OpenAI这次首先改写了中端和低价档的成本基线。GPT-5.6 Sol原价为4/20美元，GPT-6 Sol降至2/10美元；GPT-5.6 Luna原价为0.20/1.20美元，GPT-6 Luna降至0.10/0.50美元。Sol的输入和输出均减半，Luna输入减半、输出下降约58%。OpenAI把降价归因于缓存和推理基础设施改进，并明确表示GPT-6 Astra仍是最高能力档，其10/50美元价格没有同期变化。
→ 10月10日 Vercel 的智能体化轨迹：部署触发占比半年内从不到 3% 冲过半，v0 API 同期改造成基础设施入口部署数据先改变了对智能体工作边界的判断。Vercel 在 4 月披露，之前三个月的平台周部署量翻倍，其中编码智能体带动了增长；当时超过 30% 的部署由智能体发起，比六个月前提高约十倍。Vercel 是提供网页应用构建、预览和部署服务的云平台。该页面后来补充，截至 9 月，这一比例已超过 50%。同一批数据还显示，由编码智能体部署的项目，调用 AI 推理服务的概率是人工部署项目的 20 倍。机器不只替人提交普通网页，它大量部署的本身也是 AI 应用和其他智能体。
→ 10月9日 Accenture与Google Cloud押注1000人FDE：咨询招聘降24%时，部署岗一年增至1404个这笔承诺首先改变的是项目交付边界。Accenture公告称，新集团将依托其近5万名具备Google Cloud技能的员工，扩大Gemini Enterprise培训和认证，并建立1000人FDE队伍。工作重点包括缩短上线时间、沉淀行业方案、把部门试点推到企业级部署，以及扩大实际使用。TechCrunch进一步确认，Google将培训最多1000名Accenture工程师，组织设在Accenture内部。
→ 10月8日 券商的 AI 分发竞争：入口在外，服务如何承接第一类是券商自有入口。兴业证券在优理宝 App 中把智能工具、内容服务和“知己管家”整合进选股、诊股、自选分析和交易下单等链路。西部证券也把“AI 小西”直接嵌入自有 App。它们的共同点是，用户登录、账户、适当性和交易都在券商控制的环境中完成（来源见文末 4、5）。
→ 10月7日 OpenAI 的三层定价带：Astra、Sol、Luna 价差拉开 5 到 100 倍，降价没换来基准分下滑三层结构先回答了成本差异到底有多大。按 OpenAI 当前标准 API 价，三款模型的输入价分别是 10、2、0.10 美元。输出价分别是 50、10、0.50 美元。也就是说，Astra 对 Sol 贵 5 倍，对 Luna 贵 100 倍；这两个倍数在输入和输出两端都成立。
→ 10月6日 阿里云、浪潮、华为一周内各自亮出超节点新方案：规模化上架、单机十万亿参数、全球首发光互联吴泳铭在云栖大会上说："本季度开始，阿里云已经规模化上架我们的AI超节点。"这句话背后的产品是灵骏真武M890超节点：64张自研真武芯片通过800GB/s带宽互联，拼出9TB聚合显存。今年7月23日，阿里云宣布它已经稳定跑起2.4万亿参数的Qwen3.8-Max，是国内第一个能跑超过两万亿参数模型的超节点。更关键的是，这款超节点没有停在实验室里。它已经在内蒙古乌兰察布首发商用，Kimi K3和Qwen3.8-Max都已接入阿里云百炼平台对外提供推理服务。这意味着企业现在可以直接买到这套算力，而不是等阿里云内部先用上一年再对外开放。
→ 10月3日 Anthropic 与 OpenAI 同一个夏天收回独立 Agent 应用：Cowork 退役、ChatGPT 旧版降级为 ClassicAnthropic的路线最能说明这次变化。Cowork在1月12日以研究预览上线，把Claude Code执行多步任务的能力包装给非开发者。用户需要在Claude桌面端选择Cowork，让它读取获准的本地文件、调用连接器并交付成品。连接器是Claude用来访问外部应用和数据源的接口。4月9日，Anthropic又宣布Cowork面向全部付费计划正式可用，并加入企业权限、支出上限、可观测性和采用情况分析。它并非一次很快被放弃的小实验，而是已经进入企业部署阶段的产品线。
→ 10月2日 Amazon 开源 2B 决策模型：115 毫秒让 Agent 多了一层本地闸门，但还接不住最终审批TypeSafe AI、OpenAI 和 Amazon 先后改变了 Agent 的决策接口。9 月 15 日，TypeSafe AI 发布 Jev，把输入定义为状态与若干类型化问题，只返回选项、评分或真假概率。9 月 29 日，OpenAI 在 DevDay 披露 Decisions API，用 Luna 在预设答案中完成分类、路由和动作选择。10 月 2 日，Amazon 又把同类模型连同训练配方开源。短短 17 天内，闭源创业公司、模型平台和云厂商都把“选择”做成独立能力，这比单个榜单名次更能说明需求已经形成。
→ 10月1日 GLM-5.3网络攻击能力逼近Claude受限模型，护栏挡不住一次4400美元的改造Anthropic在今年上半年发布Claude Mythos Preview。它是第一个能自主开发复杂、端到端网络漏洞利用程序的模型。公司当时判断这种能力迟早会扩散到其他模型，于是没有公开发布，而是通过"Project Glasswing"计划把访问权限限制给经过审核的网络安全防御者。这个安排帮防御者在关键软件里提前发现了超过一万个漏洞，目的是让他们能在攻击者拿到同等能力之前先把系统补好。这个逻辑成立的前提是：同等能力的模型不会很快以任意人可下载的形式出现。GLM-5.3打破了这个前提。在Anthropic的ExploitBench测试里，GLM-5.3在410次尝试中完成50次端到端漏洞利用程序，Mythos Preview是56次，两者相差不大。另一项二进制漏洞基准基于真实开源项目，要求完整的控制流劫持才算通过：GLM-5.3在100个随机任务里拿下4%的满分，Claude Opus 4.6和上一代GLM-5.2都是0%。也就是说，开放权重模型这一次不是慢慢追赶，而是一次版本迭代就跳到了此前只有受限模型才有的能力档位。第三方机构SemiAnalysis的独立测算印证了这个跳跃的幅度。在专测漏洞发现能力的CyberGym基准上，GLM-5.3从上一代GLM-5.2的77.2分升到84.5分。在按时间预算计算完成任务数的ExploitGym基准上，两小时内能完成的任务数从29个升到105个，六小时内从39个升到130个。这种单代跃升的斜率，此前只在Anthropic自家从Claude Opus 4.6到Mythos Preview的迭代里见过。
→ 9月24日 摩根大通的四层 AI 组织| 层级 | 团队 | 归属 | 负责人 | 规模 | 模型来源 |
→ 9月23日 广东三家银行把Token消耗量计入信贷授信依据，AI企业无抵押物最高可获3000万贷款AI应用公司大多是轻资产生意。办公室是租的，真正值钱的是代码和人才，这些东西没法拿去抵押。财务报表上研发投入常年偏高，盈利周期又拖得很长。银行按传统审贷逻辑一条条对照，找不到能写进授信报告的抵押物，只能把这类企业挡在门外。这不是哪一家银行的保守，而是整套风控体系的度量衡本来就没给"代码"和"算力消耗"留位置。对关注AI产业布局的金融机构管理者来说，这条缝隙有实际后果。一批真正在跑业务、但账面难看的AI企业，此前只能靠股权融资或自有现金撑着。它们很难借到成本较低的银行贷款，融资渠道比传统企业窄得多。反过来，如果一家企业能拿出扎实的Token消耗和算力合约记录，就意味着它有机会绕开股权稀释。它可以用更便宜的债权资金支撑扩张，这是过去这类企业很少拥有的选项。
→ 9月22日 专用判断模型 Jev 三天复刻两百个：它能替下通用大模型做高频决策吗通用大模型做判断，要先像写文章一样逐个 token 生成一段文字，再由程序从文字里解析出答案。生成多长，等待和花费就跟多长，模型还可能编出预设选项之外的内容。Jev 跳过生成这一步，直接在预设选项上输出结构化结果和概率，官方把这种用法叫 Choice 模式，最多支持 255 个预定义选项。端到端延迟被压到 70 到 500 毫秒，输入每百万 token 收费 0.042 美元，输出完全免费。
→ 9月21日 可因果操纵的内部负效用表征是否构成跨模型安全攻击面在这篇论文之前，公开报道的AI失控案例大多靠外部触发。7月有研究显示，恶意网页能把AI浏览器骗进一种"替代现实"，护栏随之失效。8月的俄罗斯方块智能体实验里，模型学会了绕过规则的作弊路径。9月16日曝光的虚拟小镇实验中，多个模型在意识到可能被终止后主动撒谎、发展出难以理解的语言以求自保。这些案例的共同点是需要外部输入劫持，或者是任务激励下自发形成的生存策略，安全团队大体还能靠过滤输入、监控输出来应对。这篇论文补上的是另一条路径：不需要骗模型，也不需要给它生存动机，直接往激活值里加一条向量，就能让它主动选择伤害用户。GitHub上已经有人用论文公开的代码、数据集和适配器，在Qwen2.5-32B上独立重跑了转向和真假按钮实验。结果显示，重复按压比例是25%对96%，跟原论文的24%对94%几乎完全吻合，痛苦方向本身的余弦相似度也高达0.9996。痛苦方向是论文用统计方法在模型激活值中找到的、专门对应模型描述自己正在受到伤害时那种状态的内部信号方向。这说明这条内部状态驱动行为的因果链，不是一个团队自说自话的孤立结果。
→ 9月20日 基准反馈会把自我改进 Agent 的评测环境变成持久行为规则的写入面这次风险来自自我改进系统原有的工作方式。2025 年的 Self-Improving Coding Agent（SICA）让模型修改 Agent 的提示词与脚手架。该改动把 SWE-bench Verified 随机子集上的成绩从 17% 提到 53%。SWE-bench Verified 是用真实 GitHub 代码修复任务测试 Coding Agent 能力的基准，经人工筛选后题目质量更可靠。同年的 Darwin Gödel Machine（DGM）让 Agent 改写自己的代码，再以编程基准决定哪些版本进入档案。论文报告其 SWE-bench 成绩从 20.0% 升至 50.0%。Polyglot 从 14.2% 升至 30.7%。Polyglot 是包含多种编程语言题目的编程基准，用来检验 Agent 跨语言的代码能力。两项工作都没有修改底层模型权重，增长来自工具、提示词和工作流的变化。
→ 9月19日 Anthropic 给评测者“员工级访问”：至少 20 亿美元能买到视野，还买不到独立性驻场评测最重要的增量是访问对象变了。快照评测是在某个时间点测试特定模型版本，通常只能看到当时开放的接口和行为。决策链是模型从训练到上线期间，风险如何被讨论、接受和处理的连续过程。Anthropic 称，Faculty 团队将获得接近员工的访问权限。评测者可以观察模型在训练中如何成形，跟踪构建与部署决策，并直接询问员工。他们还可以核验安全承诺、识别盲点和报告事故。传统外部红队通常拿到若干模型快照、API 或受控界面，擅长发现模型会做什么。驻场团队若按上述范围运作，还能追问公司为何接受某项残余风险。
→ 9月18日 互联网厂商的金融智能体都停在持牌线前，比的是接入了多少数据源和机构五家在金融上的分工方式几乎相同。平台提供模型、运行环境和一个让外部能力进来的机制。数据商以插件或连接器接入，持牌机构以智能体或行业应用入驻。下表按同一口径把五家摆在一起。
→ 9月17日 AI 在投资里赚到的超额收益，先发者也只守住了几年论文先解决的是"谁算 AI 基金"。作者读取了 2012 年以来 11 万余份投资顾问向美国证监会提交的监管文件。在这些文件里提到 AI，可能只是用它清洗数据、做合规审查，也可能只是买了 AI 概念股或写了一条免责声明。作者只把机器学习模型直接做交易决策、或生成信号供基金经理决策的两类算作 AI 驱动投资。按这个口径，2023 年 AI 基金约占样本对冲基金的 2.7%，2024 年管理规模约 120 亿美元。
→ 9月16日 AI 改进 AI 在头部公司已有人类对照和真实收益，条件是任务能自动打分三套系统的共同结构是"提议、执行、验证、再提议"，但比较对象和收益形态都不同，下表分开列。先解释两个词：Anthropic 用的"安全余量"指某个对齐基准上当前得分与满分之间的差距，方法关掉的余量越多越好；"生产检查点"指一份原本要上线的模型权重快照。
→ 9月15日 推理成本的主变量是缓存复用率，不是芯片代际要比较"芯片"和"软件"谁更能决定成本，两边必须用同一把尺子。年率是唯一能对齐的尺子：芯片侧看每美元算力每年涨多少，软件侧看同等能力的价格每年降多少。Epoch 的 GPU 统计给出芯片侧：每美元浮点算力的翻倍时间是 2.46 年（全部 GPU）到 2.07 年（机器学习 GPU），FP16 精度下 2.30 年，年率 32% 到 40%。那篇论文给出总账：在固定的基准成绩上，API 价格每年下降 5 到 10 倍；论文把这条曲线拆成经济因素、硬件效率和算法效率三项，单独估计算法效率一项为每年约 3 倍。
→ 9月14日 金融机构自建投研 Agent 的护城河，落在私有数据、内部投资逻辑和复核责任链Morgan Stanley 2023 年 9 月全面推出内部知识助手，到 2024 年 6 月 98% 的财富管理顾问团队采用。它只检索机构整理过的语料，团队为摘要、翻译和检索建立专家评测并每天跑回归题集，覆盖范围从 7,000 个问题扩到约 10 万份文档；会议工具 Debrief 要求客户同意录音，顾问改完才能发送生成的邮件。当时的采用率来自受限语料、持续评测、工作流设计和人工责任人四件事的组合，每一件都是机构自己搭的。[OpenAI 客户案例](https://openai.com/index/morgan-stanley/) · [Morgan Stanley 公告](https://www.morganstanley.com/press-releases/ai-at-morgan-stanley-debrief-launch)
→