Field Notes

Agents-API und Live-Voice starten, OpenAI skaliert Storage, Politik-Bremse, neues Vision-Paper

Neue Bausteine für Agenten und Sprache, sehr große Infrastrukturzahlen, Politik mischt sich ein, Forschung zeigt ein kompaktes Vision-Modell.

Die Woche in fünf Punkten

  1. OpenAI gibt die Agents-API in einer Public Beta frei. Sie soll Entwicklerinnen und Entwicklern die Infrastruktur hinter Codex und ChatGPT zugänglich machen. Wenn du Agenten baust, kannst du damit Backend-Arbeit auslagern.1

  2. GPT-Live-1 bringt natürliche Voll-Duplex-Gespräche in die API. Dazu kommen stärkere Befolgung von Anweisungen, eigene Stimmen und eine Telefonie-Anbindung. Du kannst damit echte Hotline-Flows oder Live-Assistenten bauen.2

  3. OpenAI beschreibt die Evolution von Habitat zur global verteilten Storage-Plattform. Sie bedient laut OpenAI über 1 Milliarde ChatGPT-Konten und 22 Millionen Requests pro Sekunde. Die Zahlen stammen vom Anbieter.3

  4. OpenAI trägt die Idee eines gemeinsamen KI-Slowdowns in den US-Kongress. Es ist eine Sondierung, keine Entscheidung. Wenn dein Fahrplan von schnellen Modell-Upgrades abhängt, plane Unsicherheit mit ein.4

  5. Vor drei Tagen erschien das Paper zu SenseNova-U1.5, einem 8B-MoT multimodalen Modell. Es versteht, begründet und erzeugt visuelle Inhalte in einer encoder-freien und VAE-freien Architektur. Genannt wird räumlich kohärente Patch-Rekonstruktion zur Stärkung der visuellen Schnittstelle. Unabhängige Prüfungen stehen aus.5

Quellen

  1. OpenAI's new Agents API gives developers the infrastructure behind Codex and ChatGPT (the-decoder.com)
  2. Build more natural voice experiences with GPT‑Live‑1 in the API (openai.com)
  3. Rapidly scaling online storage to serve over 1 billion ChatGPT users (openai.com)
  4. OpenAI floats a shared AI slowdown, takes it to Congress (the-decoder.com)
  5. Paper: SenseNova-U1.5: Towards Native Unified Visual Intelligence (huggingface.co)