近日，OpenAI 正在测试一项全新的 ChatGPT 功能，将记忆功能与搜索能力相结合。这一尚未公开的功能已在 macOS 应用程序中进行测试。一旦启用，ChatGPT 将能够利用存储的用户记忆，提供更加个性化和高效的搜索结果。
该功能允许 ChatGPT 根据用户的过往互动，检索相关信息并生成量身定制的回答。例如，用户可以要求 ChatGPT 搜索与自己相关的具体内容，而系统会从其记忆中提取数据，提供更加贴合用户需求的回复。这种设计旨在提升用户体验的个性化水平，进一步拓展 ChatGPT 在个人和专业领域的应用潜力。
值得注意的是，这项功能类似于网页浏览中的 “Cookie” 技术，通过存储用户数据实现内容个性化。然而，这也引发了关于隐私和定向广告的潜在担忧，特别是在 AI 驱动系统中如何平衡个性化与数据安全的问题上。
以上测试来自 X 用户：TestingCatalog News目前，该功能尚未向公众开放，但部分测试用户已表示功能运行良好。无论如何这一开发预示着 ChatGPT 在智能化和个性化方面迈出了重要一步。
ChatGPT Work 标志着大模型向全托管自主智能体跃迁。其通过云端沙箱、无头浏览器、持久化存储及一键部署四大基础设施，实现从信息检索到网站上线的闭环自动化。系统提供 Cloud 与 Local 双形态及多档推理级别，适配不同任务需求。尽管具备强大自主执行能力，用户仍需警惕上下文压缩、CSP 限制及提示注入等风险。目前该工具仍面临云端与本地环境状态同步未打通的挑战，但已重塑软件工程协作模式。
ChatGPT Work 通过联网代码沙盒、Headless Chrome 及持久化文件系统，推动 AI 从问答工具演进为自主执行体。实测显示，智能体可凭单条指令自主调用 API 完成复杂地理计算并交付可视化地图与数据文件。该平台还支持一键建站、子智能体协作及定时任务，适用于实体交付场景。但当前仍存在代码透明度不足、上下文压缩致历史丢失及资源安全策略限制等问题，在生产环境的可复现性仍面临挑战。
OpenAI 发布 GPT-Image-2.5，核心突破在于实现无漂移局部精修。API 端拆分为 Flare 与 Sunburst 双模型：Flare 主打低延迟与高吞吐，适合批量出图；Sunburst 专注高精度多轮编辑，保障品牌物料一致性。前端新增草图模式、模板系统及图上评论功能，提升创作效率。该模型解决了 AI 改图画面漂移痛点，已在多个平台落地应用，但在超长对话多层修改场景下仍存在回溯局限。
围绕《OpenAI 的新 ChatGPT 功能将记忆与搜索功能相结合》展开交流，未登录用户可浏览评论，登录后可参与讨论。