今天與 {{active_subscriber_count}}+ 位讀者一起看：
🗞️｜Perplexity 免費版 Deep Research
🚀｜Microsoft 讓 AI 模型操作電腦
📊｜全球有多少 AI 算力？增長有多快？
🧭｜如何有效使用 OpenAI 推理模型？
🔬｜AI 破解《Among Us》遊戲？
🔍｜OpenAI 正研究「成人模式」？
電子報製作時間：5.2 小時
影片來源：Perplexity
Perplexity 重磅推出自家 Deep Research 功能，可以免費使用，而且能力媲美 OpenAI 的 Deep Research，3 分鐘就能完成深度研究報告，為你節省數小時。
事實準確：在 SimpleQA 測試中達 93.9% 準確率，大幅超越目前多款熱門 AI 模型。
最新測試：Humanity’s Last Exam 基準測試中，得到 21.1%，媲美 OpenAI 的Deep Research（26.6％）。
免費使用：免費用戶每日可以使用 5 次，Pro 版本最多 500 次。
可以期待：之前 DeepSeek R1 推出後，OpenAI 很快就釋出 o3 mini 應對。這次 Perplexity 推出免費版 DR，OpenAI 或許也會很快開放給 Plus 和免費用戶。
🧰 TOOLS
Train Fitness：讓 AI 成為你的健身教練
來自合作夥伴：Train Fitness
Train Fitness 是由加拿大團隊推出的一款 AI 健身 App，能夠透過智慧手錶自動檢測超過 470 種健身動作，讓 AI 真正成為你的健身教練。
AI 演算法：使用專利 AI 演算法（Neural Kinetic Profiling™，NKP）來精準捕捉、分析人體健身動作。
自動追蹤：只要佩戴 Apple Watch，不需額外手動輸入，就能追蹤紀錄槓鈴、啞鈴、壺鈴…等動作組數。
AI 健身計劃：根據過去的訓練、恢復情況和健身目標，AI 會生成專屬於你的健身訓練計劃。
實際體驗：目前我已經使用 Train Fitness 4 個多月，是我用過最好用的健身追蹤 App！免費獲得 2 個月 Trian Pro 會員資格
影片來源：Microsoft
Microsoft 全新推出 OmniParser V2，能讓 GPT-4o、DeepSeek R1、Claude Sonnet 3.5…等 AI 模型，理解螢幕內容、自動操作電腦。
偵測準確度：擴大訓練數據集，使其更能識別小型可互動元素。
推理速度：透過縮小圖示標註模型的影像尺寸，使推理延遲降低 60%。
測試表現：OmniParser+GPT-4o 在 ScreenSpot Pro 基準測試中達到 39.6 分，遠超 GPT-4o 單獨原始的 0.8 分。
圖片來源：Microsoft
OmniTool：為了讓開發者更容易測試不同的代理（Agent）設定，Microsoft 也推出開源工具 OmniTool，內建支援多種 LLM，支援 GUI 自動化。
📊 CHART
全球有多少 AI 算力？增長有多快？
圖片來源：Epoch AI
AI 研究機構 Epoch AI 分析 Nvidia GPU 出貨量，發現自 2019 年起，Nvidia 晶片的總算力平均每 10 個月翻一倍。
Hopper GPU 主導市場：目前 Nvidia 有 77% 算力來自 Hopper 架構（ H100…），全球資料中心約有 400 萬顆 H100 等效的 GPU。
硬體故障有限：儘管 AI 算力快速成長，估算僅 7% 算力因硬體故障損失，即便以最悲觀估計，也不超過 27%。
Google TPU 規模較小：截至 2024 年中，Google TPU 的總計算能力約為 Nvidia 晶片的 30%，Nvidia 仍是 AI 算力主導。
這樣還不夠快：雖然算力每年增長 2.3 倍，但 AI 模型訓練需求的增速更快，每年成長 4-5 倍，算力供應可能趕不上需求，成為 AI 發展的瓶頸。
🧭 GUIDE
如何有效使用 OpenAI 推理模型（o3-mini、o1）？
圖片來源：OpenAI
OpenAI 最新發佈官方「推理模型」指南，讓我們可以快速了解推理模型「該什麼時候使用？」以及「如何使用？」
關鍵差異：
推理（o1、o3-mini）：「規劃者」適合處理複雜推理、分析、決策。
非推理（GPT-4o）：「執行者」適合快速處理明確任務。
什麼時候該使用推理模型：模糊任務、大量資訊、跨文件關聯性分析、多步驟任務、視覺推理、程式優化審查、AI 生成內容評估…
如何有效使用推理模型：
保持 Prompt 簡單、明確（避免冗長或過度解釋）
避免「逐步推理」提示（模型已內建推理能力）
使用符號分隔提升清晰度（如 Markdown、XML、標題）
先嘗試不給範例（zero-shot），再用少量範例（few-shot）
提供具體規則（例如：解決方案預算須低於 $500）
清楚定義成功標準（讓模型能優化回應）
🔬 RESEARCH
AI 破解《Among Us》遊戲
圖片來源：Training Language Models for Social Deduction with Multi-Agent Reinforcement Learning
你有玩過《Among Us》嗎？Stanford 團隊利用多代理強化學習訓練，沒有透過人類示範，就讓 AI 在《Among Us》遊戲中，勝率提升 2 倍。
遊戲規則：玩家需要完成指定任務，其中一位要殺害船員，當發現船員屍體後，玩家會進入討論階段，自由發言並投票淘汰疑似殺手的船員。
分解溝通任務：AI 透過預測環境資訊來訓練「聽力」，並透過強化學習優化「說話」。
實驗結果：AI 能產生類似人類的討論行為，例如指控嫌疑者、提供證據、投票，勝率提升 2 倍。
AI 戰勝人類遊戲歷史：
1997：Deep Blue 擊敗西洋棋冠軍
2016：AlphaGo 戰勝圍棋大師
2025：Stanford 研究人員讓 AI 破解《Among Us》？
🔍 INSIGHT
OpenAI 放寬模型限制：正研究「成人模式」？
圖片來源：OpenAI
OpenAI 發布 Model Spec（模型規範） 重大更新，強調 自訂性、透明度、思想自由，允許 AI 減少不必要的限制，同時維持關鍵安全機制。
指揮鏈（Chain of command）：
AI 依序遵循 OpenAI 平台 → 開發者 → 使用者 的指示，在平台規範內提供最大彈性，讓開發者與使用者自訂 AI 行為。
共同尋求真相：在回應使用者要求時，模型應該追求「真相」而非迴避爭議，避免帶有立場或操控使用者。
測試表現：相較去年 5 月的系統，最新模型遵循 Model Spec 的能力大幅提升。
圖片來源：OpenAI
成人模式：許多用戶反饋開放「成人模式（grown-up mode）」，目前 OpenAI 已經開始研究如何在符合使用政策的前提下，生成適齡的情色、血腥內容。
🤝 ADVERTISING
與 {{active_subscriber_count}}+ 位讀者分享你們的產品與服務
《Brief AI 電子報》讀者近 50% 擁有碩士以上學歷；管理階層超過 40%，資深職員超過 30%；來自國內外多間知名企業… 馬上預訂合作
讀者來自這裡
