OpenAI DevDay 2026 回顾：20 多项发布，GPT-6 Astra 领衔
HOT
OpenAI 在 DevDay 2026 上集中发布超过 20 项更新，覆盖 GPT-6 Astra 模型、ChatGPT、Codex、API、安全能力以及面向开发者的新工具。这场年度开发者大会被视为 OpenAI 从单一模型公司转向平台生态的关键节点：GPT-6 Astra 被定位为前沿智能，Codex 继续强化代码与代理工作流，API 侧则围绕成本、延迟和安全做配套。对开发者而言，一次性获得模型、工具链与商业化接口的更新，意味着可以更快把原型推进到生产；对企业客户而言，模型分层与价格策略将直接影响 AI 功能的部署成本。DevDay 的发布密度也再次抬高了与 Google、Anthropic 等对手的竞争门槛。
OpenAI 发布 GPT-6.1 Sol：接近 Astra 的智能，价格仅五分之一
NEW
OpenAI 发布 GPT-6.1 Sol，官方称其具备接近 Astra 的智能水平，主要面向编码、计算机使用和专业工作场景，而标准 API 的输入与输出 token 价格仅为 Astra 的五分之一。这一定价策略把前沿能力下放到更广泛的价格带：此前因成本高而无法规模调用最强模型的团队，可以用更低预算构建代码代理、自动化办公和复杂计算机操作流程。对 OpenAI 来说，Sol 承担的是性能足够强、价格足够低的走量角色，与 Astra 形成高低搭配；对开发者而言，选型时需要在推理能力、延迟和成本之间重新权衡，模型路由与成本优化的重要性进一步上升。
OpenAI 推出主动式助手 dots：从对话工具走向任务执行代理
NEW
OpenAI 推出名为 dots 的主动式助手，官方描述其能够在复杂项目和日常任务中持续推进工作，同时让用户保持控制权。与当前以对话轮次为核心的 ChatGPT 不同，dots 强调主动性：它不只等待指令，而是围绕长期目标拆解任务、跟踪进度并适时推进，形态上更接近可托付的执行代理。这类产品若落地，将改变个人与团队管理项目的方式，也会把 AI 从信息工具推向任务执行层。但与此同时，主动代理的权限边界、错误操作责任和用户信任问题会变得更加突出，安全与可控性将成为其规模化前提。
OpenAI 启动「疯狂 28 天」：首日发布后承诺没新功能就重置
HOT
OpenAI 启动名为「疯狂 28 天」的密集发布周期，首日即放出多项更新，并承诺若某天没有带来实质新功能就重置活动节奏。此举把模型与产品发布从偶发事件变成连续运营动作，意在维持开发者与用户的高频关注，同时向竞争对手施加节奏压力。从行业看，这种发布马拉松会进一步压缩对手的响应窗口，也让用户对功能迭代的预期快速抬升。不过社区反馈并不完全买账，有网友直言更期待 Anthropic 的 Opus 系列，说明在能力差距缩小后，单纯提高发布频率未必能锁定用户忠诚度。
AI 算力硬合作：马斯克仍更相信中国制造
HOT
马斯克在 AI 算力制造环节采取混搭策略：先进制程前端可能继续由英特尔 14A 承担，后端则接入台积电，以补齐工厂运营、良率和封装能力；报道同时指出，他在制造合作上仍更相信中国供应链。这种前端加后端分拆合作，反映出 AI 芯片与算力基础设施正从单一供应商走向多源组合，以降低地缘与产能风险。对算力行业而言，谁能同时提供先进工艺、稳定良率和封装产能，谁就能在 AI 军备竞赛中掌握议价权；对马斯克旗下 AI 业务来说，制造落地速度将直接决定其算力扩张节奏。
ChatGPT Ads 扩展至东南亚和台湾，覆盖 60 多个国家
OpenAI 将 ChatGPT Ads 扩展至东南亚和台湾地区，合格企业可在超过 60 个国家和地区触达用户。这是 ChatGPT 广告业务从早期市场向亚太延伸的关键一步，也意味着 OpenAI 正把对话式 AI 的庞大流量转化为可持续的广告收入。对广告主而言，对话场景提供了新的意图捕捉入口，但如何在用户提问与商业推荐之间保持信任，是平台必须解决的难题。对 Google、Meta 等既有广告巨头来说，AI 助手成为新广告载体，可能分流部分搜索与社交预算，广告格式、归因和品牌安全标准也将被重新定义。
DeepSeek 扩招弹性计算团队：大量 HC，尤其需要资深工程师
HOT
DeepSeek 宣布弹性计算团队大规模扩招，释放大量 HC，尤其需要资深工程师，岗位 JD 甚至直接附上一篇技术报告，指向推理调度、算力弹性与效率优化等方向。在算力受限与模型价格战并行的背景下，弹性计算能力决定了大模型能否以更低成本稳定服务海量请求，也是 DeepSeek 保持高性价比标签的技术底座。此次扩招说明公司正从模型研发转向工程化与规模化运营，人才竞争也将从算法科学家蔓延到系统、编译和基础设施工程师。对中国大模型行业而言，基础设施人才正在成为新的稀缺资源。
Hinton 发表首篇 RSI 论文：AI 开始造下一代 AI
HOT
深度学习教父、诺贝尔奖得主 Hinton 发表首篇关于递归自我改进（RSI）的论文，讨论 AI 开始进入造下一代 AI 的流水线。RSI 指系统能改进自身算法或训练流程，从而形成能力加速循环，这被视为通向超级智能的关键节点，也是 AI 安全领域最受关注的风险来源之一。Hinton 近年来反复警告 AI 失控风险，此次以论文形式切入 RSI，意味着该议题从哲学讨论走向可研究、可度量的技术问题。对学界与政策制定者而言，如何在鼓励创新的同时建立自我改进过程的监督与中止机制，将成为下一阶段的核心挑战。
陶哲轩也成「AI 减速派」？顶尖学者立场转向引关注
数学家陶哲轩公开表达对 AI 发展节奏的谨慎态度，被舆论归入 AI 减速派。作为同时深度使用 AI 辅助数学研究的顶尖学者，他的立场变化具有信号意义：此前他更多展示 AI 在猜想探索、形式化证明中的效率提升，如今则强调在能力跃迁前需要更充分的理解、验证与治理。这一转向与 Hinton、Bengio 等人的安全呼吁形成呼应，也说明减速并非反对技术，而是主张让评估、对齐和社会准备跟上模型迭代。对 AI 实验室而言，来自权威学者的审慎声音会影响人才流向、公众信任与监管尺度。
OpenAI 公布数学新进展：Lean 证明形式化与独立顾问组
AI
OpenAI 公布内部前沿模型在若干开放数学问题上的新结果，并在 GitHub 分享 Lean 证明形式化与相关研究细节，同时还设立数学与 AI 独立顾问小组，用于指导新结果的评审与传播。把模型输出转化为 Lean 可验证证明，是解决 AI 数学看似正确、实则跳步问题的关键路径，也让机器发现更容易被学界接受。对数学界而言，AI 正在从计算助手变成猜想与合作者；对 OpenAI 而言，数学是展示推理能力与安全可验证性的高地。顾问小组的设立则表明，前沿结果发布需要更严谨的同行评审机制。
OpenAI 回应欧盟文本溯源规则：水印、检测与研究者优先访问
OpenAI 详细说明其对欧盟文本溯源规则的应对方案：在适用场景下为 AI 生成文本加入水印，并解释检测机制如何工作，同时检测权限将优先向研究人员开放。欧盟 AI 法案对合成内容标识提出要求，文本水印因改动小、易被改写而比图像水印更难落地，OpenAI 的做法是把溯源能力与访问控制结合，避免水印被滥用或规避。对内容平台和监管机构而言，这提供了可操作的合规样本；对用户而言，未来阅读文本时需要理解水印并非绝对可靠，检测结果只能作为辅助证据。AI 内容溯源正在成为大模型公司的合规必答题。
OpenAI 呼吁建立全球 AI 标准：评估、报告与治理需协调
OpenAI 发布关于 AI 下一阶段标准的倡议，呼吁建立全球协调的评估、报告与治理框架，以提升前沿模型的安全性。文章主张标准应覆盖能力评估、风险披露、事件报告和第三方审计，避免各司法辖区规则碎片化导致合规成本上升与安全洼地。对 AI 实验室而言，主动参与标准制定既能塑造规则，也能换取监管确定性；对各国政府而言，如何在主权监管与国际互认之间取得平衡仍是难点。随着欧盟 AI 法案落地和美国、英国等推进安全评估，2026 年正在成为 AI 治理标准化的关键窗口期。
Ringg 用 AI 代理解决 65% 客服来电，成本比 GPT-4.1 低 90%
客服 AI 公司 Ringg 使用 GPT-5.6 构建多语言代理，覆盖语音、在线聊天、WhatsApp 和网页渠道，称可自动解决高达 65% 的客户来电，且成本比 GPT-4.1 低 90%。这组数据切中客服行业的核心指标：解决率决定替代人工的深度，单次交互成本决定规模化速度。多语言与全渠道能力则让同一套代理可以服务跨境业务，减少重复建设。对企业的启示是，AI 客服已从分流简单问题进入承担大部分标准化通话的阶段；但高风险投诉、合规记录和客户情绪处理仍需人工兜底，人机协作流程设计将决定最终 ROI。
Chatham Financial 用 Codex 和 GPT-5.6 把贸易验证从 30 分钟压到 4 分钟
金融市场服务公司 Chatham Financial 利用 Codex 和 GPT-5.6 构建内部技术并重设计工作流，把贸易验证时间从 30 分钟压缩到 4 分钟以内，效率提升约 7 倍。贸易验证涉及多来源数据核对、合规检查和人工复核，过去高度依赖熟练员工，如今模型承担信息提取、比对和异常提示，人则聚焦判断与例外处理。这一案例说明，金融后台的文档密集加规则明确流程是 AI 落地的高价值场景，投入产出比清晰且可度量。对金融机构而言，下一步挑战在于审计追踪、模型输出可解释性以及监管对 AI 参与关键流程的接受度。
Harvey 用 GPT-6 Astra 生成法律草稿：律师聚焦策略而非重复起草
法律 AI 公司 Harvey 借助 GPT-6 Astra，把法律上下文转化为更结构化、更具情境感知的草稿，让律师从重复起草中解放出来，把时间投向策略与判断。法律文书对事实准确性、引用规范和语气一致性要求极高，模型需要理解案件背景、客户立场和管辖规则，而不只是生成流畅文本。Harvey 的案例表明，前沿模型在专业服务领域的价值不在于替代律师，而在于压缩初稿与检索环节，提高单位时间产出。对律所而言，采用 AI 的同时必须建立引用核查、保密与责任归属机制，否则效率收益可能被合规风险抵消。
OpenAI 用 DevDay 加「28 天连发」把模型迭代变成持续运营，GPT-6.1 Sol 以五分之一价格下放前沿能力，说明竞争焦点已从「最强」转向「最强且用得起」。当能力差距收窄，定价、缓存、工具链和分发渠道会比单点跑分更能决定开发者去留。
Hinton 的 RSI 论文、陶哲轩的减速表态，与欧盟文本溯源、全球标准倡议在同一周出现，并非巧合。前沿能力越接近自我改进，治理就越需要可验证的技术抓手——Lean 证明、水印、第三方评估都是把信任工程化的尝试。谁先建立可审计的安全叙事，谁就更容易拿到监管与客户。
应用侧的变化更实在：Ringg 把 65% 客服来电交给 AI，Chatham 把贸易验证从 30 分钟压到 4 分钟，Harvey 切入法律草稿。这些案例共同指向流程可度量的场景优先落地。2026 年的赢家未必是模型最强的公司，而是最懂把模型嵌入工作流、并处理好人工兜底与合规审计的团队。