跳到主要内容

AI Builders 周报 — 2026-09-28

🧠 模型发布​

  • GPT-6 Sol / GPT-6 Luna（OpenAI，9 月 22 日）：Sol 与 Luna 将 GPT-6 Astra 的专业工作、编码、computer use 与 factuality 能力下放到更低成本档位；API 价格分别为输入/输出每百万 token $2/$10 与 $0.10/$0.50，较 GPT-5.6 对应价格约低 50%。Sol 已在 AutomationBench、FrontierCode、DeepSWE 等测试中展现很强的 agent 性价比；两者可通过 API 使用，Sol/Luna 也进入 ChatGPT Work 与 Codex，Luna 面向 Free/Go 桌面端开放。判断：本周最值得关注的不是单纯分数，而是 frontier 能力的成本曲线明显下移。

  • Claude Opus 5.5（Anthropic，9 月 22 日）：Claude 5.5 家族首个模型，面向长时 agentic coding、computer use 和 knowledge work；API 价格为输入/输出每百万 token $4/$20，cache read $0.20，比 Opus 5 便宜，官方称典型工作负载总成本下降 40%、输出速度提升 30% 以上。支持 Claude Platform、AWS、Google Cloud、Azure，模型 ID 为 claude-opus-5-5。判断：如果实际长任务表现接近官方评测，它会把“高能力 + 可持续运行成本”推到更现实的生产区间。

  • Grok 4.7（SpaceXAI，9 月 21 日）：新 base model 配合更长的 RL 训练，重点提升多小时 coding、knowledge work、自检与长上下文管理；CursorBench 4.0 为 46.3%，DeepSWE v1.1 高 effort 为 71.0%，API 价格为输入/输出每百万 token $2/$6，另有 2 倍输出速度的 fast variant。已在 Grok Build、Cursor、Grok API、第三方 coding harness 与 model router 上线。判断：定位很清晰——以 $2/$6 价格切入长任务开发，而不是只追求单轮问答榜单。

  • MiMo-V2.6 Pro / Flash / Pro-Ultraspeed（Xiaomi MiMo，9 月 21 日）：两款全模态开源模型与一个高速变体，覆盖 code、visual、cyber、3D spatial reasoning 和 computer-use agent。官方披露 Pro 在 Artificial Analysis Intelligence Index 得分 46，并在 DeepSWE v1.1 上从 58.4 提升到 72.6；系列支持 1M context 的 RL 训练，代码、训练环境与技术报告一并开源，Ultraspeed 版本输出速度最高可达 Pro 的 20 倍。判断：它把“开放权重 + agent RL + 多模态操作”组合得很完整，但官方 benchmark 仍应结合独立复现解读。

🔥 新产品发现​

  • Reladraw — 一种由用户决定布局位置的 diagram language，适合需要可控图形生成的开发者。[HN 389👍]
  • TinyAIArena — 让 AI agents 直接对战的竞技场，可作为 agent 行为观察与实验入口。[HN 93👍]
  • chess-postmortem-skills — 一个用于分析棋局的 Claude Code skill，把 agent 工作流带到具体的棋局复盘任务。[HN 75👍]
  • Doom or Bloom — 用互动方式绘制个人 AI world view，适合快速表达对 AI 未来的判断。[HN 56👍]
  • Ekselio — 面向 finance workflow 的 local-first AI 工具，重点是让敏感业务流程留在本地。[HN 40👍]
  • Agentic CUDA Kernel Optimizer — 用 agent 自动探索 CUDA kernel 优化方向，面向 GPU 性能工程实验。[HN 37👍]
  • Recurse — 帮助更快开发与部署 specialist agents 的平台，聚焦垂直 agent 的交付速度。[HN 8👍]
  • Paper-docx — agent-native 的 Python-docx fork，项目宣称可减少 78% 的 DOCX 失败，适合文档生成流水线。[HN 6👍]
  • GoodSocials — 面向 LinkedIn 的 AI social media manager，主打更偏 authentic 的内容生成。[Product Hunt]
  • Token Forecaster — 在发送 LLM 请求前预测回复可能运行多久，适合需要控制延迟与预算的应用。[Product Hunt]
  • Jango — 让 AI agents 像真实用户一样测试 multi-user app，面向端到端 QA 场景。[Product Hunt]
  • SocialGPT — 通过聊天编辑视频时间线，把自然语言交互接到视频剪辑工作流。[Product Hunt]

📰 博客更新​

Anthropic Engineering​

🐦 开发者动态​

  • Guillermo Rauch（Vercel CEO）提醒不要把未经验证的 AI prose 当成理解：他以一个被误归因的 compiler performance 案例为例，强调阅读、核验和真正理解不能被“看起来像解释”的文本替代。
  • Thariq（Claude Code，Anthropic）回顾一年前用 Claude Code 做视频的早期实践，指出当时每个结果仍需要大量人工迭代和纠错，也侧面展示了视频 agent 工作流在一年间的进步。
  • Peter Yang（AI 教程与访谈作者）分享用 Gemini audio API 构建 conversational Japanese 学习应用的实践：10 节课、每节 10 个短语，体现 audio API 从 demo 走向具体学习产品的路径。
  • Garry Tan（Y Combinator CEO）展示用 @capydotai 与 GStack 的 /autoplan 处理生产 bug，并提到 GPT-6 medium reasoning，重点在于把 agent 接入真实 issue，而不是只做一次性代码生成。
  • Peter Steinberger（OpenClaw / OpenAI）转发一个让他感到“像 AGI”的 agent 演示，反映开发者社区对高自治、可组合 agent 行为的关注正在升温。

🎙️ 播客摘要​

  • No Priors：Why Diffusion Will Win AI Inference with Inception Co-Founder and CEO Stefano Ermon：The Takeaway：扩散式语言模型当前最现实的突破口是 inference economics，而不是立即取代 autoregressive 模型。 Inception 联合创始人 Stefano Ermon 解释了从图像 diffusion 到离散文本/代码 diffusion 的研究路径：模型以并行去噪处理多个 token，工作负载更接近训练，也更适合 GPU，因此能在保持 OpenAI-compatible API 的同时降低延迟。对 voice agent 等场景，速度直接影响交互体验；团队称 Mercury 已在生产中使用，并通过自建 serving engine 解决传统 vLLM/SGLang 栈无法直接承载的问题。访谈也强调，这条路线的代价是生态尚不成熟、训练与 post-training 基础设施需要自建，未来价值取决于 diffusion 模型是否能把更快 inference、可控生成和更高 data efficiency 延伸到更广的任务。

Generated through the Follow Builders skill: https://github.com/zarazhangrui/follow-builders