模型

GPT-4o

Q: 什么是 GPT-4o？

OpenAI最新发布的多模态模型

Q: GPT-4o 最近有什么新动态？

traeai 已收录 10 篇与 GPT-4o 相关的内容。最新一篇是「[AINews] Thinking Machines' Native Interaction Models - TML-Interaction-Small 276B-A12B - advances SOTA Realtime Voice and kills standard VAD」，由 Latent Space 发布。

别名：gpt4o

OpenAI最新发布的多模态模型

已跟踪 10 条高相关材料

TraeAI 观察

如果只读 3 篇

[AINews] Thinking Machines' Native Interaction Models - TML-Interaction-Small 276B-A12B - advances SOTA Realtime Voice and kills standard VAD

Latent Space · 9 分

Thinking Machines发布TML-Interaction-Small 276B-A12B模型，采用2760亿参数MoE架构与120亿活跃参数，实现<200ms端到端延迟，显著超越GPT-4o和Gemini 3.1-Flash，在实时语音交互、时间对齐微回合与视觉主动...

MiniMax-M3 is live on OpenRouter! A frontier-class open-weight model that combines a 1M-token conte...

OpenRouter(@OpenRouterAI) · 8.7 分

MiniMax-M3 已上线 OpenRouter，是一款支持100万token上下文、前沿编码与代理性能、原生多模态（图像/视频）的开源模型，标志着大模型能力向长文本、多模态和自主执行方向的重要突破。

一个随机数就能识别AI模型身份：行为指纹技术可检测API中转站偷换模型

AI HOT 精选 · 8.5 分

行为指纹技术通过让AI模型生成随机数序列，可识别其身份并检测API中转站偷换模型，错误率约10.6%。

[AINews] Thinking Machines' Native Interaction Models - TML-Interaction-Small 276B-A12B - Advances SOTA Realtime Voice and Kills Standard VAD

Latent Space5月12日2369 字 (约 10 分钟)

Thinking Machines released TML-Interaction-Small 276B-A12B, a 276-billion-parameter MoE model with only 12 billion active parameters, achieving sub-200ms end-to-end latency, surpassing GPT-4o and Gemini 3.1-Flash in real-time voice interaction, time-aligned microturns, and visual proactivity, effectively eliminating standard VAD.

入选理由：TML-Interaction-Small为276B参数MoE模型，仅12B激活参数，实现<200ms端到端延迟。

FeaturedArticle#AI#Realtime Voice#MoE#Multimodal#Model Architecture中文

MiniMax-M3 is live on OpenRouter!

OpenRouter(@OpenRouterAI)6月1日134 字 (约 1 分钟)

MiniMax-M3 has launched on OpenRouter — a frontier-class open-weight model supporting 1M-token context, agentic performance, and native multimodality (image & video), marking a major leap in long-context, autonomous-agent, and multi-modal AI capabilities.

入选理由：MiniMax-M3 支持1M-token上下文窗口，显著超越主流模型如GPT-4o的32K限制。

FeaturedTweet#MiniMax-M3#OpenRouter#open-weight model#multimodal#long-context英文

一个随机数就能识别AI模型身份：行为指纹技术可检测API中转站偷换模型

AI HOT 精选7月21日315 字 (约 2 分钟)

行为指纹技术通过让AI模型生成随机数序列，可识别其身份并检测API中转站偷换模型，错误率约10.6%。

入选理由：生成1-100随机数可创建模型行为指纹，GPT-4o偏好42和37

FeaturedArticle#AI模型识别#行为指纹#API安全#arXiv中文

Import AI 462: Superpersuasion; self-sustaining AI; paths to ASI

Import AI6月23日3232 字 (约 13 分钟)

AI在说服力上已超越人类专家，尤其在政策和慈善捐款方面效果显著。

入选理由：AI系统在说服力上比人类专家高出3倍，尤其在慈善捐款方面表现突出。

FeaturedArticle#AI#说服力#研究#OpenAI#GPT英文

That's massive for local AI Google has just released Gemma 4 QAT and it runs with 3x less memory! ...

Paul Couvert(@itsPaulAi)6月10日137 字 (约 1 分钟)

谷歌发布 Gemma 4 QAT 模型，内存占用减少 3 倍，可在手机和笔记本电脑上运行。

入选理由：Gemma 4 E4B 模型仅需 2GB RAM 即可在手机上运行。

FeaturedTweet#AI#Gemma#Google#本地 AI中英混合

[AINews] FrontierCode: Benchmarking for Code Quality over Slop

Latent Space6月10日1922 字 (约 8 分钟)

FrontierCode 是一项新的代码质量评估基准，专注于衡量代码是否可合并，而非仅通过单元测试。

入选理由：FrontierCode 由开源维护者耗时 40 多小时构建，旨在评估代码是否可合并。

FeaturedArticle#FrontierCode#代码质量#AI 工程#基准测试英文

Fragments: June 2

Martin Fowler6月2日1848 字 (约 8 分钟)

Martin Fowler analyzes flaws in metrics for evaluating AI tools, notes automation hasn't eliminated professions, open-source models are catching up faster to closed models, and hallucinated citations in AI-generated content.

入选理由：闭源模型创新速度领先，开源模型追赶周期从GPT-4的13-18个月缩短至GPT-4o的2-7个月。