证据标注 官方自报 7 待核 8 8 个信源
周三 17 分钟阅读 – 次阅读 信源：openai.com · anthropic.com · nvidia.com · research.google · arxiv.org · github.com · huggingface.co · x.com

2026-09-30 AI行业动态

DevDay：Sol 6.1近Astra约1/5价与dots；Sonnet 5.5对打；GLM-5.3网络能力与OpenShell；MiMo MOPD。

OpenAI DevDay GPT-6.1 Sol dots Claude Sonnet 5.5 GLM-5.3 OpenShell Decision Models MiMo MOPD
2026-09-30 AI行业动态信息图：DevDay Sol/dots、Sonnet 5.5、网络能力扩散与决策模型
下载本期采集素材 四路信源的原始整理稿 · Markdown · 74 KB 下载 ↓

一分钟速览

  • OpenAI DevDay（约 09-29）一口气放出 20+ 项：GPT-6.1 Sol 官方称多项基准接近 Astra、标准 API 价约其 1/5；dots 以 Astra 驱动常驻云电脑 agent；另开 Ultrafast 速度档、Pro 500 与 Decisions API 预览。
  • Anthropic 同周发布 Claude Sonnet 5.5：同价 $2/$10，官方称更快约 30%+、多数工作最高可省约 30% 成本；Terminal-Bench 4.0 官方报约 70.6%。
  • Anthropic 研究文评估智谱 GLM-5.3 开源权重的先进网络能力扩散：防护弱、可被简单手段绕过——与闭源限量「玻璃房」叙事对照。
  • 开源侧：Ollama v0.35 本地 Decision Models、openai/mcp-extensions 新仓、Codex 0.159 可中途打断；Hugging Face 高信号是小米 MiMo MOPD 升级与 TeleOCR / Ming-omni / GLM NVFP4 部署旁线。
  • 勿当事实：社区流传的 Gemini 4 Pro 基准「领先榜」尚无 Google 官方确认；Liquid d1 决策模型热度可扫、数字待核。

执行摘要

  • DevDay 主导：GPT-6.1 Sol（近 Astra、约 1/5 价）+ dots 常驻 agent + Ultrafast / Decisions。
  • Sonnet 5.5 同周抢 $2/$10 中端工程位，终端基准官方报大幅跃迁。
  • 安全：Anthropic GLM-5.3 网络能力扩散 + NVIDIA OpenShell/OASP。
  • 决策品类升温；Hub 侧 MiMo MOPD 与 TeleOCR、Ming-omni、GLM NVFP4。
  • 先重测 Sol vs Sonnet，再试点 dots 权限与本地决策/沙箱。

大厂与学术界动态

主线：OpenAI DevDay——近旗舰压进日常价，常驻 agent 开闸

这意味着什么：本窗最大产品洪峰不是「再发一个旗舰名」，而是 OpenAI 把 接近 Astra 的能力压到日常可买的 Sol 价位，同时把对话助手正式产品化成 可委托、可离线推进的常驻 agent（dots），并用速度档与决策 API 把计费与编排拆开。约 9 月 29 日 DevDay 一口气 20+ 项，总览见 DevDay 2026 Recap；核心三条是 GPT-6.1 Sol、dots，以及 Ultrafast / Pro 500 / Decisions API（见 Recap 与开发者文档）。

人话版：以前买旗舰像订头等舱——贵、满、偶尔才坐；Sol 6.1 更像「商务舱日常飞」——官方称 agentic coding、computer use、专业工作负载多项接近 Astra，标准 API 输入/输出约 $2 / $10 per 1M tokens（约 Astra 的 1/5），缓存输入约 $0.10（相对标准输入约 −95%）。官方自报对照包括：DeepSWE 匹配 Astra、成本约 1/5；AutomationBench 相对 Opus 5.5 约 +2.2 pp（成本约 1/3）；OSWorld 2.0 相对 GPT-6 Sol 约 +7 pp、距 Astra 约 −2.1 pp；事实错误回答约 11.4%→7.7%。API id gpt-6.1-sol；已在 ChatGPT Work / Codex / API 对 Plus+ 开放，尚未进普通 Chat。安全附录称网络安全 Critical、生化学 High，与 Astra 同 safeguards 栈（见 deployment safety 页）。媒体称原定 GPT-6.1 Astra 因安全评估未发——作背景报道，勿写成已确认产品决策。

dots 则是另一类赌注：由 GPT-6 Astra 驱动的 always-on 智能体，自带云电脑，官方称可连 4000+ 应用/插件，用户离线时仍可推进项目；可在 ChatGPT / Slack / Teams 交互，并设自主边界与禁区。先向 Pro / Business Premium / Enterprise（合格市场）滚动开放，官方称档位内无额外费用。类比：Sol 6.1 是换一辆更省油的主力车；dots 是雇一名「住在公司云电脑里的项目助理」——你睡觉时它还在改稿、跑脚本、调应用。权限与禁区文档比 demo 视频更值得先读。

同窗工程 SKU：付费速度档 Ultrafast（官方称 Codex 上最高约 8× / 约 300 tok/s，API 约 6×）；GPT-6 Astra Ultrafast 已在 API / ChatGPT Work / Codex 可用（Work/Codex 侧绑定 Pro 500 与 Enterprise）；Sol Ultrafast 即将跟进。新订阅 Pro 500（约 $500/月）含 Ultrafast 与约 25× Plus 用量，并重开 Pro 200（细节以官网为准）。Decisions API（有限预览）用 GPT-6 Luna 在封闭选项集上做实时决策（分类、路由、agent 下一步），输出为可选答案而非长生成——把「高吞吐结构化决策」从通用 chat 拆成专用原语。另有 Codex Security Cloud、Marketplace 等工程向条目，见次要。

适用谁：工程默认路由与采购、企业 agent 平台、Codex 重度用户、API/编排层。不适用：把官方自报基准直接写进对外 SLA；假设 dots 已对所有 Chat 用户开放；把 Ultrafast 宣传吞吐当你家网络与配额下的实测。上期 Live Avatar / 长视频 / Suncatcher 不复述。

深入学习建议

主线：Claude Sonnet 5.5——中端工程主力与 Sol 6.1 同价位对打

这意味着什么：Anthropic 在 Opus 5.5 之后迅速补齐「日常工程/文档」中端——同价位更快更省，并宣称终端与代码基准大幅跃迁。约 9 月 28 日发布 Claude Sonnet 5.5（Claude 5.5 家族第二款）：相对 Sonnet 5，官方称输出更快约 30%+、多数工作最高可省约 30% 成本；价位仍 $2/$10 per 1M tokens；API id claude-sonnet-5-5；已上 Claude API / Bedrock / GCP / Azure；Haiku 5.5 预告数周内。官方称其为首个带 cyber safeguards 的 Sonnet。

人话版：如果把 Opus 当「专家顾问」、Haiku 当「前台速记」，Sonnet 就是大多数团队真正每天点的「主力工程师座位」。5.5 的叙事不是换座位名，而是同一张价签上把速度与 token 账单拧紧，并把终端代理能力从「能试」推到「敢当默认」。官方自报：Terminal-Bench 4.0 约 70.6%（Sonnet 5 约 10.3%；Opus 5.5 Xhigh 约 66.4%）；FrontierCode Max 约 46.2% / Xhigh 约 52.1%；CursorBench 约 55.5%；OSWorld 2.1 partial 约 80.1%；约 1M 上下文。数字均为官方自报，复测前当上限。

与 Sol 6.1 同周对位的读法：两边都在抢「$2/$10 日常重负载」——OpenAI 用「近 Astra」叙事，Anthropic 用「相对上代 Sonnet 的速度/成本 + 终端跃迁」叙事。选型别只看总分榜：看你们真实负载是偏 coding agent / 终端、偏 文档与知识工作，还是偏 computer use；再看 SDK 是否已暴露模型 id 与新 thinking 类型（见开源栏 Anthropic SDK）。

适用谁：Claude 默认路由的工程与产品团队、多云 Bedrock/GCP/Azure 客户、终端/编码 agent 评测。不适用：把 Terminal-Bench 跃迁外推成「所有 IDE 任务都翻倍」；假设 Haiku 5.5 已可用；忽略 cyber safeguards 对红队/安全工具链的行为变化。

深入学习建议

  • 精读 anthropic.com/claude-sonnet-5-5 与 平台概述：标出价格、上下文、可用云与 safeguards。
  • 与 Sol 6.1 做同题盲测（终端、多文件 refactor、长文档），记录延迟、费用与失败模式，勿只抄厂商表。
  • SDK 读者同步看 anthropic-sdk-python v1.9.0 的 claude-sonnet-5-5 与 between_tools thinking。
  • 安全/红队单独核对 cyber safeguards 对既有评估脚本的影响。

主线：NVIDIA OpenShell / OASP——把 agent 安全从「提示词」沉到沙箱与网卡

这意味着什么：当 DevDay 与 Sonnet 把 agent 能力铺开时，NVIDIA 用开源运行时回答「跑起来之后怎么关进笼子」。约 9 月 28 日发布 Open Agent Safety Platform 与 OpenShell：分层参考架构覆盖沙箱、策略证明、线速旁路监控；OpenShell 0.1.0（Vera CPU 沙箱）官方称 Apache 2.0，无需改写 agent 即可强制沙箱与凭证隔离，兼容 Codex / Claude Code 等。BlueField-4 上的 Sentry 面向「在硅片侧持续监控」——把漂移与逃逸从应用层日志，下沉到运行时与加速器旁路。

人话版：大多数团队的 agent 安全还停在「系统提示里写不许乱来」或「出站代理黑名单」；OpenShell 更像给每个 agent 发一张带权限的工牌 + 隔离工位——代码不用大改，先把文件系统、凭证和网络边界卡住。OASP 则是参考蓝图：测试到部署一路怎么监控。学术/治理旁线可并读：OpenAI Towards safety cases for frontier AI training（约 09-28/29）主张前沿 RL 前应具备结构化安全文档（alignment / containment / monitoring），并强调勿让自动 grader 看见 CoT（防监控规避）；Google Research Diffusion Controller（页约 09-29）用侧网络增强文生图 prompt 对齐（官方称对基线约 90% win rate）——生成控制选读。

适用谁：企业 agent 平台 SRE/安全、已在跑 Codex/Claude Code 的团队、AI 工厂功耗与密度规划。不适用：把 0.1.0 参考实现当成「插上即合规」认证；把 MaxLPS 的 40%/49.2% 未复测写进容量合同；用 safety cases 长文替代你们自己的 threat model。

深入学习建议

X 动态

主线：开源网络能力扩散 + 「决策模型」热——DevDay 余波里的两条安全/品类线

这意味着什么：X 与公开讨论层本窗不只在转发 DevDay 截图，更把两件「会改风险与架构选型」的事推到台前——人人可下的开源权重已具备先进网络能力且防护弱，以及 「决策」正在从 chat 副产品变成独立品类（OpenAI Decisions、Liquid d1、本地 SystemOne 同周共振）。主证据不在传闻帖，而在 Anthropic 研究文 GLM-5.3 and the spread of advanced cyber capabilities（约 09-29）：评估智谱 Z.ai / GLM-5.3 开源权重可自主完成端到端 exploit 构建；相对 Claude Mythos Preview（限量 Glasswing）能力跃迁类似；关键是防护弱——模拟中简单手段绕过率约 64%–100%，同测对受保护 Claude 未成功。文中引用 NIST CAISI（约 09-17）称其为迄今最强开源网络能力模型，约落后美前沿聚合指标 4 个月（见 CAISI 新闻稿）。数字为机构/论文口径，勿写成攻击教程。

人话版：以前「强网络能力」像关在玻璃房的限量样机——申请、审计、监控齐全；开源权重扩散后，像把接近同档的工具箱放到公共货架上，而箱锁（防护）很松。对企业的启示不是「去下载玩 exploit」，而是：红队假设要更新、出站与代码执行沙箱要按「开源可复现攻击链」重估、开源治理不能只看通用 bench。同周 xAI / Elon 宣称 Grok 4.7 在 AA cyber index 第一——属官方自报与第三方榜，方法与是否含 safeguard-off 需另核，本窗只作对照信号。

决策品类热：OpenAI Decisions API（见大厂栏）用 Luna 做封闭选项实时决策；Liquid 宣称首个 decision model d1，称在 Hugging Face Decision Index 上首次超过 Jev（Today’s News / 生态转发为主，缺稳定官方长文 URL，数字待核）；本地侧 Ollama SystemOne 与 firelex/jeff 同窗（见开源栏）。类比：通用大模型像全能秘书写长邮件；决策模型像闸机——只输出「过 / 不过 / 置信度」，适合路由、工单分流、agent 选下一步。另：Gemini 4 Pro 泄露基准榜（DeepSWE / Terminal-Bench / OSWorld 等「领先」叙事、2M 上下文与较低价）在 Today’s News 流传，无 Google 官方确认——可存档跟踪，禁止当成已发布事实写入结论或对外材料。

适用谁：安全/政策/对齐、企业红队与开源治理、agent 路由与决策栈选型。不适用：复述或教学任何 exploit 步骤；把 CAISI/Anthropic 数字当采购唯一依据；把 Gemini 4 Pro 泄露表写成已发布产品能力。

深入学习建议

  • 精读 Anthropic GLM-5.3 研究文 + CAISI/NIST：只记威胁模型与防护差距，不记攻击细节。
  • 对照自家：开源代码执行、浏览器/电脑使用代理、依赖安装路径是否默认按「强网络能力开源模型」级别隔离。
  • 决策栈：扫 DevDay Recap 的 Decisions 段；Liquid d1 等官方博客/可复现榜再深；本地先试 Ollama SystemOne。
  • Gemini 4 Pro：建立「待核」跟踪条目，等 Google 官方材料再扩写。

热门开源项目

主线：本地 Decision Models——Ollama SystemOne 与 jeff 把「分类路由」从解析文本改成结构化概率

这意味着什么：本窗开源最高信号的产品面，是把 结构化决策 从云 API 叙事落到本地可跑。ollama/ollama v0.35.0（约 09-29 05:23 SGT）新增基于 TypeSafe Jev API 的 /v1/systemone Decision Models：返回选项、概率与置信度而非长文本；现提供 Nimble、Tev1 等库模型；题型含 choice / noul / score。同窗新仓 firelex/jeff（约一天内冲到约 1033★）发布面向零样本分类的 Qwen3.5 / Gemma 4 小模型微调（Jev 同款请求格式），并指向 HF 上 Jeff-Qwen3.5-* 权重。与 OpenAI Decisions API、Liquid d1 同周出现，说明品类正在「云原语 + 本地可训」双向铺开。

人话版：以前用本地 LLM 做工单分流，常常是「让模型写一段话再正则抠标签」——偶发跑题、难校准。SystemOne 像把模型换成答题卡填涂机：题目选项固定，输出是概率与置信度，下游直接路由。jeff 则是「你自己有标签体系时，可以按同一请求格式微调小模型」。适用路由、客服分流、agent 选工具；不适合需要开放生成的长文写作主路径。

适用谁：本地推理、Agent 路由、客服/工单、想自训决策头的团队。不适用：把星标增速当质量认证；假设所有既有 chat 模板不改就能接到 /v1/systemone；把决策小模型当通用聊天替身。

深入学习建议

  • 精读 Ollama v0.35.0 中 SystemOne / 三种题型说明，跑通一条 choice 冒烟。
  • 对照 firelex/jeff README 与 HF 权重，评估是否值得用自家标签微调。
  • 与云端 Decisions API 画一张「延迟 / 隐私 / 可训 / 选项集变更成本」对照表再选型。

主线：DevDay 落地到仓库——mcp-extensions、Codex 0.159、Anthropic SDK Sonnet 5.5

这意味着什么：大厂发布若只停在博客，开发者接不住；本窗三条仓库级更新把 DevDay / Sonnet 5.5 焊进可安装契约。OpenAI 新仓 openai/mcp-extensions（约 09-29 创建，窗口内约 225★）提供把 MCP 插件做成 ChatGPT「一等公民」的 SDK 与规范（侧栏入口、文件扩展处理器、Composer @ 提及、扩展表单等）——官方把插件扩展面开源成可安装的 TS/Python SDK。openai/codex rust-v0.159.0（约 09-29 16:05 SGT）新增可选 instant_interrupt：可在模型回复或长 code-mode 调用中用新输入改道，并改进欢迎屏、警告查看器与 Mermaid 渲染；Windows 控制台/沙箱与 TLS 修复偏生产向。Anthropic anthropic-sdk-python v1.9.0 与 TypeScript sdk-v0.129.0 同步加入 claude-sonnet-5-5、between_tools thinking，以及工具调用可与流式回复并行；cache diagnostics 标为 GA。

人话版：mcp-extensions 像把「ChatGPT 插件插座说明书」开源成 SDK——你按规范做，才能进侧栏与 @ 提及；Codex 0.159 像给长时间跑的编码代理加了方向盘中途纠偏——不用干等跑完再开新会话；SDK 发版则是「模型名写进客户端合同」——应用层可以立刻改默认模型与 thinking 类型。社区热点旁线：KKKKhazix/AIHOT 约一天冲到约 3156★，自托管 AI 热点日报框架——作热度对照，勿当厂商 release。

适用谁：ChatGPT/MCP 插件开发者、Codex 日活、Anthropic 应用。不适用：把星标异常写成技术突破；未读 instant_interrupt 就在生产默认全开。

深入学习建议

  • mcp-extensions：从 README Showcase 进 docs/spec.md，再装 TS 或 Python SDK 做最小侧栏扩展。
  • Codex：读 0.159.0 New Features，在长 refactor 任务上试 instant_interrupt 改道。
  • Anthropic：升级 SDK 后核对模型 id 与 between_tools；跑一条多工具流式并发样例。
  • 兴趣者扫 AIHOT 架构与 topics 再决定是否 fork。

模型相关

主线：MiMo-V2.6 MOPD——多教师蒸馏专门压「agent 重复调工具」

这意味着什么：本窗 Hugging Face 几乎没有新 frontier 文本底座；最硬的官方新卡是小米对已发布 MiMo-V2.6-Flash/Pro-RL 再发的 MOPD 检查点。XiaomiMiMo/MiMo-V2.6-Flash-MOPD 与 Pro-MOPD（created 约 09-27 落窗）：多教师 on-policy 蒸馏（MOPD2）+ 专项压低 agent 场景下的 tool-call 重复调用。Flash / Pro 卡内宣称为大型 MoE（参数量待核）。基座仍是窗前 Flash-RL / Pro-RL——叙事是「RL 基座 → 可部署修复版」，不是再发一个全家桶名。

人话版：agent 重复调同一个工具，像助理不停拨同一个电话确认——账单与延迟双杀。MOPD 检查点像给这只毛病开了专项补丁：用多教师 on-policy 蒸馏把「别重复拨」印进权重。采集快照 likes 仍低（Flash-MOPD 约 42 / Pro-MOPD 约 20），说明曝光尚未追上技术叙事——选型看卡内 Technical Report §5.6 与 tool-call 博客，用自家 harness 复测重复率，勿只看下载数。

适用谁：Agent / 多模态长上下文产品、跟进小米开源路线的评测。不适用：把卡内 MoE 参数、1M 上下文、重复率降幅未复现就写进对外材料；把 MOPD 写成「今日新发底座 LLM」。

深入学习建议

  • 对照 Flash-MOPD / Pro-MOPD 与对应 RL 基座：同一 agent 任务集统计 tool-call 重复率与总 token。
  • 读卡内 Technical Report PDF §5.6 与 博客。
  • 部署前核 MIT 许可与 GitHub MiMo 推理路径。

主线：TeleOCR、Ming-flash-omni、GLM-5.3-Flash-NVFP4——文档 VLM / Omni / 量化部署三线并行

这意味着什么：其余高信号是本窗更新而非新架构头条——分别打文档解析、开源 Omni、大 MoE 可上线量化。XingChen-AGI/TeleOCR（~1.2B 文档解析 VLM，原 NaviDC-OCR 更名；lastModified 约 09-29 落窗；likes 约 870 / downloads 约 30k）统一数字 PDF 与拍摄文档，挂 arXiv:2608.12898 与 GitHub；卡宣称 SOTA 分数一律待核。inclusionAI/Ming-flash-omni-2.0（Ling-2.0 MoE：卡称 100B total / 6B active；lm 约 09-29）定位多模态理解 + 语音/图像生成一体，是原仓而非 Comfy 包装。nvidia/GLM-5.3-Flash-NVFP4（lm 约 09-30 05:30 SGT；downloads 约 54k）是 NVIDIA Model Optimizer 对 zai-org/GLM-5.3-Flash 的 NVFP4 预量化权重，面向 vLLM/SGLang——典型「底座已立 → 量化进产线」，勿当新模型发版。

人话版：TeleOCR 像轻量「文档扫描仪大脑」——PDF 与手机拍照走同一条解析；Ming-omni 像稀缺的「听说读写一体」开源实验台；NVFP4 像把巨型 Flash 底座打成更省显存的货运箱——箱子变了，货还是原来的 GLM-5.3-Flash。DeepSeek-V4.1-Flash、Qwen3.8、Audio8 / Nemotron 日记等仍是热度延续，勿写成今日新发。旁线：GLiNER2.5-Decide（340M 级任意标签分类）、Qwen3Guard-Stream、typed-decisions 数据集与决策品类同题，可扫。

适用谁：文档智能 / RAG、多模态原型、推理解耦与 Agent/RAG 降本。不适用：把量化卡当新架构；把 Comfy/Uncensored GGUF 热度写进选型；用卡内 SOTA 句替代 OmniDocBench 自测。

深入学习建议

  • TeleOCR：卡 + arXiv + GitHub；用自家财报/合同样张对照数字 PDF 与拍照。
  • Ming：读 模型卡 与 GitHub Ming，先估 100B 级部署成本再原型。
  • NVFP4：对照 量化卡 与原卡，在 vLLM/SGLang 上测精度掉点与吞吐；配方见 Model-Optimizer。

次要动态

  • OpenAI safety cases（约 09-28/29）：前沿训练安全文档与 CoT 监控规避——见大厂 NVIDIA 主线并读链接。
  • Diffusion Controller（Google Research，页约 09-29）：文生图 prompt 对齐侧网络；HPS-v2 约 90% win rate 为官方自报。
  • DSX MaxLPS（NVIDIA）：同功耗预算多部署约 40% GPU、吞吐官方称约 +49.2%——算力厂选读。
  • Codex Security Cloud / Marketplace：DevDay 工程向；开源模型接入 Codex 等细节待核官方 docs。
  • arXiv 抽读（论文自报）：意识框架 2609.35618；MSR ROFT 2609.35741；Night Science 2609.35706；Meta RSI 蒸馏 2609.30652；Amazon TCSAlgBench 2609.35606。
  • Liquid d1 / Gemini 4 Pro 泄露榜：品类热与待核传闻——见 X 栏；勿当已核实事实。
  • Grok 4.7 AA cyber index 第一：官方自报对照信号。
  • HF 旁线：GLiNER2.5-Decide、colipri、Qwen3Guard-Stream、typed-decisions；LTX IC-LoRA 信号弱；Uncensored/Heretic/Comfy 包装降权。
  • 刻意不重复上期：Live Avatar、长视频 Co-Director、Suncatcher、Opus 5.5 首发、GPT-6 Sol/Luna 首发、九圈、CAVEAT 等仅作语境。

来源与延伸阅读

今日行动建议

  • 默认路由重测：用 10 条自家 coding / 终端 / 文档任务盲测 GPT-6.1 Sol vs Claude Sonnet 5.5（同记延迟、费用、失败模式）；更新团队默认模型表。
  • dots 权限试点：若在 Pro/Business/Enterprise 合格市场，只开最小应用白名单跑一条常驻任务；先读禁区与云电脑权限段，再谈扩大连接数。
  • SKU 与账单：重度 Codex 用户核对 Ultrafast / Pro 500 是否划算；非重度先盯 Sol 6.1 缓存价与 Work 可用面，勿为速度档冲动升级。
  • 决策栈冒烟：云端扫 Decisions API 预览资格；本地跑 Ollama v0.35 SystemOne 一条 choice；需要自训再看 jeff。
  • 安全假设更新：读 Anthropic GLM-5.3 文与 CAISI 摘要，按「强网络能力开源权重」重估代码执行/出站沙箱；OpenShell 对 Codex 或 Claude Code 做非生产冒烟。
  • 模型部署：Agent 团队对比 MiMo MOPD vs RL 基座的 tool-call 重复率；文档流水线试 TeleOCR；GLM Flash 产线评估 NVFP4 掉点。
  • 待核纪律：Gemini 4 Pro 泄露榜、Liquid d1 超 Jev 数字、媒体「Astra 6.1 未发」原因——只跟踪、不写入对外结论，等官方材料。
🎵 看累了听个音乐吧
跟鬼哥聊聊 AI