🧠 模型發佈/更新
1. OpenAI 發佈 GPT-6 Astra：1.05M 上下文的計算機操作模型，因觸及 Critical 網絡安全閾值而限制訪問
OpenAI 發佈 GPT-6 Astra，定位為計算機操作模型，提供 1,050,000 token 上下文窗口、128,000 最大輸出 token，2026 年 4 月 30 日知識截止，OSWorld V2-Offline 得分 72.6%（GPT-5.6 Sol 為 65.7%），平均任務時間從約 75 分鐘降至 40 分鐘。
TIP來源：MarkTechPost
2. OpenAI 發佈新模型 Astra，主打計算機與瀏覽器操作但因 opaque recurrence 引發爭議
OpenAI 發佈最新模型 Astra，稱其為迄今最強大模型，主打計算機和瀏覽器操作，先面向 Daybreak 網絡安全計劃客戶開放，隨後一週內覆蓋 Pro、Plus、Enterprise、Business 付費賬戶及 API。
TIP來源：TechCrunch：AI
3. OpenAI 開始發佈 GPT-6 Astra，面向全部 Plus 用戶開放
OpenAI 宣佈開始發佈 GPT-6 Astra，稱正以儘可能謹慎和快速的方式推進，重點讓全部 Plus 用戶可用，而不只限 Pro、Business 和 Enterprise 套餐。發佈需幾天完成，背後多個全新系統將首次大規模運行，團隊正帶來大量算力，詳情見 openai.com/index/gpt-6-astra/。
TIP來源：X：Tibo (@thsottiaux)
4. OpenAI 發佈 GPT-6 Astra，多項基準達到 SOTA
OpenAI 發佈 GPT-6 Astra，在 FrontierMath Tier 4、ARC-AGI 3、TerminalBench-4.0 上達到 SOTA，並在 Terminal-Bench Science 0.1 和 HealthBench Pro 上取得領先成績。
TIP來源：X：Sherwin Wu（@sherwinwu）
5. IFM 發佈 K2 Horizon 六款開源模型，覆蓋 0.9B 到 375B-A23B 並開放完整訓練生命週期
IFM 發佈 K2 Horizon 模型系列，共六個模型：375B-A23B、36B-A4B、32B、7B、3.7B 和 0.9B，均以 Apache 2.0 開源，其中 0.9B、3.7B 和 7B 宣稱在其規模上達到 SOTA，36B-A4B 採用新提出的稀疏注意力架構 MoVA。
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
6. OpenAI 發佈 GPT-6 Astra，首個達到關鍵級網絡安全能力門檻的模型
OpenAI 於 9 月 3 日發佈新一代大語言模型 GPT-6 Astra，是其首個達到準備框架中關鍵級網絡安全能力門檻的模型，可在無逐步指導下發現防護嚴密系統的未知漏洞。
TIP來源：IT之家
7. OpenAI 發佈 GPT-6 Astra，官方基準顯示 ARC-AGI-3 得分 99.9%
TIP來源：X：Kim (@kimmonismus)
8. OpenAI 發佈 GPT-6 Astra，基準全面超越 Claude Fable 5.1
作者引用 OpenAI 官方基準稱 GPT-6 Astra 以 99.9% 飽和 ARC-AGI-3，在 ExploitBench 得 100%，並在各項基準上全面超過此前保持 SOTA 兩天的 Claude Fable 5.1，且價格更低。
TIP來源：X：Kim (@kimmonismus)
🚀 產品發佈/更新
1. Hugging Face 發佈開源工具 funes，為編碼智能體提供可本地持有的記憶層
Hugging Face 發佈開源工具 funes，為 Claude Code、Codex、pi、Hermes 等編碼智能體提供本地記憶層，把已有會話記錄索引成 Lance 數據集，一條 funes add 命令即可讓 Agent 自主召回原始出處（Agent、時間戳、會話、輪次）。
TIP來源：Hugging Face：Blog
2. xAI 設計 Grok Bot：為持久化智能體重構交互界面
xAI 發佈設計文章，介紹 Grok Bot 如何為超越單次會話的持久化智能體設計界面。產品以 Bot 為主要對象而非會話，Bot 擁有身份、記憶、自己的計算機和工具；頭像動效呈現空閒、工作、等待、阻塞、思考、完成等狀態；工作區提供狀態、預覽、接管三級訪問。
TIP來源：xAI：News（網頁）
3. OpenAI 推出 Daybreak for Frontline Defenders，投入10億美元支持一線網絡防禦
OpenAI 發佈 Daybreak for Frontline Defenders 全球計劃，承諾提供10億美元的 Daybreak 補貼訪問、培訓、技術支持與合作，計劃在未來六個月內消耗，優先支持水處理、電網、州和地方政府、社區銀行、非營利組織和開源維護者等資源有限的一線防禦者。
TIP來源：OpenAI：官網動態
4. xAI 發佈 Grok Bot 企業版，Grok 與 Cursor Enterprise 客戶兩週免費
xAI 宣佈 Grok Bot 面向企業開放，Grok 和 Cursor Enterprise 客戶未來兩週可免費使用並邀請全組織成員，包括沒有現有席位的員工。
TIP來源：xAI：News（網頁）
🏛️ 行業動態
1. NVIDIA 宣佈以 129.303 億美元收購 Hugging Face
NVIDIA 宣佈已同意以 12,930,300,000 美元收購 Hugging Face，黃仁勳在官方博客公佈了這一消息。Hugging Face 目前有超過 1800 萬開發者，託管超過 300 萬個模型、50 萬個數據集和 100 萬個應用，服務超過 20 萬家企業。
TIP來源：NVIDIA Blog
💡 技巧與觀點
1. Artificial Analysis 評測 GPT-6 Astra：編碼智能體追平 Fable 5 但價格漲至 2.5 倍
Artificial Analysis 發佈 GPT-6 Astra 評測，其 Coding Agent Index 得分 67，約等於 Claude Opus 5 和 Fable 5，且成本不到 Fable 5 的一半；token 效率比 GPT-5.6 Sol (max) 高約 70%。
TIP來源：X：Artificial Analysis (@ArtificialAnlys)
2. François Chollet 評 GPT-6 Astra 在 ARC-AGI-3 上的表現
François Chollet 發文稱 GPT-6 Astra 在交互式推理任務上帶來階躍式能力提升，使用標準 harness 在 ARC-AGI-3 上得 66%，配合持續對話 harness 和自定義 compaction 接近 100%，每局成本約 $360。
TIP來源：X：Francois Chollet (@fchollet)
3. Rohan Paul 解讀 OpenAI GPT-6 Astra 117 頁系統卡中的安全發現
Rohan Paul 梳理 OpenAI GPT-6 Astra 117 頁系統卡的要點：Astra 控制自身鏈式思維的能力從 GPT-5.6 Sol 的 16.1% 躍升至 60.9%，可監控性相應下降。
TIP來源：X：Rohan Paul (@rohanpaul_ai)
4. Gary Marcus 評 GPT-6 Astra：進步明顯但魯棒性與可監控性存疑
Gary Marcus 發文點評 GPT-6 Astra，稱多項報告顯示其為真正的進步，OpenAI 產品顯式創建並操縱符號世界模型，令其近十年的主張獲得印證。
TIP來源：Gary Marcus：The Road to AI We Can Trust
5. Tom Tunguz 解析 Meta Muse Spark 雙軌定價背後的數據換算力邏輯
Tom Tunguz 分析 Meta 發佈 Muse Spark 模型及雙軌 API 定價：Standard Tier（muse-spark-1.3）輸入 $1.25/m。
TIP來源：Tomer Tunguz 博客（VC 分析）
6. Google Cloud 教你用 Cloud Run instances 以每月 $5.70 搭建常駐 Agent
Shir Meir Lador 在 Google AI 開發者博客介紹如何用 Cloud Run instances 以每月 $5.70（1 vCPU、1Gi 內存、共享 CPU）在雲端 24/7 運行常駐 Agent。
TIP來源：Google AI：DEV 作者專屬
7. Meta Muse Spark 1.3 在 Artificial Analysis 編碼智能體指數中與 Claude 組合對比評測結果公佈
Artificial Analysis 編碼智能體指數顯示，Meta Muse Spark 1.3 (max) 在 Muse Code 下得 68 分，僅次於 Claude Code + Opus 5 (xhigh) 的 68 分。
TIP來源：X：Alexandr Wang（Scale AI 創始人/Meta 首席 AI 官） (@alexandr_wang)
8. ARC-AGI-3 發佈僅半年即被 Astra 飽和，進展快於 François Chollet 預期一倍
Sherwin Wu 表示自己曾覺得 ARC-AGI-3 很難，如今該基準已被 Astra 飽和。引用 François Chollet 的話稱，ARC 3 發佈時他預計前沿模型約一年才能飽和，實際只用了 6 個月，約為預期的 2 倍速度，新一代模型的能力將挑戰人們基於舊模型形成的 AI 觀點。
TIP來源：X：Sherwin Wu（@sherwinwu）
