Gemini 4 Argon: Built to solve your hardest problems
NEW
Google 在官方博客发布 Gemini 4 Argon，定位为“解决最难问题”的新一代 Gemini 模型。原文未披露参数规模，但从命名和发布渠道看，这是 Google 在 2026 年下半年的旗舰模型更新，直接对标 OpenAI 的 GPT-6 系列。对开发者而言，Argon 是否开放 API、定价和上下文长度将决定其能否进入生产环境；对企业客户而言，模型能力提升意味着复杂推理、代码和多模态任务有了新的选型。
OpenAI 发布 GPT-6.1 Terra：把电脑操作能力带给所有人
NEW
OpenAI 正式推出 GPT-6.1 Terra，官方定位是“把快速、强大的 computer use 能力带给所有人”。这意味着模型不仅能对话，还能在图形界面中执行点击、输入和跨应用操作，向通用智能体再进一步。对开发者，Terra 可能成为自动化工作流的新基座；对企业，电脑操作类 Agent 将触及 RPA、客服和内部工具等场景。关键悬念在权限隔离、错误恢复和定价，安全边界决定落地速度。
Claude 取消 5 小时使用限制，首批 200 美元 Ultra 用户解封
HOT
Anthropic 宣布 Claude 取消 5 小时使用限制，首批面向每月 200 美元的 Ultra 订阅用户开放。此前重度用户常在长任务、代码生成和文档分析中触达上限，限制取消直接改善连续工作流体验。对竞品而言，这是把“无限使用”作为高端订阅卖点，可能迫使 ChatGPT、Gemini 跟进调整配额；对开发者而言，需观察取消限制是否伴随速率、模型版本或公平使用政策变化，避免生产依赖出现新的不确定性。
OpenAI 模型将进入 Google Cloud，前沿模型与 Codex 上架 Gemini Model Garden
HOT
OpenAI 与 Google Cloud 扩大合作，把前沿模型和 Codex 工作流带入 Gemini 的 Model Garden，并通过 Google Cloud Marketplace 提供。此前两家在模型层是直接竞争对手，此次合作意味着企业客户可在 Google Cloud 的统一采购与治理框架下调用 OpenAI 能力，降低多云选型摩擦。对 Google Cloud 而言，引入最大外部模型可提升平台黏性；对 OpenAI 而言，则获得新的企业分发渠道，但双方在数据、安全和收入分成上的边界仍值得关注。
OpenAI 收购 Orchestra Bio，把 AI 运营带入生命科学研发
HOT
OpenAI 宣布收购 Orchestra Bio，目标是向生命科学研发提供 AI 驱动的运营能力，帮助生物制药团队加速药物开发。交易金额与团队规模未在摘要中披露，但这是 OpenAI 从模型提供商向行业解决方案深入的一步。对药企而言，临床前研究、试验运营和合规文档是数据密集且流程冗长的环节，AI 运营有降本空间；对 OpenAI 而言，收购可换取领域知识与客户入口，但能否整合进现有企业产品线、处理敏感数据，是交易价值兑现的关键。
智元双模型登顶多榜：机器人也要打绩效
HOT
智元机器人发布双模型并称在多榜单登顶，强调用评测体系给机器人“打绩效”。这反映出具身智能竞争正从单点演示转向可量化任务能力：抓取、导航、操作和长程任务都需要统一基准。对行业而言，榜单成绩能帮助客户筛选方案，但也可能放大“刷榜”争议，真实产线节拍、故障恢复和安全性才是规模化前提。智元若能公开评测细节与落地数据，将比单纯排名更有说服力。
ChatGPT Ads 扩展至 26 个新国家，广告主已超 10 万家
HOT
OpenAI 宣布 ChatGPT Ads 扩展到 26 个新国家，平台累计已有超过 10 万家广告主使用。广告形态基于对话意图，在用户探索、比较和决定购买时触达，与搜索广告形成正面竞争。对广告主，这意味着多了一个靠近决策时刻的流量入口；对 OpenAI，广告是支撑免费或低价层、摊薄推理成本的重要收入来源。风险在于广告与回答的边界：若相关性不足或损害信任，可能反噬 ChatGPT 的产品体验。
世界模型首次指导芯片设计：NPU 达 700TOPS，99% 算力可用
DEV
国内团队称首次用世界模型指导芯片设计，做出超大核 NPU，峰值 700TOPS，并实现 99% 算力可用。芯片设计的难点不只是堆算力，更在于架构探索、验证和软件栈协同；若世界模型能在设计空间搜索中替代部分人工试错，将缩短迭代周期。对 AI 芯片行业，700TOPS 与高利用率若能在真实负载中复现，会直接影响推理成本；但“首次”仍需第三方复现，量产良率、功耗和编译器成熟度决定其实际竞争力。
AI 零帧起手写算子，反超人类手写巅峰 9.8%
DEV
有团队展示 AI 自动生成算子，称在性能上比 DeepSeek 人类手写巅峰还快 9.8%，此前还连登昇腾三榜第一。算子优化是深度学习框架和国产算力生态的关键环节，长期依赖资深工程师手工调优；若 AI 能自动搜索切分、流水和内存布局，将显著降低迁移与适配成本。对昇腾生态，这意味着软件短板可能被自动化工具补强；但需关注测试集、硬件环境和可移植性，单点 9.8% 的提升必须在大规模训练与推理中稳定复现才有产业价值。
OpenAI 与学术界合作：模型在 Kakeya 猜想、ETH 与量子色动力学上给出结果
AI
OpenAI 公布与学术社区合作的研究结果，称模型在 Kakeya 猜想、指数时间假设（ETH）和量子色动力学等难题上产出可供研究者验证和继续推进的结果。这不同于一般 benchmark 得分，而是尝试让 AI 参与数学与理论物理的发现流程。对科研而言，价值在于提出可检验的中间命题、搜索反例或整理证明路径；对 AI 公司，则是展示推理能力的高地。但结论必须经过同行评议，模型“看起来像证明”与真正证明之间仍有距离。
OpenAI 将遵循共享 robots.txt 信号，方便网站表达 AI 训练偏好
AI
OpenAI 宣布将遵循一个共享的 robots.txt 信号，让网站运营者能向参与该机制的 AI 提供商表达训练数据偏好。这相当于在现有爬虫协议上增加“AI 训练”维度，回应内容方对未经授权抓取的长期不满。对 publishers，选择退出或限制训练有了更标准化的技术入口；对 AI 公司，统一信号可降低逐家谈判成本，但自愿遵守的约束力有限，且无法解决已训练数据和合理使用争议。后续要看 adoption 范围与法律是否背书。
OpenAI 公开法庭意见书：合理使用让所有人受益
HOT
OpenAI 发布文章，摘录创作者、学者、无障碍倡导者和法律专家等提交给法庭的意见书，论证合理使用支持 AI 训练与创新。这发生在版权方与 AI 公司围绕训练数据授权激烈诉讼的背景下，OpenAI 试图把“合理使用”从法律抗辩扩展为公共政策叙事。对内容产业，判决将决定授权市场和补偿机制；对 AI 行业，若合理使用被限缩，训练成本和合规门槛会显著上升。文章本身是立场材料，关键仍看法院对市场替代效应的认定。
Uber 向 3 万多名员工推广 ChatGPT Work
AI
Uber 正在向 3 万多名员工推广 ChatGPT Work，用于研究、数据分析、制作演示文稿和完成复杂工作流。这不是小范围试点，而是把生成式 AI 嵌入大型企业的日常协作，说明采购决策正从“创新团队试用”转向“全公司部署”。对 SaaS 厂商，入口可能从独立应用转向 ChatGPT 内的企业工作流；对 Uber，效率提升需用任务完成率和质量衡量，而非仅看活跃度。数据权限、合规审计和员工再培训，是规模化推广的三道门槛。
Anima 用 GPT-6 与 GPT-Live 把诊所电话等待时间缩短 75%
AI
Anima 利用 OpenAI 的 GPT-6 和 GPT-Live 为诊所提供 AI 电话接待，称将患者呼叫等待时间削减 75%。医疗前台长期面临预约、改约、保险咨询等高频重复来电，AI 语音代理可在高峰时段分流，释放护理团队产能。对诊所，衡量指标不仅是等待时长，还包括误预约率、隐私合规和紧急情况转人工能力；对 OpenAI，医疗是语音 Agent 的高价值场景，但 HIPAA 等监管要求会拉长销售周期。该案例显示垂直行业 AI 正从文档走向实时语音。
Credit Saison 的 ChatGPT Enterprise 试点实现 954% ROI
AI
日本金融公司 Credit Saison 公布 ChatGPT Enterprise 试点结果，称投资回报率达到 954%，并已从试点转为全公司采用。高 ROI 通常来自员工节省的文档处理、信息检索和报告撰写时间，但具体测算口径、样本周期和人力成本折算方式决定数字可信度。对金融业，生成式 AI 的采用必须通过数据安全和合规审查；对 OpenAI，这类标杆客户有助于说服更多保守行业。读者应关注 954% 是否可审计，以及全员推广后的真实使用率。
今天的产品线很密集：Google Gemini 4 Argon、OpenAI GPT-6.1 Terra、Claude 取消时长限制，说明头部厂商正把竞争从参数转向可用性与工作流。模型迭代周期缩短，企业选型不能再押注单一供应商，必须建立可替换的评测与路由层。
更值得注意的信号是分发：OpenAI 模型进入 Google Cloud，ChatGPT Ads 扩至 26 国，Uber 全员部署 ChatGPT Work。AI 商业化的关键正从“模型能力”转向“渠道+计费+治理”。大厂互相上架竞品，说明企业采购更看重多云合规与统一账单，而非阵营站队。
研究与监管两条线也在收紧：世界模型指导芯片、AI 自动写算子显示自动化正侵入底层工程；robots.txt 训练偏好与合理使用诉讼则决定数据供给边界。我的判断是，2026 年下半年的分水岭不在 demo，而在可审计的 ROI 与可执行的安全承诺。谁先给出第三方复现和合规证据，谁就能拿到企业预算。