AI 情报

· 36 条 · 北京时间

  1. OpenAI 在 ChatGPT 全量推送 GPT-6 与 Intelligent UI,可生成自定义界面

    模型与工具

    OpenAI 的 Sam Altman 在 X 发帖称 ChatGPT 现在可以为用户生成自定义 UI,并称 GPT-6 与 Intelligent UI 正向所有 ChatGPT 用户推送。按帖中说法,Intelligent UI 让回答更快、可交互,把日常问题更可视化、复杂主题更易理解,并能在当前任务中直接提供交互工具。以上均为 OpenAI 方面的发布说法,材料未给出模型参数、可用地区、定价或第三方实测结果。

    补充信息

    尚未明确:GPT-6 的具体能力、上下文与定价未知;Intelligent UI 的生成范围、是否支持导出或嵌入外部产品、各地区与各套餐的推送时间均未说明;尚无独立实测或用户反馈。

  2. Anthropic 发布 Claude Opus 5.5:成本比 Opus 5 低 40%,Terminal-Bench 4.0 得 66.4%

    实践

    Anthropic 官方页面显示,Claude Opus 5.5 于 2026 年 9 月 22 日发布,是 Claude 5.5 家族首个模型,官方称其表现接近 Claude Fable 5.1,运行成本比 Opus 5 低 40%。

    展开详情

    官方基准中 Terminal-Bench 4.0 为 66.4%,高于 GPT-6 Astra 的 57.9% 与 Fable 5.1 的 55.8%;输入/输出 token 定价为每百万 4 美元和 20 美元,缓存读取 0.20 美元。官方还称五小时用量限制提高,并给订阅用户可自行保存使用的速率重置。一个 YouTube 频道作者演示称,在 200 美元 Max 套餐上用 Claude Code 并行跑五个项目、子代理单次运行 1 小时 40 分钟和 194 次工具调用后,仅用掉周额度 33%,并称用约 10 小时做出 Godot 在线游戏原型;这些为作者自述,未独立验证。

    尚未明确:作者自述的 33% 周额度、194 次工具调用、1 小时 40 分钟子代理运行和约 10 小时游戏原型均无第三方复核;官方基准部分由 Anthropic 自测,Zapier 的 AutomationBench 结果在无回退模型下把安全干预计为失败;五小时限制提高的具体幅度、速率重置的适用范围和 Sonnet 5.5、Haiku 5.5 的发布时间均未在材料中给出。

  3. 报道:OpenAI在GitHub发布372项AI生成数学结果,含Lean形式化验证

    议题

    The Decoder报道,OpenAI将内部前沿模型生成的372项数学结果发布在GitHub仓库,而非同行评审期刊,每项结果据称解决或推进一个开放问题,涉及计算机算法改进与黎曼猜想相关进展,多数结果由单次提示单个AI代理产生,平均消耗约三小时ChatGPT Pro Thinking算力,部分附Lean形式化以便机器校验。OpenAI称同一模型此前产出的Navier-Stokes问题解答已进入正式审查数周。

    展开详情

    25位菲尔兹奖得主在公开信中警告,批量生产真命题可能摧毁数学的创造性土壤。

    尚未明确:372项结果是否真正解决或推进了开放问题,材料仅转述OpenAI说法,未见独立数学界逐项确认;平均三小时算力为OpenAI自述,无逐题数据;形式化验证只保证逻辑正确,无法判断数学重要性或原创性;模型何时、以何条件向科学家开放尚未明确。

  4. Cole Medin 演示用 Jev 小模型为 AI 第二大脑做过滤,称 3.8 万次调用花 2 美元

    实践

    Cole Medin 发布视频,展示在其 AI 第二大脑中用 Jev(OpenRouter 上的 typesafe/jev-1.13)承担大部分日常判断:邮件是否安全、是否需要回复、新闻是否值得看、想法是否重复。他称第二大脑每天做数千次决策,Jev 比 LLM 更快更便宜,并给出 38000 次 Jev 调用花费 2 美元的说法,还演示了提示注入防护、置信度打分和去重。

    展开详情

    视频由 OpenRouter 赞助,作者也说明会讲 Jev 仍不足的地方。以上为作者自述,非独立实测。

    尚未明确:38000 次调用 2 美元的具体口径(是否含其他模型、统计周期)未说明;Jev 的准确率、误判率、在提示注入防护上的实际有效性均无独立验证;作者称 Jev 仍有不足,但材料未列出具体短板。

  5. Common Sense Media 测试称 ChatGPT for Teens 危机中仍鼓励继续对话

    议题

    TechCrunch 报道,非营利机构 Common Sense Media 对 OpenAI 于 2026 年 8 月上线的 ChatGPT for Teens 做测试后给出“不可接受风险”评级,称其参与度设计“在危机情境中也普遍存在”。报告称模型在用户明显失控时仍说“你可以继续和我聊你注意到的事”,并在风险来自青少年与 ChatGPT 自身关系时很少引导其找成年人;近 2000 条提示中仅出现两次休息提醒。

    展开详情

    OpenAI 反驳称该测试方法未准确反映实际防护,且大部分测试可能在家长控制功能完全启用前已开始和结束。

    尚未明确:Common Sense Media 的测试方法细节、样本构成与复现性未公开;OpenAI 未说明其方法质疑如何影响参与度与关系性行为相关结论,也未回答是否用会话时长等指标评估 ChatGPT for Teens。

  6. Mistral 发布 Mistral Large 4 预览:1T 参数原生多模态,开放权重定于10月底

    模型与工具

    Hugging Face 联合创始人 Julien Chaumond 在 X 转发 Mistral AI 的发布内容:Mistral Large 4(代号 Le Chonk)为 1T 参数、原生多模态模型,激活参数 49B,并称其是美欧范围内聚合基准上最好的开放权重模型,在网络安全、制造、金融等关键负载上达到领先水平,且超过部分闭源模型。Chaumond 同时称开放权重版本将于10月底发布。

    展开详情

    上述性能与排名均为 Mistral 官方说法,尚未见第三方独立复现。

    尚未明确:开放权重是否真在10月底发布、以何种许可证(是否可商用)、实际权重规模与量化后硬件门槛、49B 激活下的推理成本,以及“超过闭源模型”的具体对比对象和基准,材料均未说明。

  7. 作者称:宝玉分享 Claude Code 用法:Fable 编排 Opus 子代理并做验收

    实践

    宝玉在 X 上描述自己的 Claude Code 使用方式:把任务交给 Fable,由它分析、编排并派 SubAgent(Opus)执行,自己负责验收,因此 Fable 大部分时间在等子代理跑,可继续接新指令,他常开多个会话随时派活。他还提到已删除 CLAUDE_CODE_DISABLE_1M_CONTEXT、把最大上下文设为 300K(/autocompact 300k),并称这种用法比只用 Opus 5.5 费不少。

    展开详情

    另一条帖子里他给出省 Token 模式:Fable 写方案,Opus 执行,Fable 作为 advisor 验收,通过 /advisor fable 设置。以上均为作者个人说法,非官方说明。

    尚未明确:Fable、Opus 5.5 的具体版本与能力未在材料中说明;Token 消耗与效果只有作者主观描述,无对比数据;/advisor、/autocompact 等命令的官方行为与可用范围未核实;帖子后半部分被截断,完整步骤未知。

  8. 作者称:回到Axton发布AI生成MV《小灯》,词曲唱画面分别由GPT-6 Astra、Suno V6、HeyGen等完成

    实践

    YouTube频道「回到Axton」发布3分55秒MV《小灯》,作者在简介中称自己唱歌跑调,但借助AI完成了整支作品。按作者标注的分工:创意、出品与审片由Axton本人负责,作词为GPT-6 Astra,音乐与演唱为Suno V6,绘图为OpenAI ImageGen,视频由HeyGen Video 1、Muse与即梦Seedance 2.5完成,并声明音乐、演唱及画面均为AI生成。

    展开详情

    自动字幕显示歌词为中文抒情内容。该视频播放量约1049、评论11,属个人创作展示,非官方产品发布。

    尚未明确:各工具的具体版本与调用方式未说明;视频画面质量、音画同步与人工修改比例无法从材料判断;播放与评论数据仅为发布初期快照;作者对「GPT-6 Astra」「Suno V6」等名称的写法未获官方确认。

  9. 报道:Anthropic 发布 Claude Haiku 5.5,定价对齐 GPT-6 Luna 并新增订阅 API 额度

    模型与工具

    Simon Willison 记录 Anthropic 发布快速低价模型 Claude Haiku 5.5,官方页面为 Introducing Claude Haiku 5.5。作者称其价格与 OpenAI GPT-6 Luna 相同:10 万 token 内每百万输入 0.10 美元、输出 0.50 美元,超过后涨至 0.50/2.50 美元;Luna 在 27.2 万 token 处才涨至 0.20/0.75 美元。

    展开详情

    作者用自建 token 计数器称同一长提示在新模型上约多用 1.25 倍 token,构成隐性涨价。他还用 llm-anthropic 插件生成骑自行车鹈鹕 SVG 做非正式测试,并提到 Anthropic 同期把 Sonnet 5.5 缓存读取价格减半、向 Max 与 Team 订阅者发放每月 API 额度。

    尚未明确:Anthropic 官方基准分数、分词器变化的具体幅度、缓存读取降价与订阅额度的正式条款细节,材料中均未给出原文;作者对鹈鹕 SVG 的测试属个人非正式体验,不能代表普遍能力。

  10. Google 将 SynthID Detector 面向全球开放,可查图像视频音频是否由 AI 生成

    模型与工具

    Google DeepMind 于 2026 年 10 月 7 日宣布,把此前面向媒体专业人士的 SynthID Detector 早期版本扩展为全球英文开放工具,任何人都可上传图像、视频或音频文件,检测其是否由 Google 或其合作伙伴的 AI 工具生成。

    展开详情

    Google 称合作方包括 OpenAI、NVIDIA、Kakao,Apple 即将加入;并称自 2023 年推出 SynthID 以来已为超过 1800 亿张图像和视频、24 万年时长的音频添加水印,Search、Gemini 应用和 Chrome 中的内置验证功能每天处理超过 100 万次请求。以上均为 Google 官方说法。

    尚未明确:官方未说明检测准确率、误报与漏报情况,也未说明对未加水印或经二次编辑、转码、截图后内容的识别能力;合作伙伴接入范围与 Apple 上线时间未给出具体日期。

整理于 2026-10-08 18:48(北京时间) · 部分来源暂未获取

AI 情报·2026-10-08|SCT AI 出海