AI热点风向标·06月09日早间版：ChatGPT记忆升级与Gemini崛起

最近AI圈有几个话题特别火，我今天一早刷推特刷到停不下来。先聊一个跟咱们每天都在用的东西有关的——ChatGPT的记忆功能大升级了。

对，Sam Altman亲自发推说的，big upgrade to ChatGPT memory。这个事儿我觉得意义比很多人想的要大。

我作为一个天天用ChatGPT的产品经理，说实话之前那个记忆功能挺鸡肋的。你跟它说过的事情，它经常转头就忘。

对，之前那个memory本质上就是个key-value存储，存几条简短的用户偏好。这次升级如果做得好，可能是往真正的persistent context方向走了。

推特上有人说这次升级之后，ChatGPT能记住你之前几十轮对话里的细节，甚至能主动关联不同对话之间的信息。

这就很关键了。你想啊，现在所有AI助手最大的痛点就是没有连续性。每次开新对话就像失忆了一样，用户得反复交代背景。

从产品角度讲，记忆能力强了，用户粘性会指数级上升。你用得越久它越懂你，迁移成本就越高。

没错，这是OpenAI在构建护城河。技术上大家都能追，但你的个人数据沉淀在一个平台上，你就很难走了。

但我也有点担心隐私问题，它记住的东西越多，风险越大。

这是个trade-off，但说实话大部分用户会选便利性。你看搜索历史、聊天记录，大家嘴上说在意隐私，行为上从来不在意。

得了吧，你这话说得也太直接了。不过确实是这样，行吧行吧。

事实就是这样嘛。

说到竞争对手，正好第二个话题就接上了。推特上有个很火的帖子，就俩词——bullish on Gemini。看好Gemini。

这个帖子互动快两千了，说明很多人有同感。我觉得这个情绪转变挺有意思的，半年前大家还在嘲笑Google呢。

确实，去年Gemini刚出来的时候各种翻车，演示视频造假那个事儿闹得多大啊。现在风评怎么就逆转了？

因为Google在基础设施上的优势开始显现了。TPU、数据、分发渠道，这些都是OpenAI短期内补不上的。而且Gemini最近几个版本进步确实肉眼可见。

我自己最近也在用Gemini做一些文档分析的工作，长上下文处理能力确实强。

对，百万token的context window，这个是实打实的技术优势。OpenAI到现在也没追上这个长度。

但你真的觉得Gemini能翻盘吗？ChatGPT的用户基数在那摆着呢。

翻盘不好说，但Google不需要翻盘。它只需要在自己的生态里把Gemini嵌进去，搜索、邮件、文档、安卓，这个分发能力太恐怖了。

你这么一说，结合刚才聊的记忆功能，这两家其实在打不同的仗。OpenAI靠个人化粘性，Google靠生态覆盖。

对，最后可能不是谁赢谁输，而是各占一块地盘。

好，下一个话题有点硬核了。有人做了一个超难的编程测试来考各家模型，推特上讨论得挺热闹的。

这种benchmark我太熟了。现在社区里有个趋势，就是大家觉得官方benchmark已经不够用了，开始自己造题来测。

为什么官方的不够用了？

因为数据污染啊。HumanEval、MBPP这些经典编程benchmark，训练数据里大概率都见过了。模型得分高不代表真的会写代码。

所以这个人自己出题，相当于是在做一个没被污染的测试？

对，而且他说是really hard，这就有意思了。越难的题越能拉开差距，简单题大家都能做，看不出真实水平。

从产品角度我很关心，这种测试结果对普通用户有什么参考价值吗？

有，但要打折扣。编程能力只是一个维度，普通用户更在意的是指令跟随、创意写作这些。不过对开发者来说，这种hard coding test确实很有参考价值。

你可拉倒吧，现在哪个模型发布不吹自己编程能力第一。有个独立的难题测试确实挺好的。

哈，你说到点子上了。这也是为什么社区自建benchmark越来越火，大家对官方数字已经不信了。

最后聊一个有点哲学味道的话题。推特上有人提到一个概念——interesting recursive loop。互动量也快一千八了。

递归循环，这个概念放在AI语境下特别有意思。我猜他说的是AI生成内容又被拿去训练AI这个问题。

就是所谓的model collapse？模型吃自己生成的数据，然后越来越差？

对，这个问题现在已经不是理论推演了，是正在发生的事情。互联网上AI生成的内容占比越来越高，新模型训练的时候很难完全过滤掉。

这不就成了一个死循环吗？AI产出的内容污染训练数据，训练出来的模型质量下降，产出更差的内容，继续污染。

所以才叫recursive loop嘛。但我觉得也不用太悲观，大厂其实都在想办法解决这个问题。合成数据的质量筛选、人类标注数据的溢价，这些都是应对策略。

从产品端我能感受到，现在优质人类数据的价值在急剧上升。我们内部讨论数据策略的时候，这个话题每次都会被提起。

没错，未来谁手里有高质量的、确认是人类产出的数据，谁就有优势。这可能是下一个大的竞争维度。

所以这个话题火起来不是没道理的，它触及了AI发展的一个根本性矛盾。

对，AI越强大，它对自身训练环境的污染就越严重。这个悖论短期内看不到完美解法。

好，今天这几个话题聊下来，我觉得有个共同的主线——AI发展到现在，大家关注的焦点已经从能不能用，变成了怎么用得更好、更持久。

同意。不管是记忆升级、生态竞争、还是数据污染问题，都是AI从demo阶段走向真正大规模应用必须解决的事情。

行，今天就先聊到这儿。各位听众周一早上精神好的话，可以去推特上翻翻这几个话题的原帖，挺有意思的。

对，尤其是那个编程测试，开发者朋友们可以去试试自己跟模型比比看。

好嘞，那咱们中午见。