2026年9月23日星期三

概要

• Anthropic 的 Claude Opus 5.5 定价降至每百万 token $4/$20（原为 $5/$25），缓存读取降至 $0.20（降幅 60%），输出速度提升超过 30%，但对现有的 Opus 5 集成带来了四项破坏性变更；约 90 分钟后，OpenAI 做出回应，推出了每百万 token $2/$10 的 GPT-6 Sol 和 $0.10/$0.50 的 GPT-6 Luna。
• 一项针对 69,632 篇医学预印本的研究发现，到 2025 年，破折号（em-dash）的使用率从约 4% 的论文攀升至近 20%，呈渐进式增长而非突增，且固定模板章节几乎没有变化。
• Stanford 训练了能够自我组织的智能体群组，在单智能体得分为 48.8% 的任务中取得了 66.7% 的成绩；如果你正将工作拆分给多个子智能体，这是一个值得关注的协作成果。

头条新闻

• Anthropic 与 OpenAI 在 90 分钟内相继下调前沿模型价格. Anthropic 发布了 Claude Opus 5.5，价格从每百万输入/输出 token $5/$25 下调至 $4/$20，缓存读取降至每百万 $0.20（降低 60%），输出速度提升超过 30%。Anthropic 表示，由于该模型消耗的 token 更少，典型工作负载可节省 40% 的成本。现有的 Opus 5 集成会面临四项破坏性变更，因此在生产环境中替换模型 ID 前请先查阅文档。约 90 分钟后，OpenAI 推出了每百万 token $2/$10 的 GPT-6 Sol 和 $0.10/$0.50 的 GPT-6 Luna，两者均为永久定价，支持 1M-token 上下文窗口、128k 输出 token，无长上下文附加费，且提供 90% 的缓存输入折扣（在工具和设置更改后依然有效）。OpenAI 称 Sol 的出错率比前代减少了一半，且高推理强度（high-effort）的 Luna 能以大约百分之一的成本媲美 GPT-5.6 Sol。The Neuron 的午间测试发现，Sol 生成可用结果的速度显著快于 Opus 5.5；Browser Use 在其浏览器智能体基准测试中测得 Sol 为 66.9 分，高于 Opus 5.5 的 59.4 分，同时成本低约 3.5 倍。决定胜负的数字是每次成功任务的成本，而非 token 价格：在八项任务中，Nate Herk 仍有七项更倾向于使用 Opus，其耗时 8h40、花费 $213，而 Sol 耗时 5h51、花费约 $74。 ^{[1] [2] [3] [4]}
• Opus 5.5 将高风险网络与生物任务重定向至旧模型，而非直接拒绝. 在发表呼吁控制前沿发展节奏的文章数天后，Anthropic 发布了 Opus 5.5，并专为这一最强大的模型层级构建了安全防护机制。网络安全任务大多会被降级路由至 Opus 4.8，触发了生物分类器的任务会路由至 Opus 5，只有通过 Anthropic 的 Life Sciences 和 Cyber 项目审核的机构才能在这些工作中使用 Opus 5.5。Anthropic 称其为迄今为止在行为对齐方面最强的模型。它还改进了沟通方式，将关键信息置于输出内容的顶部，更严格地遵循写作指令，并在智能体编程、知识工作、计算机使用（computer use）和图表识别方面超越了前几代 Opus 以及 Fable 5.1。Sonnet 和 Haiku 的 5.5 版本将在几周内推出，价格可能会更低。这其中的设计问题正如 The Deep View 所指出的：重定向争取了时间，但那篇主张必须明智利用时间的文章，却很少谈及这些时间究竟要用来做什么。 ^{[5] [6]}
• ChatGPT 发布后，医学预印本中的破折号使用率几乎翻了三倍. 研究人员分析了 69,632 篇医学预印本，发现到 2025 年，破折号（em-dash）的使用率从约 4% 的论文上升到近 20%。这种增长是渐进的而非突然飙升，这表明 AI 写作工具是逐步普及的，而非由单一事件驱动，且这一规律在他们运行的所有测试中都成立。固定模板章节几乎没有变化，这使得这一信号很难被当作噪音而忽略。这并不能证明某篇具体论文使用了 AI，但它表明，就在这些工具出现时，写作模式在群体尺度上发生了转变。AlphaSignal 对此的批注值得记下：他们在自己的写作中禁用了破折号，而这项数据正好解释了为什么这个破绽会存在。 ^[7]
• 自组织智能体群组以 66.7% 对 48.8% 击败单智能体. Stanford 的一个团队训练了能够自我组织的智能体群组，在单智能体得分为 48.8% 的任务中，群组获得了 66.7% 的分数。本月，同样的结果不断从不同方向得到印证，包括上周的一篇论文显示，可互相交流的智能体团队在高难度推理任务上以四比一击败了单智能体。如果你正在运行双层模型技术栈，性能提升的关键在于调用之间如何协同，而不在于靠一个更大的模型包揽全部工作。 ^[8]
• 智能体在五分钟内拿到 $250 航司代金券，这便是完整的商业案例. 在经历了 Delta 航班长达七小时的延误后，一位 Muse 用户表示，该智能体在大约五分钟内争取到了 $250 的代金券并重新预订了航班。Citrini 的解读是，多年来企业一直得益于客户因退款或取消流程繁琐而选择放弃，而智能体将这种摩擦直接转化为了成本中心，因为软件不会感到无聊、尴尬，也不会对等待音乐感到厌烦。客服升级是设计债务变成财务支出的第一个领域：当另一端的人拥有无限耐心时，企业刻意设计在流程中的阻碍就失效了。 ^{[9] [10]}
• Qualcomm 新款 Snapdragon 可在手机上运行 30B 参数模型. 在 Snapdragon Summit 上，Qualcomm 发布了 Snapdragon 8 Elite Extreme Gen 6 和 Snapdragon 8 Elite Gen 6，其 Hexagon NPU 支持在端侧运行高达 300 亿（30B）参数的 MoE 模型。大多数手机的上限在 4B 左右，因此这大约是 7 倍的跃升。首席执行官 Cristiano Amon 将其定义为新旧交互模式的共存，而非手机形态的消亡。这些芯片还支持可将人声与环境噪音分离的 AI Voice Bubble、重新设计的 X105 5G 调制解调器，以及更深度的相机场景理解。来自 Honor、Xiaomi、Motorola、OnePlus、Oppo、Redmi、RedMagic、Vivo 和 iQOO 的旗舰设备都将搭载该芯片出货，由 Motorola Signature 27 首发。在本地运行如此规模的模型，改变了无需云端往返即可构建的应用边界，包括任何涉及你不愿发送出去的数据的场景。 ^[11]
• Stripe 为 7.8M 家企业的智能体添加了结账工具. Stripe 向 7.8M 家企业推出了 WebMCP 结账工具。内部测试显示，与通过 DOM 自动化驱动页面相比，这种方式减少了 42% 的 token 消耗、38% 的工具调用，并将结账完成速度提升了 39%。这一差距正是支持暴露强类型操作（typed action）而非让智能体去猜测渲染界面的有力论据，每当你决定是自动化操作 UI 还是为自动化程序提供 API 时，都会看到同样的差距。 ^[12]

深度阅读

• Anthropic 与 OpenEvidence 向约 100 个国家的医生提供免费临床工具. 此次合作之前，OpenEvidence 在 8 月份记录了 42M 次美国临床医生查询。如此发行规模的免费临床决策支持，其部署形态与向医院按席位销售截然不同，它直接将模型放进了诊室，而非后台办公室。 ^[13]
• Transformer 能够构建忠于真实世界的内部地图. 一篇新论文报告称，Transformer 构建的内部表征能够追踪真实结构，而非死记硬背表面模式。值得将其与各类发布公告中的可解释性声明对比阅读，因为“忠实的地图”是一个比“理解世界”具体得多的论断。 ^[14]
• Muse 首周用户突破 500K，Grok Bot 达 418K. Meta 的 Muse 在上线约一周后达到 500,000 总用户和 250,000 日活跃用户。xAI 的 Grok Bot 在首月后达到约 418,000 周活跃用户。这是两个处于不同节奏的消费级智能体测试版，其中日活比例比表面的总用户数更值得关注。 ^{[15] [16]}
• 100 个智能体相互交易，但工资和价格几乎没有变动. 一项新的经济学研究发现，智能体之间虽然能够进行交易，但工资和价格几乎不会根据冲击做出调整。掌握工具的能力本身并不能产生良好的协调。结合“AI 让解决方案变得充裕，而稀缺性转移到了寻找有价值的问题上”这一观点来看，这两篇论文从相反的两端描述了同一个鸿沟。 ^{[17] [18]}
• Sam Rodriques：在答案验证成本低廉的领域，AI 改变科学的速度最快. 选择你能快速检验的问题，降低验证成本，或者去收集缺失的数据。这是一个用来筛选智能体究竟能在哪里发挥作用的实用标准，而且完全适用于科学之外的领域：如果你无法快速验证输出结果，模型并不能为你节省太多精力。 ^[19]
• 设计阅读：在乎与知晓、三种智能体上下文，以及审查智能体文件. blog.exe.dev 探讨了如何可持续地进行 DIY，包括对项目的“在乎”何时成为了维系其生命力的关键。NN/g 将智能体上下文划分为全局、局部和环境三类，这比大多数提示词建议的分类法更加清晰。Addy Osmani 的指南逐步演示了如何审查编程智能体仍需保留的文件，这是大多数人都会跳过的清理步骤。此外还有一个在浏览器本地运行、无需上传的图片转 ASCII 转换器，支持导出 TXT、PNG、SVG 和 Markdown。 ^{[20] [21] [22] [23]}
• 2026 年上半年 AI 眼镜出货量同比飙升 263%. Counterpoint Research 的数据显示，Meta 占据了无显示屏机型 94% 的份额。这种产品形态在带显示屏版本之前就实现了规模化出货，这足以说明人们实际购买的是哪个版本的产品。 ^[24]
• Bloomberg：情报缺陷及对 Palantir Maven 的过度依赖导致了一场造成 123 名儿童死亡的袭击. 五角大楼调查人员发现，过时的图像和有缺陷的情报被输入到了目标锁定决策中。开发工具固然不是目标锁定系统，但这种失效模式具有普遍性：在无人独立核查的决策上游，存在着一个看似自信的模型输出。 ^[25]

工具与发布

• 适用于 Claude Code 订阅的 Hermes Agent 插件. 一款新插件让 Claude Code 订阅重新支持 Hermes Agent，如果你已经付费订阅了前者，并且不想为智能体运行支付双倍费用，这会很有用。 ^[26]
• CrisperWhisper 2.0. 开源语音转文本模型，能够以精确的时间戳转录每一个“嗯”、结巴和发声。适用于访谈和研讨会录音，在这些场景下，语言的不流畅之处本身就是数据。 ^[27]
• Qwen-Image-2.1 GGUF. 该图像模型的 GGUF 量化版本，可在低至 4 GB 的显存/内存下本地运行。这让你在现有的硬件上就能实现本地图像生成。 ^[28]
• Hemmingway-1. 基于 Qwen3 的模型，声称比任何其他模型写得都更像人类。值得用你明确禁用的特定 AI 废话（slop）模式来测试它，而不是只看通用的风格评分。 ^[29]
• Xiaomi MiMo-V2.6-Pro. 采用 MIT 许可的 Pro 模型以及适用于多模态、编程和多智能体工作的 Flash 变体。Xiaomi 称其为递归自我改进路径上的一步，这也是该发布中最具看点的部分。 ^[30]
• Tencent Hy Image3.5 Preview. 根据文本提示词或参考图像生成或编辑高达 2K 分辨率的图像。 ^[31]
• OpenMuse. 可自托管的 Muse 风格个人智能体，配备持久化浏览器、文件系统、可选的 Linux 工作区、Gmail、Calendar 以及后台任务功能。 ^[32]
• Kimi Browser Extension. 适用于 Chrome 和 Edge 的侧边栏插件，可执行导航、点击、填写表单、提取信息等操作，并将重复的浏览器流程记录为可复用的技能。 ^[33]
• OpenRouter Batch API. 支持 70 多个模型，对于非紧急任务，通常可将输入和输出价格降低约一半。适合任何需要每晚运行摘要生成或评估流程的用户。 ^[34]
• Rabbit OS3. 支持自带密钥（BYOK）的智能体，可通过浏览器、Telegram 或 iMessage 在最多五台 Windows、Mac 或 Linux 机器上运行，无需订阅 Rabbit 服务。 ^[35]
• Android 版 Adobe Premiere. Adobe 的 iPhone 视频编辑应用现已登陆 Android 平台，并内置了 AI 功能。 ^[36]

Prompt of the day