20260711 影片筆記

OpenAI 發布 GPT-5.6 系列模型（Sol, Terra, Luna）及 ChatGPT 重大更新，包括支援複雜任務的 ChatGPT Work、具備電腦操作能力的桌面應用程式，以及允許創建並分享網站的 Hosted Sites 功能，同時展示其在財務分析、前端開發、農場管理及即時翻譯等場景的應用。

影片分析 OpenAI 發布 GPT-5.6（含 GPT-Live 語音功能）後的市場反應，指出其透過「全雙工」語音與 ChatGPT/Codex 融合提升效率，並被視為資本市場上市的「炮灰」以管理用戶心智；同時對比中美 AI 發展路徑倒置（美國走向中心化超級 App，中國走向去中心化生態），並探討中國開源模型採取「吃尾流」策略的競合關係。

影片介紹了 AI 模型 Claude 推出的「Reflect 回顧」新功能，該功能類似於串流媒體的年度回顧，用於統計用戶使用 AI 的行為數據，並透過設定「安靜時間」與互動提問，提醒用戶注意使用習慣與身心健康，同時尊重用戶希望親自處理的事項。

影片介紹 OpenAI 發布 GPT 5.6 系列新模型（索爾、泰拉、露娜）及 ChatGPT 介面更新，並透過實測比較 GPT 5.6 與 Anthropic 的 Fable 5 在搜尋、設計、客觀性等方面的表現，結論認為 GPT 5.6 適合邏輯與搜尋任務，而 Fable 5 在創意與語感上仍具優勢。

OpenAI 於 2026 年 7 月 8 日發布 GPT Live，透過「全雙工（Full Duplex）」架構實現邊聽邊說與即時插話，徹底改變過去回合制語音 AI 的生硬體驗；此技術不僅顛覆機器同傳與翻譯邏輯，更透過「前後台委託」機制讓 AI Agent 成為具備場景理解與協作能力的現實生活接口，預示著僅做機械轉述的翻譯工作將面臨淘汰。

影片介紹了一款運行於 Codex 環境的開源 PPT Skill，宣稱能透過上傳資料文檔並輸入簡單指令，自動生成具備 8 種高密度資訊風格、可編輯且無幻覺的諮詢風 PPT，其核心流程包含內容規劃、逐頁藍圖與高保證還原三步。

講者分享一套自研的 AI 視頻翻譯流程，透過下載目標視頻音頻與視頻，利用智能體工具（如 MemoCode）將音頻轉譯為高質量中文口播稿，再使用本地部署的 TTS 工具（Omnivice）生成中文音頻，以解決現有 AI 翻譯工具斷句錯誤及機械化問題，實現發音純正、用詞地道的翻譯效果。

微軟透過重寫推理管線與量化技術，將 2.47GB 的語音識別模型壓縮至 670M，在端側 CPU 上實現比實時快 6 倍的運行速度，且準確率僅微幅退化，解決了端側語音識別難以兼顧小體積、低延遲與高準確率的困境。

WorkBuddy（或稱 Workbody）是一個強調執行力的 AI 工作台與 Agent 編排器，透過整合 Skills、Connectors、MCP 及自動化流程，並結合騰訊雲底層能力，協助用戶在 PDF 處理、經營分析、研發、教育、直播、跨境電商及銷售等多個場景中，實現從任務拆解、數據處理到結果交付的完整自動化工作流，同時強調安全邊界與合規控制。