openai 又发善心了，2个team的business号，一共每月20U。相当于4个plus号的用量，舒服吗？ 已导入CPA，又可以蹬起来了 使用美国IP，chrome无痕模式，注册gpt新账号。 很多人卡在付款步骤，我实测可以用bg卡支付。

OpenAI 后训练核心成员翁家翌（Jiayi Weng）以个人名义提出了一种名为「启发式学习」的强化学习新范式，并开源了全部实验代码。他用 Codex（GPT-5.4）反复玩 Atari 打砖块游戏，但 GPT-5.4 自始至终没有被重新训练过。真正在进步的，是 GPT-5.4 写出来的那套游戏策略代码。 流程是这样的：GPT-5.4 先写一版打砖块的 Python 策略，跑一局，看录像，找出哪里打丢了球，然后自己改代码再跑。经过几轮迭代，策略代码从 387 分涨到了 864 满分。全程没有任何神经网络被训练，纯靠 AI 反复修改 if-else 规则、调落点预测、加死循环检测。最终那套代码包含球路预测器、卡球检测器、回归测试和实验日志，已经长成了一个完整的软件系统。 这和传统强化学习的核心区别在于「学到的东西存在哪」。传统做法把知识压进神经网络参数里，人看不懂，学新任务还容易把旧的覆盖掉（即灾难性遗忘）。翁家翌的做法反过来：知识就是代码，人能读、能改、能加测试锁住，不会因为学新东西就丢了旧本领。 除了打砖块满分，他还在 MuJoCo Ant（模拟机器蚂蚁走路）上跑出超 6000 分的深度强化学习级成绩，在 Atari57 全套 57 个游戏上逼近了 PPO 基准。但翁家翌也明确画了边界：纯代码搞不定复杂感知任务，比如用 Python 写 if-else 去认图片。 他设想的终局是混合架构：底层用轻量神经网络负责视觉等感知，中层用启发式学习处理实时逻辑和安全规则，顶层由大模型审查日志、改代码，再周期性地用底层积累的高质量数据更新自身。过去手写规则之所以被淘汰，不是因为规则没用，而是人类维护不起。现在 AI 写代码够快够好，这条老路重新走得通了。

OpenAI前CTO刚在宣誓作证时表示，Sam Altman对不同人说完全相反的话，挑拨高管们争斗，几乎把公司搞垮。2023年董事会解雇Altman，于是Mira Murati短暂接任CEO。Murati表示，在Altman制造的混乱中，OpenAI处于“崩溃的风险”中。Elon Musk正对OpenAI提起诉讼，寻求从公司和微软那里，获得1500亿美元赔偿。

OpenAI前董事齐利斯出庭作证，透露她与伊隆·马斯克已育有4名子女。2020年马斯克主动提议捐赠精子，她因健康因素接受。两人约十年前曾有过一次“短暂”的恋情，但生子时并非恋爱关系。

OpenAI 最近发布了 GPT-5.5 提示指南。 现在更短的提示效果更好。 只需提供 结果、约束条件、成功标准，然后让模型去生成内容。 赶快收藏！

OpenAI 更新了 GPT-5.5 Instant 模型，现在变成了 ChatGPT 默认模型。 模型提升了实时准确性和日常任务的表现，主要改进： 性能优化：在法律、金融、医学等领域的幻觉率明显下降。同时，在图片理解和文档解析方面表现更好。 表达风格：回答更加紧凑且聚焦要点，减少了无用的铺垫和过渡排版。简单来说就是废话变少了，之前的 5.5 版本（GPT-5.5）确实废话有点多。此外，个性化能力也得到了提升。 发布状态：今天已经全量发布。ChatGPT 已经将其设为默认模型，Codex 没有更新。 新功能引入：在 GPT 中引入了记忆来源功能。你可以通过控件可视化地查看 memory 来自什么地方，如果发现有问题，也可以直接编辑它。

#OpenAI# 发布隐私过滤模型 #PrivacyFilter，可以精准识别个人信息，如姓名、电话、邮箱、密码、API# 凭证。 开发者可以使用模型识别用户提交的内容，再使用其他规则批量删除包含隐私信息的字段，最后再将不含隐私信息的文本提交给其他大型模型以保护用户隐私。 查看详情：