今日要闻
1. ChatGPT 全面换上 GPT-6：付费用户用 Sol、免费用户用 Luna，新 Intelligent UI 让回答里直接长出图表、按钮和小工具
据 TechCrunch（Lucas Ropek，美西 2026-10-07 11:00，即北京时间 10 月 8 日 02:00）、9to5Mac（Marcus Mendes，2026-10-07）与 OpenAI 开发者社区公告，OpenAI 于美西时间 10 月 7 日开始在 ChatGPT 全球推出 GPT-6：Plus、Pro、Business 与 Enterprise 用户从 10 月 7 日起使用 GPT-6 Sol，Free 与 Go 用户从 10 月 8 日起使用 GPT-6 Luna。OpenAI 部署安全中心的系统卡说明，这两款模型将在 ChatGPT 中取代 GPT-5.6 Sol 与 GPT-5.6 Luna；Codex 与 ChatGPT Work 里的 GPT-6 Sol、Luna 仍是 9 月发布的旧版本。帮助中心另注明，GPT-6 Pro 由 GPT-6 Astra 驱动，面向 Pro、Business 与 Enterprise 套餐。
同时上线的 Intelligent UI 让 GPT-6 可以按问题自行组合文字、图像与交互元素：回答里可以出现图表、可点击按钮、表单、计算器、分账工具和小游戏，用户还能调整输入看结果变化；简单问题仍会直接给文字。产品经理 Aarush Selvan 在媒体沟通会上演示了「探索飞机机翼如何产生升力」生成的一组示意图，其他示例包括菜谱图解、自行车结构图、多日徒步地图和储蓄计算器。OpenAI 还称 GPT-6 可以边思考边作答，界面随生成逐步呈现，GPT-6 Instant 在需要联网搜索的问题上开始作答的时间平均比 GPT-5.6 Instant 早 44%（衡量的是开始作答时间，而非总耗时）。视觉元素的多少可在个性化设置中调低。
行业影响：
- 聊天机器人从「输出一段文字」走向「现场生成一个可操作的界面」，生成式 UI 成为助手产品的新竞争点
- 免费用户同步拿到新一代模型，OpenAI 在用户规模上继续以「全量升级」对抗竞争对手
- 交互元素越多，答案的可核查性、可访问性与第三方应用生态的边界都会被重新讨论
来源：TechCrunch、9to5Mac、OpenAI 开发者社区、OpenAI 部署安全中心、OpenAI 帮助中心
2. Anthropic 发布 Claude Haiku 5.5：短请求价格降九成、首次支持调节推理强度，Sonnet 5.5 缓存读取同步减半
据 Anthropic 官方页面与 SiliconANGLE（Duncan Riley，2026-10-07），Anthropic 于美国时间 10 月 7 日发布小模型 Claude Haiku 5.5，称其是自家「最便宜、最快、能力最强」的小模型，主打摘要、上下文压缩、数据库查询、分类等高频任务，也适合在编程场景中给 Opus 5.5、Sonnet 5.5 当子代理，以及实时客服和浏览器操作。定价上，10 万 token 以内的请求输入每百万 token 0.10 美元、输出 0.50 美元，比 Haiku 4.5（1 美元 / 5 美元）低 90%；超过 10 万 token 的请求为 0.50 / 2.50 美元。Anthropic 称 Haiku 4.5 约 90% 的请求在 10 万 token 以内，叠加新分词器略多耗 token 的因素后，平均运行成本降低约 75%。Haiku 5.5 也是首个支持调节推理强度（effort）的 Haiku 模型。
官方公布的成绩中，Haiku 5.5 在 OSWorld 2.1（离线子集）得分 72.4%，Haiku 4.5 为 15.7%、GPT-6 Luna 为 48.9%；Terminal-Bench 4.0 得分 39.2%，GPT-6 Luna 为 16.4%，但 Anthropic 也强调复杂代理编程仍应选 Sonnet 5.5 与 Opus 5.5。SiliconANGLE 指出，0.10 / 0.50 美元的价格与 OpenAI 上月推出的 GPT-6 Luna 持平。同日 Anthropic 把 Sonnet 5.5 的缓存读取价格从每百万 token 0.20 美元降到 0.10 美元，称多数代理任务成本因此下降约 20%；本周起 Max 5x、Max 20x 订阅者每月分别获得 100、200 美元 API 额度，Team 订阅最多 500 美元（全员共享）。Haiku 5.5 已在 Claude 平台（模型名 claude-haiku-5-5）及 AWS、Google Cloud、Microsoft Azure 上线。
行业影响：
- 小模型价格战进入「每百万 token 一毛钱」区间，Anthropic 与 OpenAI 在低价档正面对标
- 「大模型规划、小模型跑腿」的子代理架构正在成为默认做法，小模型的速度与价格直接决定代理系统成本
- 订阅附赠 API 额度，把 Claude 订阅用户往开发者平台引流，模糊了消费订阅与开发者计费的边界
3. Anthropic 把网络验证计划改成三级准入：并入 Project Glasswing，Glasswing 伙伴四个月发现至少 12.9 万个已验证漏洞
据 Anthropic 官方博客（2026-10-06）与 SecurityWeek（Eduard Kovacs，美东 2026-10-07 06:07），Anthropic 推出扩展版「网络验证计划」（Cyber Verification Program，CVP），把原 CVP 与 Project Glasswing 合并为一个项目，分为三档：防御准入（Defense Access）覆盖安全运营中心与应急响应、恶意软件逆向、漏洞分析与验证，面向企业、非营利组织、高校、政府的安全团队，各种规模的关键基础设施运营方、小型安全公司、开源维护者以及有漏洞报告记录的个人研究者，目标几天内答复；红队准入（Red Team Access）增加经授权的渗透测试与红队演练，仅限机构申请、审核需数周，部署勒索软件、破坏物理系统等行为仍会被实时拦截；专项准入（Specialized Access）拦截最少，只面向获授权测试航空运行系统、电网、电信网络、银行间转账等安全关键系统的少数机构，目前与美国政府合作逐家审查，现有 Glasswing 成员直接转入。三档都可使用 Claude Opus 5.5、Sonnet 5.5、Mythos 5.1 及后续模型。
Anthropic 用 CyScenarioBench 做了验证：不加入 CVP 时 10 个挑战每题都在第一条提示就被拦截；防御准入下 50 次尝试中 46 次中途被拦；红队准入下没有拦截，Opus 5.5 完成 34 次，与不加防护时的成功率相当。Anthropic 还披露，Glasswing 伙伴在 2026 年 4 月至 7 月发现至少 12.9 万个经验证的软件漏洞，Anthropic 自己的开源扫描在 4 月至 10 月又发现 5500 个，其中逾 3.3 万个被评为严重或高危，并称真实数字可能至少高出五倍。加入计划需接受数据留存以便监测滥用。
行业影响：
- 「能力分级 + 身份核验」成为前沿模型开放网络安全能力的主流方式，与谷歌 Gemini 4 Argon 只向可信网络防御者开放的思路相近
- 渗透测试类能力仍只对机构开放，个人安全研究者的访问门槛依旧较高
- 政府参与最高档审核，意味着关键基础设施测试正被纳入模型厂商与国家安全部门的联合治理
4. Scale Labs 与 Elorian 发布视觉直觉基准「Humanity's Sixth Sense」：人类 93.1%，最强模型 GPT-6-astra 仅 53.6%
据 Scale Labs 官方博客与排行榜（2026-10-07）以及 Scale Labs 在 X 上的发布（2026-10-07 19:45 UTC，即北京时间 10 月 8 日 03:45），Scale Labs 与视觉推理公司 Elorian 推出新基准 Humanity's Sixth Sense（HSS），测试人们「看一眼就知道」的直觉式视觉推理，比如车能不能塞进两辆停着的车之间、房间里谁说了算、画面前后发生了什么。HSS 含 522 道开放式题目（288 道图像题、234 道视频题，视频共 17.6 小时），分为时间与因果、物理与空间、社会理解、抽象与情境四大领域、11 个子领域；作者共写了 3466 道题，经三轮独立审核只留下 522 道，通过率 15.1%。
20 名人类参与者得分 93.1%，25 个模型中最强的 GPT-6-astra（最高推理强度）为 53.6%，中位数 30.9%；去掉图像或视频后 GPT-6-astra 只剩 6.6%，说明题目无法靠语言先验作答。模型平均每题消耗约 4000 个推理 token，加大推理强度在部分子领域反而掉分；在 8573 次失败中，94% 源于感知或隐含推断，只有 5% 是逻辑错误。社会理解是 25 个模型中 21 个的最弱领域（平均 24.4%），视频题对 23 个模型比图片更难。即使放进 Claude Code 与 Codex 中允许裁剪、放大、联网，最好成绩也只有 59.3%（388 题子集）。数据集已在 Hugging Face 公开；Scale 也注明评分依赖 LLM 评审，存在偏差与数据污染等局限。
行业影响：
- 在数学、编程不断刷新纪录的同时，「常识性看图」暴露出多模态模型的明显短板，评测重心开始向直觉与具身场景转移
- 失败主要出在「没看到关键线索」而非推理，提示单纯增加思考算力难以补齐视觉理解
- 面向家庭、车辆、工作场所部署的代理，需要把这类直觉能力纳入上线前的安全与可靠性评估
来源：Scale Labs 博客、HSS 排行榜、Scale Labs（X）
5. 谷歌推出 AI 做游戏实验平台 Playground：打字描述就能生成 2D/3D 网页游戏，并预告与 Unity 合作的 Spark
据谷歌官方博客、The Verge（Jay Peters，2026-10-07 12:00 UTC，即北京时间 10 月 7 日 20:00）与 9to5Google（Abner Li，美西 2026-10-07 05:00），谷歌实验室推出实验性游戏平台 Playground，用户通过对话描述想法即可生成、试玩并分享浏览器游戏，可选 2D 或 3D、单人或多人，并能继续用文字修改物理规则、玩法、角色和场景，无需写代码。游戏可设为私密、通过链接分享或发布到 Explore 画廊，部分类型支持排行榜与多人模式，并与 Play Games 资料打通；作品会经过社区准则审核并支持用户举报。
谷歌发言人 Nia Carter 对 The Verge 表示，Playground 由 Gemini、Nano Banana、Lyria 等现有基础模型加上内部打磨的定制 harness 驱动，可免费使用，Google One 订阅者每周 token 额度更高。平台目前仅面向美国 18 岁以上用户开放。谷歌与 Unity 同时公布更接近专业引擎、支持多人协作创作的 Unity Spark，作品可分享到 Playground，封闭测试定于今年晚些时候开始。The Verge 指出，Meta 的 Horizon 与 Roblox 近期也推出了类似的 AI 做游戏功能。
行业影响：
- 「提示词生成可玩内容」从图片、视频延伸到游戏，平台方开始争夺 UGC 小游戏的创作与分发入口
- 谷歌把模型、分发画廊与 Unity 专业工具串成从入门到进阶的路径，与 Meta、Roblox 形成正面竞争
- 大量 AI 生成游戏涌入后，内容审核、版权与原创性认定会成为平台治理的新难题
来源：Google 官方博客、The Verge、9to5Google
6. 谷歌 SynthID 检测器向全球用户开放：一站识别谷歌、OpenAI、英伟达、Kakao 的 AI 水印，每天约 10 次
据谷歌官方博客（Google DeepMind 副总裁 Pushmeet Kohli，2026-10-07）、Ars Technica（Ryan Whitwam，2026-10-07）与 TechCrunch（Ivan Mehta，美西 2026-10-07 07:00，即北京时间 10 月 7 日 22:00），谷歌把去年只向部分记者、媒体从业者和研究者开放的 SynthID Detector 扩展到所有人，即日起以英文在全球上线独立网站。用户可上传图片、视频或音频，检查其是否由谷歌或合作方的 AI 生成或编辑；检测范围扩展到 OpenAI、英伟达、Kakao 的 SynthID 水印，苹果支持即将到来。谷歌称至今已为超过 1800 亿张图片和视频、24 万年时长的音频打上 SynthID 水印，搜索、Gemini 应用与 Chrome 内置的验证功能每天处理超过 100 万次请求。
使用需登录谷歌、OpenAI 或苹果账号，每人每天约 10 次检测。Ars Technica 称，谷歌工程师解释限额是为了防止有人借反复检测开发去水印工具；新网站只给出「是否检测到 SynthID」的结论，不再像内部工具那样标出带水印的区域。Ars 也提醒，Meta 等厂商使用其他水印方案，许多模型、特别是本地运行的开放权重模型根本不加水印，检测不出水印并不代表内容是真的。
行业影响：
- 多家厂商共用一个检测入口，降低了普通用户与平台核查 AI 内容的门槛
- 水印检测只能证明「有」，不能证明「无」，平台仍需结合 C2PA 等真实内容溯源方案
- 限额与模糊结果是在可用性与防破解之间折中，未来检测接口的开放程度仍会持续拉锯
来源：Google 官方博客、Ars Technica、TechCrunch
今日观察
10 月 8 日的主线是「模型往下沉」。OpenAI 让免费用户也用上 GPT-6，并把回答从文字变成可操作的界面；Anthropic 则把小模型价格压到每百万输入 token 一毛钱，还给订阅用户送 API 额度。两家都在用更低的门槛争夺日常使用和开发者生态，而谷歌的 Playground 把「一句话生成」从图片视频推到了游戏。
但能力越往大众扩散，边界问题就越突出。Anthropic 用三级准入决定谁能用上更强的网络攻防能力，谷歌把 SynthID 检测器交给所有人，同时提醒「查不到水印不等于真实」。Scale 的新基准则泼了一盆冷水：能批量产出数学证明的模型，看一眼书架还判断不了能不能再塞两本书。能力、价格与治理在同一天各自前进，离「可靠地理解真实世界」还有不小的距离。