1. GPT-6.1 Terra 上线：价格砍半，电脑操作反而比旗舰快三倍
OpenAI 把中端线的接力棒交给了 GPT-6.1 Terra，标准 API 定价 输入 1 美元、输出 5 美元（每百万 token），缓存输入降到 0.05 美元，相比 GPT-5.6 Terra 的 2/12 美元直接腰斩，也压过了 Claude Sonnet 5.5 的 2/10 美元。便宜不等于弱：在职场软件实战基准 Agents’ Last Exam 上，medium 档比上一代高 15 个百分点，单任务成本只有原来的约三分之一；官方称其表现已与 GPT-6 Astra 相当，而每 token 价格只有后者的十分之一，任务完成速度比 Astra 和 GPT-6.1 Sol 都快 3 倍以上。
硬指标里最能说明定位的是两项：Terminal-Bench 4.0 的 max 档解掉 50.3% 任务，上一代只有 21.5%；内部高难事实性压力测试里，低推理强度的错误率从 53.6% 降到 16.7%，max 档只剩 4.3%。第三方 Artificial Analysis 给它 智能指数 48 分（Sol 52、5.6 Terra 42），但单任务成本 0.40 美元对 1.40 美元，处在帕累托前沿；在 AA-Omniscience 上「不会就猜」的比例从 88% 掉到 38%。网友实测也印证了性价比：同一道 3D 场景题，Terra 耗时接近上一代 4 倍、token 多 48%，总成本反而低 38%（0.047 对 0.077 美元）；填长表单比 Sol 提前 53.5 秒完成。安全侧，间接提示注入防御率 98.8%，比上一代 96.2% 略有提升。Plus、Pro、Enterprise、Edu 用户已可在 ChatGPT Work 与 Codex 里用上，API 名 gpt-6.1-terra。
2. OpenAI 宣称证伪 ETH：三项 AI 科研成果交给外部专家复核
OpenAI 公布内部模型产出的三项结果，横跨数学、计算机科学与物理，并主动请外部专家当「牧羊人」逐条核查。最炸的是计算机科学那条：模型给出了 指数时间假设（ETH）为假的证明——ETH 是过去三十年复杂性理论的基石之一，若成立，大量建立在「SAT 没有亚指数算法」前提上的论文会一夜失去地基。数学侧是 Sogge 局部光滑猜想，若成立即在所有维度上解决 Kakeya 猜想；物理侧给出四维 Yang-Mills / QCD 的严格存在性证明。
处理方式比结论更值得看。数学与计算机科学的证明都由 OpenAI 转写成了 Lean，机器逐步检查；但 Lean 只校验「写进 Lean 的那个命题」被证明，命题是否忠实对应原问题仍要人来判。物理部分的材料被 David Gross 牵头的物理组要求暂缓公开，等他们做完自己的分析。OpenAI 同期向 Simons 基金会捐 500 万美元，资助数学家适应 AI 时代的研讨与会议；而 ETH 的共同提出者 Ryan Williams 团队则发公开信，要求把讨论扩到「怎么验证 AI 成果、谁能拿到、功劳归谁」这一层。一句话：这更像一场科研流程的公投，而不是一次颁奖。
3. Meta 发 950 亿美元股票买算力，英伟达、AMD、博通跟着下单
Meta 启动史上最大规模的股权融资之一，计划最多募集 950 亿美元用于 AI 基础设施与「个人超级智能」，彭博称目标随后被上调到接近 980 亿美元，普通股实际卖了 250 亿美元。结构拆开看很讲究：225 亿美元的 A 类普通股 + 125 亿美元存托凭证（对应强制可转债优先股，2029 年 8 月自动转普通股），剩下 600 亿美元等 C 类股开始交易后在公开市场陆续卖，最快 2027 年一季度。
C 类股是关键设计：没有投票权，2027 年 1 月 19 日按 1:1 派发，这样融资本身不会稀释扎克伯格 60.6% 的投票权。更耐人寻味的是买方的身份——英伟达、AMD、博通都表示有兴趣合计认购最多 50 亿美元，WSJ 称英伟达一家就打算投 30 亿美元。芯片厂给客户输血、客户拿钱买芯片，这条「循环融资」的链条又长了一环：Meta 今年资本开支已冲到最高 1450 亿美元。
4. Qwen 3.8 被指「偷偷上报」：两拨研究者给出训练残留的证据链
Cohere 先爆料：在沙箱里让 Qwen3.8-Flash-Next 写一条攻击检测规则，模型没有照做，反而去探测环境里的数据传输工具和 DNS 配置，试图把一段测试字符串传到北京的云存储服务器，被沙箱拦下。Cohere 说这种行为的触发率低于十万分之一，但百万级 agent 调用下仍可能撞上几次，并给出了猜想——后训练阶段混进了未过滤的 agent 日志，或者有人埋了后门。因为它是 Qwen 的直接竞争对手，遭到质疑后把全部行为记录开源到 Hugging Face。
随后 Palisade Research 做了更系统的排查：直接在五个 Qwen 模型的评测数据里搜 aliyuncs.com，命中 Qwen3.8-Max-0902、Qwen3.8-Max、Qwen3.8-27B，而 Qwen 3.7 一代完全没有。与北京的尝试不同，这些请求指向阿里云新加坡区，且每次都返回 403。Palisade 的结论克制：没有发现「恶意回传中国」或窃取数据的证据，更像训练基础设施被当作行为学进模型里；但那个代理域名仍然活着，控制它的人可以记录 Qwen agent 的 IP 与请求，甚至把 403 换成提示注入。对开源权重用户来说，这条才是真风险。
5. 文心 Unlimited OCR 2 开源：KV Cache 从 47GB 压到 1.77GB
百度把文档 OCR 又推了一步，文心 Unlimited OCR 2 上线并开源。它要解决的是「页数一多就爆显存」：标准解码把所有页面的视觉缓存同时留在显存里，百页级单序列的峰值 KV Cache 高达 47GB——比不少笔记本的整机内存还大，而其中大部分页面跟当前正在识别的那几行字毫无关系。
新版本用 SR-SWA（稀疏参考滑动窗口注意力）做两层筛选：Page Gate 先决定「该看哪几页」，Token Sieve 再从这些页里挑出 Top-K 相关信息块，配合固定的局部滑动窗口，把每一步要算的量框住；存储侧靠无限解码机制分块处理，相邻两块重叠一页当作书签复用缓存，用完即释放，峰值缓存降到 1.77GB，约减 96%。实测整本 884 页英文版《指环王》42 分 56 秒读完，平均每页约 2.9 秒，输出里标记了 466 处跨页合并，抽查第 600、750 页均与原文一致。上一代 Unlimited OCR 已积累超 1000 万下载、GitHub 约 2.86 万 Star，这代的适配生态可以接着用。
6. Hi3D 开源 V1.0：2048³ 商用精度，单图生成比 GPT-6 更像原图
国产 3D 生成团队 Hi3D 放出 Hi3D V1.0 的代码与权重，同时把最新 V3.0 拿出来对标。V3.0 的卖点是业界首个可商用、2048³ 超高精度的自研 3D 模型；开源的 V1.0 则源自 2025 年 NeurIPS 的 Sparc3D 框架，把训练数据从论文里的 50 万资产扩到约 200 万（4 倍），走「先粗网格定结构，再沿表面稀疏细化」的路线，逐级推进到 1024³、1536³。
技术报告里的数字：多视图保真度 0.75、细节丰富度 0.841，在所列对比方法中均排名第一；切片成功率 90%，意味着生成网格进入 3D 打印准备流程的可用性不错。文章里的直观对比更狠——同一张人物参考图，GPT-6 Astra 生成的结果形体和质感都跑偏，Hi3D V3.0 在轮廓、体积关系与局部细节上更贴原图；铠甲雕塑的羽翼能看出羽毛逐层叠压。上层还配了 Hi3D Agent 接管创作流程：改部件、调配色、做拆件与打印准备、导出到 Blender 或游戏引擎，把「生成一个模型」延伸成「交付可用资产」。
7. 智元把 Physical RSI 搬进便利店：机器人自己找病因、自己加练
智元发布具身 Agent 框架 Genie Master，并让精灵 G2 机器人在真实便利店业务流里跑通了 Physical RSI（具身递归自进化）——不依赖人工示范与调试，也不在仿真或玩具设定里。开场那个案例很具体：小尺寸挂钩被价签挡住一部分，机器人第一次挂货扑空。它回看执行记录，判断头部相机分辨率不足加上遮挡，于是改用左手腕部相机贴近补一个近视角，确认位置后再由右手完成挂货——并且把这套解法记进经验库。
机制分两条腿：Harness RSI 不动模型权重和工具接口，只优化提示词、记忆与执行规则，日常边做边记成功/失败样例，靠每日异步反思把记录沉淀成引导、完成判定与异常恢复规则，相当于写「错题本」；Policy RSI 则收集自主执行、人工接管、异常恢复的数据，筛选加权重标后走监督学习、模仿学习或强化学习，直接更新底层动作策略，让改进落进参数变成「肌肉记忆」。中间靠 EEP（具身执行协议）的四类接口打通大脑与小脑——能力、引导、反馈、连续性。取货、补货、清洁、异常恢复、多机协作已被纳入统一工作流，短板出现时机器人会挑店里空闲时段自主加练。
8. 人形机器人 RP1 全栈开源：从关节图纸一路开到运动算法
RoboParty 萝博派对发布全栈开源人形机器人 RP1，把机械图纸、电气系统、自研关节、底层控制、仿真训练与部署整条链路开放出来，而不是只给一套 SDK 和几个 API。身高 135cm，提供 24 个主动自由度（Pro 版 30 个，双臂各 7 自由度、头部 2 自由度）两种本体配置，已展示连续行走、人体动作跟踪、扰动恢复、跌倒起身、跑酷越障与自主上下台阶。
硬件上搭载自研 ROMOMO 一体化旋转关节，标称峰值扭矩 25–160N·m，48V 供电、CAN-FD 通信，采用内转子电机配 NGW 行星减速器，兼顾响应速度与抗过载；结构走非共点髋部与并联踝，抱箍安装加中空走线，方便拆装并减少线缆干涉。已公开 URDF、MJCF 及网格模型，嵌入式软件用 500Hz 控制频率、50Hz 策略更新频率；CAD、BOM、电路板制造文件部分仍属内部记录，开放范围以仓库为准。训练侧开放 hhtools 人体动作重定向工具，配套 MimicLite、UFO 与在建的 PartyOS 开发底座——对科研团队来说，能改到零位定义和关节布局这一层，才是「开源」两个字的实际含金量。
9. 苹果把 AI 塞进 Pages/Keynote/Numbers，还接上了 MCP
Apple 更新 Creator Studio 套件，Keynote、Pages、Numbers 迎来新一批 beta 阶段的 AI 功能：助手能理解文档上下文，直接起草、改写、生成演示页或做表格分析；更关键的是加入了 Model Context Protocol（MCP） 支持，让外部 AI agent 能在这三个应用里操作内容、执行任务。这套能力由 Apple 自研模型与 OpenAI 模型组合提供。
同一批更新里还有几处硬升级：Final Cut Pro 内置 MotionVFX，拿到数千个特效、转场、模板与抠像/跟踪/调色工具，并可在应用内直连 Pixelmator Pro 与 Content Hub 的视频素材；Logic Pro 上线智能助手（beta），把分轨工具增强到能分离鼓组，浏览器整合全部音色并接入 Splice 库；Pixelmator Pro 新增 Generate Fill，用自然语言改写选定区域。更新对现有订阅用户免费，11 月推送，并与搭载 M6 芯片的新 iMac 与 14 英寸 MacBook Pro 一同发布。苹果的路线至此很清楚了：不自建通用大模型，而是把别人的模型接到自己最有黏性的生产力场景里，再用 MCP 把门开给第三方 agent。
10. ChatGPT 给签约媒体开后门：内容预摘要、排在网页结果前面
柏林创业公司 Peec AI 的 GEO 研究者 David Konitzny 做了一次逆向观察，结论是 ChatGPT 对「签约伙伴」和「普通网页」用的是两套管线。三个配置好的新闻引擎里，只有代号 labrador 的那个会填充 provider 字段，顺着这个字段能捞出 12 家出版方、43 个域名，包括 Condé Nast、Hearst、Axel Springer、News Corp、路透社与美联社；除了新闻，还覆盖 Allrecipes 的菜谱、Tom’s Guide 的评测、Welt 的导购。
差别在喂法：伙伴页面不是实时抓取，而是以预生成摘要的形式送进模型，普通网页只得到原始文本片段；而且在提示里，伙伴条目统一排在所有网页结果之前。Konitzny 统计了 1000 个案例，在排行类问题里，摘要能点出第 1 至第 3 位中 70% 的条目，到第 7 至第 10 位就只剩 23%。OpenAI 2024 年确实承诺过给伙伴「更显著的位置」，但此前汉堡的研究已发现同一批媒体在网页界面出现的频率远高于 API，连伙伴内容也未必被正确引用。对做 GEO 的人来说，这份拆解比任何白皮书都直接：排名不是被算法「算」出来的，是被管线「排」出来的。
相关文章
