文｜雷科技 

过去几天，作为新一轮 AI 浪潮的领头羊，OpenAI 面临一次的分崩离析的重大危机，从董事会宣布辞退创始人兼 CEO Sam Altman，到回归又被否，期间还经历了多次反转，包括 Altman 加入微软、员工逼宫、与 Anthropic（Claude）合并等。

到了北京时间 11 月 22 日下午，OpenAI 又表示原则上同意 Altman 重返 OpenAI 担任 CEO，并组建新一届董事会，具体细节还在敲定中。

在事情还没有正式敲定前就公开披露，可见现任董事会也明白 OpenAI 急需「稳定军心」，否则竞争对手还会继续「掏空」OpenAI。紧随官方之后，Sam Altman 以及之前刚辞任的总裁 Greg Brockman 也都发布了一条暗示回归 OpenAI 的推文，不管初衷如何，实质上也确实起到了「稳定军心」的作用。

根据此前公开报道，包括 X（Twitter）、微软、谷歌、Anthropic 以及一大批有志于这一轮 AI 浪潮的公司都在重金挖角 OpenAI 员工，而很多 OpenAI 员工也在考虑跳槽事宜，这显然也会严重影响到 OpenAI 原定的一系列计划。

与此同时，竞争对手们也不只是「围观看戏」，还希望抓住 OpenAI 犯错的机会，加快推陈出新的节奏，加速赶超 OpenAI。

Token翻倍、“幻觉”减弱，Claude 2.1终于来了

就在同一天，从 OpenAI 分化出来又背靠谷歌的 Anthropic 发布了新的聊天机器人——Claude 2.1。

作为 ChatGPT 最有力的竞争者之一，Claude 2 原本就在上下文长度和语言理解上有一定的优势，同时还较早支持了链接和文档读取能力。在 Claude 2.1 上，更是将最大支持 Token 数量从 10 万个增加到了 20 万个，远高于 ChatGPT 的最大 3.2 万个 Token。

Token 相当于机器视角的「字数」。

经常使用 ChatGPT 或者类似聊天机器人的读者应该都知道，如果在上下文窗口内，一旦对话长度超过了 Token 限制，上下文窗口就会发生变化，聊天机器人会丢失早期对话的内容，等于忘记了之前的对话背景，会直接影响到后面的回答。

甚至不需要超出 Token 限制，只要对话长度到一定阶段，机器就会开始遗忘早先的一些背景和要求，需要重复提醒。

而  20 万个 Token 的长度，意味着将近 270 页文档的上下文和更强的「记忆容量」。换言之，Claude 2.1 用户现在可以上传整个代码库等技术文档、S-1 等财务报表，甚至是《伊利亚特》或《奥德赛》等长篇文学作品。

通过能够与大量内容或数据进行交互，理论上 Claude 2.1 可以更好地进行总结、执行问答、预测趋势以及对比多个文档等。AI 创业者兼开发者 Greg Kamradt 在测试中，确实发现了 Claude 2.1 在性能上的进步。

此外，Claude 2.1 在对抗大模型「幻觉」方面也取得了一定进步。与之前的 Claude 2.0 模型相比，Claude 2.1 虚假陈述的概率降低了 2 倍。

根据 Anthropic 的说法，他们设置了大量复杂的事实问题进行测试，测试显示 Claude 2.1 在面对错误信息以及不确定信息时更可能提出异议，而不是提供不正确的信息。比如反驳用户给出的「玻利维亚人口第五多的城市是蒙特（错误信息）」，或是承认「我不确定玻利维亚人口第五多的城市是什么」。

这使企业能够构建高性能的人工智能应用程序，解决具体的业务问题，并以更高的信任度和可靠性在其运营中部署人工智能。

视频版Stable Diffusion发布即开源，再一次改变视频生成？

文本生成领域有 ChatGPT 和 Claude，图像生成领域有 Midjourney 和 Stable Diffusion，但在视频生成领域始终没有一个模型可以跑出。

这不是说没有公司尝试，谷歌、Meta 很早就有公布 AI 生成视频的 Demo，还有大量初创团队都在「掘金」视频生成领域，比如 Runway 就接连发布了 Gen-1、Gen-2 两代，实现了真正的从零开始生成视频。当然，Gen-2 仍然存在细节模糊、形态扭曲等等品质问题，所以始终没能破圈。

Stable Video Diffusion 会改变一切吗？

还是北京时间 11 月 22 日，Stable Diffusion 背后的公司 Stability AI 发布了旗下首个视频生成模型——Stable Video Diffusion。

在很多人的意料之中，Stable Video Diffusion 基于图片生成模型 Stable Diffusion 进行开发而成，Stability AI 已经在 Github 上开源了全部代码，同时也上线了 Hugging Face 社区。

要指出的是，目前 Stable Video Diffusion 有两种输出形式，能以每秒 3 到 30 帧的可定制帧速生成 14 和 25 帧。换句话说，Stable Video Diffusion 目前最多也只能生成 8 秒左右的低帧率视频。

但不要低估开源迭代的力量。Stable Diffusion 模型 2022 年最开始发布的时候，图片生成质量也比不上 OpenAI 的 DALL·E-2。然而由于开源的策略，Stable Diffusion 被各路初创公司、开发者、玩家频繁应用与改进，最终让 AI 生成图片彻底火出圈外，引发了一系列的变化。

同时在开源力量的帮助下，不到半年内 Stable Diffusion 模型就迭代到了 2.1 版本。

诚然，Stable Diffusion 的成功未必能够复刻，但可以肯定的是，不同于 Gen-2 这类私有模型，Stable Video Diffusion 可以聚集开源社区更多的开发力量，加速视频生成模型的迭代改进。

生成式 AI，从来不只是 OpenAI

11 月 15 日，Sam Altman 在还没有被董事会辞退之前就在 X（Twitter）上表示，OpenAI 将暂停新的 ChatGPT Plus（付费）用户注册，原因是使用量的激增已经超出了自身的承受能力。直到 11 月 22 日，OpenAI 依然还没有开放 Plus 用户注册。

但与此同时，AI 时代的浪潮还在滚滚向前，Claude 2.1 和 Stable Video Diffusion 的发布之外：

- 谷歌 DeepMind 在最新发布的音乐生成模型中采用了人耳听不见的「水印」；

- 微软发布仅 130 亿参数规模的「大」模型，官方宣称其性能比起 700 亿参数的 Meta Llama-2 Chat 还要好；

- 在下个月举行的 re:Invent 大会上，亚马逊云（AWS）预计也会重点介绍旗下 Olympus 大模型的能力。

今年还有一个可能是最值得期待的大模型——谷歌 Gemini。根据此前半导体研究机构 SemiAnalysis 的报道，谷歌下一代大模型 Gemini 的算力高达 GPT-4 的 5 倍，同时谷歌手握自研 TPUv5 的数量比 OpenAI、Meta、Coreweave、甲骨文以及亚马逊拥有的 GPU 加起来还多。

在此基础上，Gemini 还整合使用了强化学习和树搜索的 AlphaGO，以及机器人、神经科学等领域的技术，拥有语言和视觉两大能力。OpenAI 的首席科学家 Ilya Sutskever 在 2020 年就表示，仅文字就可以表达关于世界的大量信息，但它是不完整的，因为我们也生活在视觉世界中。

说到底，生成式 AI 从来不只是 OpenAI 一家公司，不论围绕 OpenAI 的「大戏」结局会走向何处，都挡不住 AI 大潮的来势汹汹。