智谱新模型推理速度达 490 tokens/s，国产大模型开卷「速度」
NEW
量子位报道，智谱发布新一代 GLM 模型，推理速度达到 490 tokens/s，被形容为大模型里的「速度仙人」。在能力接近的前提下把吞吐拉到这一量级，意味着单卡可支撑的并发会话显著增加，单位推理成本随之下降。当前 Agent、代码补全与实时语音等场景对首字延迟和吞吐极其敏感，速度往往直接决定产品能否上线。智谱选择在「卷能力」之外「卷速度」，若该数字在真实负载而非理想条件下成立，将给国内 API 定价、私有化部署与端侧方案带来新变量，其精度与长上下文表现是否付出代价也值得持续观察。
OpenAI 发布 GPT-6.1 Sol：接近 Astra 的能力，五分之一的价格
NEW
OpenAI 发布 GPT-6.1 Sol，定位为面向编程、计算机操作与专业工作的「接近 Astra 级」智能，而标准 API 的输入与输出 token 价格仅为 Astra 的五分之一。此前 DevDay 2026 上 OpenAI 已一次性发布二十余项更新，Sol 是其中面向构建者的主力性价比型号。对企业客户而言，这意味着同样的预算可以跑更多 Agent 循环、更长上下文和更密集的评测；已有公司开始按任务难度在 Astra、Sol、Luna 等不同档位间分配请求以控制账单。模型分层定价正从促销手段变成 AI 应用的默认工程实践，也把竞争焦点从单点跑分推向单位成本下的可用能力。
GPT-6 全球上线 ChatGPT，首次搭配 Intelligent UI
HOT
OpenAI 宣布 GPT-6 通过 ChatGPT 面向全球用户滚动上线，并首次搭配 Intelligent UI：回复不再只是文字，而是可以直接操作的可视化与交互式界面。这意味着 ChatGPT 正从聊天框转向「生成式界面」——模型根据任务现场生成表格、图表、控件甚至小型应用，用户无需跳转外部工具即可完成操作。对 OpenAI 来说，这是把模型能力转成产品体验差异化的关键一步，也抬高了对手在交互层的门槛。对开发者而言，界面即模型输出的新范式可能重塑 SaaS 与前端的分工，但同时带来可访问性、可控性与内容安全审查的新问题。
硅谷 AI 现状：谁有算力谁是爹，VC 开始囤 GPU
HOT
量子位报道，硅谷 AI 圈正形成「谁有算力谁是爹」的格局：马斯克一方的连横动作与「A 社」阵营的互动频频，风险投资机构则开始像囤地一样囤积 GPU，把算力当作入场券而非单纯成本项。报道认为，当模型能力逐渐趋同，训练与推理的算力储备成为决定谁能持续迭代、谁能承接大客户的硬约束，资本因此从「投模型」转向「锁算力」。对创业公司而言，这意味着议价能力进一步削弱，租与买的价格、排队时长本身就是竞争壁垒；对云厂商与芯片供应链，则是新一轮长约与产能锁定的开始。
OpenAI DevDay 2026 回顾：二十余项发布，全面押注构建者
HOT
OpenAI 发布 DevDay 2026 回顾，一次性梳理了二十余项更新，涵盖 GPT-6 Astra、ChatGPT、Codex、API、安全能力以及面向开发者的新工具。从命名体系看，Astra、Sol、Luna 等型号已构成分层产品线，开发者可按任务难度与预算选择模型并调节推理强度。此次发布的重心是「让构建者更快落地」：更长运行的工作流、更强的计算机操作能力、更细的成本控制与更明确的安全接口。对生态而言，OpenAI 正把竞争从单点模型指标转向平台完整度——谁能让 Agent 更可靠地接入真实业务系统，谁就更可能留住企业客户。
ChatGPT 上线新广告格式，OpenAI 的对话式变现提速
HOT
OpenAI 宣布在 ChatGPT 中推出新的可视化广告格式，并同步扩展效果测量工具、归因合作与品牌安全能力。这是继此前试水广告之后，OpenAI 在商业化上更明确的一步：把对话式 AI 的流量变成可投放、可衡量的广告库存。对广告主而言，AI 助手正在成为新的用户入口，搜索与推荐的分发逻辑可能被重写，品牌安全与归因标准也需要重建；对 OpenAI 而言，广告是补贴推理成本、支撑巨额算力开支的现实路径。风险同样明显：一旦对话内容与广告的边界模糊，用户信任与早期「无广告」的形象都会受到挑战。
何恺明团队发布多模态 Harness 框架，主打「视觉原生」
DEV
量子位报道，何恺明团队发布多模态 Harness 框架，核心主张是「视觉原生」——不再先把图像转成文本 token 再做推理，而是让多模态模型在统一的驱动与评测外壳中直接处理视觉输入与输出。Harness 在软件工程中指包裹模型的运行与测试框架，把这一概念引入多模态，意味着视觉理解、生成与 Agent 操作可放在同一套接口下被调用、比对和复现。其价值在于：多模态模型长期缺少公认的评测与调用标准，结果难以横向比较；若该框架被社区采纳，将推动视觉 Agent 从演示走向可复现工程，并反向影响后续模型的训练与对齐方式。
华为 AI 靠 RSI 通关 25 款游戏，操作次数比人类少 56%
DEV
量子位报道，华为团队用 RSI 方法让 AI 通关 25 款游戏，在一局对战中打出 21:0，且部分局面已无需再调用大模型；相比人类玩家，其操作次数少了 56%。操作步数大幅压缩，说明系统学到的是更高效的策略而非穷举试错；「不再调用大模型」则暗示能力已被蒸馏或内化为轻量策略，推理开销显著下降。这类研究的意义不止于游戏：在 GUI 操作、机器人控制与流程自动化场景中，用更少动作完成任务直接等于更低成本与更高可靠性，也为通用 Agent 的训练范式提供了可复用的思路。
OpenAI 公开前沿模型在数学开放问题上的新结果与 Lean 证明
DEV
OpenAI 公布其在数学开放问题上的新进展：相关结果来自内部前沿模型，而非专门训练的数学系统，并同步在 GitHub 上开放了 Lean 证明形式化与研究细节。把自然语言思路转成 Lean 可机器验证的证明，是 AI 数学能力从「看起来对」走向「可被检验」的关键一步，也让外部研究者能够复现与挑错。对数学界而言，AI 正从计算助手变成问题发现与证明的合作者；对 AI 行业而言，数学是检验长链条推理与自我校验能力的试金石，公开形式化证明既是能力宣示，也是在为可信推理建立可审计的标准。
OpenAI 回应欧盟文本溯源规则：水印怎么做、谁来检测
NEW
OpenAI 发文说明其应对欧盟文本溯源规则的思路：针对 AI 生成文本引入水印，明确水印适用的场景与边界，解释检测机制如何工作，并指出检测能力的访问将先从研究人员开始开放。欧盟对 AI 生成内容的标识要求趋严，而文本水印因比图像水印更难做长期存在争议——改写、翻译、截断都可能破坏标记。OpenAI 把「研究优先」作为开放路径，既是合规姿态，也是在为行业检测标准争取话语权。对内容平台与出版商而言，这关系到能否批量识别 AI 稿件；对开发者而言，则意味着生成链路上可能新增可追溯性约束。
OpenAI 发布前沿 AI 训练安全案例早期指南
OpenAI 发布前沿 AI 训练安全案例（safety cases）的早期指南，提出在训练阶段就应建立技术保障、运营实践与失准事件调查三类机制：既要论证防护措施有效，也要在模型行为偏离预期时能迅速定位原因并处置。随着前沿模型训练成本与风险同步上升，「先训练、后评估」的做法已难以满足监管与内部治理需求。安全案例思路借鉴自航空、核工业等高风险行业，要求开发者为「为什么认为这次训练是安全的」给出可审查的论证。这为各国监管提供了可对接的技术语言，也意味着模型卡与评测报告将逐步走向更强的披露要求。
OpenAI 处置两起 AI 驱动的「虚假前线」影响力行动
HOT
OpenAI 宣布已处置两起由 AI 驱动的影响力行动：相关账号伪装成记者，并借一个智库外壳，用生成式模型批量生产带有地缘政治倾向的内容，试图影响舆论。这是 OpenAI 定期披露的威胁报告之一，延续了其此前打击境外影响力行动的惯例。此类行动的门槛因大模型而大幅降低——写作、翻译与多平台分发都可自动化，使「小团队、大规模」的舆论操纵成为可能。对平台与监管者而言，挑战在于区分真实的独立媒体与 AI 包装的伪媒体；对 AI 公司而言，滥用治理正从内容过滤延伸到账号网络与行为模式识别。
Asana 用 GPT-6 系列重构浏览器 Agent，成本降低 76 倍
NEW
OpenAI 案例显示，Asana 借助 Codex 与 GPT-6 系列模型重构其浏览器 Agent，在测试中把成本降低约 76 倍、速度提升 5 倍，从而能用更强的模型服务客户。此前浏览器自动化常因每一步动作都调用大模型而昂贵且缓慢，Asana 的做法是按任务难度匹配不同档位模型并优化执行链路，把「每一步都想一遍」变成少量关键决策。对 SaaS 厂商而言，这提示 Agent 的经济性取决于模型分层与流程设计，而非一味追求最强模型；对客户而言，更便宜、更快的浏览器操作能力，意味着跨系统自动化流程开始具备规模化商用的条件。
Lowe's 用 OpenAI 模型回答超 2500 万个家装问题
OpenAI 披露与美国家居零售巨头 Lowe's 的合作细节：Lowe's 用 OpenAI 模型驱动 Mylow 与 Mylow Companion，已累计回答超过 2500 万个家装问题，服务对象既包括顾客，也包括门店员工。家装零售的咨询高度依赖商品参数、库存与施工知识的结合，过去主要依靠人工经验，如今由 AI 承担首轮问答与方案建议，可以缩短顾客决策链条、缓解门店人力压力。这一案例代表了零售业的典型路径——不自研模型，而是把前沿模型嵌进既有的客服与导购流程；衡量成败的关键指标不是模型跑分，而是转化率、退货率与人工接管比例。
Sophos 用 OpenAI Daybreak 把威胁调查时间缩短 96%
OpenAI 公布安全厂商 Sophos 的落地数据：借助 Daybreak，Sophos 把网络威胁调查时间缩短了 96%，并自动化处理 52% 的 MDR（托管检测与响应）案件，同时保留人工复核环节。安全运营中心长期受困于告警过载与分析师短缺，AI 在此处的价值是把多源日志的初步关联、归因与报告撰写自动化，让人专注高价值判断。96% 的时间压缩与过半自动化率，是 AI 进入生产级安全流程的少见硬指标；其保留人类监督的设计，也回应了监管与客户对「AI 自主处置」的顾虑，可能重塑 MDR 的人力结构与定价模式。
今天最值得记的不是某个跑分，而是「分层」二字：GPT-6.1 Sol 以五分之一价格提供接近 Astra 的能力，Asana 按任务匹配模型后成本降了 76 倍。竞争焦点正从「谁最强」转向「同一预算里谁能跑更多轮」，这会反向重塑应用架构与定价方式。
另一边，智谱把推理速度做到 490 tokens/s，华为用 RSI 让操作步数比人类少 56%，国内团队明显在效率这条线上更用力。当算力受限，压缩每 token 成本、减少每一步调用本身就是竞争力。硅谷在囤 GPU，中国在抠 token，短期两条路都有效，长期看谁能把效率优势转成能力优势。
治理信号同样密集：欧盟文本溯源、前沿训练安全案例、打击虚假前线行动，一天内几乎覆盖全部合规议题。这说明头部厂商已把「可审计」当作产品的一部分而非成本。对出海团队而言，水印、溯源与安全案例这套语言，正在变成进入欧美市场的隐性门槛。