GPT 4o-mini华人领队离开OpenAI：真正推动AI进步不是模型架构，而是互联网（

1.gpt4.0免费

刚刚，OpenAI又离职一名华人大佬。前OpenAI研究员Kevin Lu宣布加入AI新创Thinking Machines Lab。

2.gpt4o

Kevin Lu主导了GPT-4o mini的发布，并参与o*-mini、o3等模型工作Thinking Machines Lab由前OpenAI CTO Mira Murati创立的2025年7月，公司创历史完成。

3.gpt4.0官网

约20亿美元的超大额早期融资（a16z领投），估值约120亿美元。随后团队核心成员在社交平台上互动表示欢迎。

4.gpt4什么东西

Kevin Lu是强化学习与小模型方向的研究者，本科就读于加州大学伯克利分校，在OpenAI期间专注强化学习、Small Models与合成数据。

5.gpt4发布日期

加入Thinking Machines之前还在Hudson River Trading、MetaAI从事序列决策与深度学习研究真正推动AI进步的是互联网Kevin Lu在小模型与合成数据上的实践经验，有助于Thinking Machines缩短从论文到用户价值的距离。

6.gpt4omini

尤其是他7月的一篇博客非常出圈：真正推动AI进步是互联网。深入浅出的讲明白一个事情：与其反复抠架构，不如扩大、丰富、贴近现实的数据来源（如互联网）与数据消耗方式，否则模型始终「见得少、懂得少」。

7.gpt40免费版安装

博客地址：https://kevinlu.ai/the-only-important-technology-is-the-internet以下为博客的部分截取翻译：虽然AI的进步常被归功于一些里程碑论文——比如Transformers、RNNs、Diffusion——但这忽略了AI最根本的瓶颈：数据。

8.gpt4o开源了吗

那么，「好数据」究竟意味着什么？如果我们真想推进AI，与其研究深度学习优化，不如研究「互联网」互联网才是让我们的AI模型实现规模化扩展的那项关键技术· Transformers是一种「分散注意力」受架构创新带来的快速进展启发（5年间从AlexNet到Transformer），许多研究者一直在寻找更好的架构先验，寄望于设计出「优于Transformer」的新架构。

9.gpt4参数量

事实上，Transformer之后确实出现了一些更好的架构；但为什么自GPT-4以来，我们很难「切身感到」这种改进？

10.gpt4omini和gpt4o什么区别

· 范式更迭算力受限（compute-bound）。曾经，方法随算力扩展，更高效的方法就更好。真正重要的是把数据尽可能高效地塞进模型里；这些方法不仅效果更好，而且似乎「越大越灵」。

然后，数据受限（data-bound）研究模型架构当然不是没用社区在Transformer之后开发出了更好的方法，比如SSMs与Mamba等但它们并非「免费的胜利」：在给定训练算力下，训练一个Transformer往往能得到更优性能。

但数据绑定的范式是自由的：反正各种方法最终都差不多！因此应选择推理阶段更优的方法，可能是某种「次二次注意力变体」（subquadratic attention variant）这些方法很可能会再度走到台前。

· 研究者该做什么？设想我们不只关心推理（可以理解为「产品」），而是关心渐近性能（可以理解为朝着AGI迈进）：显然，只优化架构是错的调整Q-function轨迹裁剪也不对手工打造新数据集无法扩展花哨的「时间高斯探索」（new temporal Gaussian exploration method）也大概率不具扩展性。

社区的许多成员已经达成共识：应研究新的「数据消费」方式目前两大主流范式是：（1）下一个token预测（NTP）与（2）强化学习（RL）（显然，我们在「新范式」上并没取得太多突破）AI的本质就是「消耗数据」。

目前AI领域里程碑工作本质上是在开辟数据消耗