AI 日报：OpenAI 发布 GPT-6.1 Sol，以约五分之一价格接近 GPT-6 Astra 智能

30 秒速读

OpenAI 发布 GPT-6.1 Sol，以约五分之一价格接近 GPT-6 Astra 智能
Claude Sonnet 5.5 (High) 以 1699 分登 Code Arena: WebDev 第 4 名
Google DeepMind 发布 Gemini 4 Argon，面向可信网络防御者先行开放

本日报从公开来源中筛选与独立开发者相关的模型、产品、需求和工作流变化。事实链接用于核对，价值判断是编辑分析。

今天最该知道的 10 条

OpenAI 发布 GPT-6.1 Sol，以约五分之一价格接近 GPT-6 Astra 智能 原文

具体：OpenAI 已开放 GPT-6.1 Sol API，输入每百万 token 2 美元、缓存输入 0.10 美元、输出 10 美元。官方称它在智能体编程、电脑操作和专业工作上接近 Astra，标准输入输出价格约为 Astra 的五分之一。
价值：这是今天最直接影响成本的变化。把自己产品里同一批真实任务同时跑 Sol 和 Astra，比较成功率、返工时间与总账单，再决定是否替换默认模型。

Claude Sonnet 5.5 (High) 以 1699 分登 Code Arena: WebDev 第 4 名 原文

具体：Arena 给 Sonnet 5.5 High 打出 1699 分，较 Sonnet 5 High 的 1540 分高 159 分；WebDev 排第 4，混合价格约每百万 token 8 美元。Anthropic 称新款快 30% 以上，多数任务成本最多降低 30%。
价值：编码和前端工具可以用实际提交的修复任务做一次对照。高分不等于适合所有代码库，重点量出它能否少改错、少返工。

Google DeepMind 发布 Gemini 4 Argon，面向可信网络防御者先行开放 原文

具体：DeepMind 先通过 Fairwind 计划向可信网络防御者开放 Argon，之后才逐步扩大范围。Arena 的 Agent Arena 记录它排第 8、净提升 7.92%，每任务成本 0.62 美元。
价值：它已值得放进防御类任务的候选评测，但当前可用范围有限。先把它与 Sol、Astra 放到同一套漏洞分类或修复任务里，别只按一张榜单迁移生产流量。

OpenAI 发布常驻智能体 dots，由 GPT-6 Astra 驱动 原文

具体：Dots 有自己的云电脑，可 24 小时持续运行，并通过插件连接 4,000 多个应用；用户能检查运行状态、设定权限，并审批会影响账户或对外分享信息的操作。
价值：OpenAI 把长任务、跨应用连接、进度查看和审批放进一个产品。小团队可以从发票、客户反馈或内容剪辑等单一流程切入，卖可审计的结果，而不是再包一层聊天框。

Perplexity 开放 Computer 邮件委托入口并限时免费运行任务 原文

具体：用户可把任务转寄或抄送到 Computer 邮箱，不需要先注册 Perplexity 账号；智能体在后台继续处理并保留邮件上下文，完成的任务会出现在网页和手机端，还带有审计记录。
价值：把任务入口放在用户已经使用的邮件里，明显减少了登录和切换页面的阻力。可以验证类似的异步委托入口，但要让用户看得到任务状态、授权范围和最后结果。

mksglu/context-mode 原文

具体：这个开源项目自述可把 coding agent 的工具输出压缩 98%，保留会话记忆，并通过 MCP 与 hooks 路由到 17 个平台。
价值：开发者开始直接处理上下文被工具输出吃掉的问题。可测一个窄功能：告诉用户哪次检索或命令最耗 token、哪些结果能缓存，先用账单和任务成功率证明节省幅度。

Arena 研究：LLM 裁判偏爱自己答案的概率比人类高 70% 原文

具体：研究用 12 个模型评 1,460 场对战、共 34,580 次判决；模型自偏好平均比人类高约 70%，Astra 在 88% 的对战中选自己。模型裁判彼此一致率 79.4%，与人类投票者一致率只有 56.9%。
价值：只用另一个模型打分来证明产品质量，容易把自信和真实效果混为一谈。评测产品要留住固定测试集、真实任务结果和人工抽检，尤其要防模型家族偏好。

PromptArmor 披露 Copilot Cowork AI 网关被劫持绕过沙箱外传文件漏洞 原文

具体：PromptArmor 报告称，恶意 Skill 可劫持 Microsoft Copilot Cowork 的 AI 网关，绕过沙箱并外传文件。此处是研究方披露的漏洞描述，不代表所有部署都已受影响。
价值：用户安装 Skill 或连接工作资料时，需要知道它能读什么、能连到哪里、做了什么。面向企业的 agent 产品应把权限提示、网络边界和操作记录作为核心功能。

We built a local video workspace because our agent could generate clips but could not edit them 原文

具体：一位 Indie Hackers 创作者说，他们的 agent 已能生成视频片段，却无法在本地工作区里把素材剪成成片，因此开始做编辑空间。帖子时间未标注，先把它当作一条创作者信号。
价值：生成之后的选片、排序、裁切、字幕和导出可能才是交付卡点。做工具前先问制作者看一次真实素材整理流程，确认他们愿不愿为省下的编辑时间付费。

OpenRouter 教程：提示词或模型变更后如何对 AI Agent 做回归测试 原文

具体：OpenRouter 建议每次改提示词、模型、工具定义或检索设置后，重跑固定用例，并按写下的行为契约检查结果。
价值：agent 不再只是回答文本，改一个配置就可能让整条工作流失效。把真实失败案例变成小型回归集，比反复手工点测更容易形成稳定的开发者工具。

大模型榜单异动

Mureka V9 三日升两位，进入音乐伴奏榜前三 原文

变化：Artificial Analysis 记录 Mureka V9 当前第 3，Elo 1081，三日排名上升 2 位并进入 Top 3；当日榜单识别为 major_surge。
判断：这是本次快照里模型名和榜位都可辨认的一项。做配乐或短视频产品的人可以抽同一批提示实测风格一致性、可控性和导出限制。

GPT Image 2.5 Sunburst (max) 在两个图像榜单被列为第 2 图像编辑榜

变化：采集记录它在 Image Editing 的 Elo 为 1182、Text-to-Image 为 1197，均列第 2 且标成 major_surge；原始标题却残留“0 by Elo rating are”，显示这条摘要有解析噪声。
判断：可以把模型加入图片任务候选，但先打开榜单核对模型名称和当前名次，再与现有模型盲测；别把采集文本本身当成完整排名证据。

视频榜多条 major_surge/watch 记录缺少模型名 Text-to-Video 榜

变化：快照把 Text-to-Video 和 Image-to-Video 各有多条记录排入前六，却没有给出模型名；同一榜上同时出现多个第 1 至第 3 名，Elo 次序也不一致。全日统计为 9 个 major_surge、6 个 watch、13 个 minor_change。
判断：这是需要保留的异常证据，不是可执行的选型结论。先以页面本身核对模型身份、榜位和 API，再决定是否实测；未核实前不因这些匿名记录切换默认模型。

值得注意的新产品、新方向、新模型

ChatGPT 正在变成 Agent 的分发与工作界面 OpenAI DevDay 官方回顾

具体：DevDay 宣布 Agents API 支持 computer use，并带入多 Agent、工具搜索、工具调用和上下文压缩；Plugin Extensions 可在 ChatGPT 里提供侧栏、交互面板与文件查看器。OpenAI 称平台触达 12 亿周活用户。
价值：开发者多了一个现成的使用入口，但需要依照平台能力和审核规则设计。先找已经有重复流程的窄类产品，例如工单分流或报告审阅，验证用户是否愿意在 ChatGPT 内完成闭环。

AI 视频产品开始补生成后的收尾工作 RxFilmStudio

具体：最近一周的 Product Hunt 出现面向 Agent 的产品视频编辑器；GitHub 同期有 BrewReel、HyperFrames、MoneyPrinterTurbo 等从脚本、素材到渲染的开源项目，Indie Hackers 也出现本地剪辑工作区讨论。
价值：这些信号都指向同一段链路：生成片段后仍要挑选、剪辑和导出。机会更可能在针对一种素材或渠道的快剪，而不是另造一个全能视频生成器。

多语言语音评测和可复现生成都在补工具层 Open TTS Leaderboard

具体：Hugging Face 新增面向多语言 TTS 与声音克隆的开放榜单；OpenRouter 上的 HeyGen Video 1 支持 5 至 15 秒片段、六种画幅和 seed 重跑，便于只改一个参数再比较。
价值：做配音、短视频或本地化内容时，创作者需要同时比较语言效果并复现选定结果。用可复跑样例和语言覆盖率做差异化，比只提供模型列表更有用。

未被满足的需求

生成视频之后，创作者仍缺一个快速编辑到可发布成片的环节

信号：Indie Hackers 创作者明确说 Agent 会生成片段却不会编辑；Product Hunt 的 RxFilmStudio、GitHub 的 BrewReel 与 HyperFrames 也集中在编辑、编排和渲染，说明这条工作流有人在补，但还不足以证明细分市场已经成立。

多 Agent 工作时，用户难以预估额度和上下文开销

信号：X 上一位开发者称，让 Astra 用 4 个 subagent 在约 3 分钟重建一个产品消耗了其每周额度约 10%（其订阅为每月 500 美元）；另一位开发者说把完整 emoji 目录塞进 Jev 消耗太多输入 token，后来改成向量检索。样本是个人分享，规模仍待核实。

Agent 的配置更新和外部工具权限仍缺少可靠验收

信号：OpenRouter 把模型、提示词、工具和检索变更列为回归测试触发点；Arena 的研究显示模型裁判和人类判断有明显偏差；PromptArmor 则报告恶意 Skill 可越过沙箱。这三类证据都指向上线前需要可重复的结果检查与权限审计。

如果今天只有两个小时

做一个本地运行的“AI 短片收尾器”：导入 3 至 5 段已生成视频，支持拖拽排序、裁切首尾、编辑字幕和 CTA，再导出 9:16 MP4；先不接生成模型，也不做账号系统。把可点击原型发给 Indie Hackers 原帖作者、RxFilmStudio 用户和 BrewReel、HyperFrames 的使用者，约 5 位创作者边操作边讲解，记录他们最后十分钟如何整理素材。若排序、字幕或导出最常被提到，再只做那一步。