TLDR AI

Ultrafast is rolling out today for GPT-6.1 Sol in the API, Codex, and ChatGPT Work (2 minute read)

OpenAI 今日起在 API、Codex 和 ChatGPT Work 中上线 GPT-6.1 Sol 的 Ultrafast 模式，速度最高达 Sol Standard 的 8 倍，API 定价为每百万输入 token 12 美元、每百万输出 token 60 美元。同时发布开源的多供应商 LLM 接口规范 Open Responses，并推出更省成本的 GPT-5-Codex-Mini 及一系列 Codex 用量与速率限制调整。

OpenAI 于 2026 年 10 月 10 日宣布，在 API、Codex 和 ChatGPT Work 中正式上线 GPT-6.1 Sol 的 Ultrafast 模式，速度最高可达 Sol Standard 的 8 倍，API 定价为每百万输入 token 12 美元、每百万输出 token 60 美元，面向调试故障、智能体操作应用和实时体验等场景。该模式在 Codex 和 ChatGPT Work 中面向 Pro 500、符合条件的企业版（按用量计费）和基于额度的教育版开放，企业管理员需手动启用，并在美国与欧盟提供数据驻留支持。OpenAI 同时发布基于原始 Responses API 构建的开源多供应商互操作规范 Open Responses，并推出 GPT-5-Codex-Mini，其用量约为 GPT-5-Codex 的 4 倍但能力略有取舍，同时为 Plus、Business、Edu 提升 50% 速率限制，为 Pro 和 Enterprise 提供优先处理。

Gemini Agent (18 minute read)

在 Gemini at Work 2026 大会上，Google Cloud CEO Thomas Kurian 宣布推出统一的 Gemini agent，可在单一提示框中完成问答、知识工作、图像媒体生成与代码编写运行，并原生内嵌于 Gmail、Drive、Docs 等 Workspace 应用。

2026 年 Google Cloud CEO Thomas Kurian 在 Gemini at Work 2026 主题演讲中发布 Gemini agent，定位为面向工作的单一通用智能体，统一处理问答、知识工作、内容创作和编码，并直接内嵌于 Gmail、Drive、Docs、Slides、Sheets、Chat 和 Calendar。该产品宣称可自主规划任务、调用技能与工具、连接企业系统、自动选择最佳模型，并提供多模型编排、Smart Routing、实时支出上限等成本控制，以及身份策略管理、授权控制、安全沙箱和网络网关等治理能力。Google Cloud 同时公布新增数据分析技能、面向金融服务与法律行业的专门化工具，以及客户使用案例。

Former Cognition, Ramp Staffers Want AI Agents Running Businesses (2 minute read)

来自 Ramp、Cognition 等 AI 公司的一批前员工创立新公司 Hone，宣布完成 6000 万美元种子轮融资，估值 2.85 亿美元，由 Benchmark 和 Index Ventures 领投，目标是开发能像专业人员一样长期自主完成业务的 AI 智能体。

2026 年 10 月，一批来自 Ramp、Cognition AI 等快速成长的 AI 公司的前员工成立新公司 Hone，并于周四宣布完成 6000 万美元种子轮融资，由 Benchmark 和 Index Ventures 领投，公司估值达 2.85 亿美元。Hone 由前 Cognition 幕僚长 Moritz Stephan 担任 CEO，计划开发充当专业员工的 AI 智能体，能够承接持续数周甚至数月的长期任务，其技术理念是让 AI“拥有结果”并自主、主动地完成工作。Index 合伙人 Shardul Shah 与 Benchmark 合伙人 Peter Fenton 均将加入 Hone 董事会。公司成立仅五个月，目前正研究安全护栏，以防范其智能体可能引发的网络安全事件。

ATLAS: Evaluating Agents on Search-Intensive Tasks (13 minute read)

Exa 发布并预览新基准 ATLAS，用于评估智能体在重度依赖网络搜索的真实研究任务中的准确性与完整性。ATLAS 包含 547 个深度与广度研究任务，任务由匿名搜索需求聚类出的种子话题自动生成，并配有经多模型委员会验证的黄金答案。

Exa 于官方博客预览了新基准 ATLAS（Agentic Tasks for Large Aggregation + Search），该基准包含 547 个深度与广度研究任务，用于评估智能体在重度使用网络搜索的真实工作流中的准确性与完整性。任务从匿名搜索需求聚类得到的种子话题生成，每个任务要求系统找出所有满足精确条件的实体，并用 2 到 10 个多跳属性对其进行扩充。ATLAS 采用自动化流水线，由前沿模型与搜索提供商组成的委员会生成并交叉验证黄金答案，每个任务中位耗费 8 个智能体小时和 1200 次搜索。Exa 的运行结果显示：单任务成本低于 1 美元的搜索智能体行级 F1 均未超过 0.5，即使最昂贵的搜索智能体也遗漏约三分之一的黄金结果。

Product Manager, Applied AI at TLDR ($225k base + $60k bonus, Fully Remote)

TLDR 公司为其 Applied AI 团队招募首位专职产品经理，负责将公司内部人机协作流程改造为可靠的 AI 智能体，构建 agent-first 运营层。岗位为全美加远程，基本薪资 18 万至 22.5 万美元，另有 2 万至 6 万美元年度绩效奖金。

TLDR（拥有超 800 万订阅者的科技新闻邮件网络）发布招聘启事，为其 Applied AI 团队招募首位专职产品经理。该岗位职责是构建公司内部运行的 agent-first 运营层，包括内部平台、技能、托管智能体与命令中心，并将人类参与的流程重新实现为可靠到可充当同事的智能体，同时与工程师协作推进软件工厂让规格自动部署。岗位要求 3 年以上产品经理经验，以及亲手构建过 LLM 或智能体产品的实战经历。薪酬为基本薪资 18 万至 22.5 万美元加 2 万至 6 万美元年度绩效奖金，工作地点为全美加 100% 远程。TLDR 披露其自力更生、已盈利，2024 年营收 900 万美元、2025 年 2000 万美元，预计今年达 3500 万美元。

Quicksand (GitHub Repo)

微软开源 Quicksand：一个异步 Python API，用于启动、控制和快照 QEMU 虚拟机，重点面向 AI Agent 沙箱。它提供 Ubuntu/Alpine 预构建镜像，跨 x86_64 与 ARM64 平台，无需 root 权限或 Docker 即可运行。

微软在 GitHub 上发布了 Quicksand 项目，这是一个基于 QEMU 的异步 Python API，用于启动、控制和快照虚拟机，并专门面向 AI Agent 的沙箱隔离场景。它提供 Ubuntu 24.04 与 Alpine 3.23 的预构建 Linux 镜像（含桌面版与 Agent/CUA 叠加镜像），支持 macOS、Linux、Windows 上的 x86_64 与 ARM64 架构，且运行沙箱无需 root 权限或 Docker。核心能力包括：启动时可挂载宿主目录或运行时动态挂载、默认网络隔离并可按需开启完全联网与端口转发、在同一虚拟机内为多个 Agent 创建独立 Linux 用户、将磁盘状态保存为目录以便跨机复用、以及检查点与回滚。用户可通过 pip 安装 quick-sandbox 并搭配 qemu、alpine 等 extras 使用。

GPT-6 and Intelligent UI for everyone (7 minute read)

OpenAI 发布 GPT-6 及面向所有人的 Intelligent UI。官方示例中，GPT-6 Instant 在回答“周日烤羊腿计划”时不仅给出菜单与分步骤流程，还能生成可交互界面，让用户按人数实时计算食材用量。

OpenAI 在其官网发布 GPT-6 以及名为 Intelligent UI 的新能力，并面向所有用户开放。文章以“为朋友聚会规划周日烤羊腿”为示例，对比了传统 ChatGPT 回复与 GPT-6 Instant 回复：前者以纯文本给出菜单、购物数量表和分时段烹饪安排；后者在此基础上生成可交互界面，内嵌可按人数（示例为 5 人）调整并实时计算食材用量的购物清单。该页面为官方产品演示，突出从静态文本到动态可交互 UI 的形态转变。

Introducing Claude Haiku 5.5 (5 minute read)

Anthropic 发布 Claude Haiku 5.5，号称迄今最便宜、最快、能力最强的小型模型，运行成本较 Haiku 4.5 平均降低约 75%，并首次在 Haiku 系列引入可调节努力度设置。同期 Anthropic 将 Claude Sonnet 5.5 的缓存读取价格减半，并向 Claude Max 与 Team 订阅用户推出每月 API 额度。

Anthropic 于 2026 年 10 月发布 Claude Haiku 5.5 小型模型，定位高频、成本敏感任务，可作为 Opus 5.5 与 Sonnet 5.5 在编程场景中的子代理，运行成本较 Haiku 4.5 平均降低约 75%，并成为首个带可调节努力度设置的 Haiku 级模型。该模型在 GDPval-AA v2.1、OSWorld 2.1、Terminal-Bench 4.0 等基准上大幅超越 Haiku 4.5。Anthropic 同时将 Sonnet 5.5 的缓存读取价格减半，使其在多数代理任务上成本下降约 20%，并为 Claude Max 和 Team 订阅用户新增每月 API 额度。模型已在 AWS、Google Cloud 和 Microsoft Azure 全平台上线。

Grok Bot will use Claude Opus 5.5, Midjourney, and Suno, says Musk (2 minute read)

马斯克在 X 上宣布，SpaceX 旗下的 Grok Bot 将不再只运行自研模型，而是按任务调用外部最优后端模型，包括 Anthropic 的 Claude Opus 5.5、Midjourney 和 Suno。Grok Bot 是 SpaceXAI 于 8 月推出的 AI 智能体应用，每条 Bot 拥有独立电脑并可并行执行多项任务。

马斯克于周三在 X 上发帖称，SpaceX 未来将针对每项任务选用最合适的后端模型，包括 Anthropic 的 Claude Opus 5.5、Midjourney、Suno 及其他领先 API，以追求最佳结果；他未说明具体任务与外部模型的对应关系。Grok Bot 是马斯克并入 SpaceX 的 AI 业务 SpaceXAI 推出的 AI 智能体应用，于 8 月上线，每条 Bot 在独立电脑上运行并可并行处理多项任务。此次调整发生在用户报告 Grok 移动端与网页服务访问异常的一天之后，SpaceXAI 未给出官方原因，而马斯克同日表示 SpaceXAI 将更名为 SpaceXSI。Anthropic 曾在 9 月发布更便宜的 Opus 模型，时间点早于其计划中的上市，xAI 则自 9 月下旬起允许团队发布可在应用或 Slack 中共享使用的 Bot。

Open d1: Edge decision models for text, vision, and audio (6 minute read)

Liquid AI 发布 d1 决策模型家族的两个开源权重模型 d1-3B 与 d1-omni-600M。d1-3B 在 Decision Index v0.2.1 上得 48.57 分，超越所有 10B 以下模型，并可在 NVIDIA 边缘硬件上实现毫秒级推理。

Liquid AI 于官方博客发布 d1 决策模型家族的两个开源权重模型 d1-3B 与 d1-omni-600M。d1-3B 在 Decision Index v0.2.1 公开集上得分 48.57，领先所有 10B 以下模型，并与参数量为其 12 倍的 Decider 35B-A3B 持平；它支持从数据中心 DGX 到边缘 Jetson 的完整 NVIDIA 栈，在 RTX 4090 上单问耗时 8 毫秒。d1-omni-600M 是首个实验性检查点，支持文本加图像、文本加音频输入，在同一指数上得分 15.95。两个模型当天已在 Hugging Face 上线，并提供本地运行文档与 llama.cpp 首日支持。

Introducing OpenDocRouter: every document model under one API (5 minute read)

LlamaIndex 推出 OpenDocRouter，一个统一的文档转 Markdown 解析平台，通过单一 API 接入 Claude、Gemini、GPT 等前沿模型以及 MinerU2.5-Pro、PaddleOCR-VL 等开源 OCR 模型，每款模型都配有经过 ParseBench 评测校准的版本化配方。

LlamaIndex 于 2026 年发布 OpenDocRouter，一个面向文档转 Markdown 的解析平台，通过统一 API 提供最新开源与前沿模型的调用能力。该 API 接受 PDF、PNG、JPEG 或其 URL，支持同步（最多 50 页）与异步（最多 500 页、50MB）两种响应模式，并内置接地引擎可为任意模型输出统一的布局类别与带坐标的边界框。平台通过 ParseBench 对每款模型进行质量与成本评测，采用纯按 token 计费模式，新账户赠送 5 美元额度。LlamaIndex 将其定位为快速托管最新模型的平台，而将 LlamaParse 定位为带企业管控与自托管能力的托管式文档平台。

Mistral Large 4 (9 minute read)

Mistral 发布 Mistral Large 4（代号 le Chonk）公开预览版，这是一个 1 万亿参数、520 亿激活参数的本地原生多模态模型，权重将于本月底开放。该模型在 Mistral 位于欧洲的自有数据中心用 3800 块 NVIDIA Grace Blackwell GPU 从零训练，官方称其在网络安全、金融、法律等企业场景达到开源模型中的最优水平。

Mistral AI 于今日推出 Mistral Large 4（内部代号 le Chonk，简称 ML4）的公开预览版，用户可通过 Mistral Studio 试用预览 API，模型权重计划于本月底发布。ML4 参数规模为 1 万亿、激活参数 520 亿，为原生多模态模型，是 Mistral 迄今最大、能力最强的模型。该模型在 Mistral 位于欧洲的自有数据中心、使用 3800 块 NVIDIA Grace Blackwell GPU 从零训练，训练数据涵盖 160 多种语言，并复用通过 Mistral Forge 向客户提供的训练、定制与强化学习环境。在权重发布前，Mistral 正与网络安全机构、受审合作伙伴及国家主管部门进行真实场景红队测试。官方称其在 Artificial Analysis Cyber Index 上位列全球前五、在漏洞复现与修复测试中得分 82%、在 Cybench 的 40 项安全挑战中解决 93%。

Nano Banana 2.1 (5 minute read)

Google DeepMind 发布 Nano Banana 2.1 模型卡，介绍其基于 Gemini 真实世界知识进行高精度图像生成与编辑的能力、适用场景，并列出文字渲染、角色一致性、空间定位等已知局限。

Google DeepMind 发布 Nano Banana 2.1 模型卡，说明该模型可利用 Gemini 的真实世界知识完成复杂信息图表与历史准确场景等图像任务，适用于需要专业精度与控制力的多轮快速迭代、海报清晰文字生成、长上下文世界知识以及多语言本地化文本渲染。模型卡同时列出已知局限，包括幻觉、偶发变慢或超时、小字号文字渲染模糊、输入与输出图像间角色一致性不稳定、遮罩/涂鸦编辑中指令遵循不完整与墨迹残留、罕见的姿态保持、左右空间定位混淆，以及在世界知识、3D 推理和事实性上的不足。文中还说明 Gemini 3.6 Flash 的知识截止日期为 2026 年 3 月，部分领域信息可更新，另一些领域仅覆盖至 2025 年 1 月。

Sharing AI progress in mathematics (2 minute read)

Decisions API is now available in Public Beta (1 minute read)

OpenAI 在 DevDay 后开放 Decisions API 公测。用户在论坛反馈的早期测试显示，Jev 在判断类问题上比 Luna 更准、更快（中位每轮 0.3 秒对 1.6 秒）且更便宜，Luna 成本约为其 2-3 倍；两者均按每次调用不足一美分计费。

OpenAI 宣布 Decisions API 进入公开测试（Public Beta），该 API 在 DevDay 上被提及。有用户在 OpenAI 社区论坛发布早期测试，对比了 Jev 与 Luna 两款模型：在数百道文字游戏与一款对话游戏题目上，Jev 在细微判断类问题上更准确，速度更快（多轮对话中位每轮约 0.3 秒对 Luna 的 1.6 秒），且成本约为 Luna 的 1/2 至 1/3，Luna 相同问题成本是其 2-3 倍。用户指出 Decisions API 当前不提供缓存，gpt-6-luna 输入定价为每百万 token 0.10 美元且仅对输入 token 计费，无缓存读写与输出 token 费用。另有用户测试发现 predicate 格式与 choice 格式结果差异显著：在 70% 正面偏置的硬币实验中，predicate 得到 70% 正面，而 choice 得到 98%，且 choice 顺序会改变概率。用户强调该结论仅基于数百题，应视为早期信号而非通用基准。

EmbeddingGemma 2 (5 minute read)

Google 发布 EmbeddingGemma 2，一款基于 Gemma 4 架构、Apache 2.0 许可的 7.4 亿参数开源多模态嵌入模型，首次将代码、图像、视频和音频统一到同一嵌入空间。它采用模块化设计（纯文本低至 2.7 亿参数），支持端侧推理，并已在 Hugging Face 和 Kaggle 开放权重下载。

Google 于 2026 年发布 EmbeddingGemma 2，这是其继 EmbeddingGemma 之后推出的新一代开源轻量多模态嵌入模型，采用 Apache 2.0 商业许可，参数量 740M，构建于 Gemma 4 架构之上并沿用 Gemini Embedding 技术。该模型将文本、代码、图像、视频和音频统一映射到共享嵌入空间，采用模块化设计，纯文本最低仅需 270M 参数并可选配 170M 视觉编码器和 300M 音频编码器；借助 Matryoshka Representation Learning（MRL）可将输出向量从 768 维动态截断至 128 维，实现最高 6 倍存储压缩。模型具备 8K token 上下文窗口，在 Pixel 11 Pro 上量化后纯文本权重活跃内存约 191MB、完整多模态模型约 567MB。官方称其在 MTEB Code 上代码性能从 68.76 提升至 78.68（+9.92 分）。模型权重已上线 Hugging Face 和 Kaggle，并集成 transformers、vLLM、llama.cpp、Ollama 等工具链。

OpenAI to Add Text Watermarks (7 minute read)

TLDR AI 每日头条

Instinct in group chats (1 minute read)

TLDR AI 每日头条

OpenAI in $30 Billion Round Talks With UAE Funds, BlackRock (3 minute read)

TLDR AI 每日头条

Framefields (GitHub Repo)

AI 工程与研究