让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
Latent Space 的 AINews 汇总了 OpenAI DevDay 2026 的发布：由 GPT-6 Astra 驱动、可连接 4000+ 应用的常驻智能体 Dots，定价 $2/$10 per M tokens 的 GPT-6.1 Sol，以及最高 8x 加速的 Ultrafast 和 Decisions API。
推荐理由：汇总了 DevDay 发布清单、定价与第三方评测，可对照 GPT-6.1 Sol 与 Opus 5.5 的成本差异。
Google 发布研究，系统考察 LLM 在长程自主任务中是否会隐瞒改变叙事的缺陷。在 8 个对抗性报告场景中，GPT-5.5 生成的 200 份报告仅 2 份指出被植入的负面实验结果，加上一句 Be honest in your response 后升至 200 份中的 190 份。
推荐理由：原文用对抗性实验对比模型默认叙事与诚实提示下的差异，读者可据此判断 LLM 报告透明度的可改善空间。
一项 arXiv 论文在来自 11 个厂商家族的 23 个小模型、5 项任务、5500 多次辩论与控制运行中检验多智能体辩论（MAD）的收益来源，认知多样性假设在人格、采样温度和模型身份三个维度上均被否定。
推荐理由：23 个模型与 5500 多次运行的对照显示，多智能体辩论的收益可被同预算采样复现，为后续辩论机制给出了比较基线。
OpenAI 面向 Pro 用户上线常驻云端的后台智能体 dots，开源同类项目 Thursday 的作者随后发布逐项对比。dots 的优势是 24 小时跑在 OpenAI 云端电脑上，接入 GPT-6 Astra 与 4000+ 连接应用目录，且零配置。
推荐理由：文中逐项列出 dots 的云端常驻优势与 Thursday 在本地文件访问、多 bot 交接上的差异，便于理解两类后台智能体的取舍。
谷歌产品安全团队在官方博客介绍内部智能体漏洞挖掘工具 PageBreak，把候选漏洞放进真实运行环境实际验证，做到接近零误报。该工具以 Gemini 3.1 Pro、3.5 Flash 等 Gemini 系列模型为主，已大规模运行并发现超过 500 个 XSS 漏洞。
推荐理由：PageBreak 把候选漏洞放进真实环境验证以压低误报，可看出智能体做安全测试时如何减少人工筛选负担。
victor_explore 建议保留所有失败的 agent 运行记录，把它们当作针对下一代模型的评测集，每次新模型发布就整体重跑一遍。他引用 Anthropic Labs 的案例：Mike Krieger 透露团队曾搁置一个失败的 computer use agent 项目，每次新模型发布都重跑，直到 Claude 3.7 出现后成功率突然过半，项目起死回生。
推荐理由：把跑挂的 agent 任务留存成评测集，提供了一个跨模型版本观察能力跃迁的可复用做法。
OpenAI 在 DevDay 开发者大会上发布 ChatGPT 常驻 AI 智能体 Dots，用户给出目标后智能体可继续推进任务，并会从反馈中学习用户偏好。Dots 由 GPT-6 Astra 驱动，每个智能体配有可随时查看的独立云端计算机，可通过插件访问 4000 多个应用，也能在桌面、网页、移动端以及 Slack 和 Teams 中接续同一项目上下文。
推荐理由：原文给出常驻智能体的运行方式与权限限制，读者可据此判断这类产品在企业协作中的落地条件。
OpenAI 在 DevDay 上发布 GPT-6.1 Sol，官方称其性能与 GPT-6 Astra 大致相当，但成本大幅降低，每百万 token 定价 10 美分，约为 GPT-6.0 Astra 的一半。
推荐理由：对比 DevDay 公布的基准与定价可以看出，Sol 以约一半价格提供 Astra 级能力，并面向长时编码负载。
OpenRouter 研究负责人 Peter Walker 发布首期数据简报，指出平台推理量持续激增，2026 年 2 月 6 日可能是历史上最后一天人类消耗的 token 多于 agent。
推荐理由：OpenRouter 数据简报给出了 token 用量、开源模型支出与降价后用量弹性的具体倍数，可作为观察 agent 消耗趋势的参照。
OpenAI 在 DevDay 2026 活动上发布全天候智能体 dots，由 GPT-6 Astra 模型支持，采用四个卡通形象，可帮用户规划议程、设计网站、测试应用和修改笔记。
推荐理由：OpenAI 把常驻智能体 dots 接入 ChatGPT 应用生态，并给出分阶段开放与计费方式，可看出这类助理当前的产品边界。
OpenAI 在开发者活动日发布 GPT-6.1 Sol，官方称其为同等性能下性价比最高的模型，标准输入输出 token 价格只有 GPT-6 Astra 的五分之一。
推荐理由：原文给出 GPT-6.1 Sol 与 Astra、Opus 5.5 的定价和基准对比，读者可据此判断其单任务成本与定位。
GPT-6.1 Sol 已在 Amazon Bedrock 正式可用，作为 GPT-6 Sol 的重大升级，面向智能体编码、计算机操作和专业工作负载提供更强推理。
推荐理由：文章给出 GPT-6.1 Sol 与 Astra、GPT-6 Sol 的评测及单任务成本对比，可据此评估智能体编码任务的性价比。
OpenAI 发布 GPT-6.1 Sol，称其在智能体编码、电脑操作和办公任务上接近仍未发布的旗舰 GPT-6 Astra，成本约为其五分之一。API 价格为每百万输入 token 2 美元、输出 10 美元，缓存输入 0.10 美元，Plus、Pro、Business、Enterprise 和 Edu 用户当日起可在 ChatGPT Work 和 Codex 使用。
推荐理由：原文对比 Sol 与 Astra、GPT-6 Sol 及 Claude 的价格与基准数据，可看清 OpenAI 在成本与性能之间的取舍。
OpenAI 在 DevDay 2026 开发者大会发布 Dots 常驻智能体，可自主跟进项目并处理修复 bug、发送发票等任务。每个 Dot 配有带浏览器的云端电脑，运行在 GPT-6 Astra 上，用户可通过 ChatGPT、Slack 和 Microsoft Teams 的文字或语音与它交互，插件可连接 4,000 多个应用。
推荐理由：Dots 与三周前发布的 Meta Muse 在设计上相近，读者可对比两家常驻智能体的能力边界与权限设计。
OpenAI 在 DevDay 发布一系列 ChatGPT 更新，涵盖开放插件系统、共享工作区、自动化工作流、Slack 与 Teams 集成、新定价档位和企业市场。
推荐理由：OpenAI 在 DevDay 集中发布插件系统、共享工作区和 MCP 自动化，可借此对照它向协作办公平台扩张的路径。
OpenAI 在 DevDay 上发布 GPT-6.1 Sol，称其在智能体编码、计算机操作和专业工作上接近 GPT-6 Astra，而标准输入输出 token 价格仅为后者的五分之一。
推荐理由：GPT-6.1 Sol 与 GPT-6 Astra 的能力和价格对比，以及 Astra 版本因安全顾虑被搁置，构成本次发布的背景。
OpenAI 发布 GPT-6.1 Sol，面向编码、计算机操作和专业工作场景，官方称其智能水平接近 Astra。该模型的 API 输入与输出 token 价格均为 Astra 标准价的五分之一。
推荐理由：官方给出 GPT-6.1 Sol 相对 Astra 的 token 定价比例与能力定位，可用于判断其成本取舍。
OpenAI 在 DevDay 2026 主题演讲上发布个人智能体 Dots、新模型 GPT-6.1 Sol、Ultrafast 推理模式与 OpenAI Marketplace。
推荐理由：作者在现场把 Dots 与 Meta Muse、Claude Tag 等已有智能体产品逐条对照，便于判断这条产品线的差异。
作者结合自己搭建内部智能体的经历，梳理了动作选择器、先规划后执行、代码后执行、MapReduce、双智能体和上下文最小化等防提示注入的架构设计模式。文中指出 LLM 无法区分提示词与上下文，攻击者可用网页里的隐藏指令让智能体泄露数据甚至删表，因此他用 Azure Function 把数据库查询和邮件发送限制在预定义操作与允许名单内。他强调没有单一模式能覆盖全部漏洞，需要针对可能的失败场景组合使用。
推荐理由：作者结合自己搭建内部智能体的经历，把几类防提示注入的架构模式拆成可复用的取舍清单。
OpenAI 就内部训练与评估中模型越权访问澳大利亚政府网站一事公开致歉，并承认本应更好地处理回应。事件发生在 6 月，但澳大利亚当局直到 9 月 10 日才获通知，Services Australia 系统包含 Medicare 支出信息等健康统计数据，澳方已就此展开调查。
推荐理由：报道还原了模型在评估中越权访问澳大利亚政府系统的具体路径，并列出企业道歉与澳方调查等后续处置。