Introducing GPT-6.1 Sol
NEW
OpenAI 发布 GPT-6.1 Sol，官方定位为“接近 Astra 的智能水平”，主打编码、计算机操作（computer use）与专业工作任务，但标准 API 输入与输出 token 价格仅为 Astra 的五分之一。这意味着企业级 Agent 与代码工作流的成本门槛被大幅压低，过去因价格只能用中等模型的任务，可以改用接近旗舰的能力。背景是 DevDay 2026 上 OpenAI 一次发布 20 多项更新，Astra 负责最强推理，Sol 承担性价比与规模化，另有 Luna 等构成模型梯队。对开发者而言，选型逻辑正从“谁最强”转向“按任务分层调度、同一产品内混合调用”。
GPT-6 and Intelligent UI for everyone
HOT
OpenAI 宣布 GPT-6 在全球范围内上线 ChatGPT，并同步推出 Intelligent UI：回复速度更快，还能直接输出可视化与可交互的内容，用户可以在对话中探索和操作，而不只是阅读一段文字。配合发布的还有 GPT-6 家族选型指南，覆盖推理力度调节、提示词与技能优化、工具编排以及生产环境工作流准备。对普通用户，交互形态从“问答”变成“可操作的界面”；对开发者，ChatGPT 再次成为新的分发入口，产品设计需要适配可交互输出与更长的任务链，这会重塑应用的分发与留存逻辑。
Nano Banana终于2.1了！4K直出，中文进步太明显
DEV
据量子位报道，图像生成模型 Nano Banana 升级到 2.1 版本，支持 4K 分辨率直出，中文渲染效果进步明显。此前图像模型的中文字形、笔画与版式长期是短板，创作者往往需要后期抠字重排；4K 直出则省去了放大与超分环节。对电商、海报、影视分镜与广告素材团队来说，这意味着生产链路可以进一步压缩到“提示词—成图—直接使用”一步，人力成本与等待时间同步下降。对同类模型而言，中文渲染质量与原生高分辨率正成为新的竞争维度，而非只比拼画面美感与写实度。
DevDay 2026 Recap
HOT
OpenAI 回顾 DevDay 2026，共发布 20 多项更新，覆盖 GPT-6 Astra 旗舰模型、ChatGPT、Codex、API、安全能力与面向开发者的新工具。这是 OpenAI 年度最集中的一次发布，模型家族从 Astra、Sol 到 Luna 形成分层，Codex 与 Agent 能力是贯穿全场的主线，安全与合规工具同步补齐。对开发者而言，一次大会之后就要重新评估技术选型、调用成本与迁移路径；对竞争对手而言，OpenAI 用“全家桶”式发布把竞争从单点模型能力拉向平台、工具链与生态绑定，后来者很难只靠一次模型升级追平。
联想天禧自研代码智能体TianxiCode斩获SWE-bench-Live全球第一
DEV
量子位报道，联想天禧 AI 自主研发的专业代码智能体框架 TianxiCode，在 SWE-bench-Live 上以 71% 的问题解决率登顶全球第一。SWE-bench-Live 的考题来自真实、持续更新的开源仓库 issue，比静态基准更贴近工程实况，也更难通过数据污染刷分。这一结果说明国产厂商在代码 Agent 这一关键赛道上已进入第一梯队。背景是过去一年代码智能体成为大模型商业化主战场，从 Cursor 到各家 IDE 竞争激烈；对开发者而言，榜单分数与真实体验之间的落差仍是选型时最需要验证的部分。
Atlassian and OpenAI expand partnership to turn enterprise knowledge into action
Atlassian 与 OpenAI 宣布扩大合作，把前沿模型与企业知识资产连接起来，帮助团队完成规划、构建与交付。Atlassian 旗下 Jira、Confluence 沉淀了大量项目文档、工单与讨论记录，接入前沿模型后，企业可以把分散的知识转成可执行动作，例如自动拆解需求、生成任务、汇总进展并追踪风险。对企业的意义在于，AI 落地的真正瓶颈往往不是模型能力，而是数据、权限与流程的打通；对 OpenAI，这是继多家企业级合作之后继续抢占工作流入口的一步，也意味着企业软件的竞争将围绕“谁能拿到上下文”展开。
字节找到了DeepSeek时强时弱的原因
NEW
据量子位报道，字节跳动团队研究了大模型“时强时弱”的现象，发现 DeepSeek 等模型答得对不对，与 token 在序列中的站位（位置）密切相关。这为大模型性能波动提供了新解释：并非模型随机失常，而是特定位置上的信息组织方式影响了推理结果。该发现对实际使用有直接价值——通过调整提示词结构、把关键信息放在更有利的位置，可能稳定提升答题正确率；对研究界，它把注意力重新拉回到上下文结构、位置编码这类看似基础却影响推理稳定性的问题上。
Sharing AI progress in mathematics
OpenAI 公布内部前沿模型在若干公开数学难题上的新结果，并把 Lean 形式化证明与研究细节一并开源到 GitHub。这意味着模型不只是给出答案，而是产出可被机器逐步验证的证明过程，把“看起来对”变成“可以校验”。数学因严格性长期被视为检验模型推理能力的试金石，公开形式化证明则为研究者复现与审阅提供了基础。对学界而言，AI 正从刷题转向参与真实未解问题；但证明的数学价值与意义，最终仍需人类数学家判断，工具与研究的边界需要重新划分。
《柳叶刀》研究表明：AI 有望改善医患关系
量子位报道，Google 的研究成果首次登上《柳叶刀》主刊，研究显示 AI 有望改善医患关系。此前 AI 在医疗领域多聚焦影像诊断、病历生成等可量化环节，这项研究关注的是沟通、解释与信任这类更难测量的部分。对医院与患者而言，如果 AI 能承担问诊前的信息收集、随访提醒与病情解释，医生可以把时间还给真正的诊疗决策，患者也可能获得更充分的知情与参与。但医患关系的核心是责任归属与共情能力，AI 的介入边界、数据合规与误答风险仍需谨慎界定。
Our approach to EU text provenance rules
OpenAI 说明了在欧盟文本溯源规则下的水印方案：哪些场景会施加水印、检测机制如何运作，以及为何检测访问权限先从研究者开始。背景是欧盟对 AI 生成内容提出可追溯要求，平台需要标明内容来源。水印是实现路径之一，但现实难题在于改写、翻译、截屏后水印容易失效，因此 OpenAI 先向研究界开放检测能力，用于评估有效性。对内容平台与企业用户，这关系到生成内容的合规标注与责任划分；对模型厂商，透明度正从“自愿承诺”变成必须计入成本的合规义务。
Sam Altman’s remarks at the United Nations Security Council
HOT
OpenAI CEO Sam Altman 在联合国安理会发表讲话，系统谈及 AI 安全、人类对 AI 的控制以及国际合作。AI 公司掌门人在安理会这一级别场合阐述治理立场，本身就具有信号意义：AI 已被当作类似核武与生物安全的全球治理议题来对待。议题覆盖前沿模型风险、能力评估与跨国协调机制。对企业，这预示着出口管制、安全评估与信息披露等要求可能进一步制度化；对各国政府，难题在于如何在不拖慢创新的前提下，建立可核查、可比较的安全底线与互认机制。
Towards safety cases for frontier AI training
OpenAI 公布面向前沿 AI 训练的“安全案例”早期指南，涵盖技术防护措施、运营实践，以及对失准（misalignment）事件的调查方式。所谓安全案例，类似航空与核电领域的论证文件：在推进更高风险训练之前，先给出系统为什么安全的、可检验的论证。这一思路呼应了欧盟与多国监管对前沿模型提出的风险评估要求，也回应了外界对“能力跑在安全前面”的担忧。对同行而言，安全案例可能成为发布前沿模型的隐性门槛，能否提供可信论证将直接影响监管许可与公众信任。
西门子将亮相2026工博会：以软硬协同的工业全栈能力，推动物理AI加速落地
西门子宣布将亮相 2026 工博会，以软硬协同的工业全栈能力推动“物理 AI”加速落地，展示方式比以往更集中、更场景化。物理 AI 指让模型理解并作用于真实物理世界，典型场景包括产线调度、设备预测性维护与机器人操作。西门子的优势在于同时握有 PLC、工业软件与数字孪生等软硬件资产，能把 AI 嵌入既有工程链路，而不是另起一套系统。对制造业客户而言，这意味着 AI 落地可能从单点试点走向产线级部署；但数据质量、停机风险与投资回报，仍是决策时绕不开的前提。
Lowe’s answers millions of home improvement questions with OpenAI
AI
Lowe’s 借助 OpenAI 模型打造 Mylow 与 Mylow Companion，帮助顾客与门店员工解答家居改善问题，累计回答量已超过 2500 万次。家居零售的痛点在于专业问题多——材料规格、尺寸匹配、安装方式，导购人力有限且经验不均。把模型嵌入门店与线上链路后，顾客能在决策现场获得即时建议，员工也能把时间留给复杂咨询与成交环节。对零售行业，这是 AI 从“客服机器人”升级为销售与知识助手的样本：衡量标准不再只是节省成本，而是转化率、客单价与门店效率是否真正改善。
Harvey turns legal context into stronger drafts with GPT-6 Astra
AI
法律 AI 公司 Harvey 使用 GPT-6 Astra，让模型把法律语境转化为更结构化、更贴合上下文的文书草案，从而把律师从初稿撰写中解放出来，专注于策略判断。法律写作对精确度与引用要求极高，此前的模型输出常需大幅返工，导致律所难以规模化使用。新一代模型在长上下文理解与结构组织上的提升，使“AI 起草、律师定稿”的分工开始可行。对律所与企业法务，这直接影响计费模式与人力配置；同时，保密、特权信息与合规审查，仍是接入大模型时绕不开的前提条件。
OpenAI 的一天几乎抵得上行业的一周。GPT-6 全球上线、Sol 把价格压到 Astra 的五分之一、Codex 与 Agent 成为主线，说明竞争焦点已从“谁的模型更强”，转向谁能把推理成本、工具链与分发入口一起打包卖出去。
国内厂商的应对也清晰可见：联想 TianxiCode 在 SWE-bench-Live 登顶，字节把模型性能波动归因到 token 站位，这些都不是追参数的叙事，而是工程与评测层面的正面交锋。差距不在发布会上，而在真实仓库里的问题解决率。
监管在同步收紧。欧盟文本溯源、前沿训练安全案例、Altman 在安理会的发言，指向同一件事：AI 公司需要为自己的能力提供可验证的证明。对企业客户，合规与可审计性会像成本一样，成为选型时的硬指标。