目 Jack of All Trades（JAT），基于 GPT-Neo 的 Transformer 架构，用单一网络在 Atari 57。
OpenAI NewsAI 评分4040 Klarna 的 AI 助手完成 700 名全职客服的工作量
Klarna 的 AI 助手承担了相当于 700 名全职客服的工作量，用于革新个性化购物、客户服务与员工生产力。
Mistral AI精选AI 评分6262 Mistral AI 发布对话助手 Le Chat 及企业版
Mistral AI 发布对话助手 Le Chat，作为与自家各模型交互的对话入口，底层可调用 Mistral Large、Mistral Small 或原型模型 Mistral Next。
推荐理由：Mistral 官方发布对话助手 Le Chat 及企业版，可了解其模型入口与自部署、审核机制。
OpenAI News精选AI 评分7272 OpenAI 为 ChatGPT 测试记忆功能与新的控制选项
OpenAI 正在测试 ChatGPT 记住用户讨论内容的能力，以便让后续对话更有帮助。用户对 ChatGPT 的记忆拥有控制权。
推荐理由：OpenAI 开始测试 ChatGPT 记忆功能，读者可了解其能力边界与用户控制方式。
Hugging Face Blog精选AI 评分6262 Hugging Face 为 TGI 推出兼容 OpenAI 的 Messages API
Hugging Face 为 Text Generation Inference（TGI）和 Inference Endpoints 推出 Messages API，从 1.4.0 版本起提供与 OpenAI Chat Completion API 兼容的接口，可直接配合 OpenAI 客户端库、LangChain 或 LlamaIndex 使用。
推荐理由：TGI 新增 OpenAI 兼容的 Messages API，读者可据此判断现有 OpenAI 脚本迁移到开源模型的改造成本。
Hugging Face Blog精选AI 评分6262 开源 LLM 作为 LangChain 智能体：Mixtral 表现超过 GPT-3.5
Hugging Face 在 LangChain 中集成 ChatHuggingFace，让开源模型可直接构建 ReAct 智能体，并发布智能体库 smolagents。
推荐理由：给出 ReAct 智能体的完整实现路径与开源模型对比数据，可据此判断哪些模型适合驱动智能体工作流。