随着技术的不断进步，人工智能（AI）正成为推动欧洲经济增长和创新的关键力量。最近，美国领先的人工智能研究机构——OpenAI宣布推出《欧盟经济蓝图2.0》（EU Economic Blueprint 2.0），旨在通过新的数据、合作伙伴关系以及一系列新举措来加速欧洲范围内的人工智能技术应用、技能提升及产业发展。

新版的‘经济蓝图’不仅涵盖了在AI技术研发和应用场景上的最新进展，还强调了加强跨行业合作的重要性。OpenAI希望通过与欧盟各国政府、企业、研究机构等多方的合作，共同推动人工智能技术在各行各业中的广泛应用，促进欧洲数字转型和社会经济发展。

此外，《经济蓝图2.0》还重点关注人工智能领域的技能培养和人才培训计划，致力于提升公众对这一新兴技术的理解，并帮助相关人员掌握必要的知识与技能以应对未来的工作环境。这不仅有助于缩小当前存在的‘技能缺口’问题，也为AI技术的可持续发展奠定了坚实的基础。

总体而言，《欧盟经济蓝图2.0》代表了OpenAI在推动全球范围内人工智能技术创新和应用方面的重要一步，特别是对于欧洲这样一个拥有丰富资源和技术潜力的地区来说意义尤为重大。随着该计划的深入实施，我们有理由期待看到更多创新成果和合作机会涌现出来。

2026年2月13日，除了此前宣布的GPT-5（Instant、Thinking和Pro）即将退役外，当天还将退役GPT-4o、GPT-4.1、GPT-4.1 mini以及OpenAI o4-mini等模型。目前，在API端暂无其他变化。

Codex 应用现已登陆 macOS，它是一个集成了多种代理、并行工作流和长期任务处理的人工智能编码和软件开发控制中心。

Sora资讯理念旨在激发创意、促进连接并确保体验的安全性。它通过个性化推荐、家长控制和强大的防护措施，为用户提供了一个既富有创造力又安心的环境。

GPT-5.3-Codex 是一款专门为编码任务设计的智能代理，它结合了前沿的编程性能与普遍推理能力，旨在支持长期视角下的实际技术工作。

GPT-5.3-Codex 是迄今为止最强大的代理编程模型，结合了 GPT-5.2-Codex 在前沿编程性能方面的优势以及 GPT-5.2 在推理和专业知识能力上的特点。

在一个普通的家庭中，一次与ChatGPT的互动，为他们提供了一种新的方式来面对儿子即将面临的癌症治疗选择。在医生的专业指导下，一家人共同探讨了最佳的治疗方案。

在这个故事中，我们看到了技术如何成为家庭决策过程中的有力支持。家人共同参与讨论，听取专家意见，并借助ChatGPT提供的信息和建议，最终能够做出更加明智的选择。

OpenAI 前沿平台是一款面向企业的解决方案，用于构建、部署和管理具有共享上下文、入职流程、权限控制及治理功能的AI代理。

近日，OpenAI 推出了“可信访问”（Trusted Access）项目，旨在为前沿的网络技术提供一个基于信任的框架。该框架不仅能够扩大对这些先进技术的访问范围，还进一步加强了对于潜在误用的安全防护措施。

一项结合了OpenAI的GPT-5与Ginkgo Bioworks云自动化技术的自主实验室，通过闭环实验降低了无细胞蛋白质合成的成本达40%。

OpenAI 开始在 ChatGPT 中测试广告，旨在为用户提供免费的访问服务。这些广告将通过清晰标注、保持答案独立性、强化隐私保护以及赋予用户控制权等方式进行。

在技术日新月异的今天，我们正步入一个以代理（Agent）为中心的新时代。在这个背景下，如何有效地利用像Codex这样的工具成为了关键议题。

作为技术人员的一员，Ryan Lopopolo分享了他对这一转变的看法和实践方法。他认为，通过巧妙地应用工程原则，我们可以最大化 Codex 的潜力，从而在开发过程中创造更大的价值。

Codex 是一种先进的语言模型，能够帮助开发者更高效、更准确地完成编程任务。然而，在实际操作中，如何确保其正确、安全且有效地应用于项目成为了亟待解决的问题。

为此，Lopopolo 提出了一系列策略和实践建议。例如，他强调了明确定义需求的重要性，认为这是让Codex发挥作用的第一步。此外，他还探讨了如何通过精心设计的接口来优化与 Codex 的交互过程。

“在代理优先的世界里，我们不再仅仅是工具的使用者，更成为了其开发者和优化者。”Lopopolo 强调说，“我们需要不断探索新的方法，以确保我们的技术能够持续地、负责任地为业务和社会创造价值。”

当 Claude Code 的创始人 Boris Cherny 在 X 平台上分享他的个人终端设置时，硅谷不仅在听，还在做笔记。过去一周里，工程社区一直在剖析他关于未来软件开发的宣言，并认为这是一个初创公司的转折点。

“如果你不在直接从 Claude Code 创始人那里学习最佳实践，你作为程序员已经落后了。”开发者社区中一位知名的声音 Jeff Tang 写道。“Boris Cherny 的‘游戏规则改变者’更新让 Anthropic ‘燃爆全场’，可能即将迎来他们的 ChatGPT 时刻。”另一位行业观察家 Kyle McNease 表示。

这种兴奋源于一个悖论：Cherny 的工作流程虽然简单，但却能够让单个开发者发挥出整个工程部门的产出能力。一位用户在 X 平台上分享了实施 Cherny 设置后的体验：“感觉就像玩星际争霸一样”——从编写语法到指挥自主单位。

最引人注目的发现是 Cherny 不按传统的线性方式进行编码。在传统开发“内循环”中，程序员写一个功能、测试它然后转移到下一个功能。然而，Cherny 却充当了舰队指挥官的角色：“我在终端中并行运行 5 个 Claude。”Cherny 写道，“我把标签编号为 1-5，并通过系统通知知道何时需要输入。（图片来源：x.com/bchery）

通过使用 iTerm2 系统通知，Cherny 成功地管理了五个同时运行的工作流。其中一个代理运行测试套件，另一个重构遗留模块，第三个则起草文档。他在浏览器中还运行着 5 到 10 个 Claude，并利用“传送”命令在网页和本地机器之间切换会话。

这证实了 Anthropic 首席执行官 Daniela Amodei 近期提出的“用更少的资源做更多事情”的策略。竞争对手 OpenAI 正致力于构建万亿级基础设施，而 Anthropic 证明了通过现有模型进行高级协调可以带来成倍的生产力提升。

Cherny 表示他仅使用 Anthropic 最强大、最慢的模型 Opus 4.5：“我用 Opus 4.5 来做一切思考。这是我见过的最佳编码模型，尽管它比 Sonnet 大且更慢，但由于要少花精力引导和更好用于工具使用，最终总是比使用较小的模型更快。”这给现代企业技术领导者带来了重要启示：现代 AI 开发中的瓶颈不是生成速度；而是纠正 AI 错误所花费的人力时间。

为了应对AI遗忘问题，Cherny 的团队维护了一个名为 CLAUDE.md 的单一文件在 Git 仓库中。“每当看到 Claude 做错事时，我们都会将其添加到 CLAUDE.md 中，这样 Claude 就知道下次不要重复同样的错误。”他写道。这使得代码库变成一个自我纠正的有机体。当人类开发者审查拉取请求并发现错误时，他们不仅修复了代码，还标记 AI 更新其指令。‘每次错误都成为一条规则’，产品领导者 Aakash Gupta 评论道。团队合作时间越长，代理变得越聪明。

被一位观察家称赞为“简单”的工作流程背后是重复任务的严格自动化。Cherny 使用斜杠命令——将自定义快捷方式检查进项目仓库中的代码——来单键执行复杂的操作。他强调了一个名为 /commit-push-pr 的命令，每天会调用数十次。他不再手动输入 git 命令、编写提交信息或打开拉取请求，在版本控制的官僚事务上全由代理自主处理。

Cherny 还分享了更多细节，包括如何使用各种工具和工作流进行开发，以及如何通过 CLAUDE.md 文件来记录错误并让 AI 自我学习改进。这些信息不仅对开发者有帮助，也为企业领导者提供了宝贵的见解。随着越来越多的开发者开始采纳 Cherny 的方法，软件开发的方式正在发生革命性的变化。

Nous Research是一家由加密货币风险投资公司Paradigm支持的开放源代码人工智能初创企业，在上周发布了一种新的竞争性编程模型——NousCoder-14B。这种模型据说能在四天内，利用Nvidia最新B200图形处理器训练48个进行匹配或超越多个大型专有系统。该模型在LiveCodeBench v6上的准确率达到67.87%，比其基础模型Alibaba的Qwen3-14B提高了7.08个百分点。

与此同时，竞争对手Anthropic开发的Claude Code编程工具自年初以来一直主导着社交媒体讨论。开发者们在X平台上发布各种令人惊叹的故事，展示其能力。而Nous Research则强调开源替代品可以弥补差距，并认为透明度与强大功能同样重要。值得一提的是，NousCoder-14B的发布特别开放——它不仅公开了模型参数，还发布了完整的强化学习环境、基准测试套件和训练框架。

研究人员Joe Li在开发过程中将模型的进步轨迹与其自己参加Codeforces的经验进行了对比，发现尽管他在两年内大约解决了1000个问题，但模型仅用四天就完成了类似的学习曲线。这说明人类学习者目前仍然比AI更加高效。然而，Nous Research使用Modal云平台并行运行代码执行沙盒，展示了研究人员利用强化学习改进AI推理能力的复杂方法。

Credit: VentureBeat made with Midjourney

Anthropic 周一发布了 Cowork，这是一个新的 AI 助手功能，将其实用性扩展到其广受欢迎的 Claude Code 工具上，面向非技术人员用户。根据公司内部人士的说法，团队仅用了大约一周半时间就构建了整个功能，并且大量使用了 Claude Code 本身。

Cowork 的发布标志着向主流用户提供实用 AI 助手的关键转折点，Anthropic 不仅仅在对话式 AI 方面与 OpenAI 和 Google 竞争，还与微软的 Copilot 在 AI 助力生产力工具市场展开竞争。据 Anthropic 官方 Claude 账号宣布，Cowork 允许用户像开发者使用 Claude Code 一样完成非技术任务。

Cowork 目前作为研究预览版向 Claude Max 订阅者独家提供——Anthropic 的高级用户层级定价在每月100到200美元之间——并通过 macOS 桌面应用程序获取。在过去的一年里，行业普遍关注能够写诗或调试代码的大语言模型。Cowork 的推出表明 Anthropic 在押注具有人工智能能力的助手可以自动整理文件夹、读取杂乱的收据并生成结构化的费用报告等非技术任务。

Anthropic 认识到开发者社区的成功，于是在 2024 年底推出了 Claude Code，这是一种基于终端的应用程序工具，允许软件工程师自动化重复性的编程任务。尽管该工具广受欢迎，但 Anthropic 观察到一种奇特的趋势：用户在利用开发工具有意想不到的多种用途。

Anthropic 的工程师 Boris Cherny 表示，自推出 Claude Code 以来，他们发现人们用它进行各种非编程工作：“从度假研究、制作幻灯片演示文稿、清理电子邮件、取消订阅服务到从硬盘中恢复婚礼照片等。”Cherny 指出，“这些用途既多样又令人惊讶，原因在于底层的 Claude Agent 是最好的助手，而 Opus 4.5 是最佳模型。”

Anthropic 理解这种“隐藏需求”，从而去除了开发者工具中的命令行复杂性，创建了一个用户友好的界面。在宣布该功能的博客文章中，Anthropic 解释说开发人员很快就用它来处理一切其他工作，这促使他们构建 Cowork：一种更简单的方法供任何非开发人员与 Claude 一起工作。

Cowork 不像标准聊天界面那样让用户粘贴文本进行分析。相反，用户指定一个本地文件夹供 Claude 访问，在该沙箱内，AI 可以读取现有文件、修改它们或创建全新的文件。Anthropic 提供了几个示例：整理杂乱的下载文件夹、从收据截图生成费用表格或根据多个文档中的散落笔记起草报告。

Cowork 的架构依赖于所谓的“代理循环”。当用户分配任务时，AI 不仅生成文本响应，还会制定计划，在并行执行步骤后检查自己的工作，并在遇到障碍时请求澄清。用户可以排队多项任务并在后台让 Claude 同时处理它们——Anthropic 描述这种流程感觉更像是给同事留言而不是来回沟通。

Cowork 的构建基于 Anthropic 的 Claude Agent SDK，这意味着它与 Claude Code 使用相同的底层架构。Anthropic 指出 Cowork “可以承担 Claude Code 能处理的许多任务，但以一种对非编程任务更易于接受的形式。”Cowork 的快速开发还展示了 AI 工具如何被用来构建更好的 AI 工具这一递归反馈循环。

在竞争激烈的市场中，Alfred Wahlforss需要为他的初创公司Listen Labs吸引超过100名工程师。面对马克·扎克伯格提供的百万美元报价，他似乎无能为力。于是，他花费5,000美元——相当于其营销预算的五分之一——在旧金山发布了一则看似胡言乱语的招聘广告：五个随机数字字符串。

这些数字实际上代表了AI令牌。解码后，它们指向了一个编程挑战：为柏林著名的夜总会Berghain设计一个算法，充当门卫角色，因为那里几乎所有人都会被拒之门外。几天之内，数千人尝试了解决这个难题。430人成功破解，并且有些候选人因此被录用。获胜者还获得了前往柏林的全部费用。

这种非传统的策略为公司带来了6900万美元的B轮融资，由Ribbit Capital领投，Evantic和现有的投资者Sequoia Capital、Conviction和Pear VC参与。目前Listen Labs估值5亿美元，总融资额达到1亿美元。自成立以来九个月的时间内，该公司将年收入增长了15倍至八位数，并完成了超过一百万次的AI访谈。

“当你专注于客户时，其他一切都会随之而来。”Wahlforss在接受VentureBeat采访时说道，“使用Listen的团队会将客户融入每一个决策中，从市场营销到产品设计。当客户满意时，每个人都会受益。”

Listen的研究人员利用AI技术发现参与者、进行深度访谈并提供关键洞察，在几小时内完成，而非数周。

该平台替代了传统定量调查和定性访谈之间的选择：前者虽然提供了统计精度但忽略了细节；后者则可以深入挖掘问题但却无法大规模应用。Wahlforss解释说：“本质上来说，调查会给你假的精确度，因为人们最终可能会回答同样的问题……你无法获取那些不同的意见。而一对一的人际访谈可以提供很多深度，并且你可以随时询问跟进的问题以确认他们是否了解实际情况。问题是这种模式很难扩大规模。”

平台的工作流程分为四个步骤：用户使用AI辅助创建研究项目；Listen从其全球3000万人的网络中招募参与者；AI调解员进行深入访谈，附带后续问题；最后将结果整理成易于理解的报告。

区别于传统的多项选择调查形式，Listen采用开放式的视频对话方式。“在一项调查中，你可以说你会猜测应该回答什么，并且有四个选项。比如他们可能希望我买高端产品，我就点击那个按钮……但开放式回应会带来更多真实和诚实的回答。”

为了找到合适的参与者并确保其真实性，公司构建了一个被称为“质量监控”的系统，该系统通过比对领英资料与视频响应来验证身份，并检查回答问题的一致性以及可疑的模式。Wahlforss表示：“这样人们在讨论政治和心理健康等敏感话题时会更加坦率。使用Listen后，Emeritus在线教育公司报告称之前大约有20%的调查回复是虚假或质量低下的，现在这一比例几乎为零。”

速度优势成为了Listen的核心卖点。传统的客户研究可能需要4到6周才能产生洞察结果。Wahlforss补充说：“当我们得到这些反馈时，要么决策已经做出，要么我们就失去了机会。”

Credit: VentureBeat made with Midjourney

总部位于旧金山的云平台铁路科技（Railway），近日宣布获得1亿美元的B轮融资。随着对人工智能应用需求的增长，传统云基础设施的局限性暴露无遗。本轮融资由TQ Ventures领投，并有FPV Ventures、Redpoint和Unusual Ventures跟投。

28岁的创始人兼首席执行官杰克·库珀（Jake Cooper）在接受VentureBeat独家采访时说：“随着AI模型在编写代码方面变得越来越出色，越来越多的人开始问那个古老的问题：我的应用程序应该在哪里运行？又该如何运行？”

“上一代云基础架构既缓慢又过时。现在随着AI加速了所有事情，团队根本无法跟上这种速度。”库珀说。

Railway通过提供部署速度快于一秒的平台，来应对传统平台如亚马逊网络服务（AWS）和谷歌云计算的复杂性和成本问题。据公司数据显示，使用Railway的客户开发人员工作效率提高了十倍，并且相比传统云供应商节省了高达65%的成本。

铁路科技还在2024年做出了一个不同寻常的决定：完全放弃Google Cloud，并自行建设数据中心。库珀表示：“我们希望设计一种方式，让我们能够提供差异化体验。”

这种全方位控制使得铁路科技能够在最近大面积断电时保持在线运行，其定价也大幅低于大型云服务商和新兴云公司。Railway按实际计算时间收费：每吉字节秒内存0.00000386美元，每个虚拟CPU秒0.00000772美元，每吉字节秒存储0.00000006美元。

“与传统云服务商相比，我们能够提供50%的折扣，并且与其他新兴云公司相比，我们的价格降低了3到4倍。”库珀说。