AI 日报 · 2026-09-30

OpenAI DevDay 2026 是当天主线：发布 GPT-6.1 Sol，以约五分之一成本逼近 Astra 的智能，并推出个人助手 Dots、团队协作空间 ChatGPT Space、高速推理选项 Ultrafast 与 Pro 500 订阅，同时预览 Decisions API；它还与 SBDC 合作培训小企业顾问。评测和基础设施侧也在转向标准化与自动化：Hugging Face 推出 Open TTS Leaderboard，用 WER、RTFx 和音色相似度等客观指标替代人工偏好投票；LangChain 接入 Jev 作为快速低成本的评测判官，Google 用 Diffusion Controller 改进提示词对齐，Replit 探讨让模型自行委派 subagent 的 harness 设计。Anthropic 把销售线索交给 Claude Managed Agents，转介商机概率约翻倍；Simon Willison 用 Astra 构建了本地人脸模糊工具 Photo Scrubber。

北美一手（LLMs 官方 & 关联账号）

Anthropic

⭐⭐ [产品更新] How Anthropic's sales team rebuilt inbound with Claude Managed Agents

Anthropic 的销售团队在 Claude Managed Agents（beta）上搭建了一个购买代理，用来承接来自 Contact Sales 表单的潜在客户。此前客户提交表单后常常要等上数天才能得到回复，而问题多是套餐价格、最低坐席数、是否满足 HIPAA 合同要求这类文档中已有答案的内容。该代理每天进行数千次对话，会先询问客户团队需求，再回答定价、安全与数据相关问题，并推荐套餐与坐席数；每次对话以三种方式之一结束：直接购买、连同完整对话记录转交销售代表、或仅给出一个快速答复。Anthropic 称，经该代理转交的客户成为商机的概率是旧表单线索的两倍以上，成交约快五天；该体验为可选加入，客户可自行选择与代理还是销售代表沟通。选择 Managed Agents 的原因是平台负责托管、会话管理与工具编排，一名工程师在几周内即完成初版代理，销售与内容负责人可在 Console 中直接修改系统提示词，改动先进入预发布代理。

OpenAI

⭐⭐⭐ [模型发布] Introducing GPT-6.1 Sol

OpenAI 发布 GPT-6.1 Sol，是 GPT-6 Sol 的升级版，在智能体编程、计算机使用和专业工作等任务上接近 GPT-6 Astra 的智能水平，而标准输入输出 token 价格仅为 Astra 的五分之一；缓存输入为每百万 token 0.10 美元，比标准输入价格低 95%。在 DeepSWE v1.1 上它以约五分之一成本追平 Astra，并在更低的推理强度与成本下比 GPT-6 Sol 的最佳成绩高 6.4 个百分点；在 GDP.pdf 上得分高于带 fallback 的 Opus 5.5，每任务成本不到其一半，并以约五分之一成本接近 Astra 的表现。在 AutomationBench 上，中等推理强度下比 Opus 5.5 高 2.2 个百分点、成本约为其三分之一，同时比同设置的 GPT-6 Sol 高 4.8 个百分点；在 OSWorld 2.0 离线集上，最高推理强度下比 GPT-6 Sol 高 7 个百分点、成本不到一半，距 Astra 差 2.1 个百分点而每任务成本约为其七分之一。在 Terminal-Bench Science 0.1 上，最高推理强度下得分超过 GPT-6 Sol 的两倍，每任务平均 5.47 美元，低于 Opus 5.5 的 23.21 美元和 Astra 的 23.80 美元，而 Astra 仍以 68.1% 为受测模型中最高分。

⭐⭐ [其他] Helping small businesses put AI to work

OpenAI 宣布与美国 SBDC（全美小企业发展中心网络）建立合作，通过 OpenAI Academy 的 Community Trainer Program 培训约 150 名 SBDC 顾问，并在各地 SBDC 网络举办线下工作坊，目标是通过面对面培训触达至少 1000 家小企业。合作内容包括为顾问提供培训与认证路径、在每个参与网络中至少举办一场三小时的 Academy 工作坊，以及联合编写 AI 实操指南和一份面向特定行业的配套指南，涵盖营销、运营、制造、出口、政府采购等潜在主题。同时 OpenAI 发布报告《Small Businesses, Bigger Capabilities》，称在 9 月 9 日至 15 日的一周内，全球约 400 万家小企业员工使用了 OpenAI 的工具，其中近五分之一来自员工数少于 10 人的企业；报告还提到 8 月 ChatGPT Work 和 Codex 等产品的 agentic 输出 token 占三分之二。

⭐⭐ [产品更新] DevDay 2026 Recap

OpenAI 发布 DevDay 2026 回顾，称这是其迄今规模最大的一届开发者大会，涵盖 ChatGPT、Codex、模型以及「与 AI 协作的全新方式」，共 20 多项发布。文中提到的方向包括：能承担持续性任务的 agent、人类与 AI 协作的新方式，以及把 ChatGPT 开放为人类与 agent 共享的界面，让开发者可直接向 12 亿周活跃用户发布原生体验。列出的条目包括用 Codex 与 API 构建、通过 Plugins 定制 ChatGPT、ChatGPT 订阅新增能力，以及新产品 dots。正文未给出各发布项的具体版本号、参数或 benchmark 数据。

Google

⭐⭐ [研究] How Diffusion Controller unifies and simplifies AI image generation

Google Research 介绍了 Diffusion Controller，一个轻量的「转向阻尼器」网络，用于更精确地引导图像生成，从而显著改善提示词对齐效果，并可外挂在受限的闭源模型上，在不破坏基线稳定性的前提下提升图像质量。该框架不再把图像生成看作一系列孤立步骤，而是把整个去噪过程重新表述为平滑的连续控制问题；外挂网络在生成过程中动态调整生成轨迹，基础模型权重保持冻结。文中给出的结果显示，其轻量外挂网络在匹配人类偏好上优于行业标准，而其完全解锁版本（可无限制修改内部权重的微调模型）相对基线模型取得 90% 的胜率。文章以「戴墨镜的蜥蜴」为例说明原本在提示词遵循与图像质量之间难以兼顾的问题，并给出基础模型、LoRA 与 Diffusion Controller 输出在复杂提示词下的并排对比。

衍生 & 周边（产品 / Agent / Tools / 观点）

产品更新

⭐⭐ [产品更新] Jev is now available in LangSmith Evals

LangChain 宣布 Jev 已作为评测判官（judge）接入 LangSmith Evals，用户可在任意 tracing 项目的 Evaluators 标签页中把 Jev 用作在线评测器。文章回顾了智能体评测的两条主要路线：代码式评测速度快、可靠但只能覆盖预先可完全指定的行为；LLM-as-a-judge 能评开放式行为，但更慢、更贵、结果不确定，且把自由文本转成结构化输出本身也是误差来源。Jev 由 TypeSafe AI 提出，被其称为 System One 模型，不生成文本，而是对给定状态返回带类型的答案与概率，支持三类问题：noul（是/否概率）、choice（从一组选项中择一）和 score（按有序量表打分）。据 TypeSafe AI 称，Jev 在分类任务上比同类 LLM 便宜约 450 倍、快约 200 倍，并可对同一状态并行评测多个问题。

⭐⭐ [产品更新] Free the models: Harness design at the frontier

文章讨论 Replit Agent 的 harness 设计思路：模型路由器（无论基于启发式还是小模型逐轮挑选 LLM）能力始终弱于它所选择的模型，因此 Replit Agent 改由模型自己决定——主 agent（core loop）选择 subagent 的 tier 和 effort，并随任务推进调整自身。文中称，在这种自由度下，GPT-6 Astra 把常规实现交给成本更低的 subagent，自行决定 token 花在哪里；在 DeepSWE 和 Terminal-Bench 上，Replit Agent 相对 Astra 单独运行是 Pareto 高效的，且比 sidekick 架构（同样设置但只有一个长期存活的 worker）分别高 11 分和 16 分。作者认为每次模型发布都会让 harness 中固化的假设失效，模型在长程任务上越强，需要的 scaffolding 越少，且会更多地自行委派（用 subagent 做上下文管理与并行）。但 frontier 是参差不齐的：最强编码模型未必最擅长设计 UI、做幻灯片或写邮件，因此 harness 要让每个模型按自己的方式工作，保留其仍需要的 guardrails，以最低成本达成质量为目标。

研究

⭐⭐⭐ [研究] Open TTS Leaderboard: Scalable Evaluation for Multilingual Text-to-Speech and Voice Cloning

Hugging Face 博客介绍了 Open TTS Leaderboard：截至 2026 年 9 月 30 日，Hub 上已有超过 8000 个 TTS 模型，但评测仍碎片化、缺乏标准。现有 TTS Arena v2、Artificial Analysis Voice Arena 等竞技场式榜单依赖人工偏好投票并计算 Elo，难以跟上模型发布速度——Artificial Analysis 的 92 个模型中只有 16 个是开放权重，且投票者标准随时间漂移。该榜单改用客观指标：用 Qwen3 ASR 计算提示与生成音频转写之间的 WER/CER，用 H200 上的批式离线推理 RTFx 与流式 batch size 1 的 TTFA 衡量速度，并用 WavLM 说话人嵌入的余弦相似度衡量音色相似度，使一次评测从数周缩短到数小时。作者强调它不替代人工偏好排序，WER 只是可懂度的代理、相似度只是音色保持的估计，二者都不直接衡量自然度、表现力或听者偏好。默认视图按 Seed TTS Eval 英文切分与 CV3 Eval（零样本）的宏平均 WER 排名，Kokoro-82M、supertone-3、s2-pro 领先，并可用 Pareto 图查看 WER、RTFx 与模型大小的权衡，同时支持切换多语言。

其他

⭐⭐⭐ [其他] OpenAI DevDay 2026 live blog

Simon Willison 在旧金山 Fort Mason 现场以直播博客记录 OpenAI DevDay 2026 主题演讲。Sam Altman 发布个人 AI 助手 Dots，由 Astra 模型驱动，用户可为其命名、配有点状头像，演示中包含大量语音交互；OpenAI 同时推出 ChatGPT Space，供团队与各自的 Dot 协作，ChatGPT Pro 和 Enterprise 用户当天即可使用，并计划与企业在法律、财务等领域合作推出「专家 Dot」。模型方面推出 GPT-6.1 Sol，Altman 称其以五分之一的价格提供接近 Astra 的智能，当天上线；同时发布 Ultrafast，速度提升 8 倍、最高 300 tokens/秒，价格为标准版的 6 倍，先支持 Astra 6，随后支持 Sol 6.1。OpenAI 还推出 Pro 500 订阅（含 Ultrafast，用量为 Plus 的 25 倍），并将每月 200 美元的套餐重新开放给新用户；此外预览了 Decisions API，做法是给 Luna 模型一组预定义选项，使其在极短时间内作答。

⭐⭐ [其他] Photo Scrubber — local face blur & metadata removal

Simon Willison 发布了一个名为 Photo Scrubber 的实验性工具，用于在本地模糊人脸并移除照片元数据。起因是他拍了一张抗议者的照片，但不希望分享带有可识别面孔的陌生人照片，于是让 GPT-6 Astra 帮他构建了这个工具，自动识别人脸并打码。该工具基于 Google 的 MediaPipe C++ 库，通过 @mediapipe/tasks-vision 编译为 WebAssembly，并使用 BlazeFace 人脸检测模型，全部在本地运行。