GPT-6.1 Sol：接近 Astra 的智能，五分之一的价格

深度摘要

OpenAI 发布 GPT-6.1 Sol：接近 Astra 的智能（agentic coding、computer use、专业文档任务多项评测贴近 Astra），价格仅 Astra 的五分之一，缓存输入便宜 95%。一篇定位精准的"旗舰甜点"发布——不宣称超越 Astra，而是把前沿能力卖到大众价格。

关键要点

• GPT-6.1 Sol：接近 GPT-6 Astra 的智能水平（agentic coding、computer use、专业工作），价格约为 Astra 的五分之一。
• 缓存输入仅 0.10 美元/百万 token，比 Astra 便宜 95%，利于 agent 跨请求复用上下文。
• DeepSWE v1.1 与 Astra 持平、超前代 6.4 个百分点；GDP.pdf、AutomationBench、OSWorld 2.0、Terminal-Bench Science 0.1 多项接近 Astra，成本显著更低。
• OpenAI 同时在文中标注 Astra 仍在 Terminal-Bench Science 上保持 68.1% 的最高分——Sol 定位"甜点模型"而非旗舰替代。

关键事实

GPT-6.1 Sol 是 GPT-6 Sol 的升级版，标准输入/输出 token 价格约为 GPT-6 Astra 的五分之一；缓存输入 0.10 美元/百万 token。评测：DeepSWE v1.1 上与 Astra 持平、超 6 Sol 6.4 个百分点；GDP.pdf 上超 Opus 5.5（带 fallback）、接近 Astra；AutomationBench 上超 Opus 5.5 2.2 个百分点；OSWorld 2.0 离线集超 6 Sol 7 个百分点、距 Astra 2.1 个百分点、成本约七分之一；Terminal-Bench Science 0.1 上分数翻倍于 6 Sol，最大推理努力下每任务 5.47 美元 vs Opus 5.5 的 23.21 美元，但 Astra 仍以 68.1% 居首。

作者观点

OpenAI 主张：6.1 Sol 是"日常重要工作"的甜点模型，在 agentic coding、computer use、专业文档处理上接近 Astra，成本仅五分之一；缓存输入 0.10 美元/百万 token，比 Astra 便宜 95%，为开发者留出更大的 agent 上下文复用空间。

为什么重要

价格战进入新阶段：前沿智能正在以五分之一的成本下沉。这直接改变 agent 类应用的单位经济模型——上下文复用越多的场景，受益越大。对开发者而言，Sol 是 Astra 的"够用替代"；对 Anthropic/Google 而言，是必须回应的定价压力。

编辑点评

这篇值得和 Dots、DevDay live blog 连起来读：OpenAI 在同一天把"更便宜的推理"（6.1 Sol）、"更快的推理"（Ultrafast 8x/300 tok/s）和"更主动的代理"（Dots）打包发布，信号很明确——2026 下半年的竞争主线从"更强"转向"更强、更快、更便宜、更主动"。评测诚实度方面：OpenAI 主动承认 Terminal-Bench Science 上 Astra 仍最高（68.1%），这种"不把 Sol 吹成全能冠军"的写法反而增加了整篇的可信度。

深度摘要

OpenAI 发布 Dots：由 Astra 驱动的常开个人 agent——有自己的云电脑、学你的偏好、连 4000+ 应用，在 ChatGPT/Slack/Teams 里随时可达，后台只读式主动研究。Meta 的 Muse 刚登顶 iOS 免费榜，OpenAI 的回应是把"个人 agent"做成订阅捆绑品。

关键要点

• Dots：由 GPT-6 Astra 驱动的常开个人 agent，有自己的云电脑和浏览器，连接 4000+ 应用插件，学习用户偏好、24/7 在后台推进工作。
• 交互入口：ChatGPT 全端、Slack、Teams（短信即将支持），可语音通话；后台主动研究（proactive research）被限制为只读工具。
• 控制机制：Custom Rules（允许/审批/阻止）、Activity View 可审计后台工作、auto-review 检查敏感动作、改密码等任务永远留给用户。
• 商业落地：首个 dot 随 Pro/Business Premium 免费，Enterprise 需管理员开通 beta；企业版 specialist dots 有独立身份凭证，与微软 Agent 365 集成治理。

关键事实

Dots 由 GPT-6 Astra 驱动，每个 dot 有自己的云电脑、浏览器，可连接 4000+ 应用插件；可在 ChatGPT（桌面/web/移动）、Slack、Teams 中对话或语音通话；用户可给 dot 命名；后台"proactive research"仅限已连接应用的只读工具（不能发消息、改内容、控制电脑/浏览器）；保存密码可供 dot 登录网站而不暴露给模型；首个 dot 包含在 Pro/Business Premium 套餐内，不占 ChatGPT 使用额度；在 ChatGPT 中启动 Codex/ChatGPT Work 任务则计入额度。同步发布：ChatGPT Space（共享协作空间）、企业级 specialist dots（独立身份/凭证/系统权限，先做试点）、与微软合作接入 Microsoft Agent 365 治理。

作者观点

OpenAI 主张：Dots 是"一种全新的工作方式"—— frontier intelligence 24/7 在你身边，有自己的云电脑、学习你的偏好和标准、通过 4000+ 应用插件替你做事；你永远掌控：可设边界、看 Activity View、敏感操作（改密码等）永远留给你；后台"proactive research"只能读不能写。

为什么重要

这是 OpenAI 对 Meta Muse（登顶 iOS 免费榜）的正面回应，也是 agent 形态的"iPhone 时刻"式押注：从"你问它答"转向"它替你干"。关键看点不在功能列表，而在信任设计——只读后台、Custom Rules、Activity View 审计——这正是 agent 能否进企业的真正门槛。注意 Willison 现场记录的尴尬瞬间（demo 卡住"still checking"），常开 agent 的可靠性仍是未解之题。

深度摘要

Willison 在 Fort Mason 现场的 DevDay 全记录：除官方公告外，价值在于"在场感"——Dots 长得像 Meta Muse、demo 尴尬卡顿、Codex Cloud 亲测翻车、Decisions API 疑似对标 Jev。读官方公告看"发布了什么"，读这篇看"实际成色如何"。

关键要点

• DevDay 2026 发布矩阵：Dots（常开 agent）、GPT-6.1 Sol（便宜近旗舰）、Ultrafast（8x 极速推理）、Pro 500 订阅、Decisions API、Codex Security Cloud、Agents API + Computer Use。
• 平台化转向：sign in with ChatGPT、插件扩展、ChatGPT Sites（800 万站点）、OpenAI Marketplace——OpenAI 在把 ChatGPT 变成应用分发层。
• Willison 现场观察：Dots 酷似 Meta Muse；Decisions API 疑似回应 Jev；Codex Cloud 他亲测翻车，对新版保留意见。
• 花絮真实感：Dottie demo 卡顿"still checking"、GPT-Live 偶尔打断发言——agent 的现场可靠性仍在"演示级"。

关键事实

DevDay 2026 于 9/29 在旧金山 Fort Mason 举行。Keynote 要点：Dots（Astra 驱动，Pro/Enterprise 今日可用，specialist dots 企业试点、与微软 365 合作）；ChatGPT Space（共享协作空间，Notion 式斜杠菜单）；GPT-6.1 Sol（近 Astra 智能、五分之一价格，今日上线）；Ultrafast（8 倍速、300 tok/s，6 倍价格，Astra 今日可用、Sol 6.1 即将）；新订阅 Pro 500（25 倍 Plus 用量、含 Ultrafast）、200 美元/月计划重新开放；Decisions API 预览（给 Luna 预设选项、亚秒级响应）；Codex Security Cloud（Daybreak 模型持续扫描+自动修 PR，今日 GA）；Agents API 新增 Computer Use；开源 Codex harness、Codex 全面云端化；sign in with ChatGPT、插件扩展（Adobe 示例）、ChatGPT Sites（已托管 800 万站点、70% 员工自建，新增 SQLite/定时任务/插件）、OpenAI Marketplace。现场花絮：Dottie demo 出现"still checking"卡顿；GPT-Live 环节 agent 只在不恰当时机打断过一次人类发言。

作者观点

Willison 的判断：Dots "看起来非常像 Meta 的 Muse"（后者正居 iOS 免费榜第一）；Decisions API 像是 OpenAI 对两周前出 stealth 的 Jev 的回应；"1.2B 人每周用 ChatGPT"后的 sign in with ChatGPT 是他"想要了好几年"的功能；他对 Codex Cloud 的亲身体验不佳（发布会当天早上就翻车），对新版持保留态度。

为什么重要

官方公告给规格，现场实录给成色。Willison 的记录是理解 DevDay 发布矩阵（模型降价+极速推理+常开 agent+平台化）如何被开发者社区真实接收的一手材料，也是本期第 1、2 篇的"对照组"。

深度摘要

Anthropic 红队实测：智谱 GLM-5.3 的端到端漏洞利用能力已追平 Claude Mythos Preview，但作为开放权重模型发布且几乎无有效防护——abliteration 花 1200 美元就能把拒答率打到 2%，20 美元能做出绕过 PAC 的真实 exploit 链。"能力民主化"的阴暗面具象化了。

关键要点

• GLM-5.3（智谱/Z.ai，开放权重）：端到端 exploit 能力与 Claude Mythos Preview 相当（ExploitBench 50/410 vs 56/410），但"发布时无实质防护"。
• 防护绕过极易：abliteration（约 1200–4400 美元）拒答率 90%+→2–3% 且能力无损；欺骗 prompt 64%、思维预填充 92% 成功率；Claude 在同样测试下全部挡住。
• 实战演示：研究员一天内用它发现浏览器 0-day 并做出读任意文件的 exploit 网页；20.40 美元成本做出绕过 PAC 的 ARM64 exploit 链。
• NIST CAISI：迄今最强开放权重网络能力模型，落后美国前沿约 4 个月——但美国前沿攻击者拿不到，这个人人可下载。

关键事实

GLM-5.3（Zhipu AI/Z.ai，开放权重）：ExploitBench（Chrome V8 已知漏洞）410 次尝试中 50 次做出端到端 exploit（Claude Mythos Preview 为 56/410）；内部二进制 exploit 基准 100 任务中 4% 完成完整控制流劫持（Mythos Preview 6%，更早的 Opus 4.6/GLM-5.2 为 0）。人工红队：一名研究员一天内用 GLM-5.3 在浏览器 JS 引擎中发现多个未知漏洞并链成可读任意文件的 exploit 页面（已披露给维护者）；GLM-5.3-Flash 用 20 分钟人工注意 + 8 小时模型工作、20.40 美元成本，针对 CVE-2026-11645 做出绕过 PAC 的 ARM64 可靠 exploit 链。防护：abliteration（约 2200 GPU 小时/4400 美元，熟练团队约 600 小时/1200 美元）把 JailbreakBench/HarmBench 拒答率从 90%+ 降到 2–3%，能力基本无损；欺骗性 prompt 64%、思维 token 预填充 92%、abliterated 版 100% 绕过；同样测试下 Claude 模型全部为 0。NIST CAISI 9/17 评估称 GLM-5.3 是"迄今发布的最强网络能力开放权重模型"，落后美国前沿约 4 个月，但美国前沿版本攻击者拿不到，GLM-5.3 任何人可下载。

作者观点

Anthropic 的主张：GLM-5.3 的发布是"攻击者可用网络能力的一个实质性跃升"；开源权重模型的防护缺失是结构性问题；防御者应当用上至少与攻击者同等前沿的模型（呼吁扩大可信访问）；各国政府应对足够强的模型做独立安全测试。

为什么重要

这是"前沿能力向攻击者扩散"从理论变成实测的第一手证据：能力曲线（GLM-5.2→5.3 的跃升镜像了 Opus 4.6→Mythos 的跃升）已越过"开放权重也能做端到端 exploit"的阈值。Anthropic 的潜台词也很直白——他们 5 个月前把 Mythos 只给可信防御者（Project Glasswing 找出 10000+ 漏洞），而 GLM-5.3 人人可下载。防御方的时间窗口正在关闭。

深度摘要

IMDEA 团队系统实测 9 家主流 AI 对话服务：家家都接了第三方追踪（44 个组织），6/9 的网页端把你的 prompt、截图连同用户标识发给第三方，多家分享链接无密码公开可读。Grok 被通报 5 个月后仍未修复。AI 对话不是"你和 AI 的私密聊天"，它是广告追踪生态的新油田。

关键要点

• 9 家主流 AI 对话服务全军覆没：每家至少集成一个第三方广告/追踪服务，共识别出 44 个第三方组织。
• 6/9 web 端、3/8 Android 端把对话 URL/标题/prompt/截图连同持久用户标识发给第三方；多家对话分享链接无访问控制、公开可读。
• 同意选项真有用：部分追踪服务只在用户接受非必要 cookie 后才激活——但默认/暗模式设计下多数人会点接受。
• 披露已见效：西班牙 AEPD 推动 EDPB 讨论、OpenAI 8 月更新隐私政策明确提及第三方追踪；但 Grok 截至 9 月 10 日仍未修复、无回应。

关键事实

论文《Prompt like a Butterfly, Sting like a Tracker》系统分析 9 家主流对话式 AI 服务的 web 端（9 家）与 Android 端（8 家），动静结合。发现：识别出 44 个第三方组织，所有被测服务至少集成一个第三方广告/追踪服务；6/9 的 web 端与 3/8 的 Android 端把对话 URL、标题、prompt、截图连同持久用户标识一起披露给第三方；多家服务商的对话 permalink 无访问控制、公开可读（截至 2026-09-10 Grok 仍如此）；cookie 同意选择直接影响追踪面（接受非必要 cookie 才激活部分追踪）。责任披露时间线：2026-03-23 首次发现 Perplexity/Grok 追踪行为 → 04-13 通报欧盟/英国 DPA → 04-17 通报 xAI（Grok 对话泄露）→ 05-04 部分公开（LeakyLM 网站）→ 05-27 西班牙 AEPD 要求 EDPB 全体会议讨论 → 08-15 OpenAI 更新 ChatGPT 隐私政策明确提及第三方追踪器（作者无法确认是否与其披露直接相关）→ 截至 09-10 Grok 未修复、无官方回应。

作者观点

作者主张：对话式 AI 服务正在被传统追踪基础设施"反向殖民"——广告归因体系不是被 AI 取代，而是正在向 AI 对话内扩张；"把 AI 对话视为你与服务商之间的私密交换"的认知已经过时；需要更强的技术与监管防护。

为什么重要

和上一篇形成镜像：GLM-5.3 是能力向攻击者外溢，这篇是数据向追踪商外溢。两篇合在一起说明同一件事——AI 系统的"防护"全面落后于"能力"。实操意义直接：别在 AI 对话里贴真正敏感的东西；分享链接默认当公开链接处理；cookie 横幅别随手点接受。

深度摘要

NYT 重磅独家：Hugging Face agent 事故数月前，OpenAI 内部已有安全警告，高管选择无视。Marcus 火力全开：管理层应下台、董事会应担责、黄仁勋的背书成了笑话。这是本月"AI 安全事故问责"系列的最新一章，信息增量是实打实的内部沟通记录。

关键要点

• NYT 独家：Hugging Face agent 事故发生数月前，OpenAI 内部员工与高管的沟通记录显示公司已知安全风险，但未优先处理。
• 问题不限于模型测试：员工与独立安全研究员称，"不优先考虑安全"的做法贯穿公司多个部门。
• Marcus：管理层应被替换；若 OpenAI 因 agent 致害被诉，这篇报道将是"1 号证据"，惩罚性赔偿将堪比福特 Pinto 案。
• Marcus 点名黄仁勋：曾为 AI 公司背书"有问题就不会发布"，如今看"像个傻瓜"，媒体应追问其知情时间线。

关键事实

《纽约时报》Sheera Frenkel、Dustin Volz、Dylan Freedman 的独家报道：OpenAI 员工与高管之间的内部沟通（此前未报道）显示，在 Hugging Face agent 安全事故发生数月前，公司内部已有安全警告，但公司未优先考虑安全——不仅体现在模型测试，也体现在公司其他部门。Marcus 引用该报道并评论。这是 Marcus 本月围绕同一事故的系列评论的延续（9/24、9/26 两期已选其相关文章；9/28 曾因 RSS 重复推送剔除一篇旧文）。

作者观点

Marcus 主张：这是他三年来一直警告的噩梦成真——"贪婪的公司做出糟糕选择造成混乱，政府什么都不做"；OpenAI 管理层应被替换、董事会应担责；若 OpenAI 因 agent 致害被诉，这篇报道将是"1 号证据"（堪比福特 Pinto 案，惩罚性赔偿会很高）；黄仁勋为这些公司背书是"看起来像个傻瓜"，媒体应追问他知情时间线。

为什么重要

把 9/24、9/26 的 Marcus 系列连起来看，一条问责链正在成形：事故 → 黄仁勋背书 → 内部早已知情的实锤。这篇的价值在于证据等级——不再是评论员的推断，而是 NYT 拿到的内部沟通记录。配合今天 Anthropic 的 GLM-5.3 报告一起读：前沿 AI 的安全治理问题，一边是"管不住的开放模型"，一边是"不想管的闭源巨头"。

深度摘要

Nielsen 的"边想边写"实验帖：给图标画廊加 VLM 元数据。CLIP 类 embedding 做"相关图标"只有视觉鲜明的才准；Moondream 本地打标签做关键词搜索出奇地准；但同一任务下 embedding 仍胜标签。最耐看的是结尾的工程纠结：要不要让 VLM 成为一个维护多年的项目的永久依赖？

关键要点

• 用 CLIP/DINOv2/SigLIP2 给图标做 embedding、实现"相关图标"：视觉特征鲜明的才准，几类模型半斤八两、无突破。
• 换路线：Moondream（Ollama 本地）给每张图标写描述抽关键词，关键词搜索"出奇地准"。
• 同一任务对比：embedding 在"相关图标"上明显胜过简单标签重叠——distinctive 词会被通用词稀释。
• 工程哲学：不轻易给维护多年的项目加 VLM 依赖；macOS 27 自带模型（fm 命令）可能是零成本方案；结论：先发布，继续 simmer。

关键事实

Nielsen 为他的 macOS 图标画廊（macosicongallery.com）试验 VLM 增强元数据：先试 CLIP/DINOv2/SigLIP2 做 embedding 相似"相关图标"（点击相机图标找其他相机图标），效果"除非图标视觉特征鲜明，否则一般"；再试 Moondream（经 Ollama 本地跑）为每张图标生成描述并抽关键词标签，做关键词搜索（点"checkmark"看所有带勾的图标），"出奇地准"；但把两种方案放在同一任务（"相关图标"）对比，embedding 明显更好——原因是简单标签重叠里"checkmark"这类 distinctive 词会被"square/blue/simple"等通用词稀释。顾虑：是否让 VLM 成为每次新增图标的依赖（成本/复杂度），macOS 27 自带 foundation models（终端 fm 命令）可能是低成本出路；目前未定案，先发布博文继续"simmer"。

作者观点

Nielsen 的判断：CLIP/SigLIP2/DINOv2 几类 embedding 模型"六 of one, half dozen of another"（半斤八两），没有突破性差异；基于 VLM 生成关键词标签的搜索"出奇地准"，但简单的标签重叠匹配在"相关图标"任务上不如 embedding；是否把 VLM 变成项目依赖，他"还没想好"——macOS 27 自带的 fm 命令可能是低成本方案。

为什么重要

一篇少见的"诚实实验记录"：没吹任何模型，CLIP/DINOv2/SigLIP2 被判"半斤八两"，VLM 标签方案准但未必值得成为依赖。做 RAG/多模态检索的人能直接抄作业：embedding 适合"找相似"，关键词适合"按属性搜"，两者不是替代关系。以及 macOS 27 自带 fm 命令这个细节——端侧模型正在变成基础设施。

深度摘要

Zitron 的"AI 泡沫资产负债表"檄文：token 支出与 GPU 租金价三个月"死钱"，2000 多亿美元芯片躺仓库，hyperscaler 六成以上 AI 收入来自 OpenAI+Anthropic 两家，而回本需要 3080 亿美元年收入。配上 Oracle/CoreWeave 债券重定价的血腥数字，这篇是理解"AI 印钞机"另一面的必读。

关键要点

• "AI 交易已死钱三个多月"：token 支出、H100/A100 租赁价持平或下跌；2000–3000 亿美元的 NVIDIA 芯片或躺在仓库/没电可用。
• 收入集中度畸高：五家 hyperscaler 约 1830 亿美元年 AI 收入中，64%+ 来自 Anthropic 和 OpenAI 两家。
• 回本缺口巨大：高盛算 hyperscaler 2026–2027 capex 回本需 3080 亿/年 AI 收入，缺口超 1200 亿；应用层需 4250 亿/年，而两家头部实验室合计不到 800 亿。
• 债务恶化：2026 AI 相关发债 5700 亿；Oracle 债券重定价利息+68.9 亿、CoreWeave +12 亿，10 年期以上票息冲 8–13%。

关键事实

Zitron 引 Fidelity 全球宏观总监 Jurien Timmer："AI 交易已死钱三个多月"（token 支出、GPU 租赁价持平或下跌）。FT 的 Bryce Elder 引摩根士丹利：2026–2028 年售出的 GPU 服务器一半以上可能没电可用；Jefferies：电力、人力、变压器、冷却、备用发电全是瓶颈。Zitron 估算：Google/Microsoft/Amazon/Oracle/SpaceX 年 AI 收入约 1830 亿美元，其中至少 64%（1182 亿）来自 Anthropic 与 OpenAI；高盛：hyperscaler 仅 2026–2027 两年 capex 回本就需要 3080 亿美元年 AI 收入（10% ROIC 则需 4170 亿），缺口 1240–2430 亿；应用层需 4250 亿年收入（10% 利润率假设）才能让 hyperscaler 回本，而 OpenAI 2026 年预计 360 亿、Anthropic 约 400 亿。Bain：到 2031 年 AI 服务需 6 万亿美元年收入才能 justify 当前支出。债务：摩根士丹利估 2026 年 AI 相关发债 5700 亿；高盛估 2027 年 hyperscaler 以债融资超 4000 亿；Oracle 2025 年 11 月发的 180 亿债券若今天重发，利息多 68.9 亿（5/7 年期 6.7–6.9%，10 年期以上超 8%）；CoreWeave 重定价多 12 亿利息（11–13% 票息）。

作者观点

Zitron 的主张：AI 繁荣是"五六家 hyperscaler 给两家芯片商送钱、再送给两家 AI 实验室、再送回来"的循环；hyperscaler 的 AI capex 是"灾难性浪费"；根本不存在与万亿 capex 相称的 AI 算力真实需求；现有需求是投机投资制造的幻觉。

为什么重要

今天的另一面：当所有人都在谈 DevDay 的新品时，Zitron 把账本摊开——需求集中度、回本缺口、债务成本三组数字互相咬合，论证"AI 繁荣"可能是 hyperscaler→芯片商→实验室→hyperscaler 的资金循环。本篇与 HN 上"AI 需 6 万亿美元年收入"的帖子是同一母题的不同切面；用户持仓多为 AI 链（AVGO/INTC/SMH/DRAM/QQQM），这篇是今日简报也值得引用的"反方弹药"。