还不到6个月,GPTs黄了
相比起来,人们还不如使用一个足够强大、灵活且通用的AI助手来满足各类复杂需求。更严重的是一些独立GPTs显露出的安全隐患。除此之外,最大的问题在于OpenAI模糊不清的货币化政策。
文章正文
上周,不少人发现微软官网忽然更新了一条“GPT Builder 即将停用”的通知。宣布将从7月10日起终止对Copilot GPT的支持,并会在四天内把平台上所有已创建的GPT连同相关数据全部删除。

如此猝不及防,因为就在仅仅3个月前, GPT Builder 才被微软打包进Copilot Pro服务正式推出。每月付费20美元的订阅用户可以根据特定需求,创建定制化的GPT聊天机器人来自用或分享。
对于刚上线就遭遇光速“停服”,官方给出的解释是:“正在继续评估针对消费者Copilot的可扩展策略,并优先考虑核心产品体验,同时仍然致力于为开发者提供机会。为此,我们将把GPT的重心转移到商业和企业应用场景,并停止消费级Copilot方面的GPT工作。”
简言之,试验了几个月,微软现在得出结论,GPT Builder在消费端并不算一个可行的产品。尽管公司全力推进Copilot等AI项目,也只会在其具有现实商业意义时予以支持。
处境一样尴尬的还有Copilot GPTs的“本体”、相同产品逻辑的ChatGPT 版GPTs和GPT Store。
随着GPT-4、Sora、Voice Engine、GPT-4o引发一轮又一轮的讨论热潮, OpenAI百宝箱内爆款频出, GPTs逐渐成了那个隐身在后,极少被人提及的名字。但人们也还依稀记得它的盛大出场——那个被视为具有划时代意义,可能改写整个AI行业的硅谷的冬天 。
出道即巅峰,却是昙花一现?
去年11月6日的OpenAI开发者大会上,奥特曼首次向全世界介绍了GPTs的概念。用户无需任何编程知识,仅通过自然语言指令和上传知识库,就能轻松定制自己的个性化GPT。
GPTs具备多模态功能,支持外部数据源扩展和API集成,还可以发布到即将上线的GPT Store参与社区共享和营利。奥特曼信心满满地描述着GPT Store类似App Store的搜索、分类和推荐机制,并亲自演示了如何在几分钟内构建一个完全版的「创业导师」聊天机器人。

一夕之间,挡在普通人面前的技术壁垒被推翻,「开发者」一词被重新定义,更有无数AI创业公司惨遭血洗。人们看到了OpenAI试图效仿苹果和谷歌,打造一套完整开发者和用户生态的野心。彼时“变天”、“炸裂”、“颠覆”还未成为常见词汇,那场发布会被江湖形容为 “OpenAI的iPhone时刻”。
始料未及的是,一出狗血宫斗风波打乱了GPT Store的发布节奏。导致原定去年11月末上线的GPT Store今年1月10日才终于对Plus用户开放。与此同时, GPTs使用过程中暴露的问题也接踵而至。
使用大翻车,开发者不满,GPTs凉了
凭着亲民的技术要求,GPTs迅速吸引全球大量AI爱好者涌入。截至今年1月底,用户创建的GPTs已超过300万个。
但也正是由于创建门槛低,大家发现只用简单prompts调出来的定制GPT,体验其实和直接对话GPT-4没太大差别,甚至还是个“低配版”:它不能适应知识库、容易分心和产生幻觉;不能100%遵循自定义指令,反而 “在ChatGPT界面得到的回答效果要好5倍”;本质相当于基础RAG平台,却最多只能传10个文件,未能提供向量数据库调用等功能。而且容易实现也就意味着容易被替代,几百万个GPTs同质化严重、良莠不齐,真正优秀的却少之又少。
相比起来,人们还不如使用一个足够强大、灵活且通用的AI助手来满足各类复杂需求。据Sametime Web数据显示,2月份GPTs访问量仅占ChatGPT网页端的1.5%。自GPT Store开业以来,每周用户流量也已趋于平稳。

更严重的是一些独立GPTs显露出的安全隐患。许多用户都在X表示,自己仅通过几轮对话诱导,就能从GPTs下载原始知识文件,存在数据泄露风险。
比如有人从薪酬比较网站Levels.fyi的GPT轻松获取了作者上传的「2021年美国各大科技公司岗位薪酬」数据表格。还有人直接套出OpenAI 16个官方GPT的源提示。普通用户复制粘贴prompts,再搭配几个知识库文件,就能瞬间复刻。

来到开发者这边,也是怨声载道。
一方面直至5月13日OpenAI春季发布会前,都只有付费用户才能访问GPT Store,很大程度上限制了 GPTs的用户增长潜力。而且由于OpenAI后台提供的用户数据分析功能不足,在一个数据驱动决策的世界里,创作者们无法得到充分洞察,很难吸引到新用户。
Hintloop创始人Kirill Demochkin说,在他分析的超过36000个定制聊天机器人中,只有5%的GPTs每天有150到500个活跃用户,绝大多数每天只能吸引一到两个用户。
另一方面是新创作者在GPT Store的可见性问题。虽说全民可参与,但其实商店的当前设置令GPTs的新人创作者们很难获得关注。每个类别下只能展示OpenAI的官方推荐排列。社区纷纷喊话OpenAI可以学学 TikTok,采用类似的大数据推送或发现方式,让新创作者有更多机会展现自己。
除此之外,最大的问题在于OpenAI模糊不清的货币化政策。早在开发者大会上,奥特曼就承诺发布GPTs会产生实际收入,却一直停留在画饼阶段,没有公布任何支付规则。大家分不到钱,自然就缺乏动力构建高质量应用。
到3月底,眼看GPTs快要“凉凉”,OpenAI不得不紧急决定与小部分美国开发者合作,基于GPTs的使用情况发放相应奖励。目标是“创建一个充满活力的生态系统,让开发者的创造力和影响力得到回报”。至于更具体的奖励细节,OpenAI并未披露。

与之形成鲜明对比的是OpenAI 董事Adam D'Angelo打造的AI 聊天平台Poe。同样的创作者经济模式,Poe不仅更早付诸行动,发展出一套清晰完善的「变现计划」,还将适用范围扩展到包括中国香港在内的23个国家和地区。
在Poe,创作者可以通过设定聊天机器人付费墙和每条信息的价格来获取收益,也能靠拉新把每份订阅多达50美元的激励收入囊中。Poe贴心地讲解了收益计算方式、如何设置收款和获取更多转化的攻略。当初传言Adam D'Angelo因为被奥特曼端了饭碗而大怒,谁成想Poe大路越跑越通,GPTs倒是跪了。

尽管后来为了力挽狂澜,OpenAI推出直接在对话框中艾特GPTs的炫酷功能,让300万聊天机器人“为你打工”,但先找到特定GPTs对话,下次再艾特,从下拉菜单选取,再输入指令——明明一个ChatGPT就能办的事儿,非要把操作线程折腾得更冗长,恐怕真正使用的人寥寥无几。上个月,OpenAI宣布对所有免费用户开放访问权限,但这似乎也救不动了。
为啥GPT Store成不了App Store
承载着奥特曼和OpenAI的野望,从惊世骇俗的登场,到光环褪去的落寞。起码到目前为止,GPTs 并未成为它预想中的样子。
OpenAI的顶级研究人员曾表示,LLM可能成为一种操作系统,类似于苹果的iOS。然而无论是iOS还是安卓,它们早期的热门应用包括视频游戏、导航地图、社交媒体、浏览器工具等等,都是功能鲜明且易于使用和理解的服务。但早期生成式AI驱动的应用通常没有那么直观,大多数人也并未形成依赖聊天机器人来创建图表、计划旅行、解数学题的习惯。
另有分析人士表示, App Store和Play Store的成功也受益于它们是iPhone和安卓手机的一部分。运行在消费者离不开的电子设备上,本就拥抱了海量用户基础。反观ChatGPT虽然已积累了1.8亿用户,实属了不起,但对更多普罗大众来说仍是一个新奇事物。无怪乎奥特曼一直不放弃进军AI硬件的计划,试图抢先攻下这片生态高地。

不过,GPTs和GPT Store折了也丝毫不影响OpenAI的赚钱能力。The Information近日报道, OpenAI在过去六个月内的年化收入已翻倍达到34亿美元。2023年底这个数字还是16亿美元,去年夏天同期为10亿美元。而Anthropic的计划是到今年底实现超过8.5亿美元的年化收入。加拿大竞争对手Cohere在4月份年华收入计算仅为2200万美元——OpenAI仍然断崖式领先于同行。
在OpenAI这34亿美元中,有32亿来自于ChatGPT订阅服务以及软件开发人员通过API访问其模型的费用。由于这些模型部署在微软云端,微软会从中抽成。OpenAI 也会从微软向其Azure云客户销售的OpenAI模型中获得部分收益。据奥特曼告诉员工,按年计算,这部分收益现在约为2亿美元,只占微软从该业务中产生收入的20%。
而今微软砍掉面向消费者的Copilot GPTs专心搞企业级,与OpenAI自己的业务路线也不谋而合。今年以来,OpenAI首席运营官Brad Lightcap曾多次公开表示公司正在着力探索更多to B模式,包括企业级模型的全方位定制化服务。
对于GPTs,则更像一款AI时代的试验品。它曾淘汰了初代GPT插件,也创造过轰动全球的美丽畅想。而今虽倒犹荣,说不定一百个GPTs倒下,一千个别的什么又会站起来。
相关文章:
还不到6个月,GPTs黄了
相比起来,人们还不如使用一个足够强大、灵活且通用的AI助手来满足各类复杂需求。更严重的是一些独立GPTs显露出的安全隐患。除此之外,最大的问题在于OpenAI模糊不清的货币化政策。 文章正文 上周,不少人发现微软官网忽然更新了一条“GPT Bu…...
IOS Swift 从入门到精通:BlurEffect BlendMode stroke
文章目录 UIBlurEffectBlendModestroke基本用法:描边样式:与strokeBorder的区别:组合使用:自定义形状:UIBlurEffect 在Swift中,实现模糊效果通常是通过UIKit框架中的UIBlurEffect类来完成的,这通常被称作毛玻璃效果。 **创建UIBlurEffect实例:**选择一个模糊效果的样…...
西木科技Westwood-Robotics人型机器人Bruce配置和真机配置
西木科技Westwood-Robotics人型机器人Bruce配置和真机配置 本文内容机器人介绍Bruce机器人Gazebo中仿真代码部署Bruce真机代码部署 本文内容 人形机器人Brcue相关介绍docker中安装Gazebo并使用Bruce机器人控制器更换环境配置 机器人介绍 公司:西木科技Westwood-R…...
【招聘贴】JAVA后端·唯品会·BASE新加坡
作者|老夏(题图:公司业务介绍页) “ 请注意,这两个岗是BASE新加坡的,欢迎推荐给身边需要的朋友(特别是在新加坡的)。” VIP海外业务-产品技术团队,这两个岗位属于后端工程组的岗&…...
CVPR2024|vivo提出使用对抗微调获得泛化性更强的SAM,分割性能直接登顶 SOTA!
在计算机视觉不断发展的领域中,基础模型已成为一种关键工具,显示出对多种任务的出色适应性。其中,由 Meta AI 开发的 Segment Anything Model(SAM)在图像分割任务中表现杰出。然而,和其他类似模型一样&…...
程序员必备的ChatGPT技巧:从代码调试到项目管理
近年来,随着人工智能技术的迅猛发展,ChatGPT作为一种强大的对话式AI工具,已经广泛应用于各个领域。而对于程序员来说,ChatGPT不仅可以帮助他们解决编程中的各种问题,还能在项目管理中发挥重要作用。本篇博客将详细介绍…...
JAVA开发的一套医院绩效考核系统源码:KPI关键绩效指标的清晰归纳
KPI是关键绩效指标(Key Performance Indicators)的缩写,它是一种用于衡量员工或组织绩效的量化指标。这些指标通常与组织的目标和战略相关,并帮助管理层评估员工和组织的实际表现。KPI还可以为员工提供清晰的方向,使他…...
面向对象编程——python
目录 一、面向对象编程 1.1 类和对象 1.2 继承 1.3 封装 1.4 多态 1.5 Python中的面向对象编程 二、类、对象和变量 2.1 类(Class) 2.2.1 类的属性(Class Attributes) 2.2.2 类的方法(Class Methods…...
【LeetCode】每日一题:合并K个升序链表
给你一个链表数组,每个链表都已经按升序排列。 请你将所有链表合并到一个升序链表中,返回合并后的链表。 解题思路 分治加两个链表合并,或者用根堆,根堆的初始化方法很值得背诵,还涉及lambda的用法 AC代码 # Defini…...
从零开始学docker(四)-安装mysql及主从配置(一)
mysql MySQL是一个关系型数据库管理系统,由瑞典MySQL AB 公司开发,属于 Oracle 旗下产品。MySQL 是最流行的关系型数据库管理系统之一,在 WEB 应用方面,MySQL是最好的 RDBMS (Relational Database Management System,关…...
【目标检测】Yolov8 完整教程 | 检测 | 计算机视觉
学习资源:https://www.youtube.com/watch?vZ-65nqxUdl4 努力的小巴掌 记录计算机视觉学习道路上的所思所得。 1、准备图片images 收集数据网站:OPEN IMAGES 2、准备标签labels 网站:CVAT 有点是:支持直接导出yolo格式的标…...
新能源汽车 LabCar 测试系统方案(-)
什么是LabCar测试 LabCar测试目标是进行整车黄板台架功能测试,用于整车开发和测试阶段,满足设计人员和测试人员的试验需求,以验证整车性能,减少开发工作量。系统主要用于测试静态及动态工况下的纯电动汽车的各项功能实现情况。 …...
机器学习辅助的乙醇浓度检测(毕设节选)
目录 1.为什么要机器学习 2. 神经网络一般组成 3.BP神经网络工作过程 4.评价指标 5.实操代码 1.为什么要用机器学习 人工分析大量的谐振模式,建立各种WGM的响应与未知目标之间的关系,是一个很大的挑战。机器学习(ML)能够自行识别全谱的全部特征。作为…...
YOLO系列改进
yolo核心思想:把目标检测转变成一个回归问题。将整个图像作为网络的输入,仅仅经过一个神经网络,得到边界框的位置及其所属的类别。 YOLOv1 CVPR2016 输出7730的张量表示2个框的5个参数和20个种类。leaky ReLU,leaky并不会让负数…...
cuda与cudnn下载(tensorflow-gpu)
目录 前言 正文 前言 !!!tensorflow-gpu的版本要与cuda与cudnn想对应。这点十分重要!推荐下载较新的。即tensorflow-gpu2.60及以上,cuda11.x及以上,cudnn8.x及以上。 所以,下载之前先检查好…...
git 多分支实现上传文件但避免冲突检测
文章目录 背景实现步骤 背景 对于某些通过命令生成的配置文件(如 TypeScript 类型文件等) 实现步骤 1...
聊聊 golang 中 channel
1、引言 Do not communicate by sharing memory; instead, share memory by communicating Golang 的并发哲学是“不要通过共享内存进行通信,而要通过通信来共享内存”,提倡通过 channel 进行 goroutine 之间的数据传递和同步,而不是通过共享…...
SK Hynix 3D DRAM良率突破56.1%,开启存储新时代
根据韩国财经媒体Business Korea独家报道:在刚刚结束的VLSI 2024国际研讨会上,韩国半导体巨头SK Hynix公布了一项振奋人心的进展:其五层堆叠3D DRAM的制造良率已达到56.1%。此成果标志着3D DRAM技术在商业化道路上迈出了坚实的一步࿰…...
如何封装自动化测试框架?
封装自动化测试框架,测试人员不用关注框架的底层实现,根据指定的规则进行测试用例的创建、执行即可,这样就降低了自动化测试门槛,能解放出更多的人力去做更深入的测试工作。 本篇文章就来介绍下,如何封装自动化测试框…...
基于Java的在线编程考试系统【附源码】
毕业设计(论文) 题目:基于 二级学院: 现代技术学院 专业(方向): 计算机应用技术 班 级: 计科B2015 学 生: 指导教师: 2024年1月 29 日 本科毕业论文(设计)学术诚信声明 本人郑重…...
以下是对华为 HarmonyOS NETX 5属性动画(ArkTS)文档的结构化整理,通过层级标题、表格和代码块提升可读性:
一、属性动画概述NETX 作用:实现组件通用属性的渐变过渡效果,提升用户体验。支持属性:width、height、backgroundColor、opacity、scale、rotate、translate等。注意事项: 布局类属性(如宽高)变化时&#…...
关于iview组件中使用 table , 绑定序号分页后序号从1开始的解决方案
问题描述:iview使用table 中type: "index",分页之后 ,索引还是从1开始,试过绑定后台返回数据的id, 这种方法可行,就是后台返回数据的每个页面id都不完全是按照从1开始的升序,因此百度了下,找到了…...
微信小程序 - 手机震动
一、界面 <button type"primary" bindtap"shortVibrate">短震动</button> <button type"primary" bindtap"longVibrate">长震动</button> 二、js逻辑代码 注:文档 https://developers.weixin.qq…...
【git】把本地更改提交远程新分支feature_g
创建并切换新分支 git checkout -b feature_g 添加并提交更改 git add . git commit -m “实现图片上传功能” 推送到远程 git push -u origin feature_g...
[Java恶补day16] 238.除自身以外数组的乘积
给你一个整数数组 nums,返回 数组 answer ,其中 answer[i] 等于 nums 中除 nums[i] 之外其余各元素的乘积 。 题目数据 保证 数组 nums之中任意元素的全部前缀元素和后缀的乘积都在 32 位 整数范围内。 请 不要使用除法,且在 O(n) 时间复杂度…...
基于 TAPD 进行项目管理
起因 自己写了个小工具,仓库用的Github。之前在用markdown进行需求管理,现在随着功能的增加,感觉有点难以管理了,所以用TAPD这个工具进行需求、Bug管理。 操作流程 注册 TAPD,需要提供一个企业名新建一个项目&#…...
代码随想录刷题day30
1、零钱兑换II 给你一个整数数组 coins 表示不同面额的硬币,另给一个整数 amount 表示总金额。 请你计算并返回可以凑成总金额的硬币组合数。如果任何硬币组合都无法凑出总金额,返回 0 。 假设每一种面额的硬币有无限个。 题目数据保证结果符合 32 位带…...
多模态图像修复系统:基于深度学习的图片修复实现
多模态图像修复系统:基于深度学习的图片修复实现 1. 系统概述 本系统使用多模态大模型(Stable Diffusion Inpainting)实现图像修复功能,结合文本描述和图片输入,对指定区域进行内容修复。系统包含完整的数据处理、模型训练、推理部署流程。 import torch import numpy …...
从“安全密码”到测试体系:Gitee Test 赋能关键领域软件质量保障
关键领域软件测试的"安全密码":Gitee Test如何破解行业痛点 在数字化浪潮席卷全球的今天,软件系统已成为国家关键领域的"神经中枢"。从国防军工到能源电力,从金融交易到交通管控,这些关乎国计民生的关键领域…...
系统掌握PyTorch:图解张量、Autograd、DataLoader、nn.Module与实战模型
本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在聚客AI学院。 本文通过代码驱动的方式,系统讲解PyTorch核心概念和实战技巧,涵盖张量操作、自动微分、数据加载、模型构建和训练全流程&#…...
