返回列表
OpenAI 宣布关闭 Sora 社交应用:AI 生成内容信息流未能维持用户兴趣
行业新闻OpenAISora人工智能

OpenAI 宣布关闭 Sora 社交应用:AI 生成内容信息流未能维持用户兴趣

根据 TechCrunch 报道,OpenAI 决定关闭其基于 Sora 模型的社交应用。尽管该应用背后的 Sora 2 视频与音频生成模型在技术表现上令人惊叹,甚至被评价为“令人恐惧”,但纯 AI 生成内容的社交信息流模式并未能获得用户的持续关注和兴趣。

TechCrunch AI

核心要点

  • 应用关停:OpenAI 正式宣布关闭其搭载 Sora 模型的移动端应用。
  • 技术实力:该应用底层采用的 Sora 2 模型在视频和音频生成方面表现出极高的技术水准。
  • 市场反馈:尽管技术令人印象深刻,但纯 AI 生成内容的社交信息流(AI-only social feed)未能维持用户的长期兴趣。

详细分析

技术领先与用户体验的脱节

OpenAI 的 Sora 2 模型在视频和音频生成领域展现了极强的技术实力,其生成效果被描述为“惊人”甚至“令人感到恐惧”。然而,这种技术上的突破并未能成功转化为持久的产品吸引力。该应用尝试构建一个完全由 AI 生成内容组成的社交信息流,但在实际运营中发现,用户对于缺乏人类参与的纯 AI 内容表现出兴趣乏味。

社交信息流模式的挑战

此次 Sora 应用的关闭反映了当前 AI 社交产品面临的共性问题。虽然 Sora 2 能够生成高质量的视听素材,但社交媒体的核心价值往往在于人与人之间的连接与真实感。当信息流中充斥的全部是 AI 生成的虚构内容时,用户很难产生持续的互动动力,导致该模式在商业化或用户留存上遭遇瓶颈。

行业影响

OpenAI 关闭 Sora 应用标志着 AI 行业在探索“纯 AI 内容社交”这一方向上的挫折。这表明,即便拥有全球顶尖的生成式 AI 技术,如果缺乏有效的应用场景或人类社交属性的支撑,单纯的技术堆砌难以支撑起一个独立的社交平台。这可能会促使其他 AI 开发商重新评估生成式 AI 在消费级社交产品中的应用逻辑,转向辅助创作而非替代创作。

常见问题

问题 1:Sora 应用关闭是因为技术不成熟吗?

不是。根据原文,Sora 2 的视频和音频生成模型在技术上非常出色且令人印象深刻,关闭的主要原因是用户对纯 AI 社交信息流缺乏持续的兴趣。

问题 2:Sora 2 模型也会随之消失吗?

原文仅提到关闭基于该模型的社交应用,并未提及 Sora 2 底层模型的关停。该模型作为 OpenAI 的核心视频生成技术,其后续应用方向可能另有安排。

问题 3:为什么用户对纯 AI 信息流不感兴趣?

虽然原文未详细展开,但分析指出,尽管 Sora 2 生成的内容质量极高,但缺乏人类真实情感和互动的“纯 AI 环境”难以维持社交媒体所需的长期用户粘性。

相关新闻

美团LongCat发布General 365推理评测基准:Gemini 3 Pro准确率仅62.8%领跑
行业新闻

美团LongCat发布General 365推理评测基准:Gemini 3 Pro准确率仅62.8%领跑

美团LongCat团队正式发布General 365推理评测基准,旨在为大语言模型的推理能力树立新标尺。在对26款主流模型的实测中,目前表现最强的Gemini 3 Pro准确率仅为62.8%,而绝大多数模型未能达到60%的及格线。这一结果揭示了当前AI模型在复杂推理任务中面临的严峻挑战,为行业提供了客观的性能评估参考。

ACL 2026 精选论文分享:美团履约团队大模型 Agent 技术体系深度解析
行业新闻

ACL 2026 精选论文分享:美团履约团队大模型 Agent 技术体系深度解析

美团履约 AI 算法团队在 ACL 2026 期间分享了其在大模型 Agent 技术体系方面的最新研究成果。该团队通过深耕持续预训练(CPT)、后训练(Post-training)、Agent 强化学习(Agentic RL)及多模态理解等前沿方向,成功构建了赋能美团履约业务的 Agent 自进化运营系统。目前,相关研究已在 ACL、EMNLP 等国际 AI 顶会发表数十篇高质量论文,展示了美团在 AI 工业落地与学术研究方面的深厚积淀。

美团发布LongCat-2.0:首个国产五万卡集群训练的万亿参数模型,支持1M超长上下文
行业新闻

美团发布LongCat-2.0:首个国产五万卡集群训练的万亿参数模型,支持1M超长上下文

美团技术团队正式发布LongCat-2.0大模型。该模型是业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型,总参数量达1.6T。LongCat-2.0采用从零预训练模式,原生支持1M(百万级)超长上下文,其架构设计深度聚焦于Agentic Coding任务,旨在提升复杂代码环境下的理解、生成与执行效率,标志着国产算力在大模型全链路开发上的重大突破。