OpenAI CEO Sam Altman发帖表示：“我们大大改进了ChatGPT中的记忆功能——它现在可以参考你过去的所有对话！我认为这是一个令人惊讶的伟大功能，它指向了令人兴奋的事情：人工智能系统会了解你的一生，并变得极其有用和个性化。”
基于升级的记忆功能，ChatGPT能提供更加个性化的回复和交流，并根据用户的喜好和兴趣，使其对写作、获取建议、学习等更有针对性的帮助，使互动感觉更加量身定制。
ChatGPT的记忆改进功能从今天开始向Plus和Pro用户推送，团队、企业和教育用户将在几周内获得访问权限，一旦在ChatGPT界面看到更新弹窗，就意味着已获得了改进的记忆力。
这并不是ChatGPT第一次推出记忆功能，在去年就被传出OpenAI要打造“无限”记忆功能，但令人诟病的是，ChatGPT设定的记忆存储空间容量有限，数据存满之后就会收到系统提示将不会创建新的记忆，需要用户删除一些价值不大的数据来腾出记忆空间。
所以这次更新也引起了网友质疑：“真的能参考过去所有的对话吗？”“它只是表面功夫，还是像人类记忆一样深层的东西？如果只是表面功夫，比如只记住过去几次聊天的内容，然后利用其中的信息在新的聊天中进行一些奇怪的比较或引用，那就是个噱头。”
OpenAI官方表示，与过去一样，ChatGPT的记忆功能可由用户掌控。
用户可以随时在设置中选择不参考过往聊天记录，或者完全关闭记忆功能；如果已经选择关闭记忆功能，那么默认情况下系统便不会参考过往的聊天记录；如果用户想更改ChatGPT对人的了解程度，只需在聊天中提出要求即可；如果想进行一次既不使用记忆也不影响记忆功能的对话，可以使用临时聊天功能。
有用户认为，这是ChatGPT朝着情境感知迈进的重要一步，有了更好的记忆功能，AI的性能将越来越取决于你如何使用它，重要的不是谁掌握的技巧更多，而是谁能更清晰地沟通、更好地定义自身需求并设定更清晰的界限。
换句话说，你以结构化方式思考和表达的能力，正在成为人工智能如何更好地支持你的决定性因素，你表达的意图越清晰，它的反馈就越深入、越相关。
不过，ChatGPT此次更新记忆功能并没有得到一致好评，被吐槽效果并没有想象中的好。
Chatwoot appCTOSojan Jose发帖表示，对ChatGPT新记忆功能的第一印象是它并不会回忆起所有的对话细节，但有时会包含未明确存储在记忆中的过去聊天记录，希望能有更神奇的体验。
Letta_AI的CEOCharles Packer表示自己作为ChatGPT的重度用户，感觉ChatGPT记忆系统最大的问题在于它是一个黑箱。
消费级聊天应用中的 “记忆功能” 以一种不透明的方式干扰着上下文窗口，虽然这些功能有可能提升其上限，但也可能拉低下限，这让高级用户感到沮丧，最终不可避免地会为了获得更好的一致性而完全关闭该功能。
Charles Packer认为，自从ChatGPT引入 “记忆” 功能以来，最终的结果是带来了一种平庸的产品体验，使用起来相当令人沮丧，当错误的信息被存储为 “记忆”，进而污染了上下文窗口，真的不理解它最初是如何被批准面向数百万活跃用户推出的。
记忆功能的提升也带来了用户对数据安全的担忧：如果像ChatGPT这样的AI系统可以参考用户所有过去的对话，并在一个人的一生中建立起高度个性化的理解，如何平衡这种量身定制的好处与隐私侵犯、数据滥用或人类与AI之间过度依赖关系的潜在风险是个问题。
尽管褒贬不一，但对于OpenAI而言，记忆功能的深化可能要比常规APP软件对用户的分析了解高出百倍，从长远来看，会形成一个重要的数据护城河，蕴藏的商业价值不言而喻，这也是很多AI公司的暗线布局，例如在今年2月份，谷歌也为Gemini Advanced订阅用户推出了类似的聊天信息回溯调用功能。
值得关注的是，OpenAI可能还正在酝酿发布一批新模型，因为Sam Altman又开始吊观众胃口了，发帖表示一想到新产品和新功能就兴奋得睡不着觉。
细心的网友发现，在刚刚部署的新版ChatGPT Web应用中已经出现了“o4-mini”、“o4-mini-high”和“o3”等信息。
此外，一位正在构建toolsAI的工程师Saif则透露收到了一封来自OpenAI的邀请函，大概内容是关于他们正在加速推进一个开放权重模型，邀请开发者们参加闭门会用以收集早期意见和建议。
也有网友推测OpenAI也许会带来更大的上下文窗口（高达100万个token），以及一款原生的全模态音乐生成模型，因为，竞争对手谷歌已经都具备了这些功能和模型，跑在了市场前头。
谷歌近期发布的Gemini 2.5 Pro模型上下文窗口目前就支持100万个token，并且承诺很快会推出支持200万个token的上下文窗口，这样规模的上下文窗口允许模型处理和保留大量信息，进而使其在需要大量上下文的任务中表现出色，例如代码执行或分析复杂数据集。
此外，谷歌旗下DeepMind与YouTube合作的AI音乐生成模型Lyria近期得到很多关注，这是一种自回归神经网络模型，通过在庞大的音乐数据集上进行训练，学习音符、旋律、和声和节奏之间的模式与关系，进而能生成原创且符合训练风格的新音乐。
而早在2020年，OpenAI就曾推出Jukebox（电唱机）神经网络模型，可以生成各种类型和艺术家风格的音乐（包括简单的歌唱）的原始音频，但该模型发布后并未火爆起来，此后销声匿迹没有相关动态，很可能会在接下来迎来一次更新迭代，与谷歌Lyria再次展开竞争。
另据外媒The Verge今天从知情人士获取的消息报道称，OpenAI计划推出的AI新模型可能还包括GPT-4.1，这是其GPT-4o多模态模型的改进版本，一系列新模型最早可能于下周陆续发布。
为了给即将到来的一波新模型提前预热，今天Sam Altman还出乎意料地发了一条预制视频，给大家分享团队是如何开发GPT-4.5以及接下来计划去做什么。
据了解，OpenAI的GPT-4.5训练是一个耗时两年的庞大项目，旨在创建一个比GPT-4智能10倍的模型，需要数万个GPU协同工作。尽管整体上有数百人参与，但核心设计表明，随着新的流程和方法简化，如今重新训练一个GPT-4级别的模型可能只需要5到10人即可。
在OpenAI内部，工程师使用内部状态跟踪器和损失曲线来监测训练进度，并在出现问题时进行故障排除，缩放定律和性能指标的可视化有助于模型量化改进。
容易出现的问题有很多种，比如扩展灾难，当从10000个GPU扩展到100000个GPU，会使平时微小罕见的错误变成灾难性的，这凸显了严格的去风险化和弹性基础设施的必要性。
此外，研究小组还观察到，高效的预训练就像数据压缩一样——找到能够解释大量数据的“最短程序”，这与新兴智能直接相关，另一个值得注意的经验是，机器学习研究人员和系统工程师之间的密切合作可以带来更好的扩展预测和更强大的训练流程。
与GPT-4相比，GPT-4.5受益于状态管理和多集群训练的彻底改革，从而实现更流畅的运行和更快的错误解决，可预测的缩放比例定律不仅成立，而且还转化为常识和上下文处理方面的可衡量收益。
关于未来，OpenAI团队进行几点展望：1、超大规模的模型训练，未来的训练或将使用千万个GPU，可能要采用半同步或分散的方法来应对庞大规模；2、要追求数据效率，包括在数据效率方面叠加算法增益，进一步缩小当前方法与人类学习中观察到的显著数据效率之间的差距；3、硬件架构创新，团队还将探索新的网络传输和芯片架构，以便在模型不断发展的同时进一步减少硬件瓶颈。
随着AI行业的竞争加剧，想要做出脱颖而出的爆款AI产品或功能难度越来越大，可以一起观望下OpenAI下周会带来哪些新东西。
（文：头部科技）
