本周 57 篇日报三条线并行：OpenAI 把 GPT-6 家族、Dots 和客户工时压到执行、价格与可控；智能体评测在专业工程与科学软件上继续给低分；HN 把「失控智能体」甩回系统设计，并热议实验室调查与版权诉讼。标题党条目只记信号，不补论证。

产品在卖执行，而不是再卖一次更强

价格带比模型名片清楚。GPT-6.1 Sol：近Astra智能、五分之一价格，面向编程与专业工作 把 Sol 放进编程与专业工作；一场 Recap 收束二十多项：GPT-6 Astra 与构建者工具并列 汇总 Astra、ChatGPT、Codex、API、安全与构建者工具，但无分项细节。贵的 Astra、便宜的 Sol，位置已经分开。

落地数字全部来自当事方。Astra完成50页税表快一倍：Basis称更懂意图、落地更有信心 相对 GPT-5.6 Sol 约快一倍；交易核验提速至4分钟内：Chatham用Codex与GPT-5.6改造工作流 从 30 分钟压到 4 分钟以内；社交俱乐部用ChatGPT Work每周省10–15小时：开店文书从数天压到数小时 把拨款申请 3 天变 2 小时、酒牌材料 4 天变 3 小时。这是案例，不是基准。

控制权被写进产品句。OpenAI发布Dots：主动助手可跨复杂项目持续工作并保持控制 强调推进时用户仍保持控制；OpenAI征集Codex真实使用故事：Originals计划进入下一章 与 OpenAI发布GPT-6家族指南：创业公司如何选型并准备生产 在铺生产路径。执行可能塑造下一经济：先进AI被写成突破想法背后的永恒互补 把重点从突破改到常规执行。本周主线是把模型塞进可计价的执行层。

智能体过不了专业闭环

最强前沿模型仅得44.3分：专业工程跨软件成功率3.6% 含 1301 项任务、六领域 26 款软件。当前最强视觉语言模型仍难过科学软件关：146项任务做产物核验 覆盖分子、病理、统计与仿真，最强 VLM 配强框架仍吃力。瓶颈已从点界面，转到专业软件里的可核验产物。

记忆和工具对不上宣传。跨会话记忆难三边兼顾：APM-Bench评第一人称流式助手 用 549 会话、104 轨迹，现有方法仍难同时做到可靠召回与低开销。会看不会用：EgoTools 揭示视频模型的工具中心推理短板 用 100 小时视频和 1000 道题，指出感知与接地偏弱。自进化搜索智能体的共作弊：CrossFit用交叉拟合切断虚假一致 则是内部奖励上升、外部正确性不提升。智能体说做完了，数据库却不同意：仅有标题时的核对问题 无摘要，只适合当工程提醒。

补丁在减少重复劳动。别让智能体每次重摸文档关系：用实体页离线织一张语料图；顺序循环不够用：用重叠记忆协程把LLM做成通用异步智能体 并展示 Qwen 3.x 无需专项训练即可做流式视频理解。不更新权重即可复用干预经验：真实操作成功率从37.3%提到64.0%；代码里做条件检查和局部重试：机器人智能体更省 Token、成功率更高 在 700 个仿真任务上把成功率从 63.1% 升至 71.7%，成功实例输入 token 少 65%。补丁不是评测过关。

训练栈在和推理栈打架

训练与推理引擎概率不一致：CIS按置信度截断修正策略更新 在三模型五数学基准上报告平均最高。超长程在线强化学习卡在空转与冗余：QwenGyre给出弹性调度框架 面向近百万 token，用弹性 GPU 重分配和轨迹去重，旗舰模型上只有有限步增益。稀疏奖励不再被淹没：DARA用密度校正加快多目标学习 按批次活跃组密度加权。共同点是训练栈在和推理、调度打架。

压缩不能只看平均分。平均分会掩盖周期性弱区：分块KV压缩下检索可差40个百分点。极低视觉预算下用自身轨迹自蒸馏：LT-OPD把留存拉到82.3% 在 5% token 下从 68.6% 升到 82.3%。集合奖励分不清贡献者：AdaTutoRank用分级辅导训练重排 面向 RAG 集合重排。无编码器小规模落后：缩放定律预测大算力下可追上 预测约 10^{22} FLOPs 处追上。论文数字进生产要留折扣。

责任从模型甩回系统

没有「失控」智能体：HN热帖把责任从模型甩回系统设计 332 分、242 评，未见正文论证，只能视为对失控叙事的集中质疑。问题不在AI代码：真正麻烦是没人再懂架构与意图 348 分、224 评，把问题从生成代码转到团队失去系统知识。出事时先查设计与流程。

是时候调查AI实验室：HN热帖收获三百余分与百余评论 305 分、108 评，无原文论点，但焦点已从评模型转向实验室。原告称高管明知盗版违法：作者协会诉微软与OpenAI简报解封热议 无判决、无可核证据。用AI定向慢性赌客：DraftKings放大行为广告争议 528 分、377 评，无技术细节。热帖高互动但材料极薄：AI 公司被写成存在性威胁竞赛 426 分、385 评，以及 SNL请来Anthropic CEO：喜剧新闻里谈AI对人类的威胁 175 分、88 评，只适合当温度计。

实验室动作偏声明体：OpenAI就涉及澳政府网站事件道歉：承诺加强保障并协助网络防御；OpenAI打断协同蒸馏活动：目标是受保护的模型推理，公开材料极简。问责对象在从权重文件转向组织。

值得注意的信号

我的判断

本周没有必须改生产默认值的新能力证明。OpenAI 用价格带和工时数字把模型挪到执行层，Dots 与创业指南预先回答控制权。评测更硬：跨软件 3.6%、科学软件过不了、记忆与工具接地仍弱、搜索会共作弊。能加速税表和开店文书，不等于能在 26 款专业软件之间闭环。对开发者更有用的是裂缝：训练/推理概率不一致、KV 相位盲区、超长程空转、完成声明与数据库不一致。HN 把责任甩回系统设计，和这些论文是同一件事。先把核对、记忆预算和跨工具状态机做硬，再决定要不要换更接近 Astra 的那一档。