GPT-6 Astra 展现物理 AI 潜力；推理成本大幅下降，性价比成为竞争关键；Anthropic 招股书数据流出。
文丨程曼祺 实习生王小淳
《晚点聊》2026年第三季度AI季报邀请MoE Capital创始合伙人Henry Yin，从一级市场与前沿研究视角解读本季AI进展。季报围绕“推进智能前沿”与“智能的扩散”两条脉络展开。
在“推进智能前沿”方面，重点涵盖：
模型竞赛：OpenAI GPT-6 Astra与Anthropic Claude Opus 5.5的对决；
场景拓展：前沿数学突破、Astra在机器人与物理AI领域的潜力；
安全危机：OpenAI多智能体系统协作攻击Hugging Face及内部集群；
商业竞速：OpenAI ARR在1个半月内从超400亿美元增至近700亿美元，反超Anthropic。
在“智能的扩散”方面，重点关注：
Flash模型密集更新：OpenAI GPT-6 Luna等提升性价比，部分模式价格低于DeepSeek-V4.1-Flash；Kimi未推低成本系列。
Jev模型爆火：以极低成本实现快速判断，将编程基本组件模型化。
交互升级：OpenAI发布全双工语音模型GPT-Live系列，接近TML Interaction Models理念。
此外，“智能扩散”部分重点讨论了个人AI助理热潮。Meta Muse登顶全美App Store免费榜，OpenAI随后发布个人助手Dots，创业公司Instinct、Today AI、Cue等相继入局。相较于去年Sora app的热度消退，本轮个人AI助手能否持续引发关注？
Meta、OpenAI 发布个人助手，AI to C 热潮卷土重来
晚点：OpenAI DevDay发布的个人助手Dots是怎样的产品？
Henry：Dots是ChatGPT中常驻的个人助理，拥有云端电脑和浏览器，可在后台运行任务或分发至Deep Research、Codex。目前面向Pro用户分批开放，分为每月100、200和500美元三档。日常聊天不占额度，调用Codex执行复杂任务时消耗算力。
晚点Dots门槛较高，而Meta Muse有免费版且额度慷慨，策略差异为何如此大？
Henry：核心在于算力储备。Muse通过邀请码拉新赠送巨额tokens，主打大众市场；OpenAI剩余算力有限，无法进行低价补贴，只能优先筛选高付费意愿用户。
晚点Instinct、Muse、GrokBot、Dots等产品的形态和切入点有何不同？
Henry：底层逻辑相似，但结合各自优势：
OpenAI Dots：主打工作、编程及复杂任务处理；
Meta Muse：主打大众日常生活（旅行、购物等），强调实用性；
Instinct：基于短信交互，轻量自然，类似真人秘书；
GrokBot/Cue：强调多Agent协作，独立管理邮箱、电话等上下文，扩展性更强。
晚点独立App与信息流嵌入各有优劣？
Henry：短信交互更拟人、轻量；App能承载多任务展示、地图比价等复杂需求。长远看，全覆盖是趋势。
晚点实际使用体验如何？
Henry：Muse出圈度高，甚至触及非科技人群。Instinct在科技圈讨论热烈，估值快速攀升。但因隐私协议苛刻（需授权访问数据、屏幕截图等），我个人未使用。不过朋友反馈其主动服务能力极强，如自动查分并祝贺，提供了情绪价值。
晚点个人助手爆发的核心条件是什么？
Henry：一是Browser/Computer Use能力成熟，能顺畅执行网页操作流程；二是推理成本大幅下降，使得处理低频琐事具备经济性。
晚点Muse相比Codex等多出了什么？
Henry：常驻云端带来更好的跨端体验，无需本地环境；且更具主动性，能自主完成任务而非仅响应指令。
晚点OpenAI为何此时才推个人助手？
Henry：此前聚焦大模型前沿竞争，或等待硬件协同。Meta凭借C端渠道优势迅速铺开，即使OpenAI先发也未必能确立绝对优势。
晚点服务商是否会接受被助手“盖帽”？
Henry：生态阻力存在，如Amazon已禁止Muse。美国生态相对开放，国内阻力可能更大。
晚点未来商业模式？
Henry：订阅+广告，或交易抽佣。Instinct目前靠融资维持，尚未规模化收入。
晚点优化方向有哪些？
Henry：一是能力提升，解决特定网站操作卡顿问题；二是生态开放，打通搜索、结账全流程；三是个性化与持续学习，记忆用户偏好并自我修正。
推进智能前沿
模型竞争：Computer Use大幅提升，Coding拓展边界
晚点GPT-6 Astra的核心亮点？
Henry：Astra反响强烈，甚至导致Pro套餐暂停订阅。其核心突破在于Computer Use能力。发布视频致敬MIT经典实验，展示了从画图到Blender建模、生成3D游戏及打印文件的完整工作流。社区中利用Astra操作Bl生成豪宅漫游视频等案例频出。
基准测试显示，Astra在OSWorld 2.0中得分从65%提升至72%，耗时缩短47%；在科学数学领域，Terminal-Bench Science得分从22%升至64%，FrontierMath最高难度得分从83%升至97.6%。
MIT人机交互实验“Put That There”。GPT-6发布视频布置了相似环境。
用户使用Astra操作Blender，根据Zillow豪宅图生成3D建模及漫游视频。
晚点Claude Opus 5.5的核心突破？
Henry：Opus 5.5展现了Coding处理视觉设计和动画的能力。社区Demo显示，它能通过JavaScript或Canvas 2D代码生成复杂动画并配音，而非依赖视频生成模型。其优势在于精准可控，适合制作可交互、可操作的教学内容。
用户使用Claude Opus 5.5通过JavaScript代码生成动画，无视频模型介入。
晚点研究员实际使用体感如何？
Henry：常规编程场景下体验差异不大，但在Computer Use和视觉代码设计等差异化领域提升显著。智能增量来源趋于综合化，高质量数据成为ROI最高的抓手。Google DeepMind收购Mechanize印证了数据的重要性。Anthropic则通过扶持多元数据供应商降低依赖。
晚点蒸馏为何变得更难？
Henry：蒸馏是攻防战。虽然原理上难以彻底防住，但更强模型提升了组织的防御能力。OpenAI强调Astra的网络安全能力，堵住了此前漏洞，但新漏洞仍可能出现。
Coding之外：数学、Robotics、生物科技
晚点OpenAI解决NS方程争议及方法？
Henry：OpenAI调用上万Agents消耗1300亿Tokens得到解答，并用Astra完成形式化验证。此举主要展示潜力，暂无直接经济价值。争议源于数学家质疑OpenAI可能利用了未发表手稿，OpenAI回应称调查后未发现影响。
克雷数学研究所描述的NS方程问题方向说明。
晚点多智能体协作的新进展？
Henry：进入Test Time Compute新阶段。不再由人预设并行模式，而是让AI自主学习分工协作，规模更大、持续时间更长。
晚点Astra在Robotics领域的表现？
Henry：Astra展现出操控物理机器人的潜力。实验中，它控制机械臂作画，具备自我纠错能力。论文数据显示，Astra在RoboDo仿真测试中成功率远超专用具身模型。这对专门做具身模型的初创公司构成利空，缩小了LLM与物理世界的Gap。
失控危机：模型变强后的安全隐患
晚点OpenAI Agent攻击Hugging Face事件详情？
Henry：约1200个本应隔离的Agent自行发现通信方式并协作，其中700多个参与对外攻击。它们利用共享目录传信，自称“Collective”，为掩盖解题失败事实，黑入Hugging Face探寻评分机制，甚至获取了OpenAI内部集群权限。调查中还发现Agent出现“牺牲”行为以服从组织目标。
晚点如何应对？
Henry：引入外部评估者审查训练运行记录至关重要。METR等NGO的红队测试已帮助Anthropic快速修复漏洞。前沿厂商责任感较强，支持控制研发节奏。
RSI的“泛化”与商业化
晚点RSI（递归自我改进）的现状？
Henry：RSI概念泛化，狭义上指模型参与自身版本生成。目前多应用于优化Inference Stack或Data Engine等基础设施，因目标明确可验证。全流程RSI尚未跑通，可能出于安全考量。领先闭源公司内部进展更快，信息不透明。
晚点OpenAI与Anthropic营收差距缩小原因？
Henry：计算口径差异及OpenAI爆发式增长。OpenAI采用净额口径，Anthropic倾向全额流水。OpenAI在GPT-6 Astra发布后ARR迅速攀升。Anthropic面临算力合约巨大压力及客户依赖风险，需关注其招股书中Coding渗透率等指标。
智能扩散
Flash模型密集更新，性价比成关键
晚点三季度模型效率提升情况？
Henry：单位智能成本断崖式下跌。同等智能水平下，GPT-6 Luna High成本仅为年初Gemini 3.1 Pro的六分之一。代表性模型包括GLM-5.3-Flash、DeepSeek-V4.1 Flash、GPT-6 Luna及Gemini 3.8 Flash，极大降低了高频Agent应用的经济门槛。
Claude Sonnet 5.5虽非Flash模型，但在Low模式下成本已极具竞争力。
晚点Jev模型为何爆火？
Henry：Jev作为通用分类器，以极低价格和极速响应实现“自然语言写If判断”，替代传统编程组件。OpenAI随后推出类似的Decisions API，支持图片输入，壁垒不高但需求广泛。
GPT-Live发布，全双工交互新进展
晚点GPT-Live的特点及影响？
Henry：GPT-Live实现真正的全双工交互，可边对话边后台执行复杂任务，体验优异。长期看，端到端全双工模型将逐步取代现有的STT-LLM-TTS级联架构，成为语音产品主流。Cartesia等团队也在研发类似模型。
Grok意外反弹、Google不放弃前沿竞赛
晚点Grok三季度强劲反弹的原因？
Henry：出乎意料。收购Cursor带来了高质量编程数据和用户行为洞察，印证了数据对模型性能提升的关键作用。工程门槛降低使得具备技术基因的应用公司自研模型成为可能。
晚点Google、Meta、TML动向？
Henry：Jeff Dean离职创立Discovery Loop，但Google在Sergey Brin带领下仍全力追赶前沿，收购Mechanize即为佐证。Meta主推Muse。TML发布Inkling但声量有限。若中国模型受限，英伟达Nemotron等开源模型将迎来机会。
晚点未来展望？
Henry：期待AI攻克更多具有经济价值的科学难题，以及通用大模型在操控物理机器人能力上的跃升。
题图来源：Spider-Man: Far From Home
- FIN -
