OpenAI 推出全天候 Dots 和低价 Sol，NVIDIA 收购 Hugging Face

2026-09-30

OpenAI 把智能体（Agent）推向全天候工作，又给接近旗舰性能的模型开出更低报价。另一边，NVIDIA 收购 Hugging Face，开源模型社区接下来怎么走，值得盯紧。

今天聊：全天候 GPT-6 智能体、核查智能体的信息来源、AI 答案如何向出版商付费。

🧠 发布动态

OpenAI Dots 上线，全天候智能体开始接受检验。

如果你想把持续运行的任务交给 AI，Dots 值得试一次。OpenAI 称它由 GPT-6 Astra 驱动，能持续处理工作；真正要验证的是它能否在长时间运行中保持可靠，以及出错后能否及时纠正。先拿一项有明确完成标准的日常任务试用，再决定要不要扩大范围。(27,988 likes | 2,297 RTs) 详情 →

GPT-6.1 Sol 开出旗舰性能的低价选项。

模型账单可能有了新的降本空间。OpenAI 称 GPT-6.1 Sol 的能力接近 Astra，价格只有后者的五分之一；这是很强的报价，但「接近」要放进你的实际任务里衡量。把常用工作负载同时交给两款模型，比较质量、耗时和总成本。(16,408 likes | 1,267 RTs) 详情 →

Liquid AI d1 加入决策模型竞争。 如果你的应用经常做分类或任务路由，可以把 d1 放进候选名单。Liquid AI 称它在 Hugging Face 的 Decision Index 上超过 Jev；先看评测任务是否贴近你的场景，再测自己的数据。(1,110 likes | 145 RTs) 详情 →

🔧 开发者工具

Ultrafast 提供付费提速档。 等模型输出正在拖慢你的编码流程？OpenAI 称 Ultrafast 在 Codex 中最高可达每秒 300 Token、生成速度提升至 8 倍，在 API 中最高提升至 6 倍。先测完整任务耗时，再判断溢价是否划算。(4,982 likes | 228 RTs) 详情 →

Decisions API 把智能体选择限制在给定答案里。 分类内容、分流请求或选择下一步动作时，你可以预先定义问题和候选答案。这个由 GPT-6 Luna 驱动的 API，适合测试那些频繁发生、选项明确的决策。(3,409 likes | 226 RTs) 详情 →

Codex Dev Mode 连起设计稿和本地构建。 从 Figma 设计落地页面时，开发者现在可以在 Codex 中查看可供开发的设计信息，并借助模型上下文协议（MCP）功能与本地构建结果比较。做界面还原的团队可以拿一个现有页面试试这条流程。(65 likes | 7 RTs) 详情 →

📝 技术实战

Asana 展示怎样指导工作中的智能体。 如果智能体要长期参与团队协作，人给反馈的时机和方式就得进入工作流程。Asana 与 Claude 的案例提供了一个参考，适合检查你自己的流程里哪些环节需要人来指导。详情 →

先建评测，再逐轮改进。 想知道提示词或技能改动有没有用，先用真实任务建立评测（eval）。相关指南介绍了如何借助 Claude 设计评测并反复改进；重点是让每次调整都有可比较的结果。(8,486 likes | 556 RTs) 详情 →

用 Sonnet 5.5 指南重查任务分配。 如果团队默认把任务交给 Opus，可以依据 Sonnet 5.5 指南挑一批任务重新测试。帖子称 Sonnet 5.5 更快、价格减半；是否值得切换，还要同时看质量、速度和成本。(232 likes | 5 RTs) 详情 →

🔬 研究前沿

智能体答对了，也可能找错了来源。

依赖外部资料的智能体，需要核查的不只是答案，还有证据从哪里来。这项研究讨论了 MCP 智能体的来源感知验证（source-aware verification）：同一个事实即使答对，引用不合适的来源仍可能埋下错误。做评测时，可以分别记录「事实是否正确」和「来源是否合适」，尤其要用它检查持续运行的智能体。详情 →

Anthropic 再问人们想让 AI 做什么。 产品团队常凭使用数据猜需求，访谈能补上数字背后的动机。Anthropic 启动新研究，了解人们使用 AI 的经历和期待；此前相关研究涉及 81,000 名参与者，新结果值得继续关注。(1,516 likes | 121 RTs) 详情 →

Kumo Tabular 主张更好的精度与效率平衡。 做结构化数据预测的团队，可以看看 NVIDIA Kumo Tabular 报告的结果。关键是对照自己现有的方法，检查它在相近任务上的准确率和资源消耗。详情 →

研究人员检查对话智能体的隐私问题。 如果你的产品在网页或手机上收集对话，这份分析可作为审视数据收集与告知方式的起点。读完后，优先核对产品实际采集了什么、向用户说明了什么。(406 points | 128 comments) 详情 →

💡 行业洞察

NVIDIA 收购 Hugging Face，开源模型社区迎来新变量。

如果你用 Hugging Face 发布、寻找或评测模型，这笔收购值得持续关注。Hugging Face 转发的帖子称，加入 NVIDIA 后，团队能招聘更多人，并给他们更长的投入周期。资源增加有吸引力，但社区更需要看到平台、模型分发和开放性会怎样变化；先等两家公司公布具体安排。(4,554 likes | 210 RTs) 详情 →

Google 试着为 AI 答案向出版商付费。 搜索直接概括文章后，内容提供者如何获得回报，开始有了具体试验。据报道，Google 正与约 100 家数字出版商测试付款安排；内容平台应关注它怎样衡量文章对 AI 答案的贡献。详情 →

模型变强后，智能体流程也该重审。 一场讨论涉及智能体运行框架（harness）的设计，以及更强模型是否需要更少验证。这个判断不能直接套用：挑出流程中耗时的检查环节，用真实任务测撤掉它之后的错误率。(266 likes | 10 RTs) 详情 →

Google、Microsoft 推动企业数据标准。 做企业 AI 的难点之一，是让工具读懂分散在应用和数据库里的数据。据报道，Google 和 Microsoft 参与推动相关行业标准；现在值得跟踪的是它能否形成可用的规范。详情 →

Anthropic 的上市文件让前沿模型成本更可见。 评估模型供应商时，能力之外还得看支撑它的投入。路透社报道，Anthropic 的招股文件同时呈现了业务愿景与上升的成本，为判断前沿模型的经济账提供了材料。(11 points | 1 comment) 详情 →

🏗️ 值得一试

Corral 给智能体启动的命令加上停止按钮。 如果你的智能体会执行终端命令，能否及时停下失控任务是个实际问题。开源项目 Corral 提供停止智能体所启动命令的方式，适合拿到测试环境里检查。(10 points | 1 comment) 详情 →

🎓 模型小课堂

来源感知验证（source-aware verification）：智能体说出正确事实，不代表它查对了资料。比如它给出的数字碰巧正确，却取自不适用于当前问题的文件；只核对最终答案，就会漏掉这个问题。来源感知验证会再问一句：它用的来源是否合适？Dots 这类持续工作的智能体接触的信息越多，这项检查越有价值。

⚡ 快讯

ModRetro × OpenAI：双方合作为 Chromatic 创作游戏，具体创作工具仍待公布。(816 likes | 77 RTs) 链接
Future Vision XPRIZE：获奖预告片《The Gifted》已上线，做 AI 影像的可以看看成片。链接
Stream：语音笔记现在可通过 MCP 接入 Claude、ChatGPT 等应用。(80 likes | 2 RTs) 链接
Claude Prompt 实验：一句鼓励 Claude 更大胆的提示词引发讨论，效果还得用实际任务验证。(837 likes | 28 RTs) 链接
narrator-ai-cli-skill：开源技能尝试串起电影解说的脚本、片段、配音和视觉模板，成片质量值得亲自测试。(1,052 likes | 199 RTs) 链接

🎯 今日精选

智能体答对了，仍要追问它凭什么答对。 来源感知验证研究提醒开发者：最终答案正确，只是评测的一部分。智能体若从不合适的来源取证，错误可能暂时藏在看似合理的结果后面；任务运行越久，这种风险越难靠人工逐条发现。构建持续工作的智能体时，应把来源选择单独列为评测项，并保留足够的信息供人复核。详情 →

下期见 ✌️