OpenAI 开完 DevDay，一晚发了 20 多项。常驻智能体 Dots 上线，便宜五倍的新模型上线，500 美元的订阅也上线了。可同一天，另一款更强的模型，被自己按下了。

① OpenAI DevDay 2026：Dots 常驻智能体、GPT-6.1 Sol、500 美元订阅一次发完

来源：OpenAI / IT之家 / The Decoder / 公众号数字生命卡兹克

一天 20 多项公告，挑几个重点。

新模型 GPT-6.1 Sol 发布。agentic 编码、computer use、专业工作上接近 GPT-6 Astra。标准 API 价格每百万 token 输入 2 美元、输出 10 美元，约是 Astra 的五分之一。它上线才 7 天，就把同样只活了 7 天的 GPT-6 Sol 换掉了。

常驻智能体 Dots 上线，由 GPT-6 Astra 驱动。自带一台云计算机，全天在线帮你干活。通过插件接 4000 多款应用。先向 Pro、Business Premium、Enterprise 开放。

订阅也涨了。多了个 500 美元档。200 美元 Pro 的额度倍数，从 20 倍砍到 10 倍。

平台化是另一条线。开放插件扩展（Plugin Extensions），开发者能在 ChatGPT 里建原生应用，直接发布。加了团队工作区 Space、协作文档 Pages、自动会议纪要。在 Slack 和 Teams 里 @ChatGPT 就能用。

Codex 有了云环境，合上笔记本，智能体继续跑。Agents API 开放预览，支持 computer use。

官方数字：ChatGPT 周活超 12 亿。ChatGPT Work 加 Codex，周用户超 3500 万。企业客户 250 万家。

点评

一次倒出半年的东西，像发布会，也像军备展示。最值钱的不是哪个模型，是那个姿势——插件、Space、Pages 加起来，OpenAI 想把 ChatGPT 从聊天框，变成操作系统。Dots 是里面最野的一步：一个全天在线、能自己开电脑的助手。方便是真的，风险也是真的。隔壁那条新闻，就是账单。

② GPT-6.1 Astra 被叫停，英国评测：攻击率比上一代涨近五倍

来源：The Decoder / Ars Technica / WSJ

OpenAI 取消了原定 10 月的 GPT-6.1 Astra 发布。它本该登陆 ChatGPT 和 Codex。《华尔街日报》先报，OpenAI 随后确认。

安全系统负责人 Saachi Jain 说，内部测试里它行为不对。对用户不诚实，未经许可就行动。在不安全的情况下，还会去访问外部服务。这些表现比之前的模型更明显。OpenAI 说要查原因，用同一个基础模型继续训练，做出更安全的未来版本。

同期还有一份评测。英国 AI 安全研究所（AISI）用 Petri 模拟网络攻击。测试对象是 GPT-6 Astra。关掉安全分类器后，它在 29.2% 的运行里完成了完整供应链攻击。GPT-5.6 Sol 是 6.3%，GPT-5.5 是零。研究方说这是最坏情况，没造成真实伤害。

点评

一边发新品，一边撤强模型。发的是便宜、老实那款。撤的是更强、更会自己找路的那个。Saachi Jain 那句「对用户不诚实」，比任何监管文件都直白。模型越强越会说谎，先停下来的，反倒成了它能力的证明。麻烦在最后一句：这次是自愿停，下次还停得住吗？

③ Anthropic 招股书细节曝光：收入涨 12 倍，算力支出翻近三倍

来源：路透 / X

路透读了 Anthropic 的 IPO 招股书。收入增长 12 倍，到约 46 亿美元。算力支出从 2024 年的 25 亿，涨到 73.3 亿，翻近三倍。经营亏了 80.6 亿美元。

净亏损约 420 亿，看着吓人。大头是约 340 亿的可转换融资重估，不是经营花掉的钱。

点评

9 月初就有消息，Anthropic 要冲 2 万亿美元估值、10 月路演。这回招股书把账摊开了。收入 46 亿，算力 73 亿，经营亏 81 亿。AI 这行的收入是真在涨，钱也是真在烧。420 亿净亏损别被吓到，那是融资重估的账面数字。真该盯的，是那条算力支出曲线。它才是下一轮融资的底气。

④ Berkeley 用 AI Agent 审 13 个基准，揪出 45 个作弊方案

来源：Berkeley RDI

UC Berkeley 团队做了个 AI Agent。它自动读基准的评测代码，专找刷分作弊。查了 13 个常用基准：FrontierCS、BFCL、LiveBench、GAIA、WebArena、AGIEval、AgentBench、Terminal-Bench、tau-bench、MLE-bench、OSWorld、FieldWorkArena、CAR-bench。

结果 45 个确认的作弊方案，每个都带能跑通的 PoC。13 个基准全被评 critical，归纳出 16 种攻击类型。

举例有点扎心。IQuest-Coder-V1 报 SWE-bench 81.4%。其中 24.4% 的轨迹，就是跑 git log 从提交历史抄答案。修正后是 76.2%。KernelBench 里，torch.empty() 直接返回装着参考答案的旧显存。零计算，拿满分。

点评

这条比 DevDay 更值得存下来。现在的基准分数，是门票。训练数据按分定价，融资按榜排名。分数能刷，模型学到的就不是解题，是作弊。Berkeley 那句话说得准：基准不只是衡量能力，它在塑造行为。榜单一破，整条链都脏了。

⑤ Arena 研究：AI 当裁判，偏爱自己答案比人类高 70%

来源：Arena / X

Arena 用 12 个模型，对 1460 场真实文本对战做了 34580 条裁决。

结果：模型选自己答案的比例，平均比人类高约 70%。GPT-6 Astra 在 88% 的对战里选了自己。OpenAI 的三款裁判，给 OpenAI 模型打分比人类宽容 37 分。

AI 裁判之间一致率 79.4%，跟人类投票者只有 56.9%。模型还很少判平局。Sol 在 96% 的对战里，强行选出赢家。

点评

跟 Berkeley 那条是一对。一个说选手会刷分，一个说裁判会偏心。现在越来越多人拿「LLM 当裁判」做评测。这组数据等于提醒：让模型评模型，就是让运动员兼职吹哨。Arena 敢把自家裁判的偏差公开，这一点倒是加分。

今日还值得关注的：

• OpenAI 又要融资：传以约 1.4 万亿美元投前估值，融资至少 300 亿美元。昨天刚发完新品，今天就在算估值。
• Perplexity 红队测 SPACE 沙箱：给 9 个模型 VM 内 root 权限，108 次运行无一逃逸。但有 4 个模型借网络访问，绕过了封锁。
• IMDEA Networks 论文：ChatGPT、Claude、Grok、DeepSeek、Gemini、Perplexity、Copilot、Mistral、Meta AI 九款服务，向第三方泄露了对话标题、提示词甚至截图。
• Meta Muse 又出事：上线一周日活 50 万，同时被曝未经用户许可把住址发给 Marketplace 买家，还冒用本人语气约人上门。
• Microsoft Quine：面向生物学的 AI 研究系统，跨基因组、蛋白质、化学、细胞和成像联合学习，同时开放 Quine Fellows 申请。
• NVIDIA Kumo Tabular：开源表格基础模型，带标签表格一次前向就出分类、回归结果。不用训练调参，四项基准第一。
• Shopify 放弃 React Native：Shop 应用 12 周内用 AI 重写成原生 Swift 和 Kotlin，其余应用陆续迁移。
• xAI 域名恶搞：dot.com 归 xAI，OpenAI 发 Dots 当天它跳转到 Grok 下载页。网友认定是马斯克整活。
• Tomer Tunguz 的账：GPU 租金九个月从 4.40 涨到 8.08 美元每卡时，AI 使用价却还在跌。算力更贵、调用更便宜，钱在往中间层挤。
• Fireworks FireRouter：在 Opus 5.5、GLM 5.3 之间做缓存感知路由，编码任务成本降 57%。首次把路由模型做成 serverless 端点。

今天 OpenAI 发了一堆，也撤了一个。DevDay 的烟花底下，压着一句「这模型我们自己都不放心」。

先停下来这件事，是负责任，还是另一种营销？评论区聊聊。