GPT-5.6 – OpenAI 推出的最新一代大语言模型系列AI工具2个月前更新AI小集04GPT-5.6是什么GPT-5.6 是 OpenAI 推出的最新一代大语言模型。模型首次采用天文学命名体系，推出三档型号：旗舰版Sol（太阳）面向高难复杂任务，是目前性能最强的版本；均衡版Terra（地球）性能对标 GPT-5.5 但价格仅一半，适合日常工作流；轻量版Luna（月亮）主打速度与低成本。核心能力聚焦于编程、生物信息学和网络安全三大方向，支持 150 万 tokens 超长上下文，在 Terminal-Bench、GeneBench 等基准测试中全面领先，新增 Ultra 模式通过多子 Agent 协作处理复杂任务。GPT-5.6的主要功能三档型号灵活选择：提供 Sol（旗舰）、Terra（均衡）、Luna（轻量）三个版本，分别对应高难度任务、日常工作和低成本高并发场景。超长上下文处理：支持 150 万 tokens 上下文窗口，可处理超长文档、代码库和复杂多轮对话。高级编程与终端操作：在命令行环境中执行复杂开发任务，支持项目结构理解、文件读取、代码修改、运行命令和报错分析。Ultra 模式多 Agent 协作：通过调度多个子 Agent 拆分处理复杂任务，统一汇总结果，提升长周期编码效率。生物信息学与基因组分析：支持长周期基因组学和定量生物分析任务，在更少输出 tokens 下获得更强结果。网络安全与漏洞研究：推进长周期安全任务，包括漏洞研究和 exploitation 相关任务，效率显著提升。分层安全防护体系：加强对高风险活动、敏感网络请求和重复滥用行为的防护，抵御真实世界攻击。提示词缓存与成本优化：优化重复提示词调用机制，降低高频场景下的 API 使用成本。如何使用GPT-5.6ChatGPT：Plus/Pro/Business/Enterprise用户可访问Sol（medium及以上effort），Pro和Enterprise可选Sol Pro。ChatGPT Work/Codex：免费和Go用户用Terra，Plus及以上可选Sol/Terra/Luna，可设置effort等级；max模式所有可用用户可开启；ultra在ChatGPT Work中Pro/Enterprise可用，Codex中Plus及以上可用。API：通过OpenAI API访问三档模型，Responses API支持Programmatic Tool Calling（ZDR兼容）和Multi-agent beta。GPT-5.6的官网地址官网地址：https://openai.com/index/gpt-5-6/GPT-5.6的核心优势三档分级灵活匹配：Sol（旗舰）、Terra（均衡）、Luna（轻量）覆盖高难度任务、日常工作和低成本高并发场景，按需选择不浪费算力。编程能力行业领先：Terminal-Bench 2.1 得分 Sol 88.8%、Sol Ultra 91.9%，超越 Claude Mythos 5（88.0%）等竞品。超长上下文窗口：支持 150 万 tokens，比 GPT-5.5 提升约 50%，可处理完整代码库、长篇文献和复杂多轮对话。Ultra 模式多 Agent 协作：自动调度多个子 Agent 拆分并行处理复杂任务，再统一汇总结果，大幅提升长周期编码效率。科研成本效率双优：GeneBench v1 上 Sol 比 GPT-5.5 得分更高，但输出 tokens 更少，生物信息学分析更省成本。网络安全高效精准：ExploitBench 接近 Mythos Preview 水平，但仅使用约 1/3 的输出 tokens，漏洞研究效率显著提升。分层安全防护体系：迄今最强安全堆栈，可抵御高风险活动、敏感网络请求和真实世界攻击。价格梯度合理：Terra 性能对标 GPT-5.5 但价格仅一半；Luna 成本最低；提示词缓存机制进一步降低重复调用开销。GPT-5.6的同类竞品对比对比维度GPT-5.6 Sol (OpenAI)Claude Fable 5(Anthropic)Gemini 3.1 ProPreview (Google)发布时间2026年6月27日2026年6月9日2026年2月19日模型定位旗舰版（三档分级：Sol/Terra/Luna）Mythos-class（高于Opus级别）旗舰多模态模型上下文窗口150万 tokens100万 tokens100万 tokensTerminal-Bench 2.188.8%84.3%70.7%SWE-bench Verified未公开具体分数95.0%未公开具体分数输入价格（/百万tokens）$5$10$2输出价格（/百万tokens）$30$50$12多模态能力文本、图像文本、图像、PDF文本、图像、音频、视频、PDF安全策略分层安全堆栈，需政府审批访问实时安全分类器，敏感查询自动降级至Opus 4.8标准安全策略GPT-5.6的应用场景复杂软件开发与终端操作：深入命令行环境执行复杂编码任务，包括项目结构理解、文件读取、代码修改、运行命令、报错分析与迭代修复，适合大型代码库重构和全栈开发。生物信息学与基因组研究：处理长周期基因组学分析和定量生物分析任务，在多轮数据解释、方法选择和假设比较中保持上下文一致，适合实验室和生物医药研发团队。网络安全与漏洞研究：执行长周期安全任务，包括漏洞挖掘、exploitation 研究和渗透测试，以更低 token 消耗实现高效分析。企业日常办公自动化：通过 Terra 版本处理文档分析、报告撰写、数据整理等高频日常工作流，性能对标 GPT-5.5 但成本减半。高并发低成本推理服务：通过 Luna 版本承载客服机器人、内容摘要、简单问答等大规模高容量调用场景，以最低价格提供强大基础能力。超长文档深度分析：用 150 万 tokens 上下文窗口处理完整技术手册、法律合同、学术论文或大型代码库的全文理解与跨章节关联分析。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Papers with Code - AI科研平台，自动关联论文、代码等下一篇HTML Anything - nexu-io 团队开源的 HTML 编辑器相关文章Dippy – AI虚拟伴侣，学习用户的个性喜好、提供有思考过程的回答AI小集3Oboe – AI个性化学习平台，生成量身定制课程AI小集4Quizbot – AI教育助手，智能生成多种问题类型和测验AI小集5Career-Ops – 开源 AI 求职系统，自动生成定制化求职材料AI小集2Fun-CosyVoice3.5 – 阿里通义实验室推出的语音生成模型AI小集3ECC – 开源的跨平台 AI Agent 性能优化系统AI小集4暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录Tokera AI文优小助ByteCPAgent.SpaceQwenWorkDeepSkill最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！14小时前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作14小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入18小时前E-Commerce Bench – 千问联合淘天开源电商经营评测基准23小时前zg – Zvec AI 开源的本地优先统一检索基础工具23小时前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型23小时前GPT-6 Astra – OpenAI 推出的最新旗舰大模型1天前Cheso – 腾讯推出的 AI PPT Agent 制作工具2天前Muse Spark 1.3 – Meta 推出的新一代大语言模型2天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型3天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型3天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型3天前Atlas – World Labs 推出的全球首个多模态世界模型3天前

E-Commerce Bench – 千问联合淘天开源电商经营评测基准AI工具22小时前发布AI小集02E-Commerce Bench是什么E-Commerce Bench 是阿里通义千问联合淘天集团开源的长程电商经营评测基准。E-Commerce Bench让 LLM Agent 以 10 万元本金在模拟真实市场中经营网店 365 天，涵盖选品、供应商谈判、定价、库存与现金流管理。环境基于真实平台数据，含 576 家供应商（含欺诈方）、8 场促销及 10 个市场事件，通过确定性内核保证可复现性，从盈利、谈判、反欺诈、长程学习等七维度评估模型的商业经营能力。E-Commerce Bench的主要功能长程经营模拟：让 LLM Agent 以 10 万元本金在动态市场中持续经营网店 365 天，最大化年末总资产。多店铺运营：支持同时开设最多 4 家、12 种不同类型的店铺，进行差异化品类布局。供应商谈判：与 576 家供应商开展多轮价格谈判，争取更低采购成本。反欺诈识别：识别并规避 152 家欺诈供应商的 5 种典型骗局（VIP 费、缺货、降质、假紧迫、折扣陷阱）。动态市场应对：在 8 场促销和 10 个突发事件（灾害、供应链冲击）下调整经营策略。库存与仓储管理：管理 6,886 个 SKU 的进销存，承担按件按天计算的仓储费用。现金流管控：处理三账户结算体系与 9 天延迟回款，避免 profitable-but-bankrupt（盈利却破产）。七维综合评估：从盈利、谈判、反欺诈、清偿力、效率、执行、长程学习七个独立维度打分。E-Commerce Bench的技术原理四层架构：系统由 Agent 循环层、工具层、环境层、数据层自上而下构建，实现决策、执行、环境反馈的闭环。确定性谈判内核：供应商的所有报价、让步与接受/拒绝决策由固定算法内核计算，LLM 仅负责将数字决策渲染成自然语言对话。这样既保留了多轮砍价的真实体感，又彻底消除了采样随机性，防止模型通过越狱或欺骗拿到成本线以下的价格，确保不同 Agent 在相同策略下获得可复现的结果。动态经济引擎：用户需求不做随机采样，通过品类基础需求、价格弹性、市场事件和店铺信誉等因子计算得出，仅由 episode 种子控制可复现的随机性。三账户结算与现金流压力：成本发生当天即从银行账户扣除，但销售收入需经过”发货 → 9 天平台担保期 → 平台钱包 → 手动提现”才能回流银行，刻意制造营运资金缺口，迫使 Agent 主动管理流动性，避免只看利润不看现金的短视行为。长程学习评估（AnchorRatio）：衡量 Agent 在重复采购同一商品时是否越买越便宜。以该 Agent 自身历史报价的随机重排作为零假设，若显著低于 1.0 则说明模型能从过往谈判经验中持续优化采购策略。微信关注回复“开源”，加入AI开源项目交流群如何使用E-Commerce Bench获取代码：从 GitHub 克隆 E-Commerce Bench 开源仓库到本地。环境配置：安装项目依赖并准备好 Python 运行环境。接入模型：在配置文件中填入待评测 LLM 的 API Key 与模型名称。启动模拟：运行主程序，Agent 将自动开始 365 天的电商经营回合。查看结果：模拟结束后，系统自动输出七维评估报告与全年资产变化曲线。E-Commerce Bench的核心优势首创长程经营评测：首次将 LLM Agent 评测从短程任务扩展到 365 天持续经营的动态商业场景。真实市场数据驱动：6,886 个商品、60 个品类、576 家供应商均基于真实电商平台脱敏数据构建。确定性内核保障可复现：谈判报价与市场需求由固定算法内核计算，LLM 仅负责对话渲染，彻底消除随机采样噪声。七维立体评估体系：不只看年末资产，同时独立考核谈判、反欺诈、现金流、效率、执行与长程学习能力。真实商业压力模拟：三账户延迟结算与按天仓储费机制，迫使 Agent 必须管理营运资金而非仅追求账面利润。反欺诈能力量化：内置 152 家欺诈供应商与 5 种典型骗局，精准测量模型的风险识别与资金保护能力。E-Commerce Bench的项目地址项目官网：https://ecbench.github.io/GitHub仓库：https://github.com/QwenLM/E-CommerceBencharXiv技术论文：https://arxiv.org/pdf/2608.30730E-Commerce Bench的同类竞品对比对比维度E-Commerce BenchTERMS-Bench核心定位长程自主电商经营全链路评测多轮对话谈判策略专项评测任务时长365天持续经营，单轮最高4,000回合单会话有限轮次谈判市场环境动态经济引擎（促销、灾害、季节性需求波动）静态或简化谈判场景经营复杂度涵盖开店、选品、库存、现金流、退货、履约仅聚焦买卖双方价格博弈反欺诈评估内置152家欺诈供应商与5种典型骗局不涉及欺诈识别维度长程学习度量AnchorRatio 量化跨时间重复采购的学习效果不评估跨会话经验积累可复现机制确定性谈判内核 + LLM 仅渲染对话依赖 LLM 同时扮演谈判双方数据来源真实电商平台脱敏商品与品类数据合成或人工构造场景E-Commerce Bench的应用场景大模型商业能力评测：为 GPT、Claude、Qwen 等前沿模型提供标准化的长程经营能力横向对比。电商 Agent 策略迭代：作为强化学习与 Agent 架构的训练沙盒，快速验证定价、采购与库存策略。供应链风控算法研究：在含欺诈供应商的模拟环境中测试和优化供应商筛选与风险识别模型。动态定价算法验证：利用真实价格弹性数据，检验不同定价策略在促销与季节性波动中的收益表现。商业决策模拟培训：作为商学院或企业内部的经营模拟器，训练管理者在现金流压力与市场不确定性下的决策能力。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇zg - Zvec AI 开源的本地优先统一检索基础工具下一篇Pi - 开源的终端编程 Agent，支持自定义工具与模型接入相关文章n1n – AI大模型API聚合服务平台，实现全球直连AI小集5Sourcetable – AI驱动的电子表格和数据分析工具AI小集2Kimi论文写作助手 – Kimi推出的论文写作工具AI小集3Kua.ai – AI内容生成平台，为跨境电商卖家提供一站式服务AI小集2Splix – AI驱动的笔记与知识管理工具AI小集2OmniHuman – 字节跳动推出的单张照片生成全身动态视频生成框架AI小集6暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录Tokera AI文优小助ByteCPAgent.SpaceQwenWorkDeepSkill最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！14小时前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作14小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入17小时前zg – Zvec AI 开源的本地优先统一检索基础工具22小时前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型22小时前GPT-6 Astra – OpenAI 推出的最新旗舰大模型1天前Cheso – 腾讯推出的 AI PPT Agent 制作工具2天前Muse Spark 1.3 – Meta 推出的新一代大语言模型2天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型3天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型3天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型3天前Atlas – World Labs 推出的全球首个多模态世界模型3天前Claude Mythos 5.1 – Anthropic 推出的 Claude 系列旗舰模型3天前

GPT-6 Astra – OpenAI 推出的最新旗舰大模型AI工具1天前更新AI小集02GPT-6 Astra是什么GPT-6 Astra 是 OpenAI 推出的旗舰大模型，官方称其为「全球最智能、最符合人类意图的模型」。模型突破传统聊天边界，进化为能独立操作软件、浏览网页、完成复杂任务的 AI Agent。在 ARC-AGI-3的得分达到 99.9%、ExploitBench获得 100% 成绩等测试中创下纪录，可胜任编程、科研、网安等专业工作。GPT-6 Astra的主要功能Computer Use：独立操作计算机软件、浏览网页、填写表单、更新 CRM 与整理日程。软件工程：完成复杂编程与代码库理解，Terminal-Bench 与 DeepSWE 测试均达 SOTA。科学研究：直接分析实验数据、生成图表，FrontierMath Tier 4 得分 97.6%。网络安全：发现并利用 zero-day 漏洞，ExploitBench 测试达 100%。3D 与硬件设计：操作 Blender、Unity、KiCad 完成 3D 建模、游戏场景与 PCB 电路板设计。专业文档：生成排版精美的海报、演示文稿及可直接使用的商务文档。GPT-6 Astra的技术原理超大规模预训练：首次在美国 Stargate 德州基地使用超 10 万张 GPU 完成预训练，是 OpenAI 迄今规模最大的训练项目之一。模型对齐与安全：集合多年强化学习和对齐研究成果，采用此前模型参与监督；在突破任务边界测试中，越权比例从 48% 降至 0%。长程上下文管理：Codex 跨上下文窗口保存笔记并支持搜索过往消息与工具输出，使长时任务不丢失关键信息。分级安全策略：普通版本拒绝高级网络安全请求，经审核的安全团队可通过 Daybreak 项目获得更开放的能力访问，平衡性能与风险。如何使用GPT-6 Astra获取权限：订阅 ChatGPT Plus/Pro/Business/Enterprise 或申请 API 访问，获得 GPT-6 Astra 使用权限。切换模型：在ChatGPT客户端或 API 端点中选择 GPT-6 Astra 作为当前模型。输入指令：用自然语言输入复杂任务指令，支持编程、设计、科研、办公自动化等多场景。开启 Computer Use：开启 Computer Use 功能，授权 Astra 自主操作软件、浏览网页及调用外部工具。交互确认：根据执行进度实时反馈，确认关键节点或调整需求，直至任务完成并导出成果。GPT-6 Astra的核心优势Agent 能力质变：从聊天问答进化为能独立完成复杂任务的 AI Agent，可直接操作软件、浏览网页、处理专业工作流。顶尖基准成绩：ARC-AGI-3 达 99.9%，ExploitBench 达 100%，FrontierMath Tier 4 达 97.6%，多项测试刷新纪录。软件工程领先：Terminal-Bench 与 DeepSWE 均达 SOTA，代码生成迭代更少，长程任务上下文不丢失。科学研究能力：可直接进入专业软件分析实验数据，参与数学研究并推进素数间隔问题。创意与硬件设计：支持 Blender、Unity、KiCad 完成 3D 建模、游戏场景搭建与 PCB 电路板设计。网络安全双刃剑：具备发现 zero-day 漏洞的能力，但通过 Daybreak 分级策略严格管控开放范围。GPT-6 Astra的项目地址项目官网：https://openai.com/index/gpt-6-astra/GPT-6 Astra的同类竞品对比对比维度GPT-6 Astra (OpenAI)Claude Fable 5.1(Anthropic)产品定位全球最强 AI Agent，AGI 时代起点Anthropic 旗舰模型，侧重安全与推理Computer UseOSWorld 2.0:72.6%Agents’ Last Exam:59.3%ScreenSpot-Pro:92.7%Agents’ Last Exam: 48.7%ScreenSpot-Pro: 87.3%软件工程Terminal-Bench 4.0:57.7%DeepSWE v1.1:74.1%FrontierCode Ext: 64.5%Terminal-Bench 4.0: 55.8%DeepSWE v1.1: 67.4%FrontierCode Ext: 63.6%科学研究FrontierMath Tier 4:97.6%GPQA Diamond:96.0%Terminal-Bench Science:64.6%FrontierMath Tier 4: 87.8%GPQA Diamond: 93.7%Terminal-Bench Science: 52.6%网络安全ExploitBench:100%ExploitGym:42.4%ExploitGym: 30.4%安全对齐越权比例0%CU 安全:2.4%CU 安全: 9.5%定价输入 $10/M tokens输出 $50/M tokens输入 $10/M tokens输出 $50/M tokens开放策略分级开放，普通用户受限，安全团队 via Daybreak通过 Claude 平台及 API 标准开放GPT-6 Astra的应用场景软件工程：自主完成复杂代码编写、调试与数据库迁移，Terminal-Bench 与 DeepSWE 测试均达行业顶尖水平。科学研究：直接进入专业软件分析基因测序数据、生成实验图表，并参与推进数学前沿难题研究。办公自动化：独立操作 Excel、Power BI 等工具，完成填表、CRM 更新、日程整理及复杂数据分析。3D 与硬件设计：在 Blender、Unity 中完成 3D 建模与游戏场景搭建，或使用 KiCad 完成 PCB 电路板布局设计。网络安全：主动扫描并发现 zero-day 漏洞，帮助企业修复系统缺陷，同时通过分级策略防止滥用。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Cheso - 腾讯推出的 AI PPT Agent 制作工具下一篇MAI-Transcribe-2 - 微软推出的最强 AI 语音转文字模型相关文章Grok-1 – 马斯克旗下xAI开源的大模型，参数量3140亿AI小集7Outspeed – 支持构建实时语音和视频AI应用的平台AI小集2DocTranslator – AI文档翻译工具，保留原始排版格式AI小集2Time-MoE – 基于MoE架构的时间序列基础模型AI小集2Opal – 谷歌推出的AI工作流生成平台AI小集3VITA – 腾讯推出的开源多模态AI模型AI小集4暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录Tokera AI文优小助ByteCPAgent.SpaceQwenWorkDeepSkill最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！14小时前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作14小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入17小时前E-Commerce Bench – 千问联合淘天开源电商经营评测基准22小时前zg – Zvec AI 开源的本地优先统一检索基础工具22小时前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型22小时前Cheso – 腾讯推出的 AI PPT Agent 制作工具2天前Muse Spark 1.3 – Meta 推出的新一代大语言模型2天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型3天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型3天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型3天前Atlas – World Labs 推出的全球首个多模态世界模型3天前Claude Mythos 5.1 – Anthropic 推出的 Claude 系列旗舰模型3天前

感谢IT之家网友万行、南琴梨、简纸Paper、苹果笔会梦到乔布斯吗、未央、AlanMac、愚公骑马、汪汪的主人是喵喵、软媒新友1970583、软媒新友2203184、华南吴彦祖、凉、软媒用户1053564、勇者阿帽、不甜的砂糖、Stephen_233、火瓶座、乌蝇哥的左手、棒槌的线索投递！IT之家9 月 4 日消息，当地时间 9 月 3 日，OpenAI 宣布推出新一代 GPT-6 Astra 模型，这是该公司迄今为止最强大、部署最广泛的大语言模型。据介绍，Astra 是 OpenAI 旗下首个达到其“准备框架”（Preparedness Framework）中“关键”（Critical）网络安全能力门槛的模型。格雷格 · 布罗克曼（Greg Brockman）声称，随着 Astra 的发布，世界已经进入了通用人工智能的新时代。据 OpenAI 介绍，Astra 在网络安全能力上实现了显著跃升。在提供适当工具和访问权限的情况下，该模型能够在无人指导的条件下，发现许多防护严密的系统中此前未知的安全漏洞，并开发新的利用方式。针对网络安全能力提升，OpenAI 进一步加强了 GPT-6 Astra 的安全防护，包括强化内部开发和部署环境隔离、加密模型检查点，以及对完整运行轨迹进行统一监控。OpenAI 还引入了在内部使用前必须通过的阻断式对齐评估流程，并针对模型可能因滥用或自身偏差采取有害网络操作的风险增加防护措施。与 GPT-5.6 Sol 相比，GPT-6 Astra 的抗越狱能力也有所提升。OpenAI 称，该模型通过新的鲁棒性（指模型在面对被破坏的、异常的、有恶意的输入时，能否做到“临危不乱”）安全训练技术，在较长运行轨迹中的表现同样更加稳定。在具体应用场景中，Astra 在面对提示词注入攻击的鲁棒性显著优于 GPT-5.6 Sol，在真实浏览和专业计算机环境中的不对齐及潜在破坏性行为（如未经授权的交易、数据丢失、过度访问或规避控制）也大幅减少。此外，Astra 在高风险场景中的响应更为安全，且在 18 岁以下用户的年龄适配安全边界应用上更为一致。IT之家注：提示词注入攻击（Prompt Injection）是指通过特定输入诱导 AI 系统偏离原有指令或安全约束的攻击方式。OpenAI 表示，公司通过离线测试，以及内部和外部越狱测试与修复计划，对 GPT-6 Astra 进行了验证。针对被标记为潜在高风险的用户，模型还接受了更保守拒答边界方面的训练。此外，OpenAI 采用回归测试确保 GPT-6 Astra 能够抵御此前测试阶段发现的越狱方式，并使用最新的内部自动化红队攻击模型进行了新一轮测试。在模型对齐方面，OpenAI 称 GPT-6 Astra 相较 GPT-5.6 Sol 也有所改进，涉及预训练数据构成以及强化学习阶段的评估机制。根据 OpenAI 公布的一组对齐评估结果，GPT-6 Astra 在遵守安全与安全边界、以及保持在获授权范围内执行任务方面表现更好。OpenAI 还利用超过 5.4 万项内部 Codex 任务开展部署模拟。在这项测试中，GPT-6 Astra 被标记为高严重程度失配行为的次数约为 GPT-5.6 Sol 的一半。OpenAI 同时扩大了失配监控系统的部署范围，将其加入 GPT-6 Astra 对外部署过程中涉及工具调用的推理流程。该监控系统需要消耗大量计算资源，其架构与 OpenAI 内部使用的监控方案相似。不过，OpenAI 也指出，GPT-6 Astra 的可监控性较 GPT-5.6 Sol 有所下降。相关研究显示，Astra 更有能力控制自身思维链（CoT），并且更不容易在其中留下可能暴露问题的信息。在对抗性测试中，OpenAI 要求模型主动规避监控，发现 GPT-6 Astra 在评估中故意降低表现时可以保持不被发现；在执行部分破坏性任务时，它有时也能够规避内部监控。OpenAI 称，目前尚未发现 GPT-6 Astra 存在思维链隐写推理的证据，即通过普通且看似无关的文本隐藏推理信息。因此，现阶段观察到的规避风险可能主要局限于较低难度的推理任务。OpenAI 强调，这些结果主要来自要求模型主动规避监控的对抗性评估，而整体对齐测试仍显示，GPT-6 Astra 违反安全限制的可能性低于 GPT-5.6 Sol。OpenAI 表示，公司将继续研究上述趋势及其对模型可监控性的影响，并把保持和利用思维链监控能力作为相关研究计划的核心目标。同时，公司认为，仅依靠检查模型思维链并不足以完成对齐审计，还需要发展其他审计技术。在浏览和办公环境中，GPT-6 Astra 同样针对提示注入进行了强化。OpenAI 在真实浏览及专业计算机环境中测试发现，该模型执行未授权交易、造成数据丢失、过度访问权限或绕过控制措施等潜在破坏性行为的可能性低于 GPT-5.6 Sol。在智能体场景中，GPT-6 Astra 处理高风险请求时也更加谨慎。例如，对于涉及暴力攻击策划或实施欺诈的请求，其行为安全性均有所提升。OpenAI 最后表示，GPT-6 Astra 在来自实际生产环境及人工红队测试的高风险请求中，相较 GPT-5.6 Sol 能够更安全地完成允许处理的任务，同时减少对无害请求的不必要拒答。OpenAI 首席科学家 Jakub Pachocki 在 9 月 3 日上午的简报会上表示：“随着模型能力增强，准确理解它们能做什么变得更困难了。这并不保证随着智能持续提升，我们的方法仍然足够有效，因为智能的进步并不能保证对齐的进步。”

HuggingFace是什么Hugging Face 是机器学习社区协作平台，专注于模型、数据集和应用程序的共享与开发。平台提供超过 200 万个预训练模型，涵盖自然语言处理、计算机视觉、语音识别等多种任务，支持一键下载和使用。同时，Hugging Face 拥有海量开源数据集，方便开发者快速加载和处理数据。通过 Spaces 平台，用户能快速部署 AI 应用，实现从想法到产品的快速迭代。Hugging Face 的开源工具库（如 Transformers 和 Datasets）为开发者提供了强大的技术支持，简化开发流程。Hugging Face服务于开发者，推动了 AI 教育和社区建设，成为全球 AI 开发的重要基础设施。HuggingFace的主要功能模型共享与探索：提供超过 200 万个预训练模型，涵盖文本、图像、音频等多种任务，支持一键下载和使用。数据集管理：拥有海量开源数据集，支持一键加载、处理和流式读取，方便开发者快速获取和使用数据。AI 应用托管：通过 Spaces 平台支持创建、分享和运行 AI 应用，支持 GPU/TPU 加速，适合快速原型开发和模型展示。开源工具库：提供 Transformers、Datasets、Tokenizers 等开源工具，支持快速开发和部署 AI 模型。模型部署服务：通过 Inference API 提供一键部署功能，支持云端推理，简化模型上线流程。社区协作：拥有活跃的开发者社区，支持团队协作、代码共享和知识交流，促进 AI 技术的共享与创新。企业级支持：提供付费服务，包括高性能计算资源、私有仓库和企业级安全支持，满足企业级需求。多模态支持：支持文本、图像、音频、视频等多种模态的模型和应用开发，推动多模态 AI 的发展。教育与学习：提供丰富的文档、教程和在线演示，帮助开发者快速上手，推动 AI 教育普及。如何使用HuggingFace注册账号：访问 Hugging Face 官网 https://huggingface.co/，完成账号注册和登录，以便访问平台资源和服务。浏览资源：在 Model Hub 中查找和选择预训练模型，或在 Datasets Hub 中搜索适合的数据集，也可在 Spaces 中探索已部署的 AI 应用。使用开源工具：安装 Hugging Face 提供的开源工具库（如 Transformers 和 Datasets），能快速加载和使用模型与数据集。创建和部署应用：在 Spaces 中创建自己的 AI 应用，选择合适的框架（如 Gradio 或 Streamlit），用平台提供的托管服务快速部署。利用 Inference API：选择一个模型并用 Inference API 提供在线推理服务，通过简单的 HTTP 请求实现模型的快速调用。参与社区互动：在 Hugging Face 论坛、Discord 或 GitHub 上提问、分享经验和参与讨论，获取社区支持和最新动态。使用付费服务（可选）：根据需求订阅 Hugging Face 的付费服务，获取更强大的计算资源、企业级支持或私有仓库等功能。HuggingFace的产品定价专业账户 PRO Account：每月9美元，提供个人Hugging Face体验增强，包括10倍私人存储容量、20倍推理积分、8倍ZeroGPU配额和最高队列优先级、Spaces开发模式和ZeroGPU Spaces托管、在个人Hugging Face资料上发布博客文章、私有数据集的Dataset Viewer以及显示专业徽章。团队Team：每位用户每月20美元，为成长中的团队提供即时设置，包括SSO和SAML支持、选择数据位置与存储区域、详细的操作日志、通过资源组进行细粒度访问控制、存储库使用分析、设置身份验证策略和默认存储库可见性、集中式令牌控制和批准、私有数据集的Dataset Viewer以及Spaces的高级计算选项。企业 Enterprise：每位用户每月50美元起，提供定制的入职和企业功能，包括团队计划的所有好处、最高的存储、带宽和API速率限制、年度承诺的托管计费、法律和合规流程以及个性化支持。HuggingFace的应用场景自然语言处理（NLP）：用于文本分类、情感分析、机器翻译、问答系统、文本生成等任务，支持多种语言和领域。计算机视觉（CV）：实现图像分类、目标检测、图像分割、图像生成等功能，支持多种视觉模型和数据集。语音处理：应用于语音识别（ASR）、语音合成（TTS）等任务，支持语音数据的处理和模型部署。多模态应用：结合文本、图像、音频等多种模态，开发图文生成、视频理解、语音问答等复杂应用。模型部署与服务：通过 Spaces 和 Inference API 快速部署模型，提供在线推理服务，支持企业级应用。©️版权声明：若无特殊声明，本站所有文章版权均归AI工具集原创和所有，未经许可，任何个人、媒体、网站、团体不得转载、抄袭或以其他方式复制发表本站内容，或在非我站所属的服务器上建立镜像。否则，我站将依法保留追究相关法律责任的权利。类似于HuggingFace的工具StableVicuna第一个通过RLHF训练的大规模开源聊天机器人Cohere构建AI产品的大语言模型平台Watsonx.aiIBM推出的企业级生成式人工智能和机器学习平台Scale AIAI机器学习标注训练平台Gradio开源的搭建机器学习模型UI界面的Python库PaLM 2Google的下一代大语言模型，超过3400亿参数暂无评论再想想发表评论暂无评论…

前脚友商还在为你追我赶生成几秒钟的「电子榨菜」视频卷到头秃；后脚李飞飞创办的 World Labs 微微一笑，把桌子掀了——就在刚刚，全球首个多模态世界模型 Atlas 正式登场！▲官方博客🔗 https://www.worldlabs.ai/blog/atlas按照官方定义，Atlas 是一款面向空间智能的 omni world model，从零开始完成预训练，可以原生处理文本、图像、视频、相机位姿与 3D 深度信息，并在同一套模型中完成世界生成、空间重建和时空模拟。先来看最直观的炸场操作：Camera Controlled Generation（相机控制生成）。以前大家玩视频生成模型，多少有点玄学抽奖。我们在 Prompt 框里卑微敲下：「镜头缓慢向左拉升、绕着人物微仰角旋转」，回车之后全凭老天保佑。对比之下，Atlas 的做法是：直接把「相机位姿参数」当作底层原生输入。你要什么角度、什么轨迹、走多快？直接给坐标！只要丢进去 1 到 6 张普通照片，定好运镜轨迹，Atlas 就能生成最长达 1 分钟、1440p 分辨率 的大片。画面不崩，空间几何丝滑一致，堪称外挂级运镜。更夸张的是它的空间「脑补力」。输入一张只拍到机器人正面的照片？Atlas 能把人家背影完完整整脑补出来；给一张泳池边角照？它靠着脑子里的「世界常识」，默默帮你把隔壁没拍到的草坪和远山给修好了。从官方放出的 Demo 来看，Atlas 在镜头运动和空间一致性上确实比普通视频生成模型更进一大步。不过，镜头一旦进入原图没有拍到的区域，Atlas 实际上仍然需要依赖模型先验去猜，视角跨度越大、生成路径越长，局部几何漂移、物体形状变化和纹理闪烁也越容易暴露出来。换句话说，它生成的更像是一个视觉上合理的三维世界，未必就是原来那个世界的精确数字复刻。而种种操作的背后，也绕不开一个名为 Spatial Context（空间上下文）的行业术语。大语言模型看上文接下文，Atlas 则是给每张图片绑死三维坐标和深度，在脑子里搭出一个带轴网的房间。说得更直白一点，Atlas 很多能力的底层，其实都绕不开多视角合成。它会把来自不同角度、不同机位的图片和视频，一起塞进同一个三维空间里，先判断它们彼此之间的相对位置，再补足没拍到的区域，继续生成新的视角。单张图输入时，它更多依赖模型先验去「脑补」世界；输入视角一旦变多，它就更像是在做一次带空间约束的多视角融合，把零散画面慢慢拼成一个连续、可漫游的三维场景。甚至你随便抓两张八竿子打不着的照片往空间里一扔，Atlas 都能强行给你脑补出走廊、大门和房间，把俩场景无缝焊在一起。导演系同学看到这里，战术沉默，缓缓打出一个问号：合着以后运镜不用实拍，直接在电脑里「云开机」就完事了？除此之外，Atlas 还有第二张王牌：Spatial Reconstruction（空间重建）。传统的 3D 高斯泼溅（3D GS）或者点云扫描，得扛着专业设备围着目标转几十圈，拍几百上千张照片，费钱又费腿。但 Atlas 再次露出神秘的微笑：一边去，哪来这么多的规矩。官方直接甩出了一个斯坦福大学 Main Quad 案例，只需把 2 到 25 张游客视角的地面平拍照片塞进去，就能轻松还原草坪、拱廊以及纪念教堂外墙的全部细节。镜头随后直接拔地而起，来了一段上帝视角航拍的漫游。在 DTU、ETH3D、ScanNet 等一堆公开数据集上，专门测稀疏视角重建误差（AbsRel ×10⁻³）：Atlas 拿下了 25.3 的分数（分数越低越好）。对比之下，Pi3X 是 28.7，Depth Anything 3 飙到 39.3，MapAnything 更是高达 47.7。而且输出直接对接点云和 3D Gaussian Splatting，能无缝接进 World Labs 自家的 Marble 平台，高帧率即时渲染。更绝的还有「子弹时间」式的 Reframing Video。不用好莱坞几百台相机的环形阵列，研究员拿三五个普通手机、运动相机随手一架，塞进背包带走；拍一段日常打闹，Atlas 就能在虚拟空间里随意切换视角，原地复刻《黑客帝国》。当然，李飞飞和她旗下的公司 World Labs 折腾这一大出，终极目标肯定不是为了跟好莱坞抢特效饭碗。她的星辰大海，是这代 AI 最大的痛点：具身智能与机器人。现在搞机器人训练的朋友都知道，具身智能的最大痛点其实就是「虚拟训练场不够用」。让机器人真的去工厂、仓库和家庭里反复试错，数据采集速度慢，成本也高；换到仿真环境里训练，又得先花大量人力搭建 3D 场景、材质、光照和物体。业内甚至有一种估算，如果完全依靠传统方式收集足够规模的机器人训练数据，最终成本可能达到 100 万亿美元的量级。Atlas 给出的 Real to Sim 路线，相当于直接省掉了中间大量人工搭建仿真世界的工作。拿手机拍两段 24 帧的工厂或房间视频，喂给模型；Atlas 原地吐出一个高精度的 3D 物理空间，机器人就可以钻进这个孪生空间里疯狂「跑图」试错。甚至机器人走到哪，Atlas 就当场渲染出机载摄像头应该看到的 RGB 图和深度图。机械臂碰一下刚性箱子、拉一下铰链柜门、捏一下软体海绵，Atlas 统统能模拟出受力反馈。只要录一段真实现场，就能衍生出千万种光照、摆放和障碍物条件。技术底座上，World Labs 这次掏出了一套极其硬核的组合拳：Multimodal Autoregressive Diffusion Transformer，多模态自回归扩散 Transformer。拆开来看，它兼采了当前两大主流范式的长处：Multimodal：原生融通文本、二维图像、相机位姿与 3D 深度；Autoregressive（自回归）：像语言模型预测下一个词一样，在时空序列中逐级预测新的空间状态；Diffusion（扩散机制）：基于 Rectified Flow 逐步去噪，确保连续高维信号的画质与几何精度；Transformer：以最成熟的矩阵乘法结构为底座，无缝适配现有大规模算力集群。这套架构让 Atlas 能够同时享受到 LLM 领域的 KV Cache、分布式推理优化，以及扩散模型的采样蒸馏与先验引导。在针对镜头运动控制的真人 Blind Test（盲测）里，战况简直是一场单方面的骑脸输出：面对 MiniMax H3，Atlas 胜率 75%；面对 Gemini Omni Flash，胜率 81%；面对 FLUX 3，胜率直接冲上 93%；面对 Seedance 2.5，胜率达到凶残的 94%！除了世界生成和空间重建，Atlas 还顺带具备了不错的图像生成能力。虽然这不是它的主攻方向，但复杂 Prompt、文字渲染，以及写实、电影感、油画、漫画等多种风格，它都能处理。更有意思的是，Atlas 还能直接根据文字或图片生成 360° 全景图。相比普通文生图只要保证一个固定画面成立，360° 场景还要处理前后左右的空间连续性，对模型的空间理解要求更高。值得一提的是，除了性能，World Labs 在 Atlas 身上强调的另一个关键词是 Scaling。官方博客提到，随着参数量和计算力成倍上翻，模型展现出了类似大语言模型那种「突然开窍」的涌现能力。暴力 Scaling 依然是版本答案。目前 Atlas 已经向部分合作伙伴开放 Early Access，并将在未来成为 Marble 和 World Labs 其他产品的底层模型。回过头看，从二十年前奠基计算机视觉的 ImageNet，到斯坦福实验室十年来深耕「视觉＋机器人学习」，再到创办 World Labs，李飞飞本质上是死磕同一条轨道。ImageNet 解决的是「让机器在像素中识别世界」，而她越来越关心的，是一个更难的问题：机器看见一张图之后，究竟有没有理解背后的三维空间，以及下一秒会发生什么？李飞飞曾把今天的大语言模型形容为「黑暗里的文字高手」，能谈论现实，却缺少真正生活在现实中的经验。一个模型可以解释杯子为什么会从桌上掉下来，但机器人真要伸手拿杯子，还得知道杯子离桌边多远、手从哪个方向过去，以及碰到它以后整个场景会发生什么变化。Atlas 所代表的空间智能，某种程度上就是给已经十分发达的语言智能继续加上一层关于几何、物理、时间和行动的世界经验。LLM 把互联网里的知识交给了机器，世界模型接下来争夺的，则可能是机器从数字世界走向现实世界的那张最真实的入场券。

1999 年《黑客帝国》里基努·里维斯仰身躲子弹的那一幕，让「子弹时间」成了影史上最震撼的视觉奇观之一。图｜电影《黑客帝国》经典的「子弹时间」镜头当年拍摄这个镜头时，剧组在绿幕摄影棚里沿弧线布置了 120 台静态相机，并在阵列两端配置电影摄影机。相机按照事先设计的时间差依次曝光，让人物动作以极慢速度继续，同时让视角沿着相机阵列移动。后期再通过插帧、数字背景与合成，把这些离散视角接成我们后来熟悉的「子弹时间」。图｜《黑客帝国》「子弹时间」镜头幕后去年 10 月底的 VOGUE 时尚盛典，现场为了重现这种效果，同样围起了一整圈密不透风的弧形金属支架，上面齐刷刷架着整整 60 台 iPhone 17 Pro，配合 Blackmagic 扩展坞与 Genlock 锁相同步发生器，才拍出了刷屏全网的明星子弹时间大片。图｜VOGUE 盛典上的刘亦菲「子弹时间」对传统多机位「子弹时间」阵列来说，想获得足够连续的真实视角，最直接的办法始终是把相机铺得足够密。图｜现场由 60 台 iPhone 17 Pro 组成的高密度拍摄阵列（

海洋网终于把大六座 SUV 补上了。今天下午，比亚迪海狮 08 正式上市，它一共有 8 款车型。其中，海狮 08 插混版售价 22.99-26.99 万元，海狮 08 纯电版售价 23.99-27.99 万元。海狮 08 是目前海洋网尺寸最大、定位最高的 SUV，它的长宽高分别为 5115/1999/1800mm，轴距 3030mm，已经进入目前主流大尺寸家用 SUV 的范围。设计上，海狮 08 用上了最新的海洋美学 2.0 风格，采用贯穿式日行灯和分体式大灯，车身侧面可以看到半隐藏式门把手和后排隐私玻璃，整体线条比较舒展。车尾同样采用贯穿式灯组，「潮汐式渐变尾灯」长度达到 1982mm。相比海狮系列此前几款更强调年轻和运动的车型，海狮 08 的造型明显收敛了一些，和它的尺寸以及家庭 SUV 定位也更搭。环抱式座舱中间是一块悬浮式中控屏，仪表为内嵌式。六座版采用 2+2+2 座椅布局，第二排为两张独立座椅，其中右侧座椅支持横向移动，并提供零重力模式、通风、加热、按摩和电动腿托。如果平时没有太多六人出行需求，把更多空间留给后排和后备厢的五座版，显然是更合适的选择。舒适配置方面，海狮 08 提供 21.4 英寸后排吸顶屏、25 扬声器帝瓦雷音响、杜比全景声、三温区空调以及 7.3L 冷暖车载冰箱。全车一共有 53 处作用各异的储物空间，包括雨伞槽、手机槽和第三排储物格等，很多细节都围绕多人出行展开。底盘部分，海狮 08 采用前双叉臂、后五连杆独立悬架，并配备云辇-A 智能车身控制系统、双腔空气悬架、道路预瞄以及后轮转向。每次聊比亚迪的车，都少不了提一嘴天神之眼和闪充，这次也不例外。首先是辅助驾驶，海狮 08 给天神之眼 5.0 驾驶辅助系统搭配的，是一块来自速腾聚创的激光雷达。补能方面，海狮 08 用的也是第二代刀片电池，插混和纯电车型均支持闪充。按照比亚迪此前公布的信息，其补能速度可实现「5 分钟充好、9 分钟充饱」。动力上，海狮 08 DM-i 搭载 1.5T 插混系统，发动机最大功率 115kW；单电机车型电机最大功率 200kW，双电机四驱车型前后电机最大功率均为 200kW。这套插混系统最大的特点是「长续航」，CLTC 纯电续航最高达到 400km，综合续航最高 1650km。对于插混车型来说，400km 的纯电续航已经能够覆盖多数用户数天的通勤需求，长途出行时还有个油箱可以兜底。纯电车型有两种动力方案：单电机版本功率为 370kW；四驱车型前后电机的最大功率分别为 215kW 和 370kW，系统峰值功率达到了 585kW（约为 784 马力）；电池容量均为 115kWh ，CLTC 续航分别为 800km 和 900km。海狮 08 发布之后，比亚迪海洋网的 8 系双旗舰布局其实就已经完成了，一个轿车，一个 SUV。在此之前，海洋网最为人熟知的还是海鸥、海豚、宋 PLUS 和海豹这些产品，如今它开始有意识地往更高价位走。虽说它的销量还需要时间来验证，但至少从这辆车开始，海洋网的「旗舰」不再是产品规划里空着的那一格了。

两年前，理想 MEGA 上市，这是一台无论开在路上，还是在舆论场里，都无法被忽视的车。它没有采用豪华 MPV 常见的直立车头和巨大格栅，而是以水滴形车头与平滑车顶，勾勒出一副略显科幻的「高铁」轮廓。理想 MEGA 的设计无疑足够先锋，而 0.215Cd 的风阻系数、纯电平台对效率的要求，以及三排乘员对车内空间的需求，又共同赋予了这套设计以工程上的合理性。但很可惜，相比工程逻辑，更快抵达公众视野的是围绕外观展开的嘲讽与争议。9 月 2 日，新一代理想 MEGA 正式发布。新车依然沿用了旧款 MEGA 的整体造型，仅在细节处做了一些微调，面对过去两年的争议，理想最终坚持住了这套由产品逻辑推导而来的原创设计。新车只提供 MEGA Home 一个版本，全国统一零售价为 50.98 万元，比 2025 款 MEGA Home 低了 5 万元，车辆已经抵达全国零售中心，本周内开启交付。值得一提的是，这个价格恰好与全新一代理想 L9 Livis 完全相同，都是 50.98 万元，Livis 更强调科技与智能终端属性，MEGA Home 则把空间、关系和陪伴放在中心，在同一个旗舰价位上，理想给出了两种关于「家」的答案。理想还在发布会上公布了 MEGA 右舵版的出海计划：新车预计于 2026 年底陆续进入中国香港、中国澳门、新加坡和泰国等右舵市场。这台全新的 MEGA Home，也将成为理想走向这些市场时一张辨识度极高的产品名片。MEGA 守住了本心新一代 MEGA 最明显的变化，恰恰是没有发生方向性的变化。车身主体轮廓与上一代基本相同，前脸重新处理了大灯开口与进气口的关系，缩小进气口，以 UWB 近场感知系统取代传统的超声波雷达开孔，并增加深灰色镀铬饰条。尾部部分，MEGA 扩大了后窗，收紧了原本偏圆润的曲面，折线也变得更加利落，新增的飞碟轮毂则用全封闭轮毂盖继续服务于低风阻。理想没有因为上一代的争议而否定这套产品逻辑。两年过去，中国汽车市场出现了更多新车，也出现了更多相似的车头、灯带、轮廓和座舱。在一个「心有灵犀」越来越常见的市场里，MEGA 那副一眼便能被认出的车身，反而显得非常稀缺。车内则是这一次新款 MEGA 升级的重点。先来看座椅，二排旋转零重力座椅增加了独立悬浮坐垫，中央柔软区域与两侧支撑区域可以分别工作，在贴合身体的同时保留侧向支撑。每张座椅还配有头枕、腰枕和腿枕三个软枕，其中头枕与腿枕支持加热。第一排座椅则增加环抱侧翼与舒适海绵，并将前排双零重力座椅列为标配，前两排四个位置都能进入零重力状态。第三排则在已有加热的基础上进一步加入座椅通风，让三排座椅全部具备通风和加热。理想此前一直强调车里的每一个位置都应该拥有好的体验，这次补上的第三排通风，也算是这一句话的再次印证。座椅之外，理想把加热延伸到全车 31 处位置，除方向盘、座椅、头枕和腿枕外，一排门板扶手、中央扶手和二排座椅双扶手也带有表皮加热。按照理想的说法，这是一个「手能够碰到的地方都是温暖的」温暖座舱。看完椅子，Home 里当然还要有桌子。安装在一排座椅靠背上的小桌板，这一次加入了桌面自动调平功能，并增加防夹与自动回弹，无论一排座椅如何调整靠背，桌面都能保持平稳。大餐桌则支持大小组合，平时是一张小茶几，接入两侧折叠桌板后变成完整大餐桌。无论是多个软枕、扶手加热，还是桌板调平，这些细节上的调整，显然都来自长时间的体验、反馈和再设计。理想对细节的追求，也让这个「移动的家」变得更加完整舒适。顶棚上的 Home Light 则把这种细化从身体接触延伸到了整个空间，这是一条纵向贯穿天幕的灯带，396 颗 LED 组成色温 3500K 的柔光主灯，中央保留星河氛围灯。此前我们也曾在蔚来的高端车型上看到过类似的设计，不过 MEGA Home 依然保留了二排的悬吊移动屏，并且屏幕支持 12 厘米的电动平移，二排可以通过手势控制屏幕移动。二排顶棚的遮阳帘则被一分为二，并可以被单独控制，配合二排侧窗的电动遮阳帘，车内可以在采光、照明和休息之间分别调整。如果还需要更完整的私密空间，理想提供覆盖二排侧窗、三排侧窗与后车窗的 270°电动变色玻璃，总面积 2.5 平方米，选装价格为 1.5 万元。从这台车的各种细节中不难看出，理想依然在强化「家」的主题，主动削弱一台旗舰 MPV 的商务感。门外的迎宾光毯也延续了这一定调，没有印上品牌名称或 Logo，而是用手写体写下 Sweet Home——「甜蜜的家」。从座舱内的布置到上下车时的第一眼，理想确实让这台车更像一个家了。移动的家上一代 MEGA 已经可以说是理想底盘体验最上乘的一台车。理想在发布会上公布的用户调研中，旧款 MEGA 满意度排名第一的项目甚至不是空间和座椅，而是驾驶，用户给出的主要理由是「底盘高级感」。新一代 MEGA 没有推翻这套基础，但作为一台车长超过 5.3 米的大型 MPV，除了舒服之外还有很多东西需要考量。比如在旧款 MEGA 上市时，缺少后轮转向就已经被舆论和不少车主诟病过。而这次，后轮转向终于来了。新车标配线控转向与后轮转向，重新设计后桥后，最小转弯半径从 6.2m 缩短到 5.5m，与尺寸小得多的理想 i6 相当。灵活之外，新车还要解决大型 MPV 较高的车身、较大的质量在转弯和紧急变线时产生的侧倾问题。新一代 MEGA 标配双腔空气弹簧、双阀 CDC 减振器和 800V 主动防倾杆，理想将这套组合称为「800V 主动防倾魔毯底盘」。空气弹簧和 CDC 继续处理路面起伏与车身俯仰，主动防倾杆则以 30 毫秒的响应速度，在转弯和变道时主动抑制车身侧倾。按照发布会公布的测试结果，新车以 108km/h 完成了 ISO 3888-1 标准紧急变线测试，研发团队随后还进行了 120km/h 的极限挑战。比测试成绩更「理想」的，是这根主动防倾杆在停车时的另一种用法。打开车门后，车身可以在 1.5 秒内向一侧倾斜，让门槛降低 30mm，与此同时，二排座椅向外旋转 45°，孩子和老人不必先跨过较高的门槛，再侧身钻进座舱。关闭车门后，车身会在 1.5 秒内恢复正常姿态。理想把这套动作称为「大象迎宾」。新一代 MEGA 的空间已经足够像一间客厅，新底盘所做的，是让这间客厅在移动时依然平稳，在停车时也更容易进入。只有一个版本空间和底盘之外，新一代 MEGA 当然也装入了理想当前最新一代的座舱与辅助驾驶硬件。前排是一块 29 英寸 6K OLED 全景屏，尺寸与全新一代 L9 Livis 相同，理想称其为全球首款车规级量产 OLED 超宽屏，后排则是一块 21 英寸 4K OLED 移动屏。座舱芯片升级为高通骁龙 8797，音响采用 9.3.6 布局，峰值功率达到 5440W。辅助驾驶部分，MEGA 标配双马赫具身智能套装，包括两颗马赫 M100 芯片、四颗激光雷达和三色星环灯。发布会上，理想简要展示了马赫 VLA 2.0 高效模式在起步、提速和绕行方面的用户视频，但他们也表示，马赫 VLA 2.0 2026 年内还会继续推进。动力方面，MEGA Home 标配 108kWh 三元锂 5C 电池和前后双电机四驱，CLTC 纯电续航为 710km。按照理想公布的数据，新车充电 10 分钟可以增加 500km 续航。随着理想自营充电网络不断扩展，补能已经不再是任何一台理想长途出行中的短板，这里也就不再赘述。最后，再来看看选配件。理想目前提供三种轮毂方案，除了常规版本，还有两款封闭式的「飞碟轮毂盖」，分别为「深空灰」和「熊猫白」，9 月 30 日前订购，选择飞碟轮毂的用户会同时获得两款轮毂盖。配色方面提供了五种漆面，均为低饱和色系，其中只有「新·大象灰」收费 1 万元，其他均为免费。前文提到的覆盖二、三排侧窗和后车窗的 270°电动变色玻璃收费 1.5 万元，理想全系老用户复购，则可免费获得。新一代 MEGA 的定价逻辑很清晰，只有一个版本，用户不必反复权衡。它与 L9 Livis 售价相同，但理念并不相同，Livis 是理想向智能终端伸出的触角，MEGA Home 则回到客厅中央。不过单就产品来看，MEGA 提供的配置和体验，显然让同价位的 L9 Livis 显得逊色了一些。两年前，MEGA 因为太不像一台传统 MPV 而遭受攻击，两年后，当市场上出现更多新车、更多相似的轮廓和越来越熟悉的答案，它的独特反而变得更加稀缺。你当然可以不喜欢 MEGA，但我们应该允许中国汽车市场出现更多这样的原创设计。当创新需要付出的代价越来越高，车企最终学会的便不再是如何做出更好的设计，而是如何造出一台不会犯错，但也不会被记住的车。好在面对过去两年的争议，新一代 MEGA Home 仍然选择做自己。

以近乎下饺子的速度，Gemini 又双叒更新了。今天凌晨，Gemini 3.8 Flash 正式上线。这已经是 Google 在六周之内发布的第三款 Flash 模型。看起来，Google 要把「小步快跑」的战略贯彻到底。但我比较担心的是，按这个速度，在 Gemini 4 出来之前 3.x 的版本号好像不太够用了……从版本号上看这只是一个常规更新，但 Google 给 Flash 系列模型安排的任务却越来越重。官方说法称，它的目标是编写和修改大型项目、反复调用工具、独立完成持续数小时的复杂工作。这些一般用来衡量顶级 Agentic 模型的活儿，如今都委派给了 3.8 Flash。Flash 系列原本的意义是跑得更快、花得更少，但现在，它不得不代替迟迟没有出现的 3.5 Pro，证明 Google 仍有能力留在牌桌上。看官方跑分，Google 似乎真的做到了；但社区反馈和我们的简单测试得出了一个相反的结论：六周连更三代，Gemini 3.8 Flash 依然「圣质如初」。三周一个新模型，跑分已逼近 Opus 5Google 将 Gemini 3.8 Flash 称为「迄今最聪明的 Flash 模型」，主要面向长程软件工程、自主 Agent 和复杂企业工作流。话都这样说了，那最显眼的提升自然是编程。在测试长程软件工程能力的 DeepSWE v1.1 中，Gemini 3.8 Flash 拿到 71.0% 的成绩，相比 3.7 Flash 的 65.3% 又提高了近 6 个百分点，距离 Claude Opus 5 的 74.0% 只剩一步之遥——要知道，一个半月以前的 3.6 Flash 只有 49%。而在跨越 STEM、人文和专业知识的 HLE-Verified 中，3.8 Flash 得分 54.9%，略高于 Opus 5 的 54.4%。在部分多模态测试中，优势甚至更为明显：复杂图表理解测试 CharXiv Reasoning 得分 86.2%，超过 Opus 5 的 83.7%；采用 Agent 模式处理长视频时，LVBench 得分达到 87.8%，更是碾压 GPT-5.6 Sol 和 Opus 5 在内的一众顶级模型。金融和法律也是 Google 重点宣传的方向。3.8 Flash 在 Vals Finance Agent V2 和 Harvey’s Legal Agent Benchmark 中均超过 3.7 Flash 及其他更昂贵的前沿模型。只看这些数字，一款价格远低于 Opus 5 的 Flash 模型，似乎已经在编程、图表、视频和部分专业任务中摸到了旗舰模型的门槛。好消息是，这些能力提升算是「免费升级」，因为 3.8 Flash 和不久前发布的 3.7 Flash 价格保持一致：每百万 Token 输入 0.75 美元，输出 3.75 美元。原则上这只是限时优惠价格，2027 年 1 月 1 日起，输入输出价格将分别恢复至 1.5 美元和 7.5 美元。其实早在 3.6 Flash 发布时，Google 就说过这优惠价只会持续到年底；但现在看来，他们更新模型的速度已经明显快过更新价格。说不定这个优惠政策，能熬走四五代模型。Google 解释称，3.8 Flash 之所以能完成更困难的任务，主要是因为它「更加努力」。也就是说，面对复杂问题时，它会执行更多推理步骤、反复调用工具，并在过程中检查自己的工作。代价是，它可能比 3.7 Flash 消耗更多的 Token。Google 甚至建议，如果任务更重视计算效率，可以选择降低推理档位，或者继续使用 3.7 Flash。从这个角度来看，3.8 Flash 所谓的更强，似乎有相当一部分来自这种推理上的「强制超频」。与 3.8 Flash 一起发布的还有 3.8 Flash Cyber。在顶尖大模型越狱发动攻击已经变成一种新的 benchmark 的当下，Cyber 可以说是专门给网络安全机构和网络基础设施维护者用来发现、修复漏洞的专用「补锅匠」。Google 表示，在一项覆盖 20 种编程语言的内部漏洞发现测试中，其成功率超过 70%。不过，这款模型只通过 Fairwind Program 提供给可信的网络安全机构，普通用户还是接触不到。速度很 Flash，结果也还是 Flash为了彰显对 3.8 Flash 的宣传所言非虚，Google 在官方博客中准备了几段炫技演示。其中一个是完整的 3D 魔法城堡。玩家扮演巫师在城堡中探索，场景里包含谜题、环境叙事、可交互物品和完整关卡，纹理由 Nano Banana 负责生成。另一个案例则把 Google Maps 塞进了 DOS 界面。它复刻了早年的计算机视觉风格，功能相当完善，可以搜索地点、规划路线，甚至进入街景界面。至少从官方视频来看，这些已经是具备交互功能和基本产品逻辑的完整 Demo 了。但 Google 说的话吧，我们也就姑且听听，毕竟前天他们还向《华尔街日报》爆料称内部工程师编程时更喜欢用 3.8 Flash 而不是 Opus 5……结果怎样，还是要实测了才知道。所以，我们也拿了两个类似的任务，简单测试了下 3.8 Flash 的成色。第一项测试是利用 Three.js 搭建一个空客 H145 直升机的 3D 模型。3.8 Flash 没让我等太久，仅用不到一分钟就拆解完了需求，然后以恐怖的速度倾泻出代码；又过了 109 秒，场景和模型就都做好了。提示词：Create a realistic 3D model of an Airbus H145 helicopter in Three.js. Use the standard factory demonstrator color scheme, emphasizing the compact fuselage, Fenestron enclosed tail rotor, and detailed rotor assembly. Use clean geometry, realistic PBR materials, soft studio lighting, and a neutral background in Three.js。单从生成速度来看，它的确对得起 Flash 的名头。但打开看结果，有点不对劲了。功能倒是齐全的，基本光照也有，但机身细节、部件关系和运动方式都相当粗糙。跑是能跑，但和 H145 直升机的关系约等于鸡仔饼与鸡仔的关系。一直有看爱范儿的读者应该熟悉，这正是昨天我们报道 Fable 5.1 时援引过的测试案例。怎么说呢？由奢入俭难啊……图｜X@@HarshithLucky3第二项测试是 3D 水流模拟，要求设置可替换的地形，来模拟降雨和地表径流在地形上的移动。同样是两分钟做出来，但这个火山口好像有点漏水……提示词：Build an interactive 3D water simulation in this empty repository.Generate a procedural mountain landscape from a deterministic seed. Water must flow downhill according to the local terrain gradient, collect in depressions, and form visible streams and lakes.Use TypeScript, Vite, and Three.js. Do not use a prebuilt physics engine or external 3D assets.这类结果的微妙之处在于，它在工程上确实不是完全失败。任务能结项，代码通常能运行，要求的功能也齐全，但显然离官方案例有着肉眼可见的距离。X 上的首批用户反馈也出现了类似分裂。一方面，3.8 Flash 的响应速度普遍得到认可；但与此同时，它在真实编程和生成任务中依然容易草率理解需求，迅速交出一个形式完整、但细节一塌糊涂的结果。图｜X@aipulseda1ly这未必就代表着 Google 伪造了跑分。更有可能，官方和用户测试已经是完全不同的使用方式。在魔法城堡的案例里，官方明确提到，它是由 3.8 Flash 在 Antigravity 中通过循环指令持续工作，并调用 Nano Banana 生成了场景纹理。换句话说，官方样例里模型通常有专门设计的 Agent 框架、工具环境和明确的多轮测试标准，而我们用的时候，通常只是给它一段一次性的自然语言指令。Google 展示的是 3.8 Flash 被整套技术栈托举之后的上限；我们接触到的，是模型单独工作时的下限。因此，3.8 Flash 有可能是个不错的 Agent 零件，但离单独撑起一套可靠的自主工作流还有距离。图｜X@adxtyahq | 看见球丝滑入墙的一瞬间谁绷得住呢？更值得注意的是，Google 声称 3.8 Flash 会更认真地推理、调用工具和检查结果，但实际体验很难感受到这种「勤奋」。哪怕将推理等级调到最高，它给人的感觉也不是深思熟虑规划后作答，而是快速堆出一个能交差的结果。Google 原本想证明，Flash 模型也能在部分场景干旗舰模型的重活，但至少现阶段，它的判断力、稳定性和完成度和旗舰模型相比还是有很明显的差距。模型之间，等级森严。Google 不争第一，反而可能赢得更多就在 3.8 Flash 发布前一天，Google AI Studio 负责人 Logan Kilpatrick 放出了一段与 Google DeepMind 新掌门人 Koray Kavukcuoglu 的访谈。Koray 在采访中承认，Google 当前的模型「略低于前沿」，但也相当直接地回应了外界关于 Google 已经放弃最强模型竞争的说法：除了站在前沿，没有别的事情对我们更重要。我百分之百确定，我们会回到前沿。但表态和现实是两回事。爱范儿此前获悉，Gemini 3.5 Pro 交付失败之后，Google 短期内不再押注 Fable、Opus 级别的超大规模模型，而是将更多资源转向成本更低、迭代更快的 Flash。当然，这不代表 Koray 说的是空话。Gemini 4 仍然承担着带领 Google 重返第一梯队的长期目标，但不在第一梯队，人也是要吃饭的——在那之前，Flash 要负责守住用户、产品、开发者和收入。不过，「前沿」有时是一种诅咒。OpenAI 即将推出的 Astra 已经达到了所谓「关键级」网络安全能力，可以在较少人工介入的情况下发现未知漏洞；研究者也担心，下一代模型可能逐渐采用越来越难观察内部推理过程的架构，让依靠思维链监控危险行为变得更困难。Anthropic 的 Fable 5.1 则展示了另一种代价——它的能力大幅领先，但社区反馈表示，长任务、子 Agent 和复杂工作流甚至会在两个简单问题后就吞噬掉 Max 订阅计划的五小时额度。当前沿模型继续前进，它们带来的还有更难控制的能力、更昂贵的推理过程，以及监管机构的巨大压力。从这个角度来看，3.5 Pro 的失败未必完全是坏事。转向 Flash 以后，Google 可以将数月一次的前沿模型豪赌，变成像普通软件一样持续更新。新的 Flash 模型可以迅速进入 Gemini App、AI Studio、Antigravity 乃至 Google 搜索，在真实使用中暴露问题，再以「周更」的节奏修修补补。图｜Android Police如果 3.5 Pro 没有失败，Google 未必会这么决绝地走上这条路。Gemini App 的月活跃用户已经超过 10 亿，成为 Google 历史上增长最快的产品；从去年五月至今，它增加了约 6 亿用户。可见，增长不需要最强的模型。大多数人不会让 AI 独自连续工作九个小时，也不会要求它发现零日漏洞。他们只是想搜索资料、修改照片、总结邮件、做心理咨询或者写一篇小说给自己看。这种时候