百度开源文心5.5 Flash Base，多基准刷新同尺寸模型SOTA
NEW
11月5日，百度正式开源最新基座模型文心5.5 Flash Base，并称其在多个基准测试中刷新了同尺寸模型的SOTA成绩。作为文心5.5系列的轻量版本，Flash Base主打参数规模与推理成本的平衡，面向开发者开放下载、微调与私有化部署。此前文心系列的开源节奏相对保守，此次把最新基座权重直接放出，意味着国产开源模型在“小尺寸、高性能”赛道上的竞争进一步加剧。对做端侧推理、垂直行业微调的中小团队而言，这多了一个可评估、可落地的国产底座选项。
OpenAI上线Images 2.6：更快出图，直出GIF与SVG
NEW
OpenAI发布Images 2.6图像模型，ChatGPT、Codex与API同步可用。相比上一代，新版生成速度明显提升（量子位称最快6秒出图），新增GIF动图直出与SVG矢量图生成能力，编辑精度更高，并在API侧开放了更细粒度的控制参数。业内认为，图像模型的竞争已从“画得好看”转向“可控性与工程化”，直出GIF与SVG意味着它开始切入设计、前端与素材生产流程。同期有消息称更强的6.2 Astra已在测试中，图像与视频的产品边界正在模糊。
OpenAI发布GPT-6.1 Terra，主打大规模计算机使用
AI
OpenAI推出GPT-6.1 Terra，官方定位是“大规模、快速且可靠的计算机使用（computer use）能力”，即让模型直接操作浏览器与桌面软件完成任务。它与此前偏重推理的6.1 Sol形成分工：Sol面向复杂推理与代码安全审查，Terra则压低延迟与成本，适合批量执行GUI自动化。对企业而言，这意味着Agent从演示走向可规模化部署的“数字员工”；同时，模型直接操作界面也把权限控制、操作审计与误操作风险推到了台前。
OpenAI宣布收购Pierre Computer Company，补强Codex代码工具链
HOT
OpenAI宣布收购Pierre Computer Company，交易金额未披露，其技术将并入Codex，用于增强代码构建、理解与审查的工具链。这是OpenAI围绕编程Agent的又一次补强：Codex已从代码补全扩展为覆盖开发全流程的Agent，而收购通常意在补齐上下文理解、代码库索引或评审环节的短板。对开发者生态而言，这意味着Codex与GitHub Copilot、Cursor等的功能边界进一步重叠，IDE与代码托管平台的入口之争将更激烈。
OpenAI与ServiceNow扩大合作，模型进工作流、工作流进ChatGPT
OpenAI与ServiceNow宣布扩大合作：OpenAI的模型与Agent将嵌入ServiceNow平台，而ServiceNow的工作流则接入ChatGPT与Codex。这是企业软件“双向集成”的典型路径——模型厂商借ISV进入客户的ITSM、HR、客服等核心流程，软件厂商则借模型升级为Agent平台。对CIO来说，采购决策将从“买哪个模型”变成“哪套工作流已被模型重写”；Codex接入ServiceNow，也暗示编程Agent正被推向非开发岗位。
百度无人车造出“黑客帝国”：世界模型实时推演全局，跑一天抵三年
HOT
百度自动驾驶发布“世界模型”方案，可实时推演路口全局场景，并为包括行人在内的每个交通参与者建模独立行为意图，官方称其仿真效率相当于“跑一天抵三年”真实路测。世界模型正成为自动驾驶数据闭环的核心：用生成式仿真替代长尾场景的实车采集，能大幅降低corner case的获取成本。对百度而言，这是Robotaxi规模化运营的关键基础设施；对行业，则意味着竞争焦点从“里程数”转向“仿真保真度与场景覆盖率”。
MIT神作被质疑：Astra爆改Qwen权重？spaCy作者长文反驳
量子位报道，spaCy作者发布长文，质疑此前被广泛传播的一项MIT研究成果，指其所谓“模型自我改进”能力实际是对Qwen权重做了改写，实验设计与结论之间存在落差。争议核心在于：模型在权重层面被“爆改”后表现出的能力提升，究竟算架构创新还是训练技巧的包装。这类质疑对前沿研究是好事——它提醒社区，Agent与自进化方向的成果需要可复现的基线与消融实验，“刷榜式论文”正在被更严格的同行审视。
OpenAI自动化流水线在Linux内核挖出948个提权漏洞，耗资约120万美元
HOT
OpenAI披露，其构建的自动化流水线在Linux内核中发现、验证并生成补丁的本地提权漏洞达948个，项目投入约120万美元。关键在于流程自动化：模型不只发现可疑点，还完成了可利用性验证与补丁生成，再由人工审核。这为“AI做安全”提供了迄今最有说服力的规模化样本，也带来双重影响——防御方效率跃升，攻击方门槛同样被拉低。开源社区如何消化这批补丁、如何与披露节奏协调，将是接下来的现实问题。
OpenAI推出LifeVal基准：衡量AI帮人办成日常事的能力
AI
OpenAI推出LifeVal基准，用于衡量AI在真实生活任务中的帮助程度，覆盖寻找托育、管理个人财务、处理政府文书等场景，而非传统考试式问答。这标志着评测重心从“知识正确”转向“任务完成”：模型需要跨应用操作、理解模糊指令，并在出错时恢复。对产品团队而言，LifeVal给出了一个更贴近用户付费意愿的衡量标准；对行业而言，消费级Agent的落地瓶颈也在此暴露——问题往往出在不敢让AI替你操作，而不在它会不会做。
OpenAI将遵循共享robots.txt信号，让网站表达AI训练偏好
OpenAI宣布将遵循一项共享的robots.txt信号，让网站运营者能以统一格式表达是否允许AI抓取用于训练，并对参与的模型提供方生效。此前各家爬虫各自为政，网站只能靠UA封禁或诉讼维权，成本极高。这一举措被视为对内容方压力的回应，也为“机器可读的版权偏好”提供了最小共识；但它仍属自愿遵守的行业约定，不具备法律强制力，能否扩展到其他厂商、以及如何处理已训练数据，仍是未解问题。
OpenAI发布负责任AI基础设施标准：社区契约、算力园区蓝图与Grid Protectors
OpenAI发布“国家社区契约”（National Community Compact）与“计算园区政策蓝图”（Compute Campus Policy Blueprint），并提出Grid Protectors计划，与电力公司合作，确保新建数据中心园区不挤占居民用电、支持电网可靠性并创造本地就业。这是AI公司首次系统性地把“算力基建的外部性”摆上台面：电力、水资源与社区关系正成为数据中心选址的硬约束。对地方政府与公用事业而言，这提供了一份与AI厂商谈判的模板。
OpenAI公开法庭意见书节选，力证合理使用支撑AI训练
OpenAI公开多份法庭意见书节选，作者包括创作者、学者、无障碍倡导者与法律专家，论证合理使用（fair use）如何支撑AI训练与创新。这显然是围绕版权诉讼的舆论战一环——在多起作家、媒体起诉OpenAI的案件进入实质审理后，法院对“训练是否构成转换性使用”的认定将决定整个行业的成本结构。对内容产业而言，这不仅是法律问题，更关乎授权市场的定价权最终归谁。
富兰克林邓普顿用OpenAI做投资研究：从股票研究切入
资管巨头富兰克林邓普顿（Franklin Templeton）正与OpenAI合作，从股票研究切入构建AI工作流，帮助投资组合经理对比不同分析师的研究观点、审查投资风险。这类落地与大模型“写报告”不同，重点在于把非结构化研报转成可比对的结构化视图，并保留引用溯源。对资管行业而言，AI的价值在于扩大研究覆盖面而非替代判断；真正的门槛是合规留痕与数据边界，而不是模型本身的能力上限。
Credit Saison的ChatGPT Enterprise试点实现954% ROI并全员推广
日本金融公司Credit Saison公布其ChatGPT Enterprise试点结果：投资回报率达954%，随后推动公司范围内推广。案例的关键不在数字本身，而在于路径——先由管理层与一线员工共同识别高频场景，再用试点数据说服组织扩大使用范围。这为“AI投入怎么算账”提供了一个可引用的模板，但也需注意：ROI统计方式（节省工时如何折算、样本范围多大）往往决定结论，企业复制时应先定义自己的度量方法。
Retell用OpenAI模型支撑每月1亿通电话，人均年化收入160万美元
AI
语音Agent公司Retell基于OpenAI模型支撑每月约1亿通电话，在其语音Agent基准中GPT-6 Astra排名第一；同时借助Codex，公司达到每名员工约160万美元的年化收入。这个案例把两件事放在一起：语音交互已跨过可用性门槛进入规模化商用（客服、外呼、预约），而小团队依靠AI编程工具实现极高人效。对SaaS创业者，“人均营收”正成为新的叙事指标；对甲方，采购语音Agent时应重点考察时延、打断处理与合规录音。
模型侧今天的关键词是“分层”。文心把轻量基座开源、OpenAI用Terra压低computer use的成本、Images 2.6补上GIF与SVG，做的其实是同一件事：把能力切成不同价位。竞争正从“谁榜单第一高”转向“谁完成单次任务的成本最低”。
安全与监管正从“原则”落到“接口”。共享robots.txt信号、算力园区蓝图、合理使用意见书，本质都是为AI与外部世界的摩擦设定协议。谁先定义这些机器可读的默认规则，谁就握住了事实标准——这比任何一场发布会都更重要。
应用层开始出现可复用的证据链：954%的ROI、每月1亿通电话、948个内核漏洞。它们共同说明，AI的价值在于“被审计地做成了什么”，而不只是“能做什么”。接下来一年，采购方会拿这些数字倒推供应商，只讲愿景的故事会越来越难讲。