AI资讯日刊：OpenAI与Anthropic主力模型降价提速，智能体与开源工具演进

AI资讯日刊：OpenAI与Anthropic主力模型降价提速，智能体与开源工具演进 本期资讯涵盖OpenAI推出GPT-6 Sol与Luna并降价50%、Claude Opus 5.5降本提速，阿里披露Qwen训练规划；同时涉及语料投毒、延迟执行智能体与形式化验证等前沿研究，以及亚马逊封堵Meta购物代理、特斯拉车机接入Grok等行业事件。 OpenAI推出GPT-6 Sol与Luna，API价格降幅达50%，优化长程代理缓存成本 Anthropic发布Claude Opus 5.5，任务成本降40%、速度提超30%，长任务与编程表现增强 阿里披露Qwen4已投入训练，远期规划达5万亿至10万亿参数 学术研究揭示新闻语料投毒对LLM预测的影响，并提出LazyAgent、Magenta形式验证等框架 亚马逊阻止Meta Muse购物代理访问；特斯拉车机上线Grok免手操作功能 主力大模型发布与降价 OpenAI推出GPT-6系列下的Sol与Luna两款模型，API价格较上一代促销价降低50%，在自动化、编码、事实可靠性及缓存命中率上进行了优化。Anthropic同步推出Claude Opus 5.5，典型任务成本降低40%，默认输出速度提升超30%，长程任务与编程基准测试表现突出。此外，阿里披露下一代架构Qwen4已开训，后续规划扩展至10万亿参数；Palo Alto的Unit 42则上线多模型分工的安全测试服务。 学术前沿与具身/代理研究 语料投毒研究显示，攻击者发布单篇或少量文章即可显著翻转检索式LLM的预测结果。智能体方面，LazyAgent通过按需物化节点降低无用步骤与CPU消耗；GameLogicBench揭示当前模型编写游戏规则逻辑的短板；Magenta利用Lean 4构建了数学题目形式化验证闭环。具身智能领域，HIGenNTO实现了人形机器人接触动作合成，SeeR-VLA通过引入深度点图坐标系提升了操作成功率。 行业博弈与开源生态 电商平台开始收紧代理访问控制权，亚马逊阻止了Meta Muse智能体进入购物流程。在开源生态中，谷歌发布了多代理编排运行时项目ax，DeusData开源了可减少99% token消耗的代码库记忆图谱服务，HKUDS推出了将传统软件封装为代理接口的CLI-Hub。另外，特斯拉车机已接入Grok助手以支持免手办公操作。

AI资讯日刊：OpenAI与Anthropic主力模型降价提速，智能体与开源工具演进 本期资讯涵盖OpenAI推出GPT-6 Sol与Luna并降价50%、Claude Opus 5.5降本提速，阿里披露Qwen训练规划；同时涉及语料投毒、延迟执行智能体与形式化验证等前沿研究，以及亚马逊封堵Meta购物代理、特斯拉车机接入Grok等行业事件。 OpenAI推出GPT-6 Sol与Luna，API价格降幅达50%，优化长程代理缓存成本 Anthropic发布Claude Opus 5.5，任务成本降40%、速度提超30%，长任务与编程表现增强 阿里披露Qwen4已投入训练，远期规划达5万亿至10万亿参数 学术研究揭示新闻语料投毒对LLM预测的影响，并提出LazyAgent、Magenta形式验证等框架 亚马逊阻止Meta Muse购物代理访问；特斯拉车机上线Grok免手操作功能 主力大模型发布与降价 OpenAI推出GPT-6系列下的Sol与Luna两款模型，API价格较上一代促销价降低50%，在自动化、编码、事实可靠性及缓存命中率上进行了优化。Anthropic同步推出Claude Opus 5.5，典型任务成本降低40%，默认输出速度提升超30%，长程任务与编程基准测试表现突出。此外，阿里披露下一代架构Qwen4已开训，后续规划扩展至10万亿参数；Palo Alto的Unit 42则上线多模型分工的安全测试服务。 学术前沿与具身/代理研究 语料投毒研究显示，攻击者发布单篇或少量文章即可显著翻转检索式LLM的预测结果。智能体方面，LazyAgent通过按需物化节点降低无用步骤与CPU消耗；GameLogicBench揭示当前模型编写游戏规则逻辑的短板；Magenta利用Lean 4构建了数学题目形式化验证闭环。具身智能领域，HIGenNTO实现了人形机器人接触动作合成，SeeR-VLA通过引入深度点图坐标系提升了操作成功率。 行业博弈与开源生态 电商平台开始收紧代理访问控制权，亚马逊阻止了Meta Muse智能体进入购物流程。在开源生态中，谷歌发布了多代理编排运行时项目ax，DeusData开源了可减少99% token消耗的代码库记忆图谱服务，HKUDS推出了将传统软件封装为代理接口的CLI-Hub。另外，特斯拉车机已接入Grok助手以支持免手办公操作。

`AI资讯` | `每日早读` | `全网数据聚合` | `前沿科学探索` | `行业自由发声` | `开源创新力量` | `AI与人类未来` | [访问网页版↗️](https://hex2077.dev/) | [进群交流🤙](https://source.hex2077.dev/logo/wechat-qun.jpg) `OpenAI推Sol/Luna，API降价50% Claude Opus 5.5降本40%、提速30% Qwen4开训，Qwen5规划至10万亿参数 智能体研究聚焦投毒、按需执行、验证 开源运行时、车载Grok、电商代理冲突` 1. **OpenAI双模型全面降价上线。** OpenAI在[模型价格数据](https://www.aibase.com/zh/news/31278)里给出Sol与Luna方案，API价格较上一代促销价降**50%**。Sol在自动化、编码和事实可靠性上继续上探，Luna面向更低门槛使用。缓存命中率也做了优化，长程代理运行 💸 更容易控账。 2. **旗舰模型成本速度同步改写。** Anthropic在[模型能力解读](https://www.aibase.com/zh/news/31277)中推出Claude Opus 5.5，典型任务成本较Opus 5降**40%**。默认输出速度提升超过30%，三项编程测试分数也靠前。开发者可用claude-opus-5-5接入，云平台调用 ⚡ 已同步开放。 3. **新款Claude长任务表现增强。** Anthropic发布的[新模型发布材料](https://www.aibase.com/zh/news/31283)显示，Opus 5.5在9项测试中有7项领先多款对手。HAProxy从C到Rust改写用时9.5小时，成本比Fable 5.1低**51%**。财报研究测试18份报告有16份达标，长任务可靠性 🧪 更受关注。 4. **千问训练路线拉到万亿级别。** 阿里在[云栖路线材料](https://www.aibase.com/zh/news/31264)中披露，基于下一代架构的Qwen4已投入训练。Qwen4.5和Qwen5规划扩展到5万亿至10万亿参数。Qwen3.8-Max零人工参与迭代33轮，得分提升**12.5%** 🧭。 5. **多模型安全服务投入商用。** Palo Alto相关[安全服务帖子](https://www.reddit.com/r/artificial/comments/1wnk63b/palo_alto_launches_a_multimodel_ai_security/)称，Unit 42用Claude、GPT和开源模型分工查漏洞。服务会持续测试应用、API、云资产和代码库变化。公司测试显示单一模型漏洞覆盖不超过**40%**，路由层 🛡️ 成为卖点。 1. **新闻语料投毒会翻转预测。** 论文在[语料投毒研究](https://arxiv.org/abs/2609.22246)中指出，攻击者只需发布文章即可移动LLM预测概率。单篇LLM写成的文章可让\*\*56%\*\*预测越过0.5阈值。五篇文章翻转率升至69%到73%，检索式预测 ⚠️ 暴露供应链脆弱点。 2. **人形机器人交互动作可合成。** HIGenNTO在[人形交互方法](https://arxiv.org/abs/2609.22611)中用噪声空间轨迹优化生成接触动作。它同时约束接触、避碰和稳定支撑。Unitree G1完成四类接触任务，长程行为 🤖 可分阶段组合。 3. **代理程序按目标延迟执行。** LazyAgent在[按需执行框架](https://arxiv.org/abs/2609.23058)中只物化当前目标真正需要的节点。加入无关产品时，LazyAgent账单增量为**0.0%**。生产科学流程CPU节省42%，复杂代理 🧩 少跑无关步骤。 4. **游戏逻辑基准暴露代码短板。** GameLogicBench在[运行逻辑基准](https://arxiv.org/abs/2609.21562)中用逐帧断言检查游戏规则。它覆盖72项任务和1451个测试用例。20组模型与脚手架里最佳只解出**52.78%**，可运行代码 🎮 仍常写错玩法。 5. **数学证明闭环接入Lean验证。** Magenta在[形式证明流程](https://arxiv.org/abs/2609.11319)中把自然语言题转成Lean 4命题和证明。命题裁判负责拦住假形式化，错误裁判决定重推还是修补。它在AIME 2025等基准达**100%**，还解出IMO六题 📐。 6. **机器人点图强化空间理解。** SeeR-VLA在[点图坐标方法](https://arxiv.org/abs/2607.11498)中把深度点图转入机器人坐标系。真实任务平均成功率较RGB方案提升**32.5**个百分点。多视角训练收益更大，VLA操作 🦾 对几何更敏感。 1. **购物代理遭到平台封堵。** Reddit的[购物代理冲突](https://www.reddit.com/r/artificial/comments/1wmxpow/amazon_blocks_metas_muse_ai_agent_from_amazoncom/)称，亚马逊阻止Meta Muse进入购物流程。Meta此前拒绝移除相关代理能力。电商平台 🛒 开始直接处理代理访问边界，入口控制权重新被拉紧。 2. **任务计价压低企业调用成本。** Sam Altman在[任务价格观点](https://x.com/sama/status/2102465143997440308)中强调，按任务计价比每token更能反映成本。Sol与Luna每token价格减半，每任务成本还更低。若企业把长任务交给代理执行，预算 📉 会更快变成核心约束。 3. **可信智能体框架补上审计环节。** TADL在[可信代理框架](https://arxiv.org/abs/2609.22712)中梳理自主LLM系统失效模式。提示注入、记忆污染、跨会话泄漏都被放进同一分类。论文提出六阶段生命周期，企业部署 🔍 可按证据和门槛做审查。 1. **谷歌开源多代理编排运行时。** Google的[代理编排仓库](https://github.com/google/ax)定位为开放式agentic orchestration runtime。项目总星数约6.7k，单日新增超过**2.3k**。它瞄准多代理应用底座，开发者 🚀 可直接评估运行时取舍。 2. **代码库记忆服务登上热门。** DeusData的[代码记忆项目](https://github.com/DeusData/codebase-memory-mcp)把代码库索引成持久知识图谱。项目支持158种语言，查询延迟达到亚毫秒级。它声称token减少**99%**，大代码库 📦 读取成本明显下降。 3. **软件调用入口走向智能体原生。** HKUDS的[智能体化工具](https://github.com/HKUDS/CLI-Anything)希望让所有软件都能被代理调用。CLI-Hub提供统一入口，项目总星数接近49.7k。它把传统软件 🧰 包成可操作接口，适合自动化工作流接入。 1. **特斯拉车机接入Grok助手。** 马斯克在[车载助手动态](https://x.com/elonmusk/status/2102439262507725294)称，Grok Bot已经进入特斯拉车内。用户可免手处理邮箱、日历、文件和任务。车内办公 🎙️ 从语音问答转向代理操作，特斯拉场景会放大试用量。 2. **OpenAI官方视频展示双模型。** OpenAI在[双模型动态](https://x.com/OpenAI/status/2102460975790137662)中欢迎GPT-6 Sol和Luna加入GPT-6系列。帖子称两者继承Astra能力，并把缓存和推理做得更省。API价格降低**50%** 🎬，规模化工作负载更容易落地。 3. **开发者长文拆解Opus升级。** 向阳乔木在[模型拆解长文](https://x.com/vista8/status/2102452507993919719)中整理Claude Opus 5.5的成本、速度和安全变化。文中列出Terminal-Bench 4.0为66.4%，缓存读取降**60%**。API已在多家云平台上线，编程代理 📌 可直接测试迁移收益。 4. **中文社媒梳理GPT降价细节。** 宝玉在[模型信息汇总](https://x.com/dotey/status/2102495403232854309)中把Sol称为中档，Luna称为轻量档。帖子提到DeepSWE上Sol得分68.8%，距Claude Fable 5最佳只差1.1个百分点。缓存折扣 🧠 也被重点列出，长程编程代理成本会下降。 5. **Claude成本下降引发开发者热议。** 宝玉在[Claude模型梳理](https://x.com/dotey/status/2102440266875449386)中称，Opus 5.5多数任务追平Fable 5.1。同样任务比Opus 5少花**40%**，输出速度快30%以上。代码审计、迁移和研究报告 🧪 都被放进重点案例。 | 💬 **微信公众号** | 📹 **抖音** | |---|---| | 公众号：何夕2077 | [自媒体账号](https://www.douyin.com/user/MS4wLjABAAAAwpwqPQlu38sO38VyWgw9ZjDEnN4bMR5j8x111UxpseHR9DpB6-CveI5KRXOWuFwG) |