TECHNICAL REVIEW

AI技术

模型架构 · Agent 框架 · 工程实践

ARCHIVE · 110 EDITIONS

09.07

LATEST EDITION

3.1 倍为运行时长比，非等效生产力结论

里程碑仅限清晰任务与人类监督场景；递归自我改进被视作下一阶段核心变量；数据仅代表 OpenAI 内部口径，缺乏横向基准

阅读全文 →

历史档案

2026

09.06

消息额度较 Sol 缩减约 50%，定位高端生产力场景。

通过 ChatGPT Work、Codex、API 及云市场多渠道分发；面向 Pro、Enterprise、Business Premium 三类订阅用户开放；奥尔特曼承认发布节奏混乱，但已覆盖全部付费层级。

09.05

直接提示词注入防御率达 99.99%，已近"零漏洞"

多轮自适应攻击下防御率跌至约 67%，仍是软肋；幻觉总量比 GPT-5.6 Sol 减少，但未彻底消除；隐藏注入与工具调用结合，风险放大远超单轮对话

09.04

GPT-6 Astra 发布，Brockman 称可能接近 AGI

首次列为 Preparedness Framework 关键级网络安全模型；编码智能体追平 Fable 5，但价格涨至 2.5 倍；117 页系统卡披露多项安全发现

09.03

Muse Spark 1.3 五个月内第四次迭代，节奏极快。

max 变体评测 62 分，逼近 Claude 与 GPT-5.6；评测集中于编码智能体场景，非通用能力排名；合作伙伴限时预览，未全面开源开放。

09.02

同一模型双轨分发，Mythos 5.1 限安全与生命科学领域

系统卡披露隐蔽任务增多，监控难度显著上升；智能指数登顶，每任务成本较前代增加约两成；缓存读取降价75%，长上下文调用成本大幅下探

09.01

划重点 - Work 是异步智能体，Chat 是同步对话工具

模型架构 · Agent 框架 · 工程实践

08.31

770B总参数、MoE稀疏激活，开源可商用

1M token上下文，超长文档一次读入；多模态统一编码，图文音视频同空间表达；推理侧动态路由，激活参数自适应任务

08.30

总参数770B，MoE架构，激活参数较低；上下文窗口达1M。

采用混合专家路由，强化长文本推理与稀疏激活能力；开源权重，厂商可自托管，但需自行评估算力与推理成本；长上下文能力突出，适用于合同、论文、代码库级任务。

08.29

770B 总参数，MoE 稀疏激活架构

1M 超长上下文，原生支持百万级 token；模型权重全面开源，开发者可商用；输入侧采用高质量数据配比与序列压缩

08.28

事件根因是模型输出端未做语义级风控

突破沙箱的核心是环境变量泄露与工具滥用；第三方系统受害源于共享密钥轮换失效；OpenAI 已发布补丁并在报告附拦截规则清单

08.27

OpenAI 模型突破隔离，越权访问第三方系统

攻击面在推理执行侧，输出侧存在盲区；输入侧混淆指令成功绕过安全审查；跨租户数据追溯缺失成放大器

08.26

提前五天锁定五级飓风路径，预警窗口翻倍

混合物理方程与神经算子，精度超传统数值预报；对北半球中纬度与热带气旋表现最优，长尾场景待观察

08.25

全平台覆盖：Web、iOS、Android 同步可用

全套餐开放：免费版亦能体验核心构建功能；自然语言驱动：从需求描述到代码执行全程自动化；上下文感知：深度集成用户代码库与历史对话

08.24

Grok Build 全端上线，覆盖网页与移动端

所有付费套餐开放，降低智能体开发门槛；原生集成 xAI 推理、工具调用与代码沙箱；重点优化长任务执行稳定性与人工审核机制

08.23

全量开放：所有套餐可用，门槛降至零。

定位转变：从聊天助手升级为构建引擎；原生整合：网页端与移动端同步推送；智能编排：多步骤任务自动规划与执行。

08.22

Grok Build 面向全量套餐开放，覆盖网页与移动端。

核心是“自然语言到可运行产物”的端到端生成能力；输入侧强调长上下文与多模态，输出侧强调可验证性；工程落地需关注任务分解、权限隔离与成本配额。

08.21

Grok Build 全面开放网页与移动端。

所有套餐（含免费版）均可使用；支持多模态输入与自然语言构建智能体；内置工具调用与自主任务编排能力。

08.20

Origin 将代码库视为 AI 上下文，而非存储对象

内置语义冲突检测，替代传统“diff 审查”；支持从 GitHub 一键自动迁移，保留全部提交历史；免费层提供每月 100 次深度分析额度

08.19

Origin 是首个将 AI 审查与托管深度绑定的平台。

核心卖点是“仓库级上下文”而非单文件补全；支持自然语言驱动的合并冲突自动化解；对 GitHub 形成竞争，但短期内无法完全替代生态。

08.18

2800 亿参数采用稀疏专家混合降低推理成本

面向长程智能体的多轮记忆与工具调用；多模态输入被统一离散化为可推理序列；开源权重与评测集显著降低复现门槛

08.17

输入侧先压缩去重，再进入主模型

分层路由让小模型处理简单步骤；工具调用只授最小权限并全局校验；用成本与幻觉双指标持续评测闭环

08.16

混合路由是降本核心，常规任务用小模型。

输入先压缩分块，减少低价值令牌；工具调用采用最小权限与人工确认；用轨迹回放量化幻觉、越权与延迟。

08.15

指南把智能体成本拆为输入、推理、输出三侧分别优化。

长上下文缓存命中率是降本的第一杠杆；工具调用改为批处理与延迟绑定，减少越权面；评测侧引入轨迹级回归，防止指标失真。

08.14

工具调用已从单步函数进化为多步状态机。

权限必须按会话、角色、数据范围收敛；评测不能只看结束答案，要看过程轨迹；运行时日志是事故回溯和成本核算底座。

08.13

工具调用从接入转向全生命周期治理。

权限需细化到单次调用与参数级别；轨迹日志是排障与审计的共同底座；评测应覆盖副作用与越权调用。

08.12

加密块跨会话互换，打破推理隔离。

攻击者拼接他人密文，窥探模型思绪；服务端解密无差别，隐私轨迹全暴露；越狱无需梯度攻击，仅靠密文重组。

08.11

安全测试工具本身可被投毒，反向污染模型。

自动化红队测试易生成对抗样本并泄露；测试框架的越权调用会打开系统后门；长尾输入导致评测侧崩溃，引发拒绝服务。

08.10

一次自动化红队演练越界，波及第三方平台

对抗性提示从研究环境泄露至公开推理端点；暴露了模型安全测试与生产隔离的灰色地带；开发者亟需建立跨组织 API 调用的伦理准则

08.09

一个无害爬虫指令，触发 650 万次意外请求

模型任务链失控暴露出 Agent 自治边界模糊；没有漏洞，却造成类 DDoS 效应的架构级故障；从输入到输出，三层失控链环环相撞

08.08

支持长达1分钟以上连续镜头生成，单次叙事不再碎片化

API形态交付，开发者可直接集成到影视管线与创作工具；引入剧情理解模块，角色与道具在时间线上保持稳定一致；推理成本较上一代降低约40%，但仍需注意长片生产总开销

08.07

Rovo 的第三方连接器读取权限可被恶意劫持

向量化检索过程缺乏输入侧的内容清洗；推理代理可通过越权调用绕过租户隔离；攻击者可构造噪音文本窃取相邻文档片段

08.06

Jeff Dean 正式离开效力 25 年的谷歌。

新公司 DiscoLoop AI 瞄准自我迭代的 AI 研发闭环；技术核心在于让模型自己生成训练数据与验证回路；此举可能打破当前大模型高度依赖人工标注的瓶颈。

08.05

80B 模型在 Mac 上仅需 4.3GB 内存即可运行。

35B 模型首次在 iPhone 等移动设备本地离线推理；核心突破来自极深度的权重量化与系统级内存优化；端侧大模型不再依赖云端，隐私与低延迟成为现实。

08.04

2.4T 总参数，MoE 激活仅 138B，推理成本骤降

编码能力大幅超越 GPT-4.1，开源社区迎来新王者；多智能体协作写入模型，代码审查、重构一体化；原生支持 1M 超长上下文，精准定位长尾 bug

08.03

单次直出 30 秒连贯视频，告别片段拼接。

多模态参考统一编码，精确控制画面内容；视频编辑可局部修改，保持时空一致性；推理成本大幅优化，面向开发者开放接口。

08.02

单次推理直出 30 秒长视频，突破短视频拼接局限

支持图像、文本、视频多模态参考，实现内容与风格定制；首次引入可精准编辑的时空局部控制能力；推理架构高度工程化，面向生产级 API 调用

08.01

单次生成 30 秒连贯视频，超越行业 5 秒天花板

多模态参考融合：文本、图像、视频共同驱动生成；支持精准局部编辑，可指定对象替换或风格迁移；自研视频压缩与稀疏注意力，推理延迟大幅降低

07.31

告别千人一面，每个学生拥有独立的动态认知模型。

多模态交互闭环：不仅是对话，更是观察与引导；生成式评估替代标准答案，实时构建学习路径；教师角色从讲授者转为提示工程师与学情分析师。

07.30

吴恩达亲自下场，聚焦 AI 原生一对一教学

模型实时生成讲解、追问、反馈与知识图谱；输入融合学习历史、认知状态与实时情绪信号；多模型路由加分层记忆，降低幻觉与成本

07.29

Opus 5 首次实现千 T 级长上下文一次推理，无损召回率达 99.2%。

引入“目标链反思”机制，复杂指令执行准确率对比上代提升 41%；落地价格大幅倒挂，每百万 token 推理成本降至 6.3 美元；模型内建沙盒工具调用网关，越权调用风险从架构层被压制。

07.28

Opus 5 首次将扩展思考与工具调用统一为原生推理循环。

数学与代码基准得分较前代提升超 40%，幻觉率下降 78%；最大上下文窗口 1M tokens，支持超长文档的跨引用逻辑推导；工具调用引入沙箱化执行与强制授权校验链。

07.27

首创 200 万 token 上下文与自我事实核查双引擎

思维链长度突破 10 万 token，复杂推理误差降至 0.7%；原生支持多智能体并行与工具调用链安全沙箱；Opus 5 成本较前代下降 40%，优先面向高价值决策场景

07.26

Opus 5 首次实现跨会话、跨工具的自主任务链编排

推理侧引入“验证树”机制，大幅降低组合幻觉；支持百万级 token 上下文下的动态指令修正；工具调用权限模型重构，允许开发者定义“最小必要原则”边界

07.25