Introducing GPT-6.1 Sol
HOT
OpenAI 发布 GPT-6.1 Sol，官方定位是面向编码、计算机操作（computer use）与专业工作的“接近 Astra 级”模型，标准 API 输入与输出 token 价格仅为 Astra 的五分之一。此前 OpenAI 已推出 GPT-6 Sol 与 Luna 两款在能力与成本间做不同取舍的模型，6.1 Sol 可视为在家族内进一步压缩能力差距、拉低单价的动作。对开发者而言，原先只有旗舰模型才跑得起的 Agent 长链路与代码任务，如今能以更低成本批量执行；对竞品而言，同价位段的性价比竞争也会立刻加剧。
谷歌Gemini 4突然发布！RSI加持，GPT和Opus都让让
HOT
谷歌突然发布 Gemini 4，官方强调其获得 RSI（自我改进能力）加持，并以“价格只有 Astra 一半”的姿态切入高端模型市场，直接对标 OpenAI 与 Anthropic 的旗舰产品。文中称“GPT 和 Opus 都让让”，暗示其在多项基准上取得领先。发布方式延续了谷歌今年突然上线、密集迭代 Gemini 系列的节奏。对开发者来说，前沿模型的价格战再次升级，选型时需要重估性价比；对 OpenAI 与 Anthropic 而言，旗舰模型的性能与定价护城河同时承压。
Better prompt caching for GPT-6
DEV
OpenAI 为 GPT-6 系列改进 prompt 缓存机制，带来更高的缓存命中率、新的诊断工具、显式缓存断点（explicit breakpoints）以及更细粒度的控制项，目标是降低延迟与调用成本。对于长系统提示词、超长上下文与多轮 Agent 工作流，缓存命中率直接决定单次调用成本与首 token 延迟。这次更新把缓存从“自动生效”推进到可观测、可显式控制：开发者可把稳定不变的系统指令放在断点之前，把易变内容放在其后，从而在不牺牲效果的前提下压降推理开销。
openJiuwen X-Router自演进模型路由技术首发，昇腾亲和，Agent越跑越省，实测减少50+%Token消耗
AI
openJiuwen 首发 X-Router 自演进模型路由技术，主打对昇腾算力的亲和适配，官方称在 Agent 场景实测可减少 50% 以上 Token 消耗。其机制是让每一次请求自动选择最合适的模型，并把用户反馈沉淀为下一轮更优、更省的选路依据，形成持续自演进的闭环。随着 Agent 任务链路变长、调用次数成倍增长，路由层正在成为成本控制的关键中间件。对使用昇腾的国内团队而言，这类“越跑越省”的方案有望让大规模 Agent 部署在经济上真正可行。
DeepSeek扩招！弹性计算团队大量HC，尤其需要资深工程师
NEW
DeepSeek 的弹性计算团队放出大量 HC，尤其急招资深工程师，招聘 JD 直接附上一篇技术报告，用技术含量替代常规岗位描述来吸引候选人。这延续了 DeepSeek 一贯低调却密集招人的风格：在模型迭代与推理服务成本竞争同时加剧的当下，弹性计算能力直接决定训练吞吐与在线服务效率，因而成为补强重点。对行业而言，头部模型公司仍在扩张基础设施与系统团队，说明算力调度、推理优化等底层工程岗位的需求热度并未随融资环境转冷，资深系统工程师依旧是稀缺资源。
OpenAI安全团队持续地震！负责人离职，三名员工因泄密被开
HOT
OpenAI 安全团队再现人事动荡：安全负责人离职，另有三名员工因泄露信息被解雇。这是继此前多轮安全团队人员流失之后的又一次冲击，也让外界质疑其在推进前沿模型能力时能否同步保障安全。对 OpenAI 来说，安全团队频繁变动会削弱内部安全流程的连续性，并影响监管机构与第三方评估方的信任；对整个行业而言，头部实验室安全组织的稳定性，正成为衡量 AI 治理是否可信的重要观察指标——人事变化有时比安全报告更能说明一家公司真实的优先级排序。
DevDay 2026 Recap
HOT
OpenAI 公布 DevDay 2026 回顾：本届大会共发布 20 余项更新，覆盖 GPT-6 Astra、ChatGPT、Codex、API、安全机制以及一批面向开发者的新工具。相比单点模型发布，这一届更强调平台化——把模型能力、编码 Agent、接口与安全控制打包成企业可直接接入的体系。对开发者与企业客户而言，重点在于各组件的协同方式与迁移路径；对竞争者而言，OpenAI 正试图用工具链与生态黏性，把模型层面的领先转化为平台层面的锁定效应，开发者大会正在变成一场生态招商会。
丘成桐新论文致谢了GPT和Claude
HOT
数学家丘成桐在新论文致谢中提到了 GPT 与 Claude。之所以引发讨论，是因为论文处理的问题正是他 44 年前亲自列入问题清单的难题，从提出到推进跨越四十余年，如今 AI 在过程中承担了辅助角色。这条消息的意义不在于“AI 解决了数学难题”，而在于顶级数学家开始公开承认并把大模型写进学术致谢，说明 AI 已从写作助手进入实质研究流程。对学界而言，如何界定 AI 的贡献、如何在致谢与署名中体现，正在成为新的学术规范议题。
何恺明团队新作：看猫片就能学会ARC挑战
NEW
何恺明团队新作显示，仅用 ImageNet 这类“看猫片”的自然图像训练 encoder，就能让模型在 ARC（抽象与推理语料库）挑战上取得进展。ARC 长期被视为检验抽象推理能力的试金石，此前主流做法多依赖专门构造的推理数据或大规模合成任务。该工作提示：视觉预训练中习得的表征可能已包含可迁移的抽象结构，不必依赖人工设计的推理语料。若结论可复现，将影响多模态与推理模型的数据配方设计，降低对昂贵人工标注的依赖。
arXiv最严新规！每人每月最多提交2篇，拒稿不退额度
NEW
arXiv 推出被称为“史上最严”的投稿新规：每位作者每月最多提交 2 篇论文，且被拒稿不退还已用额度，换分区也无法规避。此举直指生成式 AI 带来的投稿量激增与低质灌水问题——自动写作工具大幅降低了产出一篇“看起来像论文”的成本，版主与审稿资源被迅速消耗。争议在于，多产的研究者可能被误伤，跨领域合作与多作者团队的署名安排也会受到影响。它更深层的拷问是：当产能不再是瓶颈，学术评价与筛选机制该如何重构。
Disrupting a coordinated model-distillation campaign
HOT
OpenAI 披露并阻断了一场有组织的模型蒸馏行动：对方试图系统性提取其受保护的模型推理过程，OpenAI 同时表示正在加强对“对抗性蒸馏”的防御。所谓蒸馏，是以更强模型的输出作为监督信号训练自己的模型，成本低、见效快，长期处于模型厂商与调用方之间的灰色地带。此次公开点名意味着头部厂商开始把蒸馏同时视为安全威胁与商业资产流失，并可能采取技术封堵、流量识别乃至法律手段。对依赖 API 输出训练自研模型的团队而言，合规风险正在明显上升。
Towards safety cases for frontier AI training
AI
OpenAI 发布面向前沿 AI 训练的“安全案例（safety cases）”早期指南，涵盖技术防护措施、运营实践，以及如何调查与处置失准（misalignment）事件。所谓安全案例，是要求开发方在训练开始前系统论证“为什么这次训练是可控的”，把安全从原则性声明变成可审查的文档与流程。若该框架被采纳，它将成为前沿模型训练的前置门槛：监管者与第三方评估机构获得可比对的审查材料，开发者则需在训练前投入更多工程与文档成本。
Sam Altman’s remarks at the United Nations Security Council
NEW
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迭代的背景下建立协调机制。安理会这一场合的特殊性在于，它把 AI 议题从企业自律和技术社区讨论，抬升到国际安全与治理层面，牵涉军事应用、跨境风险与责任分配等敏感领域。对企业而言，主动参与规则塑造既是争取话语权的机会，也意味着更高的透明度要求；后续值得观察的是，这类表态能否落地为具体的评估、报告与问责机制。
Chatham scales its capital markets expertise with OpenAI
NEW
Chatham Financial 使用 OpenAI 的 Codex 与 GPT-5.6 重构技术栈和业务流程，把交易验证时间从 30 分钟压缩到 4 分钟以内。该公司主营资本市场与利率风险咨询，交易验证属于典型的高频、强合规工作，过去依赖人工逐项核对。改造后团队得以把精力从重复校验转向判断与客户沟通。这个案例的价值在于：AI 最先见效的往往不是创意场景，而是流程密集、规则明确的中后台环节，收益可以用分钟数和人力释放直接衡量，也更容易向管理层论证投入产出比。
Ringg’s AI agents resolve up to 65% of customer calls with OpenAI
AI
Ringg 基于 GPT-5.6 构建的多语言 AI Agent，已能自主解决最高 65% 的客户来电，覆盖语音、在线聊天、WhatsApp 与网页等多个渠道，成本相比 GPT-4.1 时期下降约 90%。客服是 AI 落地最集中的赛道之一，关键指标始终是“自助解决率”而非对话是否流畅：65% 意味着多数常见问题已无需转人工，剩余的是复杂与高情绪场景；成本下降九成，则让中小企业也有能力部署全天候多语言客服。对呼叫中心与客服外包行业而言，压力将集中在中低复杂度话务上。
Harvey turns legal context into stronger drafts with GPT-6 Astra
AI
法律 AI 公司 Harvey 借助 GPT-6 Astra，把法律上下文转化为结构更清晰、更贴合具体案情的文书草稿，让律师从初稿撰写中脱身，把精力留给策略判断。法律是典型的高门槛、强专业场景，此前 AI 的短板在于对上下文和用户意图理解不足，生成文本难以直接使用。Astra 在结构化输出与意图理解上的提升，让“从背景材料到可用草稿”的链路更顺畅。对律所而言，衡量价值的标准不是生成了多少字，而是初稿可用率与审阅时间的下降幅度。
模型价格战与能力差距正被同时压缩。GPT-6.1 Sol、Gemini 4 都以“接近旗舰、价格腰斩甚至五分之一”切入，前沿智能正在快速商品化。对开发者是利好，对模型公司则意味着毛利与护城河都要重新定义——胜负将更多取决于工具链与生态，而非单点基准分数。
安全与治理这一侧在同步“补课”。OpenAI 一边调整安全团队、公开阻断模型蒸馏，一边抛出安全案例、第三方评估与国际标准主张。能力狂奔之后，头部实验室正试图把安全从公关话术变成可审查流程。对监管者和企业采购方而言，这些文档未来可能比模型榜单更有参考价值。
落地侧最有说服力的仍是枯燥的数字：交易验证从 30 分钟压到 4 分钟、客服自助解决 65%、成本下降九成。AI 的价值正在中后台流程里被量化，而不是在演示视频里。arXiv 限投与丘成桐致谢 AI 这两件事则提醒我们，学术的生产与评价机制同样需要跟着改写。