OpenAI operator发布了，to C产品的智能体工具，pro用户（200刀/月）已经可用。 Andrej Karpathy的评价很高，“operator之于数字世界，相当于人形机器人之于物理世界”

好消息：Plus用户（20刀/月）马上也可以用了。

另外一个好消息： o3-mini 即将发布了，plus用户随便用，限量很高，免费用户也可以使用。

DeepSeek-R1 卷爆了！！ 抢先在 OpenAI O3/mini 发布前发布，从评测上看追平、并超越了 OpenAI O1-1217 ，关键是价格太便宜了，输出价格直接是 O1的 3.6% ，卷爆了！

还把小模型开源出来了，整个技术文档都发布出来了，细节满满，做模型算法训练的可以看看。

关键细节：
1. DeepSeek-R1-Zero：基于纯RL训练的模型，初始性能有限，但能通过RL自主优化。最终在AIME 2024基准测试中，Pass@1从15.6%提升至71.0%。
2. DeepSeek-R1：结合冷启动数据与多阶段训练，通过两轮RL和两轮SFT进一步优化模型，显著提高推理性能并改善可读性。
3. 模型蒸馏：利用DeepSeek-R1输出的数据，成功将推理能力移植到更小的模型（如1.5B和7B参数规模）。这些蒸馏模型在数学和编码任务上的表现超过许多主流开源模型。
4. 基准表现：DeepSeek-R1在多个推理和编码任务中达到或超过OpenAI的高端模型，如AIME 2024和MATH-500中Pass@1分别为79.8%和97.3%。

在企业内部落地大模型，应用层和模型层之间，需要有个LLMops 层，也就是和 LLM 交互的工程代码层，包括 RAG、Agent、workflow 等的具体实现，细节上包括向量数据库、知识库管理、prompt 管理、agent 工具链等支持。

业界知名的几大供应商，这张图对比的挺好（有部分已经过时，不影响大局），百度、阿里和 Dify 是最适合在企业内部落地的，功能众多，其中 Dify 最为推荐，因为不受大厂平台的局限，支持众多模型，无编程即可快速落地各类 AI 应用，这部分落地后是真正的企业的 AI 资产（模型都是大厂的，和企业没啥关系），缺点就是需要项目设计模块较多，前后端、安全、比较复杂，尤其是在生产环境高可用部署方面，社区版本基本上不会教给你，需要有个有经验的架构师自行设计规划，整个项目需要有个专业技术团队 hold 住才行 。

这段话写得非常好，不仅仅是及资深工程师，技术架构师、技术总监都应该考虑这个事儿。大模型的盲区就是人类价值的所在，如何把大模型的能力和人的能力结合起来，并且创造业务价值才是最重要的，才是人未来不可战胜的核心能力。

新一代的年轻人已经全面 AI native化了，GenAI 时代的原生居民，各行业的范式正在改变…

对我们来说，先把日常工作、生活中的方方面面的事情优先使用 GenAI 解决，不断探索，改变，才能应对已经变化了的这个世界

2025 ，和团队一起 “突破” ，坚持 做 难而正确的事情！

今天看到了一张对比图，是三家公司对 AGI 的定义，OpenAI 的比较有名，目前都在处于第一阶段到第二阶段的过渡区，随着 O1、O3 的发布使用，很快讲进入第二阶段。

OpenAI 预计明天发布 operator 的工具，是不是预示着进入第三阶段了？

转：国内大模型一个典型的ToB的项目招标情况分析，报价上看，一个复杂应用包含RAG、Agent的要30-50万，开发一个企业级应用平台类Dify的要50-100万，一个能开发的了大模型应用的开发人员成本3000-4000/天，线下培训大模型相关知识3-4万/天。

利用 AI 辅助快速阅读，提取文章中的核心观点，方便自己判断是否值得读。这是自己使用的 GPTs，经过了几版本迭代优化，个人感觉能满足自己都需求，大家看看。

目前我个人读文章时，都是人眼大概扫一下，有兴趣的直接扔给这个 GPTs，让他整理，看看这个整理的内容，再决定是否要花时间仔细阅读文章。

这样我发现，自己每日能够阅读的文章数量，大大提升了不少。

个人一直致力于使用 AI 提升自己的效率，在阅读大量信息文章辅助上面，自己创建的 GPT，就是用来总结、摘要文章核心观点，并根据自己的理解，给自己一个推荐级别，非常适合长篇文章，不方便阅读时，先用 gpts 摘要下，看看是否值得阅读。

这是原始内容：www.zhihu.com ，总结出来的效果如图。