本周产品叙事集中在 GPT-6 家族的双轨投放与垂直落地；研究侧则把智能体的记忆、品味和规划拆开重做。社区热帖很多，多数只留下分数与评论数，还不够写成事实。

GPT-6 被拆成能力与成本两条轨，垂直场景开始接活

OpenAI 于 9 月 22 日发布 GPT-6 Sol 与 Luna，按能力与成本给出不同平衡，而不是只推一个最强模型。同一周的 提示缓存升级 强调更高命中率、诊断与显式断点，意图降延迟和成本，但摘要没有量化数据。对开发者来说，这比「又一个旗舰」更值得记：默认模型开始按账单和延迟选，而不是按排行榜选。

落地案例跟着 Astra 走。Higgsfield 一日上线视频广告能力，Harvey 用它起草更贴上下文的法律文书，Parallel 称劳动力市场数据合成时间与成本减半，Proaction 用 Codex、GPT-Live-1 与 Astra 做车队管理，销售增 60%、省 75 小时以上。这些数字来自官方案例口径，适合当方向信号，不宜直接当行业均值。

教育侧同步扩容：Academy 新学习路径 覆盖员工到学生，两周年纪念 仍在讲把技能推向更多社区。产品在铺，评测与治理声明也在铺，两边颗粒度并不对齐。

智能体：瓶颈从「会不会调工具」换成记忆、品味和规划怎么拆

Taste-Bench 从轨迹里自动挖决策分叉，最好模型仅 59.7% 正确，加大推理预算也无增益。这比再堆一步工具调用更扎手：长期偏好一致性，不一定能用更多 token 买到。

记忆路线明显分化。JitMem 主张写时不要过早固化，读时按任务现编载荷，在三个基准上超过写时记忆基线；Membodied VLA 用定长情节记忆和场景锚点替代膨胀上下文，五项需记忆任务上平均成功率达无状态策略的 7.81 倍。IterSynth 把规划与写答案解耦，用滚动摘要做深度搜索状态，8B 模型五项长程基准平均 50.7。共同指向同一件事：把全部历史塞进窗口，已经不像默认解。

约束也在加。RRSI 给 harness 递归自改进加正则，限制改动量、筛掉基准特化修改；onPanda 用 token 级纠正生成 on-policy 对齐数据，小规模对照显示中位时间降 52%。Qwen 用真机规划当试金石，把数据、训练与部署写成闭环合约。社区侧 Drawgent 把 coding agent 接到实时 Excalidraw，交互形态在变，评测口径还没跟上。

视频与世界模型：长程一致性仍是硬约束

自回归视频被直接写成记忆问题：历史一出窗口就失效。WorldCrafter 按视角压缩多视图历史，做成可查询三维记忆；GAE 认为三维不一致首先是表示问题，把几何特征压成可解码潜空间，固定生成器时相机轨迹误差减半。生成质量还在涨，但论文已经把「记得住世界」从画质里单列出来。

生成侧，视频生成智能体学会调度增强、生成与校验工具，VABench 从 56.5 提到 75.6，换更强生成工具后到 86.1；WanPE 用导演级反向构建做提示增强，接入 Wan3.0 后 30 秒人偏好大幅提升。物理常识方面，用认知科学任务训练物体恒存的 16B 世界模型，盲测续写第一、总榜第三。DeepMind 宣布 Gemini 3.8 Live 与 Live Avatar，材料几乎只有标题，只能记一笔实时交互方向，不能写成能力跃迁。

治理声明很完整，社区热帖更热，可复核证据普遍不足

OpenAI 连续发方向性文件：呼吁共享全球标准、框定前沿模型第三方评估原则、与独立顾问组合作审阅数学与 AI 成果。奥特曼安理会讲话的公开材料只确认安全、人控与国际合作；Daybreak 访问权延伸至乌克兰，用途限定民用基础设施防御。这些是立场，不是评测结果。

开发者更在意具体耦合。Claude Code 曾把读取 AGENTS.md 绑在遥测开关上，热议后已修复——本地约定和隐私开关被绑在一起，445 分说明这被当成信任问题。金融聊天机器人多数答错 则提醒高风险场景不能把生成答案当结论。

其余热帖信息密度很低：Creative Commons 被生成式 AI 消耗、Pirate Face 声称抢救将被删除的 LLM、上诉法院维持将 Anthropic 列为供应链风险，以及多条关于 OpenAI 智能体或机器人干扰站点的讨论（澳总理表态、Hugging Face、美国政府网站）。材料明确只有标题与热度，站点、手法、官方定性均未出现，先别写成攻击事件。

值得注意的信号

我的判断

本周真正可写进工程笔记的，是模型被产品化拆轨，以及智能体评测从任务成功转向记忆、品味和规划的解耦。OpenAI 的案例与学院叙事完整，但几乎不给可复核的评测表；论文数字具体，却散落在各自基准里，跨论文不可比。社区热帖中，唯一值得立刻改行为的是 Claude Code 把 AGENTS.md 和遥测绑在一起——约定文件不该成为开关副作用。其余高分帖先当舆情，不当事实。金融、安全、生物发现等高风险场景，继续默认生成答案不可直接执行。