今日摘要

本次补齐两天增量窗口，新增 6 个事件并更新 3 个既有事件。GPT-6.1 Sol 已开放 API，以 Sol 价格接近 Astra 能力；Gemini 4 Argon 展示 1M 输出 token，但仍是受控预览。OpenAI Agents API 把托管浏览器、来源审批与登录交接做成可恢复 contract。Olmo-core 3 开放万亿参数 MoE 训练栈，cua-speedrun 则提供可复现的 computer-use 速度与成本评测。Ollama 0.35.0 的稳定版上一轮被误判为预发布，本次按 late discovery 补录。没有证据充分的新趋势。

模型

  • GPT-6.1 Sol（TRIAL）：API、ChatGPT Work 与 Codex 已可用，标准价为每百万输入 token 2 美元、缓存输入 0.10 美元、输出 10 美元。OpenAI 报告它在 coding、computer use 和专业任务上接近 Astra。先按完成任务成本和事实错误率做路由实验。
  • Gemini 4 Argon（WATCH）：Google 把单次输出上限提高到 1M token，并报告 DeepSWE v1.1 77.9%。目前只向可信网络防御团队开放，介绍价后还会翻倍；公开 API 前不值得投入迁移。

Agent 与 AI 工程

  • OpenAI Dots（WATCH）：每个 Dot 都有独立云端电脑，可连接应用并跨对话继续工作。产品已开始向部分 Pro 与 Business Premium 用户开放，但后续计价和企业治理仍未定，先观察真实任务完成率、撤权与审计能力。
  • OpenAI Agents API Browser（TRIAL）：浏览器在 OpenAI 托管环境运行，应用处理网站来源审批和登录字段，断线后可恢复同一 session。来源审批是“允许 agent 访问哪个网站”的显式门，难点在于登录凭据和副作用操作仍由应用兜底。
  • Ollama Decision Models（TRIAL，late discovery）：/v1/systemone 返回选项、概率与分数。概率校准就是检查 80% 置信度的结果是否真的约有 80% 正确；不做这一步，路由阈值看起来精确，实际可能失真。

开源

  • Olmo-core 3（TRIAL）：Ai2 开放重写后的 MoE 训练栈，并在 512 张 B300 上跑到 1.2T 参数。专家并行把不同专家分散到 GPU；难点是路由不均和跨卡通信会吃掉稀疏计算的收益。公开峰值来自短时随机路由，团队应先测持续训练。

研究

  • cua-speedrun（TRIAL）：统一 VM、执行流水线与 agent 接口，比较 computer-use agent 的成功率、速度和成本。公开结果显示 reasoning effort 和环境延迟对总时间并非单调关系，代码与基础设施已公开，适合一天内做小规模复现。
  • 其余 19 篇 arXiv cs.AI 新投稿因缺少公开产物、工程增量不足或偏离本项目范围而过滤或延期。

开发者工具

  • Claude Code 2.1.285/286（ADOPT，更新）：新增 provider allowlist 与 WebFetch 总开关，并修复 session 恢复、Remote Control 撤权、MCP 凭据脱敏和计费统计。managed settings 因 OS 拒读时会告警后继续，部署方仍要做独立启动检查。
  • Gemini CLI 0.62.0（WATCH，更新）：修复 OAuth refresh token 保留、PTY/ConPTY 清理和 ACP 权限事件顺序。稳定版修复值得升级；A2A server 仍无文档，不能作为生产依赖。

基础设施

Olmo-core 3 是本周期最具体的基础设施变化。它把 DDP、张量并行、流水线并行与专家并行组合成开放实现，但 1.2T 结果不能直接外推到持续训练。

商业与政策

本窗口没有发现足以单独改变模型获取、芯片供应或开源格局的业务政策事件。OpenAI 的模型蒸馏攻击披露已阅读，当前更适合作为安全背景，而不是新的工程处置项。

趋势信号

  • 趋势 #3：Coding agent 收敛为 multi-agent runtime：GPT-6.1 Sol 的 beta 多 agent 委派与托管浏览器 Agents API 增加新生产控制面；维持 established / High。
  • 趋势 #7：Agent runtime 把宽执行能力与后果控制拆成两层：OpenAI 把来源审批和登录交给应用，Claude Code 在组织撤销策略后主动断开 Remote Control；维持 strengthening / Medium。
  • 其余 5 个活跃趋势完成复核，状态和置信度不变。本周期没有发现证据充分的新趋势。

技术雷达

  • 新 OpenAI Dots（ai-agent / WATCH）：持续运行的产品形态已落地，但计价、访问和企业治理仍需观察。
  • 新 GPT-6.1 Sol（foundation-model / TRIAL）：价格和可用性足以做真实路由试验，但厂商 benchmark 需用自有轨迹验证。
  • 新 Gemini 4 Argon（foundation-model / WATCH）：能力信号强，尚无公开 API，先等可验证访问。
  • Agents API Browser（ai-agent / TRIAL）：托管浏览器 contract 可用，先验证凭据、审批、恢复和审计边界。
  • 新 Ollama Decision Models（ai-engineering / TRIAL）：概率输出适合本地路由，但阈值必须做校准。
  • 新 Olmo-core 3（infrastructure / TRIAL）：开放栈可测试，超大规模吞吐仍需持续训练复现。
  • 新 cua-speedrun（research / TRIAL）：公开 harness 能低成本校准 speed/cost benchmark。
  • Claude Code（developer-tools / ADOPT）：2.1.285/286 加固 provider、撤权与凭据边界，等级不变。
  • Gemini CLI（developer-tools / WATCH）：0.62.0 稳定修复可升级，A2A 仍缺 contract，等级不变。

当前雷达：ADOPT 11 / TRIAL 116 / WATCH 109；完整当前雷达以站点洞察页为准。

值得一试

  1. 用 20–50 条真实轨迹比较 GPT-6.1 Sol、GPT-6 Sol 与 Astra 的任务成功率、事实错误、token 和单任务成本。
  2. 用测试账号跑一次 Agents API 带登录的只读浏览器任务，核对凭据边界、默认拒绝、断线恢复和完整审计。
  3. 用 cua-speedrun 的公开 harness 重跑 20 个任务；有 B300 之外硬件的团队再小规模验证 Olmo-core 3 的持续吞吐。

来源