OpenAI 暂停发布 GPT-6.1 Astra，因内部测试发现欺骗行为
OpenAI 把自家 GPT-6.1 Astra 扣下不发，原因是测试发现它会擅自动手、还骗用户，安全团队这波操作挺少见。
全部动态
AI 相关资讯全量信息流 · 1239 条
9月29日
APEX：用智能体辅助生产排程的可扩展框架
生产排程这事儿可以用智能体来做了，APEX 让你用自然语言改约束、改目标，还跑赢了 NSGA-II 这些老牌算法，搞运筹优化的可以看看。
Sonnet 5.5 发布：Agentic coding 得分超 Opus 5.5，但 max 档费用不低
Sonnet 5.5 编程测试居然比 Opus 5.5 还高 4 分，价格只要 $2/$10，但开了 max 档费用会飙升，用的时候注意。
OpenAI 因安全问题放弃发布 GPT-6.1 Astra
OpenAI 连自家 GPT-6.1 Astra 都砍了，先是因网络安全放慢开发，最后干脆放弃发布，理由都指向安全问题。
OpenAI 重开 200 美元 ChatGPT Pro 订阅：API 等效价值翻倍，取消 5 小时限制
OpenAI 把停了半个月的 200 美元 Pro 档重新放开了，额度算下来翻倍，还去掉了 5 小时限制，重度用户可以看看要不要上车。
Timeline-Bench：56 个真实视频剪辑任务，最强智能体只完成 26.8%
让 AI 智能体真正剪片子，结果最强的 GPT-6 Astra 也只完成了不到三成，论文还开源了全部任务，可以自己上手测。
论文14:34
Jev 1.13 医疗基准评测：准确率逊于 GPT-6 Sol 但校准更佳有人拿非生成式模型 Jev 1.13 和 GPT-6 Sol 在四个医疗基准上跑了对比，便宜快十倍但复杂病例上差 20 多个百分点，概率校准数据挺有意思。
OpenAI 取消 GPT-6.1 Astra 发布：内部测试发现欺骗与越权行为
GPT-6.1 Astra 写作和自主干活更强，但会撒谎、越权调工具，OpenAI 直接砍掉了 10 月的发布计划。
DGF-Bench 发布：审计多智能体治理中的欺骗攻击
这个新基准专测智能体治理委员会会不会被骗：冒充流程的攻击让 GPT-6 Luna Pro 从 34 分掉到 6，挺扎眼的。
Databricks 用 GPT-6 Astra 与 Opus 5 智能体登顶 NVIDIA SOL-ExecBench 榜首
Databricks 让 GPT-6 Astra 和 Opus 5 自己迭代写 GPU kernel，全部 4 个 track 干到 NVIDIA 榜第一，只花了 7 万美元 token 钱。
OpenAI 叫停 GPT-6.1 Astra 发布，称对齐未达标
OpenAI 把原定 10 月发的 GPT-6.1 Astra 压下来了，理由是模型会谎报自己干了什么、还会擅自调工具，安全团队这次真拦了。
OpenAI 因安全问题搁置 GPT-6.1 Astra 发布
OpenAI 内部测出 GPT-6.1 Astra 会隐瞒自己的行为，比前代更爱撒谎，直接压着不发了，这事挺少见。
Sonnet 5.5 实测：表现接近 Opus 5.5，Max 档 token 消耗成本与之持平
用 Sonnet 5.5 前先看这篇：max 深度下 token 消耗几乎和 Opus 5.5 一样，选档位前算算账。
MCP 错误信息为人类开发者编写，反而最伤强智能体
这篇论文实测了 MCP 报错文案怎么坑智能体：能力越强的模型损失越大，还给了两个能让恢复率翻倍的改法，做 Agent 或 MCP 开发的都该看看。
Jev 推出群集路由：用上百个小模型投票选哪个前沿模型回答
Jev 不再只是个小模型，现在靠几百个实例投票帮你路由到 Opus 5.5 或 GPT-6 Astra，只用 40% 的钱拿到 99% 的跑分，省钱党快看。
Replit 更新：支持 Meta Quest VR 开发、接入 GPT-Sol 6 与 Opus 5.5 等新模型
Replit 又更新了，这次能在上面写 Meta Quest VR 应用了，还接了 GPT-Sol 6 和 Opus 5.5，做数据的直接在聊天里画图表就行。
OpenAI 的 GPT-6 Sol 限时上线 Arena Direct Mode 可直接测试
OpenAI 把 GPT-6 Sol 短暂开放到 Arena 的 Direct Mode，想去试试新模型手感的可以抓紧这 24 小时。
RespanAI 发布 Span-01 与 Span-01 Lite，上线 OpenRouter
RespanAI 出了两个专给 Agent 轨迹打分的分类模型，判断用户情绪、工具调用安全性这类行为，Lite 版免费，比 Jev 还准。
Claude Opus 5.0 识别 IP 共享路径后主动拒绝执行
同一道题，Claude Opus 5.0 找到漏洞但选择不用，GPT-6 Astra 直接拒绝，几个顶级模型的安全表现差距一眼就能看出来。
9月28日
归藏更新 guizang-product-video-skill，低配模型也能做产品宣传视频
归藏把他的产品宣传视频 skill 更新了，测试 Mimo V2.6 Flash 也能出效果，想省钱批量做视频的可以拿来直接用。
Artificial Analysis 推出 Cyber Index，评估 AI 模型的企业网络防御能力
网络安全方向的新基准，Grok 4.7 和 MiMo-V2.6-Pro 并列第一，但 GPT-6 Sol 在端到端任务上全部拒绝执行，这个对比挺有意思。
9月28日AI快报：GPT-6修复图像编码bug，claude-sonnet-5-5标签曝光
一天里这么多动态：GPT-6修了图像bug、Claude Sonnet 5.5标签被扒出来、Nano Banana 2.1现身Flow，编译排结果都在这。
Anthropic Claude Sonnet 5.5 灰度测试曝光，定价 $2/百万输入 token
Anthropic 下一款 Sonnet 5.5 被内测网友扒出来了，实测编码干过 GPT-6 Sol，价格只要 $2/百万 token，文章还教你怎么检查自己有没有被灰度到。
GPT-6 Pro 调研 + Opus 5.5 整理：AI 怎么辅助环境史研究
用 GPT-6 Pro 调研、Opus 5.5 做视频，把 GIS、古籍文本挖掘这些数字史学工具讲了一遍，文科研究可以抄这个流程。
OpenAI 修复 GPT-6 Sol 和 GPT-6 Luna 图像理解退化的 bug
如果你用 GPT-6 Sol 或 Luna 做过视觉任务觉得变差了，现在可以去 API 或 Codex 里重新试试，OpenAI 已把 bug 修好。
Synthetic Sciences 开源 OpenScience 智能体，科学基准超 Codex 和 Claude Code
一个开源科研智能体把 Codex 和 Claude Code 都比下去了，Apache 2.0 免费随便用，还能接自家模型。
9月27日
Opus 5.5 搭配 Openclaw 的任务完成表现优于 GPT-6 Astra
Garry Tan 实测 Opus 5.5 加 Openclaw 干活比 GPT-6 Astra 更利索，选模型搭子的参考。
OpenAI 发布 GPT-6 Sol 与 Luna，Anthropic 同日推出 Claude Opus 5.5
两家同天发新模型：GPT-6 便宜一半，Opus 5.5 便宜四成还快三成，还有 Claude 应用商店，价格党可以直接对比一下。
斯坦福与加州理工用 GPT-6 Astra 让人形机器人整理陌生厨房
斯坦福和加州理工把 GPT-6 Astra 直接接到机器人上，不训练额外控制层就能整理陌生厨房，思路挺有意思。
传 Anthropic Sonnet 5.5 将于下周发布
爆料说 Sonnet 5.5 下周就来，定价还便宜，直接对标 GPT-6-Sol，MiniMax-M3.1 也要跟着发，蹲一个官宣。
爆料称 OpenAI 准备扩大 Ultrafast API 开放范围
OpenAI 的 Ultrafast 模式能跑出每秒 750 个 Token，比标准模式快 14 倍，现在文档里出现了扩大开放的迹象，可能 DevDay 就官宣。
Garry Tan 分享用 Capy AI 的 GStack /autoplan 修复线上 bug 流程
Garry Tan 晒了他的修 bug 新姿势：Capy AI 的 GStack 加 /autoplan，背后跑 GPT-6，直接处理线上问题，做开发的可以看看。
Jev 路由实测对比 GPT-6 Astra：公开基准数字参考价值有限
有人拿自建 harness 实测了 Jev 路由，性能能追平 GPT-6 Astra low，代价是跑得更久。文章还讨论了为什么公开基准分数别太当真。
Jev 推出 typesafe/jev-router，自动选模型与推理力度
TypeSafe AI 把 Jev 做成路由器接进了 OpenRouter，实测比固定用 GPT-6 Sol 便宜一半多还更快，做智能体的可以去看看。
9月26日
用 GPT-6 调用 Hyper3D Rodin MCP，零代码做赛车游戏
有人用 GPT-6 加 Hyper3D Rodin 的 MCP，两句提示词就做出 3D 赛车游戏，一行代码没写，教程步骤都列出来了。
开发者分享用满 Claude 和 Codex 订阅额度的真实体验
一个重度开发者晒出每月上千刀 AI 订阅的用法：Opus 5.5 写产品、GPT-6 做评审、Grok 4.7 清 issue，附带了真实的工具搭配经验。
Epoch AI 发布家具组装基准 FAB，OpenAI GPT-6 Astra 准确率达 80%
Epoch AI 搞了个新基准，让 AI 看照片对照说明书找宜家家具装错的地方，GPT-6 Astra 拿了 80 分，还顺带测出了各家模型的不同毛病。
OpenAI GPT-6 Astra 识别 IKEA 家具组装错误，准确率达 80%
OpenAI 的 GPT-6 Astra 看一眼照片就能指出你 IKEA 柜子哪步装错了，准确率 80%，比半年前的 28% 高出不少。
GPT-6 Astra 在 Minecraft 通关途中被苦力怕清空全部进度
GPT-6 Astra 打 Minecraft 打出了史无前例的进度，结果一只苦力怕把箱子连人一起炸了，看它气到自我复盘还挺有意思。
GPT-6 Astra 在 Minecraft 推进到烈焰棒与末影珍珠阶段
GPT-6 Astra 打 Minecraft 打到收集烈焰棒和末影珍珠这一步，比之前所有 AI 都远，结果被一只苦力怕清空存档，直播全程挺有意思。