每日 AI 日报
开发生态
OpenAI 正在 API、Codex 和 ChatGPT Work 上线 GPT-6.1 Sol 的 Ultrafast 模式；官方称速度最高为 Sol Standard 的 8 倍，API 每百万输入和输出 token 分别收费 12 美元和 60 美元。
OpenAI 为 GPT-6.1 Sol 推出的 Ultrafast 模式正在 API、Codex 和 ChatGPT Work 上线，已覆盖所有支持区域，并支持美国和欧盟数据驻留。API 向所有用户开放，每百万输入 token 的价格为 12 美元，每百万输出 token 为 60 美元。Codex 和 ChatGPT Work 的开放范围包括 Pro 500，以及符合条件的按量付费 Enterprise、配额计费 Edu 订阅方案，其中 Enterprise 需要管理员开启权限。官方表示，Ultrafast 的速度最高可达 Sol Standard 的 8 倍，智能水平接近 Astra。
开发生态
OpenAI 正在为 ChatGPT 桌面应用中的 Codex 更新 steering，让任务执行期间的追加指令更快得到响应。用户可选择用追加消息调整当前任务，或将消息留到下一次运行时处理。
OpenAI 正在 ChatGPT 桌面应用中推出响应更快的 Codex steering，支持用户在任务运行期间发送消息来调整执行过程。追加消息的处理方式可在 Settings → General → Follow-up behavior 中设置：引导当前运行，或等到下一次运行。用户可借此纠正 Codex 的做法、补充缺失信息或改变任务方向。OpenAI Codex 团队成员 Tibo 表示，改进后的 steering 可即时生效，模型能更快响应调整，在执行过程中纠正方向，避免浪费精力。
开发生态
阶跃星辰宣布 Step 5 Preview 上线 OpenRouter，OpenCode、Cline、NousResearch、KiloCode 等平台自宣布当天起陆续开放一周免费访问，并同步提供模型资料与 API 文档。
阶跃星辰 StepFun 宣布，Step 5 Preview 已上线 OpenRouter，OpenCode、Cline、NousResearch、KiloCode 等平台从宣布当天起陆续开放为期一周的免费访问。配套发布的资料包括模型概览、基准测试、演示、技术规格与 API 文档，用户可在现有工作流中直接切换至该模型。官方表示，该模型面向 agentic 与专业工作提供旗舰级智能，任务成本显著更低；原文未给出具体成本数字或降幅。
开发生态
Vercel 在 AI Gateway 上提供匿名期免费使用的 Glyph Cluster，面向已购买 Gateway credits 的 Pro 和 Enterprise 团队。该模型支持编程推理，但不提供 ZDR，输入与回复可能用于训练。
Vercel 已在 AI Gateway 上线处于 stealth 阶段的 Glyph Cluster，已购买 AI Gateway credits 的 Pro 和 Enterprise 团队可在该阶段免费使用。调用时的模型名为 stealth/glyph-cluster，可通过 AI SDK、兼容 OpenAI 的 Chat Completions 和 Responses APIs 接入，也可在连接 AI Gateway 的 coding Agent 中选择。Claude Code、Codex、Cursor 等工具的接入流程是安装最新版 Vercel CLI，运行 setup，再在 Agent 中选择该模型。
官方表示，Glyph Cluster 是面向编程和长上下文分析的 reasoning model，可处理规划、综合、定量推理和跨大规模输入的材料比较，也可审查代码、解释故障、调试问题、提出修改及分析实现方案。模型支持 function calling 和流式响应，但只接受文本，不接受图像或文件；工具使用仅限用户定义的 function tools，不支持 structured outputs。该模型不提供 ZDR，经其发送的 prompts 和 responses 可能用于训练和模型改进。用户也可在 model playground 中试用。
产品应用
Claude 宣布推出 Dashboards 和 Motion 两项测试功能，分别面向付费套餐及 Team、Enterprise 开放；Docs、Slides 和 Design 同时结束测试，覆盖包括 Free 在内的所有套餐。
Claude 在本次公告发布时开放 Dashboards 和 Motion 的 beta，并将 Docs、Slides 和 Design 转为正式功能。Dashboards 适用于付费套餐，Motion 适用于 Team 和 Enterprise，另外三项功能覆盖所有套餐，包括 Free。官方表示，用户在 Claude 中创建的文档、演示文稿和设计已超过 4500 万份。Enterprise 的 Dashboards 和 Motion 默认关闭，管理员可在 Organization settings > Artifacts 中启用。
据官方说明，Dashboards 可连接 BigQuery、Databricks、Snowflake 等数据平台及 Salesforce，按自然语言问题生成仪表盘，并随数据变化更新；用户可查看查询和图表上次刷新时间，也可将仪表盘发送至 Amplitude、Grafana、Hex 等工具继续分析。Motion 则通过代码为文字、图表、形状和图片制作动画，支持在编辑器中修改或要求 Claude 调整，并导出 MP4。官方表示，Motion 不使用 video generation model，不生成视频素材或 AI 人物，作品还可在 Adobe、Descript、Runway 等工具中继续处理。
产品应用
Google Cloud 在 Gemini at Work 2026 发布统一工作 Agent Gemini，将问答、内容生成与代码执行整合进单一 API；官方称近 80% 的 Google Cloud 客户已使用其 AI 产品。
Google Cloud 在 Gemini at Work 2026 宣布推出面向工作的统一 Agent Gemini，原文未披露具体上线日期。官方表示，用户可通过单一界面和单一 API 交付任务目标，由 Gemini 规划工作、调用工具并连接企业系统，完成问答、知识工作、图像与媒体生成，以及代码编写和运行。它还可直接在 Gmail、Drive、Docs、Slides、Sheets、Chat 和 Calendar 中工作，沿用相同的记忆、技能与控制设置。
据其说明，Gemini 在云端持续执行任务，跨设备与渠道保留记忆和上下文，用户关闭电脑后，耗时数小时或数天的工作仍可继续。它可创建具有独立身份的临时 sub-agents，协调并行或顺序执行的流程；底层模型与 Agent 分离，目前可调度 Gemini 系列模型和 Anthropic 的 Claude 模型。官方同时公布身份与权限管理、安全 sandboxing、network gateways，以及 Smart Routing 和实时支出上限等治理与成本控制机制，并称近 90% 的 Fortune 100 企业使用 Gemini Enterprise。
产品应用
腾讯 WorkBuddy 已上线独立文件浏览器，可在同一窗口用标签页查看、编辑多个本地文件，并通过右侧 AI 对话栏处理内容。官方表示，本地查看和编辑不消耗积分，AI 处理则按任务复杂度计费。
腾讯 WorkBuddy 已上线独立文件浏览器，用户可通过系统双击文件或右键菜单中的打开方式进入文件窗口。同一窗口支持多个文件，每个文件对应一个标签；从本地双击打开的文件会加入当前激活的文件窗口，关闭最后一个标签会关闭整个窗口。暂不支持的文件类型不会显示 WorkBuddy 打开入口。文件打开后可直接查看和编辑，顶部工具栏随文件类型提供不同功能；关闭有未保存改动的标签或窗口时，系统会提示保存或不保存。
窗口右侧的 AI 对话栏默认收起，可通过右上角按钮展开，使用 AI 编辑也会自动展开。用户可让 AI 总结、改写、润色或补充当前文件，也可选中正文内容后引用提问，让修改结果写入文档。据官方说明，浏览器只读取用户主动打开的文件，不遍历或扫描磁盘；本地查看和编辑不消耗积分，AI 处理按实际任务复杂度消耗积分。文件内容仅用于本次任务，除用户主动分享或上传至第三方储存外，不会共享给第三方。
模型发布
JetBrains 开源面向编程 Agent 的 Mellum2.1，模型总参数为 12B、激活参数为 2.5B，采用 Apache 2.0 许可。官方表示，此次更新主要通过强化学习提升仓库内的代码操作能力。
JetBrains 已在 Hugging Face 发布 Mellum2.1，原文未注明具体发布日期。该模型延续 Mellum2 的 mixture-of-experts 架构，总参数为 12B，激活参数为 2.5B，以 Apache 2.0 许可开源，面向在自有硬件上运行的编程 Agent 和 sub-agents。本次更新集中于 post-training，主要采用强化学习；官方表示，训练覆盖数千个真实环境中的数百万次 sandbox 运行，使模型能够探索代码库、编辑文件并检查修改。JetBrains 在同一评测设置下将其与 Mellum2、Qwen3.5-9B 和 Gemma 4 E4B 比较，据其说明，agentic coding 是相较 Mellum2 提升最多的领域；高负载下，吞吐量接近 Qwen3.5-9B 的两倍，单请求使用 MTP 后速度约为原来的 1.6 倍。用于 llama.cpp、Ollama 和 LM Studio 的 GGUF 构建，以及用于 vLLM speculative decoding 的 MTP head 尚待发布。
模型发布
Hugging Face 发布基因注释模型 Carbon-A 及配套数据库，官方称已在 22,617 个物种中发现 5.66 亿个新基因候选。模型、训练数据和技术报告一并开放，部分预测已开展实验验证。
Hugging Face 发布 Carbon Annotation Database 和基因注释模型 Carbon-Annotator（Carbon-A），原文未注明具体发布日期。官方表示，该模型在 22,617 个物种中发现了 5.66 亿个新基因候选，其中数千个物种此前未被研究。数据库、模型、训练数据和技术报告可在 HuggingFaceBio 的 Carbon Annotation Database Collection 中获取。团队与 ActiveSite、UCSD 合作，对部分新预测基因开展了实验验证。
Carbon-A 拥有 12 亿个参数，以 RefSeq 注释训练，直接从 DNA 预测蛋白质编码区域。模型使用 98,304 个碱基对的上下文窗口，对两条链输出核苷酸级预测，并以同一模型覆盖哺乳动物、其他脊椎动物、无脊椎动物、植物、真菌和原生生物。据官方报告，在 42 个基准基因组上，其宏平均核苷酸 F1 为 0.944，在核苷酸、exon 和基因层面的表现均超过所评估的基线；在采用非标准遗传密码的 Tetrahymena thermophila 上，核苷酸 F1 为 0.960。
模型发布
LightOnAI 开源 LightOnOCR-3，将复杂文档转换为应用可直接使用的结构化内容。官方表示，这一系列模型除文字转录外，还支持版面元素定位、图像描述及图表数据提取；此前 LightOnOCR 在 Hugging Face 的下载量超过 450 万次。
LightOnAI 开源了端到端 OCR 模型系列 LightOnOCR-3，用于将复杂文档转换为应用可直接使用的结构化内容，原文未注明发布日期。据官方说明，该系列不只进行文字转录，还能识别并定位版面元素、生成图像描述，以及从图表和科学图示中提取数据。LightOnOCR-3 基于此前的 LightOnOCR 发展而来，后者在 Hugging Face 的下载量已超过 450 万次；这一下载数字指的是 LightOnOCR，而非新发布的 LightOnOCR-3。
模型发布
Odyssey 发布世界模型 Odyssey-3 并开放研究预览；官方称，Pro 在 Physics-IQ Verified 的 video-to-video 测试中取得最高已报告分数 66.1，模型还可用于环境模拟和训练控制策略。
Odyssey 已发布世界模型 Odyssey-3，研究预览现已开放。该模型采用 autoregressive diffusion transformer，根据此前的观察和最新输入，预测物体运动、相互作用及场景随时间的变化。开发者可从 prompt 生成环境，在生成过程中移动或引入事件，观察模型如何响应；预览支持第一人称、第三人称导航及独立摄像机移动。据官方说明，Odyssey-3 Pro 在 Physics-IQ Verified 的 video-to-video 测试中取得最高已报告分数 66.1，在 image-to-video 测试中得分 54.7。该测试通过真实物理实验视频评估模型预测，覆盖流体动力学、光学、固体力学、磁学和热力学。
在官方使用 WorldMark 自带 captions、取其 13 项指标分数均值的评估中，Odyssey-3 在 4 个类别中的第一人称风格化、第三人称真实和第三人称风格化环境中排名第 1。官方同时说明，将模型用于具体物理系统仍需评估机器及任务所需的行为。适配方式包括用成对的观察与动作训练 action decoder 或 policy。官方称，模型仅用数十小时机器人演示即可完成操作任务，并出现演示中未包含的抓取失败后调整夹爪、拾回异常位置掉落物体等恢复行为。在印度真实道路的驾驶适配中，团队冻结 Odyssey-3 backbone，仅用 20 小时驾驶数据训练 policy，通过预测车辆前方的 waypoints 实现闭环驾驶。
模型发布
Grok Imagine 已通过 API 推出 Video 1.5 Lite，支持文本生成视频和图像生成视频。该模型按分辨率、按秒计费，480p、720p 和 1080p 的每秒价格分别为 0.02、0.03 和 0.14 美元。
Grok Imagine 宣布，视频生成模型 Video 1.5 Lite 已在 Grok Imagine API 上线，提供文本生成视频和图像生成视频两种功能。其收费标准按视频分辨率区分，并以秒为计费单位：480p 每秒 0.02 美元，720p 每秒 0.03 美元，1080p 每秒 0.14 美元。原文未提供具体上线日期，也未列出这三种分辨率之外的价格。
技术与洞察
技术与洞察
技术与洞察
技术与洞察
技术与洞察
行业动态
行业动态
行业动态
行业动态
行业动态
行业动态
行业动态
行业动态
行业动态
行业动态
行业动态
前瞻与传闻
前瞻与传闻
