本周，AI开始上夜班了。
它不再等人打开对话框才动工。一批新产品把智能体变成了全天候在线的“数字同事”：它们有自己的云端电脑、工作记忆、应用连接和任务队列，可以在人离开屏幕后继续推进工作。与此同时，模型公司把价格战从“每百万 token 多少钱”推向“完成一件事到底要花多少钱”。快、便宜、可控和能够持续执行，开始被放在同一张账单上比较。
一、智能体常驻：从“回答问题”变成“持有职责”
OpenAI 在 DevDay 2026 推出 Dot。它由 GPT‑6 Astra 驱动，拥有独立云端电脑，可连接 4000 多款应用，通过 ChatGPT、Slack、Teams 等渠道与人协作。用户可以一边继续提交新任务，一边让 Dot 在后台推进多个项目。它能监看客户反馈、准备修复、更新发布材料，也能在研究数据变化时重新运行分析并修改图表。
xAI 的 Team Bots 则把类似能力放进团队。一个共享机器人可以获得文件、应用、凭据、技能与记忆，连接 Notion、GitHub、Linear、Datadog 等系统，在 Slack 中跟进项目、拆解问题、创建工单，再调度其他代理执行任务。它的价值不在一次聊天有多惊艳，而在能否持续记住团队的规则和历史决策。
洞察与点评： 智能体的产品单位正在变化。以前卖的是“一次推理”，现在卖的是“一段可连续履行的职责”。这会重新定义计费、权限和责任边界：一个同事可以下班，一个持续在线的智能体却必须始终有人知道它正在做什么。
二、GPT‑6.1 Sol：前沿能力开始对准预算表
OpenAI 的 GPT‑6.1 Sol 针对智能体编程、计算机使用和专业知识工作做了升级。官方给出的定位很直接：性能接近 GPT‑6 Astra，标准输入和输出价格只有 Astra 的五分之一。API 价格为每百万输入 token 2 美元、输出 token 10 美元，缓存输入为 0.10 美元。
这个价格结构是给长时间任务准备的。智能体需要反复读取项目文档、工具输出和前几轮行动记录，缓存成本很快就会决定整条工作流的经济性。官方评测显示，GPT‑6.1 Sol 在软件工程、复杂 PDF 问答、业务流程、计算机操作和科学任务上，以更低成本缩小了与 Astra 的差距。
洞察与点评： 企业选模型时，单看榜单和 token 单价已经不够。更实用的指标是“每个完成任务的总成本”：包括工具调用、上下文复用、重试、人工接管和失败后恢复。价格战没有结束，只是从单次调用转移到了整条任务链。
三、Sonnet 5.5：“足够强”正在挤压旗舰模型的使用空间
Anthropic 推出 Claude Sonnet 5.5，称其相比 Sonnet 5 输出速度提高 30% 以上，典型工作的单任务成本最多降低 30%。模型的标称 token 价格并未下调，降本主要来自用更少步骤和更少输出完成同样工作。它面向范围明确的日常任务，包括修复程序错误，以及制作文档、幻灯片和电子表格。
这类模型的重要性很容易被旗舰发布会掩盖。真实工作中，大多数任务并不需要每次调用最强模型。如果一个中档模型能在更少步骤里达到验收标准，它就会拿走大量生产流量，把旗舰模型留给真正需要长程判断的任务。
重要警示： 本周各厂商公布的基准成绩大多来自自己的测试条件。实际应用要用本组织的文档、工具、权限和验收标准复测，否则“快 30%”很可能只快在可控的实验环境里。
四、Gemini 4 Argon：专业工作与网络安全被捆在一起
Google 公布 Gemini 4 Argon，将其定位为面向软件工程、金融、法律和网络防御的前沿模型。它的输出上限扩大到 100 万 token，用于支持长轨迹推理和大规模代码任务。Google 称，Argon 已用于内部代码迁移、数据中心内存优化和量子算法调优。
更值得注意的是发布方式。这个模型尚未直接面向所有人开放，而是先通过 Fairwind 计划向受信任的网络防御者提供。官方把误用防护、间接提示注入、失配监测和沙盒加固列为扩大发布前的四个重点。
洞察与点评： 前沿模型的“发布”开始不再是一个时刻，而是一段分层开放的过程。先给红队和专业防御者，再给付费开发者，最后进入大众产品。当模型能自动发现并修补漏洞时，如何分配早期访问权，本身就是产品的一部分。
五、小型决策模型：并非每个节点都需要大语言模型
Strands Decider 2B 是本周一个很有代表性的小模型。它只有 20 亿参数，不负责写长文或代码，而是从给定选项中做判断、评分并给出置信度。官方测试中，它可在常见本地硬件上以百毫秒量级完成决策，同时公开了权重、训练数据和脚本。
这类模型适合放在智能体工作流里做路由、工具选择、权限分类、记忆取舍和风险拦截。复杂问题交给大模型，大量简单判断交给小型决策模型，可以降低延迟和费用。
洞察与点评： 智能体的效率突破未必来自更大的模型，也可能来自更合理的分工。一个优秀系统不会让最贵的模型判断每一次“是或否”。
六、开发者工具可编程：能力边界与安全边界同时外移
Claude Code 推出 Mods，允许开发者用小型 TypeScript 函数改变编程智能体的行为。Mod 可在提示到达模型前重写内容，可拦截、修改或重试工具调用，也能批准或拒绝权限请求，以及在工具输出进入模型前删除密钥等敏感信息。
它让开发者可以替换内置功能、添加界面、嵌入生产防护和审计日志。这很强，也很危险。官方特别提醒，Mods 与 Claude Code 拥有相同的本机访问能力，并不运行在独立沙盒中，用户应像安装普通软件一样审查来源。
重要警示： “会写插件的 AI”会让定制速度飙升，也会让恶意或粗糙代码更快拿到本机权限。组织需要管理可用插件市场、审查代码和加载顺序，不能把“能安装”当成“可信任”。
七、图像编辑进入“少动一像素”的生产环节
Ideogram 4.5 把重点放在精确修改和多轮稳定性上。生成式图像工具的老问题是：修一个细节，它顺手把其他地方也改了。一张已经过客户审批的产品图，仅仅换一种颜色，却出现材质、边缘和背景漂移，往往意味着整张重做。
新版支持在高分辨率图像上进行局部编辑，并尽量保留裁切区域的边缘，便于无缝拼回原图。它的产品逻辑已不再是“从零生成一张漂亮图”，而是“在不破坏现有成果的前提下，只改指定部分”。
洞察与点评： 生成式工具进入工作流后，能够保持不变和能够生成新内容同样重要。生产级 AI 有时候需要展示创造力，更多时候需要学会克制。
八、声音模型抢占实时对话，“情绪”成为工程参数
ElevenLabs 发布 Eleven v4 与低延迟版 v4 Turbo。新模型不只追求读得更像真人，还要理解语气、节奏、情绪、角色和对话上下文。用户可以用自然语言或行内标签控制说话方式。v4 Turbo 面向实时智能体，官方报告的首段发声中位延迟约为 150 毫秒，支持 90 多种语言。
声音能力的变化会直接提高语音智能体的说服力。客服、陪练、游戏角色和有声内容都会受益，同时也会加大声音仿冒、授权和来源识别的难度。当系统只需十秒级样本就能复刻高相似声音时，产品必须同时设计授权、标记、投诉和撤销机制。
九、协作入口扩张：AI 正在从工具变成工作环境
OpenAI 本次 DevDay 一次公布了超过 20 项更新。除了 Dot 与模型，还包括 ChatGPT 资料空间、动态页面、协作式幻灯片、团队共享任务、会议插件、Slack 与 Teams 中的 @ChatGPT，以及“使用 ChatGPT 登录”。这些功能看似分散，其实指向同一件事：AI 平台正在承接项目的资料、讨论、产出和执行记录。
如果这一路径成功，用户将少一些“把文件发给 AI”的操作，多一些“AI 本来就在项目里”的协作。但这也会产生新的平台依赖：项目记忆放在哪里，跨平台能否导出，人员离职后什么记忆需要留下，都要在采用之前想清楚。
十、安全架构走向默认：隔离、审批、日志和可中止
常驻智能体的风险不只是“答错”。它们会访问应用、使用凭据、发送消息、修改文件，甚至触发支付。因此，本周产品的安全描述已经相当具体。Dot 把工作放在独立云端计算机中；主动研究默认使用只读工具；影响账户或会分享信息的操作需要自动审核或用户批准；高影响任务保留人工处理。
这些机制是正确方向，却不能因为写进产品页就被当成已经证明有效。长时间工作的智能体会遭遇累积误差、上下文污染、恶意指令和跨系统权限组合。真正的验收需要重复任务、故障注入、撤销测试和审计记录复盘。
重要警示： 不要一开始就把邮箱、代码库、付款和客户系统的权限一次性交给智能体。更稳妥的路径是先只读，再允许草拟，然后在明确审批和可回滚的范围内开放写入。
未来展望：不眠觉的 AI，更需要会记账的系统
本周最清晰的变化，是 AI 产品的“工作时间”被拉长了。它不再只处理一个提示，而是长期拥有任务、记忆、工具和权限。另一个同样重要的变化，是模型不再只比较聪明程度，还要比较完成任务需要几步、多少 token、几次人工接管。
未来几个月，智能体可能迅速普及，但市场不会只奖励“运行得最久”的产品。更可靠的胜者，会让每个长任务都能回答四个问题：做了什么，用了什么权限，依据是什么，出错后怎么撤回。会干活只是起点；能留下可核验的工作记录，才是企业真正敢于托付的前提。
留下评论