AI 日报 · 2026-09-23

今天最值得关注的是模型价格战升温：OpenAI 在 GPT-6 Astra 后发布更便宜的 GPT-6 Sol 与 Luna，API 价格约为 GPT-5.6 对应型号的一半；而 Anthropic 几乎同时推出 Claude Opus 5.5，把 Opus 系列价格下调 20%。与此同时，TypeSafe AI 发布非生成式的「System One」模型 Jev，专门返回分类、评分和是否判断及其概率，并被 langchain-typesafe 与 llm-typesafe 接入。围绕 GPT-6，OpenAI 还改进提示缓存并提供命中率仪表盘，客户案例称 Astra 帮助 Parallel 将研究时间与成本减半。其他动态包括 OpenAI 面向乌克兰开放民用网络防御的 Daybreak 计划、NVIDIA 开源说话人分离模型 Nemotron 3 Diarization，以及 LangChain 展示 LangSmith 在医疗 AI 发布流程中的可靠性应用。

北美一手（LLMs 官方 & 关联账号）

Anthropic

⭐⭐ [其他] How to prepare for AI-driven code modernization projects

Anthropic 的前向部署工程师在「Notes from the Field」系列中分享管理大型代码现代化项目的经验：过去需要多年、全员投入的现代化项目如今可在数月甚至数周内完成，但组织层面的流程（变更管理、评审、审批）通常保持不变，因为监管、审计和业务要求如此。文章指出，一旦代理加速了变更的产出，瓶颈就从「产出变更」转移到「让组织围绕变更运转」。文章把现代化开始前企业必须完成的工作拆成六步：定义目标、创建证书（变更在目标状态下被判定为正确的条件）、设定晋升策略（已认证变更进入生产环境的路径）、准备好环境与 CI/CD、评审能力和审批等前提、构建并迭代基于 Claude Code 的定制动态工作流、先在一小部分代码库上端到端验证再扩大规模。文中将现代化分为三类：同栈版本升级（uplift）、保持行为不变的跨栈重写（transform）、在新架构上重建并修改行为（reimagine），并建议先理解现有系统、提取旧代码的实际行为并建立行为清单，以判断应改动还是丢弃部分逻辑，从而确定属于 transform 还是 reimagine。

OpenAI

⭐⭐⭐ [模型发布] Introducing GPT-6 Sol and Luna

OpenAI 在推出 GPT-6 Astra 之后，进一步扩展 GPT-6 系列，发布 GPT-6 Sol 和 GPT-6 Luna。OpenAI 表示，这两款模型采用与 Astra 类似的训练方法，把 Astra 在专业工作、事实性、编程、计算机使用和对齐方面的进展带到更快、更便宜的模型上。API 价格相比 GPT-5.6 的促销价下降 50%：Sol 的输入/输出由每百万 token 4 美元/20 美元降至 2 美元/10 美元，Luna 由 0.20 美元/1.20 美元降至 0.10 美元/0.50 美元。OpenAI 称在 AutomationBench 上，GPT-6 Sol（xhigh 档）得分为 33.2%，单任务成本 0.27 美元；在 Agents' Last Exam 上，GPT-6 Sol（max 档）得分为 56.4%。在其基于用户标记错误的去标识化真实对话的内部事实性评测中，GPT-6 Sol 的错误约为前代的一半。

⭐⭐ [其他] OpenAI extends cyber access to Ukraine for civilian defense

OpenAI 于 2026 年 9 月 23 日宣布，将向乌克兰政府开放其 Daybreak 计划，用于支持民用基础设施的网络防御。OpenAI 将与乌克兰数字转型部合作，让乌方团队使用相关工具更快地发现软件漏洞并开发、测试修复方案。该消息在联合国大会期间由乌克兰驻旧金山总领事 Dmytro Kushneruk 与 OpenAI 国家安全政策负责人 Sasha Baker 宣布。文中提到，乌克兰国家网络事件响应团队 CERT-UA 在 2025 年处理了近 6000 起网络事件，涉及医院系统、能源和电信领域。此前 OpenAI 已向法国、德国、波兰等欧洲防御方提供网络模型访问权限，欧盟网络机构 ENISA 用其发现欧盟机构所用软件的漏洞并已修复，波兰 CERT Polska 用其发现第三方路由器软件中的六个漏洞。

⭐⭐ [产品更新] Better prompt caching for GPT-6

OpenAI 为 GPT‑6 推出改进版提示缓存系统，默认提供更高缓存命中率，并对 30 分钟窗口内复用的合格共享前缀给予缓存折扣，缓存输入 token 折扣最高可达 90%。新增 Prompt Caching Dashboard 用于查看应用的输入有多少来自缓存、追踪命中率并对比缓存与未缓存 token 构成；以及缓存未命中诊断工具，可对比请求与近期响应，指出因模型、工具、设置或输入变化导致的复用失败，并估算受影响 token 数。开发者可用显式缓存断点选择要复用的提示前缀；在 GPT‑6 上可追加 configuration_update 调整推理力度而不破坏缓存；建议保持工具定义、schema 与顺序稳定，用 allowed_tools 限定可调用工具、需要时用 tool_choice 设为 none，并用新的 developer messages 在上下文末尾追加新指令，此外还可用预热（prewarming）提前准备已知上下文以降低延迟。GitHub Copilot 首席产品官 Mario Rodriguez 表示，相较此前基线，过去数月数数十亿次请求中需要重新处理的提示 token 占比下降了 50% 以上。

⭐⭐ [其他] Parallel cut research time and cost in half with GPT‑6 Astra

OpenAI 发布客户案例：初创公司 Parallel 借助 GPT-6 Astra 把劳动市场数据的研究与汇总任务时间和成本各降低了一半。Parallel 为在网络上进行知识工作的 AI agent 提供开发者基础设施，其工具将前沿模型与网页搜索结合，服务于语音 agent 的网页 grounding，以及金融机构和法律客户的研究需求。在一项测试中，Parallel 让 agent 检索四个州、六个月的六项劳动市场统计数据并汇总成一份报告，GPT-6 Astra 的完成用时为此前模型的一半，代码成本降低约 50%，研究质量相当。Parallel 还观察到 Astra 的搜索查询更聚焦、到达有用结果所需步骤更少，并能把具体研究任务委派给子 agent 并行执行。

衍生 & 周边（产品 / Agent / Tools / 观点）

模型发布

⭐⭐⭐ [模型发布] What Is Jev? A Guide to TypeSafe AI’s System One Model

TypeSafe AI 发布了一个名为 Jev 的新模型。Jev 并非传统 LLM，它不生成文本，而是 TypeSafe AI 所称的「System One model」：接收一个状态（state）与关于该状态的若干问题，返回类型化的答案与概率，供软件直接使用，并使用 RLCD（面向校准决策的强化学习）训练。TypeSafe AI 称其在分类任务上推理速度最高快 200 倍、成本低 400 倍（官方数据，未经独立验证）。Jev 支持三类问题：choice（从一组选项中择一，返回每个选项的概率与整体置信度）、score（按低/中/高等有序等级打分，返回连续分数、底层分布与置信度）、noul（回答是/否问题，返回陈述为真的概率）；同一请求中的多个问题会被并行评估，增加问题几乎不改变响应时间，只增加少量问题本身的 token 成本。集成方面，LangChain 通过 langchain-typesafe 包中的 TypeSafeClassifier 暴露 Jev，把 state 与 questions 传给 .invoke() 即得到分类结果而非对话回复，state 可以是文本、结构化数据或 LangChain 消息。

⭐⭐ [模型发布] **Know Who Spoke When: Build Real-Time, Multi-Speaker AI with NVIDIA Nemotron 3 Diarization**

NVIDIA 发布开权重、100M 参数的说话人分离（diarization）模型 Nemotron 3 Diarization，在 VoiceArena 的 Diarization-Bench 榜单上以 14.72% 的分离错误率（DER）位列第一。该模型支持最多 8 个说话人，同时适用于实时与录播对话，可处理重叠语音，并支持分块处理以适配不同长度的录音和可定制的流式延迟。它沿用 Sortformer 思路，按说话人首次出现的时间顺序排列输出声道，从而让通用说话人标签保持稳定，无需为每个音频块重新求解说话人排列。模型使用公开及授权语音数据训练，加入来自 David AI 的授权数据后，复合 DER 从 11.19% 降至 10.42%，绝对下降 0.77 个点。模型输出的是匿名说话人声道标签，而非真实身份。

产品更新

⭐⭐ [产品更新] llm 0.36

Simon Willison 发布命令行工具 llm 0.36 版本。该版本新增对两个 OpenAI 模型的支持：用于 GPT-6 Sol 的 gpt-6-sol 和用于 GPT-6 Luna 的 gpt-6-luna。模型插件现在可以声明 supports_conversation = False，用于仅接受单轮提示词的模型；当这类模型收到 assistant 或 tool 历史时，LLM 会抛出 llm.ConversationNotSupported，llm chat 也会在开始会话前拒绝它们，首个采用该机制的是插件 llm-typesafe。此外，llm logs 的 Markdown 输出中的推理轨迹现在被包裹在 <details><summary> 标签中，并包含来自五位新贡献者的 bug 修复。

⭐⭐ [产品更新] llm-typesafe 0.1a0

Simon Willison 发布了 LLM 插件 llm-typesafe 0.1a0，用于接入 TypeSafe AI 的新模型 Jev。安装方式为在 LLM 中执行 llm install llm-typesafe，并用 llm keys set typesafe 设置 API key。该插件支持三类提问：是/否类的 noul 问题（返回如 {"type": "noul", "noul": 0.99} 的 JSON）、选择题（可选答案如 billing/technical/other），以及打分题（按给定标准对报告的可复现性评分）。

观点

⭐⭐⭐ [观点] Claude Opus 5.5, GPT-6 Sol, GPT-6 Luna, and a new price war

据作者记录，Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna。作者称 GPT-6 Sol 和 Luna 的价格约为各自 GPT-5.6 对应型号的一半：Luna 为每百万 token 输入 0.10 美元、输出 0.50 美元，Sol 为输入 2 美元、输出 10 美元。Claude Opus 5.5 相比此前 Opus 系列降价 20%（输入 4 美元、输出 20 美元每百万 token），缓存读取价格下降 60%。作者引用 Thariq Shihipar 称 Opus 5.5 源自用户反馈，沟通更清晰、单位 token 成本更低，且在每一档 effort 级别都可用。作者测试时发现 Claude Opus 5.5 在 max 思考档位下未能对「骑自行车的鹈鹕」SVG 请求返回结果。

其他

⭐⭐ [其他] The Reliability Layer for Healthcare AI: Common LangSmith Use Cases

LangChain 发布博客，介绍医疗 AI 团队使用 LangSmith 的常见场景。文章的核心思路是把临床专家的审核转化为可复用的资产——标注数据集、经过校准的评估器和自动化发布门槛，而不是每次发版都重新开始。Abridge 用 LangSmith 运行评估，把发布周期从一到两个月缩短到几天；Included Health 用 LangSmith 监控其 AI 健康向导的路由质量与安全性，上线后聊天互动量提升 75%，并正确标记了超过 99% 的高风险情况。文章还提到医疗 AI 评估面临的挑战，包括受保护健康信息（PHI）的处理和数据漂移。