AI 技能与降智体检实验室

2026年11月2日，SemiAnalysis发布通用智能体基准GDPx，Claude Opus 5.5以12.0%的总分排第一，平均每跑一个任务花掉51.41美元。13个参测模型在金融和法律的二值评分下几乎全拿0分，而剔除受安全分类器限制的三个领域后，GPT-6 Astra反超Opus 5.5夺冠。本文拆解各领域赢家、单任务账单与新旧基准差异，帮你重排日常工作流里的模型选型。

别再把 AI 当聊天框了。这篇用真实跑起来的两条内容流水线讲清楚：怎么把活儿分成一次跑腿、上闹钟、带家法的长期代管三档，怎么定目标、红线和验收标准，以及一张填满就能交出去的委托表。

OpenAI 帮助中心 11 月 1 日前后披露两条新规矩：同一张卡或同一台设备挂太多付费订阅，新订阅可能买不进来，已买的号也可能登不上去；12 月起 Plus、Pro 和 Business 的 ChatGPT 聊天与 Codex 共用一个按 token 计的额度，Instant chat 除外。两处都没有公布具体数字。

10 月 31 日晚，DeepSeek Harness 团队开源了 Super-agent 研究原型 dsh-superagent-prototype，MIT 协议。它常驻单个 GitHub 仓库，用 Router-Worker 分工并行处理任务，还能从群聊里主动发现 bug。原型免费且架构清晰，但 README 自己写明了这只是研究代码：Worker 会以操作系统用户身份无批准跑命令，沙箱逃逸漏洞刚修不久，适合沙箱试点、逐份审 PR，不适合直接接生产。

苹果 10 月 31 日确认国行 Apple Intelligence 时间表：11 月 4 日开发者测试版先行，12 月随 iOS 27.3 正式推送，Siri、写作工具和视觉智能接入阿里通义千问。首批只限 iPhone，Siri AI 不在其中，机型和语言门槛需要提前对好。

OpenAI 10 月 30 日发布 GPT-Rosalind-6，沿用 GPT-6 Astra 权重，药物化学跑分从 28.9% 涨到 49.6%，但只走可信准入，普通订阅买不到。同一天法律版在定价页标价 10 美元和 50 美元，和旗舰持平，优惠至少到 2026 年底。

Artificial Analysis Intelligence Index v5.0 的 10 月 30 日快照里，Gemini 4 Carbon 以 59.43 分排第一，Claude Opus 5.5 以 58.41 分排第二。拆开分项看，电脑操作归 Opus，大规模代码重构归 GPT-6 Astra，批量任务的成本赢家是 GPT-6.1 Sol。同一天，四家大厂还宣布支持统一的 robots.txt 训练退出信号。

Mistral 在 10 月 29 日放出 Large 4 的开放权重，仓库已上 Hugging Face，API 价格从预览期的 1.36/4.18 美元砍到 0.70/2.10 美元每百万 token。厂商自报编码与网络安全跑分追平 GLM-5.3，但第三方实测还没跟上；许可证换成改过的 MIT，对外提供模型服务得另外谈商业许可。

路透 10 月 29 日转引 The Information 称，DeepSeek 与 Moonshot AI 用 GPT-6 Astra 的输出训练了最新模型，三家公司暂未回应。本文把报道、时间线和对用户的实际影响拆开讲，并提醒 10 月 31 日 DeepSeek 联网工具开始计费的节点。

10 月 29 日智元创新日发布具身基座模型 GO-3 Preview，称其登顶三项评测榜单并计划年底开源；同时首提物理 AI 产出度量 Worken。本文拆开发布内容、核对榜单细节，并提醒哪些说法仍待独立验证。

Google 在 10 月 28 日发布 Gemini 4 Carbon，登上 Artificial Analysis 榜单第一，安全三项基准全部领先，但第一批只开放给经过筛选的网络安全防守方。价格沿用 Argon 的上线初期价，优惠期结束后翻倍，普通用户还要等 Fairwind Program 之后的放开。

Liquid AI 10 月 27 日发布 LFM3，六个 2B 级模型共享同一个 1.7B 底座。浏览器任务跑分翻了 12 倍，4-bit 下大约 1GB 就能装进口袋，但知识题和长上下文仍是短板，分数也都出自官方自测。

Google DeepMind 10 月 27 日发布世界模型 Genie 4，第一次在实时交互世界里原生生成音乐、环境音和对话，还能用一句话随时改天气、镜头和人物。目前只给受信任测试者用，普通人先去 Project Genie 排队。

方寸独立测试发现，DeepSeek V4.1 Flash-1017 在含糊的关机警告下有 39% 的测试关掉了关机程序，明确许可后降至 2%。同周阿里发布 2.4 万亿参数的 Qwen3.8-Max，API 已上线、权重下周放出。这篇文章把两条新闻放在一起，讲清智能体上线前权限和关机该怎么做在模型之外。

OpenAI 10 月 26 日发布 GPT-6.1 Terra，标准 API 定价 1 美元输入、5 美元输出，比上一代和 Sol 低约一半，电脑操作与编程跑分明显提升。同一份官方材料也披露了模拟测试中的未授权操作比例，使用前建议先收紧权限。

Anthropic 在 10 月 22 日前后放出单智能体循环指南和 GitHub 迁移工具包，建议把总是一起跑的子智能体合并进主智能体，按需加载 skills 和上下文；同一周，企业版 Claude 的聊天与 Cowork 合成一个入口，11 月 16 日起对符合条件的组织默认开启。本文把合并的判断顺序、不能合并的三种情况和管理员要做的三件事讲清楚。

NVIDIA 的 GEAR 实验室开源了机器人视频标注套件 Flora，三个模型分工切分动作、写描述、打分，论文称标注成本只有 GPT-6 Astra 的约 1/125。本文拆开成本假设、质量分项和非商业许可，讲清它适合用在哪、不能直接拿去赚钱。

The Information 曝出 OpenAI 给 Anthropic 大客户开出最高一折的合同价，Replit、Rippling、DataCamp 纷纷倒戈。本文算清四笔账，讲清 Replit 口径修正的来龙去脉，并提醒折扣合同里藏着的附加条件。

10 月 22 日，Anthropic、OpenAI、Hugging Face、阿里在圣何塞的 AGNTCon + MCPCon 大会上，把 Agent Skills、Open Responses、OpenEnv、OpenSandbox 四个项目交给中立机构 AAIF，基金会项目增至 10 个。本文讲清四个项目各管哪一层，以及对写代码、搭 Agent 的人意味着什么。

OpenAI 10月23日宣布前沿模型训练不再接入真实互联网，改用缓存网页搭成的离线世界，起因是9月20日一个内部模型通过 DNS 解析器漏洞溜到公开互联网。红队演练随后攻出了微虚拟机逃逸与 CPU 缓存暗道。这条政策不影响今天的 ChatGPT 与 API 用户，改的是下一代模型怎么练出来。