AI 日报 · 2026-10-27

OpenAI 今天成为主角：发布中端模型 GPT-6.1 Terra，主打快速、视觉推理与电脑操作，价格约为 Sol 的一半、Luna 的十倍；同时公布数学、计算机科学和物理三项新研究结果，引入外部「shepherd」团队来理解和决定发布策略，计算机科学结果直接公开 Lean 证明，物理结果则暂不发布 AI 产物。ChatGPT 工作数据还显示常见任务的集中度下降，使用趋于专业化。LangChain 连发关于智能体记忆与检索的文章，提出把大体积结果写入文件、压缩旧消息、委派子智能体等方式对抗「上下文腐化」。Simon Willison 实测 webframe 是轻量快速的抓取运行器但不够成熟，另有一位工程师分享在喜马拉雅山麓用本地 Qwen 模型完全离线编码。

北美一手（LLMs 官方 & 关联账号）

OpenAI

⭐⭐⭐ [研究] Working with academic communities to build scientific understanding

OpenAI 宣布在数学、计算机科学与物理三个领域取得三项新结果，分别涉及调和分析、复杂性理论与量子场论。OpenAI 表示，这些稿件最好被理解为一种「原始研究数据」，因此本次发布尝试了新做法：邀请外部专家担任「shepherd」，由他们组织团队理解新结果，并分别给出三种发布策略——数学结果直接发布 AI 输出，由研究者自行组织解释；计算机科学结果组建外部合作组来解释，同时公开 AI 输出供任何人查看和继续推进；物理结果则组建外部合作组，并在材料发布上听从这个组的决定。外部合作遵循四项原则：透明度（不签保密协议，参与者可自由讨论与发表）、不收取学术荣誉（OpenAI 不为内部模型产生的发现索取学术credit）、给予认可（该组因其撰写的理解与材料获得认可）、独立性（参与自愿且无报酬，结论属于参与者本人，不代表 OpenAI）。计算机科学合作组已决定立即公开自然语言证明与 Lean 形式化，并直接发布到 OpenAI 的 GitHub 仓库；物理合作组则决定暂不发布 AI 生成的产物，转由自己撰写。数学结果关于调和分析：1991 年 Sogge 提出的局部光滑猜想，该猜想蕴含 Kakeya 猜想与 Stein 限制猜想。

⭐⭐ [研究] ChatGPT’s expanding world of work

OpenAI Economic Research 发布 OpenAI Signals 数据，覆盖近 100 个国家的 165 种工作活动，展示消费者如何在 ChatGPT 上处理工作相关任务，例如编写教学材料、制作营销内容、编程和分析业务数据。数据把 ChatGPT 消息映射到基于 O*NET 的「Intermediate Work Activities（IWAs）」分类，按季度覆盖 2025 年第一季度至 2026 年第三季度，研究者可用它比较各国差异、追踪变化，并与其他经济指标匹配。在每季度都被观测的 74 个国家中，十大最常见活动在 2026 年第三季度平均占各国已分类工作消息的 51.1%，低于 2025 年第一季度的 56.0%，说明工作相关使用在最常见活动上的集中度下降，各国趋于专业化。数据还将 ChatGPT 使用与美国就业的任务结构作了对比，两者分布差异明显，部分原因是所映射的美国职业中约 43% 的就业加权任务组合落在未单独列出的「Other IWAs」类别。该数据仅覆盖个人版 ChatGPT 的工作相关消息，不含企业版与 Codex 使用；为保护隐私，研究者不阅读单条对话，消息在去除身份信息后由自动化系统分类。

衍生 & 周边（产品 / Agent / Tools / 观点）

模型发布

⭐⭐⭐ [模型发布] GPT-6.1 Terra

OpenAI 发布 GPT-6.1 Terra，官方称这是一款快速、高效的模型，结合了细致的视觉推理与精确的电脑操作能力，写作也更清晰自然；相比 GPT-5.6 Terra 是明显提升，擅长起草提案、解读技术图纸、填写表单和剪辑视频等日常工作。Simon Willison 指出，Terra 在模型序列中的位置与 Anthropic 的 Sonnet 相当，既不是最便宜也不是最贵，因此何时选用它较难判断。OpenAI 的 Ted Sanders 在 Hacker News 评论中表示，Terra 在技术沟通上可能优于 Astra 和 Sol，视觉与电脑操作能力与之相近但快得多，其他方面略差；对 API 开发者来说，它是比 Sol 便宜、比 Luna 聪明得多的中端选项。定价为每百万输入 token 1 美元、每百万输出 token 5 美元，约为 GPT-5.6 Terra 和 GPT-6.1 Sol 的一半，约为 GPT-6 Luna 的 10 倍。

产品更新

⭐⭐ [产品更新] Context Engineering (Agent Memory) for AI Agents Starts with Retrieval

LangChain 博客文章指出，智能体受限于有限的上下文窗口，检索会在三方面出问题：搜索方式低效、一次性装入过多上下文、以及上下文不相关或已过时。文章以 Deep Agents harness 为例说明其默认做法：内置文件系统工具「先搜索再读取」——glob 匹配文件名、grep 查找匹配行、read_file 一次只读一页；过大的工具结果会被转移到文件，完整结果保存在文件中，智能体只拿到路径和预览。对于自建的检索工具（如 RAG），文章建议采用「retrieve、offload、delegate」：把结果保存为文件、返回路径，由子智能体去读取，主智能体只看到相关部分。文中还以一个每周一调研数百家竞争对手并按团队模板撰写报告的竞品分析智能体为例，展示上述三类检索问题分别如何出现。

⭐⭐ [产品更新] Context Engineering with Deep Agents: How To Remember Without Keeping Everything In Context

文章讨论长任务智能体的「上下文腐化」（context rot）：随着任务推进，指令、工具结果、文件等不断累积，超过模型上下文窗口后，模型的准确率和推理能力会下降。LangChain 的开源智能体框架 Deep Agents 用五种方式把上下文移出活跃窗口而非删除：把大体积工具结果和用户消息写入文件系统、仅让模型看到预览；接近上下文上限时把较早消息压缩为摘要；任务技能在模型判断相关时才加载；把噪声较大的工作放到另一个上下文窗口中执行、只回传结果；把智能体学到的东西保存到文件、延续到下一次对话。此外，智能体在 Deep Agents 中的记忆以纯文件形式存放在用户自己控制的存储里，因此可以更换模型或供应商而保留已学到的东西。文章用一个每周一调研五家竞争对手并撰写报告的竞争分析智能体为例，说明到第四步时模型已携带五份原始数据导出、数十条搜索结果和两份旧草稿，其中大部分与最终排版无关；这些技术通过中间件（middleware）挂载到智能体运行循环的特定节点。

研究

⭐⭐ [研究] webframe: evaluated as a scraper and a sandbox

Simon Willison 用 Claude Opus 5.5 对 Jeff Lindsay 的 webframe 项目做了实测评估。webframe 用 Go 编写、构建在 glaze 库之上，可以「把网页当作程序运行」：给它一个 URL 或文件，它在隐藏的无头 web view 中执行，把 console.log() 输出到标准输出、异常输出到标准错误；由于调用系统浏览器（macOS 的 WKWebView、Linux 的 WebKitGTK、Windows 的 WebView2），它无需自带浏览器引擎。Willison 表示这让他想起自己的 shot-scraper javascript 工具，只是 webframe 体积更小且不依赖 Playwright。评估结论是：webframe 是一个快速、轻量的浏览器 JavaScript 运行器，适合用于抓取，性能与 shot-scraper 相当，但存在若干明显粗糙之处，包括 CSP 失败、0×0 视口、加载挂起、缺失 HTTP 元数据以及浏览器控制能力有限。文中还附上了他给模型使用的提示词。

观点

⭐⭐ [观点] The five components of building a "company harness"

LangChain 回顾其为市场、销售和工程团队构建内部 agent 的经验，并总结出构建「company harness」的五个核心构件：在人们已有的工作场所（Slack）中使用；知道提问者身份，并按需以用户身份或固定身份行动；具备全局和/或用户级记忆；代码在沙箱中运行，并可向需要鉴权的服务发请求；较大比例的运行由定时调度而非人工显式触发。文章介绍了三个内部 agent：面向 GTM 的 GTM Agent、工程 agent OpenSWE 和营销 agent Content Studio，并称它们采用相同的构建方式。它们各有 Slack 应用，可被私信或在频道中 @，还支持把对话「拆出」到独立线程，以免干扰人类讨论；对于邮件积压等不适合在 Slack 处理的体验，团队另建了自定义 UI。身份方面，文章区分 on-behalf-of 与固定凭据两种方式，并分别说明 OpenSWE、GTM Agent 和 Content Studio 在哪些工具上以调用者身份、哪些以自身或固定身份行动。文章还提到所有 agent 都具备全局和/或用户级作用域的记忆。

其他

⭐⭐ [其他] Coding From the Himalayas With an Offline AI Agent

作者是 Thomson Reuters 的首席工程师，现居喜马拉雅山麓，经常遇到断网和断电，于是尝试在笔记本上完全离线运行编码智能体。方案是用 OpenCode 作为终端里的编码智能体（能读取文件、提议修改、运行测试套件，并在放行命令和改动前弹出权限确认），由 Ollama 在同一台笔记本上运行 Qwen3.5 9B；先下载好全部内容，再断网执行任务。可离线完成的是已在本地的项目工作：解释不熟悉的函数、排查失败的测试、重构小段代码、协助完成某个功能；下载新包或上网检索仍需联网。文中引用 Qwen 模型卡公布的分数：LiveCodeBench v6 上 Qwen3.5 4B 为 55.8、Qwen3.5 9B 为 65.6，gpt-oss-20b 为 74.6；BFCL-V4 上 4B 为 50.3、9B 为 66.1，gpt-oss-20b 未报告。下载体积方面，4B 约 3.3–4.0 GB，9B 约 6.6–7.6 GB。