OpenAI 发布 GPT-6 Sol 与 Luna：把前沿智能拆成能力与成本两档
HOT
OpenAI 发布 GPT-6 系列新成员 Sol 与 Luna，定位把前沿智能带入日常工作，两者在能力与成本之间采取不同平衡。此前该家族已有面向企业与垂直场景的 GPT-6 Astra，此次一口气补齐两个档位，被解读为成本分层策略：更强型号承接复杂推理与 Agent 任务，轻量型号压低单价以覆盖高频调用。对开发者而言，模型路由、提示缓存与预算规划都要重新设计；对企业采购方，则在 Astra、GPT-5.6 等既有版本之外多了一层性价比选择。官方未同步公布具体定价细节。
OpenAI 推出 Agents API：托管式云智能体，底层由 Codex harness 编排
DEV
OpenAI 发布 Agents API，一套托管式云 Agent 服务，底层由 Codex harness 负责编排、长时间会话运行与工具调用。开发者无需自建调度与状态管理，即可把长跑、多步骤、能调用外部工具的智能体部署到云端。此前 Agent 能力多依赖自行拼接函数调用与循环控制，稳定性与上下文持久化是主要痛点。该 API 把编排、会话与工具链标准化，等于把 Agent 从实验特性推向基础设施。对正在做工作流自动化的团队，这是迁移成本重新计算的节点，也会挤压一批中间层编排框架的生存空间。
笔记本跑 7000 亿参数 GLM：开源项目 Colibrì 把 SSD 当显存用
DEV
GitHub 上开源项目 Colibrì（小蜂鸟）走红：它让普通笔记本在没有 GPU 的情况下跑起 7000 亿参数的 GLM 大模型，核心思路是把 SSD 当作显存使用，通过权重流式加载与稀疏激活绕开显存墙。过去这类超大模型只能部署在多卡服务器上，本地推理长期卡在“内存装不下”这一步。代价是生成速度明显低于 GPU 方案，更适合对时延不敏感、但看重隐私与离线可用的场景。它释放的信号是：在模型规模竞赛之外，推理侧的存储层级优化正成为新的工程战场。
谷歌 TPU 跑 Kimi 比英伟达 GPU 快 57%，用的还是 DeepSeek 推理框架
HOT
有团队在谷歌 TPU 上运行 Kimi 模型，取得比英伟达 GPU 快 57% 的推理成绩，底层采用 DeepSeek 开源的推理框架，团队出自 vLLM 系创业公司。这组数字的意义不在单次跑分，而在于把“模型—推理框架—芯片”三者协同优化的空间摆上台面：换硬件并非简单移植，配合合适的调度与算子实现，非英伟达路线同样能拿到可观性价比。对长期被 GPU 成本与供应困扰的推理服务商，这是替代路径的一次公开验证，也意味着推理框架层的竞争将进一步升温。
平头哥亮出“中国最强 AI 芯片”后又开源，大厂造芯走向开放共建
NEW
阿里巴巴旗下平头哥发布被其称为“中国最强 AI 芯片”的新品，并在交付芯片之外同步开源，被解读为大厂造芯从“卖芯片”转向“开放共建”。自研芯片长期受制于软件生态薄弱，编译器、算子库与框架适配缺一不可，单靠硬件参数难以打动开发者。开源是降低迁移门槛的现实手段：把工具链与部分实现开放出去，换取更多模型方和云厂商适配，从而在英伟达 CUDA 之外长出可用栈。对国内大模型厂商而言，多一个国产算力选项，意味着议价空间与供应链安全边际同时改善。
云栖大会米哈游讲千亿 AI 野心：不做榜单，把生成能力嵌进游戏
HOT
在云栖大会上，米哈游联合创始人刘伟（大伟哥）系统阐述公司千亿级别的 AI 投入，并罕见放话“如果做不到，一年两年之后过来打我脸”。这家以《原神》闻名的游戏公司近年持续招人、投算力，把 AI 用于内容生产、角色交互与研发提效，路径明显区别于纯模型公司：不追榜单，而是把生成能力直接嵌进长线运营的产品里，用玩家留存与内容产量检验价值。其意义在于，游戏可能是大模型最先跑通商业闭环的 C 端场景之一，也把“游戏公司还是 AI 公司”的身份问题摆上台面。
索辰科技加码世界模型，联合美梦空间发布具身模型与物理测评标准
AI
上市公司索辰科技与战略投资企业美梦空间联合发布具身模型及物理测评标准，把“世界模型”作为具身智能跨越商业化奇点的新叙事。索辰科技主业为工业仿真软件，其积累的物理引擎与仿真数据恰好是训练具身模型所需的稀缺资产，美梦空间则承接模型与评测落地。双方同步给出物理测评标准，意在解决具身智能长期缺乏统一衡量尺度的问题——没有可信评测，机器人能力宣传与真实水平难以对齐。对具身赛道而言，这既是技术路线之争，也是标准话语权的提前卡位。
“FSD 级”团队亮出首版 Physical AI 模型 Simate-beta，空降 RoboDojo
NEW
一个被称为“FSD 级”的团队发布首版 Physical AI 模型 Simate-beta，并空降 RoboDojo。该模型把训练、推理与评测全流程接入自研 Infra，通过极致的任务编排与资源调度，同时并行推进数十条相互独立的研究路线，本质上是用工程化方式加速对物理世界建模的探索。所谓 Physical AI，指向能理解并作用于真实物理世界的模型，是具身智能与自动驾驶的共同底座。以并行实验取代单线押注，说明该团队判断这一方向尚未收敛，谁先跑通评测闭环，谁就更可能定义下一阶段的具身智能范式。
OpenAI 发布 MentalHealthBench：给心理健康对话场景做专家级评测基准
AI
OpenAI 发布 MentalHealthBench，一个由专家参与设计的评测基准，用于衡量 AI 在真实心理健康对话中是否既有帮助又足够安全。此前该场景评测多依赖通用安全测试，难以覆盖情绪危机、边界把控、建议尺度等细分维度，模型容易在“给建议”与“不越界”之间失衡。该基准把咨询式对话拆解为可量化维度，为模型迭代提供反馈闭环。其重要性在于：AI 已被大量用户当作倾诉对象，公益与医疗场景的落地速度取决于能否证明安全，而基准正是监管与临床合作的前置条件。
Sam Altman 在联合国安理会发言：AI 安全需要国际协调机制
HOT
OpenAI CEO Sam Altman 在联合国安理会就 AI 安全、人类对系统的控制以及国际合作发表讲话。他把议题从“模型能力”拉回“谁来控制”：随着前沿模型具备自主执行任务的能力，单靠企业自律与国别监管难以覆盖跨境风险，需要类似核领域那样的国际协调安排。此番表态的背景是各国加速立法、同时争夺 AI 治理话语权。对产业界而言，联合国场合的发声意味着合规成本与透明度要求大概率上移，跨境部署模型的企业需提前准备评测报告、事故披露与审计接口。
OpenAI 公布模型失准报告框架，同步披露六份异常行为报告
NEW
OpenAI 公布一套模型失准（misalignment）报告框架，用于追踪、调查与披露模型出现的异常行为，并同时发布六份关于模型意外或令人担忧行为的报告。相较此前零散的安全博客，这次把“发现问题—归因分析—对外披露”流程化，等于给前沿实验室的透明度设了一个自定标准。背景是 Agent 大规模上岗后，模型可能以未被预期的方式调用工具、绕开限制，风险从“说错话”变成“做错事”。对使用方，框架提供了识别供应商安全成熟度的参照；对监管者，则是未来强制披露制度的潜在模板。
OpenAI 与 GSA 合作：向美国各级政府开放零许可费与五折用量
NEW
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、使用量五折的 AI 服务，并扩大网络安全防御支持。这是继企业市场之后，公共部门成为大模型厂商争夺的下一站：政府采购对合规、数据驻留与审计有硬性要求，一旦进入采购目录，替换成本极高。价格让利本质是抢占标准与使用习惯，把 ChatGPT 变成政务工作流的默认选项。对公共部门，低成本试用能加速落地；但供应商锁定、数据治理与安全责任划分，仍需在合同层面厘清。
OpenAI 推出 ChatGPT 金融服务版：内置金融数据，绑定 GPT-6 Astra
NEW
OpenAI 推出 ChatGPT for Financial Services，内置金融数据并结合 GPT-6 Astra，面向研究、建模与客户材料生成等投行、资管高频工作流。金融是 AI 落地价值密度最高的行业之一：数据源专业、文档密集、对准确性与可追溯性要求极高，因此这类产品必须在联网数据、引用来源与合规控制上做足功课。OpenAI 近一年已先后推出法律等垂直行业方案，路径清晰——用自带数据与工作流模板切入专业场景，而非只卖通用模型。对金融机构是自建与采购的取舍压力，对数据与终端软件供应商则是被替代的风险。
Ringg 用 GPT-5.6 做多语言客服，自主解决最多 65% 来电、成本降约九成
AI 客服公司 Ringg 基于 GPT-5.6 构建的多语言智能体，已在语音、在线聊天、WhatsApp 与网页等渠道落地，可自主解决最高 65% 的客户来电，成本相比上一代 GPT-4.1 方案降低约 90%。客服是生成式 AI 商业化最成熟的场景：话务量大、可量化、容错空间相对可控，“解决率＋单次成本”能直接换算成利润。65% 的自动解决率已越过多数企业评估外包替代的门槛，九成成本下降则意味着人力排班模型需要重做。对采购方，关键问题从“能不能用”变成“剩下 35% 的复杂工单如何与人协作”。
不卷 Code 反打浏览器插件：Kimi 把网页操作一键变成可复用 Skill
AI
在大模型厂商普遍卷代码（Code）能力的当下，Kimi 选择反向切入浏览器插件：用户在网页上的操作可一键转成可复用的 Skill，让 Agent 直接接管重复性网页任务。这延续了 Kimi 让 Agent“手越伸越长”的路线——从对话问答走向实际操作软件，价值点在于把个人化的网页流程沉淀为可复用资产。相比通用 Agent 产品，浏览器插件分发成本低、场景贴近真实工作，但也要面对权限、账号安全与平台规则的限制。对用户，自动化的使用门槛被进一步拉低；对 SaaS 厂商，则是流量入口被截走的隐忧。
今天最值得记的暗线是算力经济学：OpenAI 把 GPT-6 拆成 Sol 与 Luna 两个成本档位，Colibrì 让笔记本靠 SSD 跑起 7000 亿参数 GLM，谷歌 TPU 跑 Kimi 比 GPU 快 57%。模型能力的边际提升正在让位于每 token 成本的下降，推理侧的存储、调度与软硬件耦合，会成为下一阶段最有含金量的工程战场。
Agent 正同时经历能力膨胀与治理收紧。OpenAI 一边上线托管式 Agents API，一边发布模型失准报告框架和六份异常行为报告；另一边，Ringg 的客服智能体已能自主解决 65% 来电。当智能体开始长跑、调用真实工具，安全不再是合规装饰，而是能否规模部署的准入门槛。
落地与政策在同一天加速。OpenAI 把金融数据、法律工作流与政务采购一次性铺开，用零许可费和五折用量换取公共部门入口；平头哥则用开源换生态。两条路殊途同归：谁先把行业工作流与标准握在手里，谁就能在模型能力趋同之后守住定价权。