GPT-6 Astra：面向工作场景的下一代旗舰模型发布
HOT
OpenAI 发布面向企业工作场景的旗舰模型 GPT-6 Astra，官方称其在推理、操作电脑（computer use）以及写作与设计判断力上较前代明显提升，并通过 Harvey、Airbnb、Perplexity、Cognition 等合作方落地验证：法律文书更结构化、Devin 能自行测试代码、Perplexity 减少人工复核频次。对企业意味着长链条复杂任务可以更多交给模型托管，人工审核成本被重新定价；对开发者而言，选型焦点正从能力分数转向权限、缓存与可观测性等工程细节。
OpenAI 推出 GPT-6 Sol 与 Luna：能力与成本双线分层
NEW
OpenAI 同期推出 GPT-6 Sol 与 Luna 两款模型，定位是把前沿智能带入日常工作，二者在能力与成本之间给出不同取舍：Sol 偏重能力上限，Luna 偏重性价比。按任务难度做模型分层调度后，企业可以把高价值场景交给强模型、把高频低难度任务交给低成本模型，在预算内扩大 AI 覆盖范围。对正在做模型选型与推理成本核算的团队来说，这直接改变 API 组合策略与账单结构，也意味着「一个模型打天下」的时代基本结束。
OpenAI 发布 Agents API：把云端智能体做成托管服务
DEV
OpenAI 发布 Agents API，把云端智能体的编排、长时运行会话与工具调用封装成托管服务，底层由 Codex harness 驱动。开发者无需自建调度与状态管理，即可构建并上线能持续执行多步任务的云智能体。这是 OpenAI 从模型供应商向「智能体运行时」延伸的关键一步，直接对标各类 Agent 框架与云厂商的托管服务。对企业而言代理部署门槛下降，但运行成本、权限控制与可观测性将成为新的工程重点。
Meta 靠自研 Manus 翻身：股价一夜暴涨 11%，增速反超 ChatGPT
HOT
据量子位报道，Meta 凭借自研产品 Manus 实现口碑与用户量反转：产品登顶苹果 App Store 榜单，用户增长速度反超 ChatGPT，带动股价一夜上涨 11%，被形容为美国版「全民养虾」热潮。此前 Meta 在自研大模型竞赛中一度被认为落后，此次靠产品体验与传播裂变重获资本市场信心。对行业而言，这再次说明消费级 AI 的胜负未必只由基座模型排名决定，产品化设计与增长机制同样关键。
Stripe Tour 中国首秀：押注 AI 经济基础设施
Stripe 在中国首次举办 Stripe Tour，主题聚焦「构建 AI 经济基础设施」，并宣布 Stripe Managed Payments（SMP）全面上线。SMP 把支付、税务、合规与结算等复杂环节打包托管，让出海企业以更少工程投入接入全球收款能力。对正在做 AI 出海的中国团队而言，支付与合规长期是落地瓶颈；Stripe 把这一主题放在中国首秀，释放出其争夺 AI 应用商业化红利的意图，也意味着支付服务商的竞争将围绕 AI 原生企业的全球化需求展开。
ChatGPT Ads 扩张至东南亚与台湾，覆盖超 60 个国家和地区
NEW
OpenAI 宣布 ChatGPT Ads 广告业务扩展至东南亚与台湾地区，覆盖国家和地区超过 60 个，符合条件的企业可参与投放。此前该广告产品已在美国等市场上线。对广告主而言，这多了一个基于对话上下文的投放渠道；对 OpenAI 而言，则意味着从纯订阅模式转向「订阅＋广告」的混合变现。流量入口迁移可能重塑区域投放预算分配，而广告与对话内容的边界如何把握，也将成为用户体验与监管关注的下一个焦点。
诺因发布 GLOW 技术报告：人类演示一次，机器人跨场景复用任务
NEW
诺因发布 GLOW 技术报告，提出机器人「一教就会」的具身智能方案：人类只需演示一次，机器人即可实现跨场景任务复用，而不再依赖海量重复示教数据。报告发布节点被放在 GPT-6 之后，意在讨论大模型能力跃迁后具身智能的走向。若单次演示即可泛化，机器人训练的数据成本与部署周期将被大幅压缩，这对工厂、物流与服务机器人落地是关键变量，也把竞争焦点从「数据规模」推向泛化机制与表征设计。
OpenAI 发布 MentalHealthBench：给心理健康场景的 AI 回应打分
AI
OpenAI 发布 MentalHealthBench，这是一套由专家参与设计的心理健康评测基准，用于评估 AI 在真实心理健康对话中能否给出既有帮助又安全的回应。心理健康是生成式 AI 最敏感也最高频的使用场景之一，此前模型在危机识别、共情表达与不当建议上的失误屡被讨论。该基准把「有用」与「安全」同时纳入评分，为模型训练与产品上线提供可比较的标尺，也回应了监管与临床界对 AI 进入心理支持领域的核心担忧。
教机器人干活光刷课时不够：灵初较真数据质量，专治人机动作对不齐
DEV
量子位报道，机器人数据公司灵初把重点放在数据质量而非数据规模上，指出教机器人干活「光刷课时可不够」，其方案专门解决人类演示与机器人动作对不齐的问题。具身智能当前普遍受困于采集成本高、动作轨迹与视觉观测存在时空错位，模型容易学到噪声。灵初的做法意味着行业开始从「堆数据量」转向「提数据精度」，数据工程与对齐工艺可能成为具身智能公司的核心壁垒，并直接影响真机训练效率与任务成功率。
Sam Altman 在联合国安理会发言：谈 AI 安全、人类控制与国际合作
HOT
OpenAI CEO Sam Altman 在联合国安理会发表讲话，围绕 AI 安全、人类对 AI 的控制权以及国际合作展开，呼吁各国在模型能力快速提升的背景下建立协调机制。安理会是讨论国际安全议题的最高多边场合，AI 高管在此发言本身具有象征意义：前沿模型的安全治理正从企业自律、技术社群讨论上升到国际安全议程。对各国监管者而言，这既是在为未来国际规则铺垫共识，也是在争夺 AI 治理的话语权。
OpenAI 提出 AI 下一阶段的标准化路径：统一评测、披露与治理
OpenAI 发文阐述其对全球 AI 标准化的主张，呼吁在评测、披露与治理三个环节开展协调：统一评测方法、公开必要的模型与安全信息、建立跨国治理机制，以提升整体安全水平。此前各家模型的能力报告与风险表述口径不一，企业和监管者难以横向比较。若能推动共享标准落地，将降低合规成本、提高跨市场部署的可预期性；难点在于标准制定权与执行权如何在国际间分配，以及是否会演变为新的技术贸易壁垒。
OpenAI 与美国 GSA 合作：政府采购零许可费、用量五折
AI
OpenAI 与美国总务管理局（GSA）合作，向符合条件的联邦、州、地方及部落政府机构提供零许可费、使用量五折以及扩展的网络防御支持，推动 AI 在公共部门落地。政府是 AI 采购中最重视安全与合规的客户，此举把前沿模型直接嵌入公共服务采购通道，既扩大 OpenAI 的政企市场份额，也为自身争取政策善意。对公共部门而言，低门槛接入意味着政务效率工具快速普及，但数据主权、审计与供应商依赖问题仍需制度配套。
出海 Agent「小元AI」入驻腾讯 WorkBuddy：找买家、写开发信、谈生意
NEW
出海 Agent「小元AI」入驻腾讯 WorkBuddy，主打外贸场景：帮用户找买家、撰写开发信、跟进谈判，并具备记忆与自进化能力。WorkBuddy 是腾讯的办公智能体平台，引入垂直行业 Agent 意味着平台正从通用助手转向「应用商店」式生态。对外贸企业来说，海外获客与邮件触达是高频刚需，Agent 若能持续沉淀客户画像并迭代话术，将直接压缩人力成本；对平台方而言，垂直 Agent 的留存与付费转化是检验生态商业化的关键。
OpenAI 推出 Astra for Law：把法律工作流与保密管控打包成产品
AI
OpenAI 发布面向法律行业的 OpenAI for Law，包含定制化律所工作流、连接法律数据源以及符合保密要求的法律级管控，强调基于 GPT-6 Astra 处理机密客户工作；律所 Harvey 已用该模型把法律上下文转化为结构化程度更高的文书草稿，让律师把精力留给策略判断。法律是 AI 落地付费意愿最强的场景之一，但保密与责任归属是最大障碍。此次把数据连接与权限控制打包成产品，说明 AI 厂商正从卖模型转向卖行业解决方案。
清华联合无问芯穹开源具身智能云原生平台 RLark
DEV
清华大学联合无问芯穹开源具身智能云原生平台 RLark，官方称 5 分钟即可完成机器人纳管、10 秒启动跨集群任务，相当于为具身智能搭起一座「塔台」。当前机器人研发团队普遍面临算力分散、真机调度与训练任务编排割裂的问题，RLark 用云原生方式统一纳管机器人与计算资源，可降低多机多集群实验的工程门槛。对高校与初创团队而言，这意味着用更少基础设施投入即可跑通大规模真机实验，也有助于国内形成开源工具链生态。
OpenAI 一天之内把产品线摊开：Astra 主攻工作场景，Sol/Luna 做能力与成本分层，Agents API 把智能体运行时托管化，再叠加法律、金融等行业方案。竞争重心已从模型榜单转向「谁承载企业的日常流程」，开发者的选型维度也要从跑分换成权限、缓存、可观测性与账单。
另一条主线是变现路径的分化：Meta 靠产品增长重获资本信心，ChatGPT 广告扩到东南亚与台湾，Stripe 则把支付合规包装成 AI 经济基础设施。消费级靠增长故事、平台靠广告、基建靠手续费，谁能把 AI 流量转成可持续收入，接下来几个季度会见分晓。
治理与落地在同步推进：Altman 站上安理会、OpenAI 呼吁全球标准、美国政府拿到零许可费，制度框架正快速补位；具身智能这边，GLOW 讲单次演示泛化，RLark 做云原生纳管，数据质量被反复强调。安全合规与工程化能力，正在成为下一轮竞争的真正门槛。