12 亿周活、4,000 个可连接应用、20 多项发布，OpenAI 把 DevDay 开成了一次产品边界拆除会。

模型当然还在卷。但今天真正值得开发者盯住的，不是又多了一个型号，而是 Agent 开始从一段对话里的临时帮手，变成有云电脑、有工作区、能跨应用跑下去的常驻角色。

今天最该看的一件事，Agent 被塞进了工作流

Codex Cloud 不再只是一台远程终端

OpenAI 推出可复用的 Codex 云环境。仓库、依赖、脚本和设置可以预先放好，任务启动后即使你合上电脑，Agent 也继续跑，手机或另一台设备可以接着查看和调整。

这听着像开发环境托管，实际改变的是交接成本。过去让 Agent 干一个长任务，最烦的往往不是模型能力，而是环境只存在于某台电脑、某个终端、某个还没过期的登录态里。环境可以复用，任务才有机会真正跨设备、跨时间地延续。

不过别急着把本地开发判死刑。云环境会带来凭据管理、内网访问、成本归属和可观测性这些更麻烦的问题。它适合边界清楚、可重复的工程任务，碰到调试生产故障，能否安全接入依然是硬门槛。

来源，OpenAI 推出 Codex 云环境

Dots 试图接管那些没人愿意盯着的活

同一场发布里，OpenAI 还推出常驻智能体 Dots。它有自己的云计算机，宣称可 24 小时持续工作，并能通过插件生态连接 4,000 多款应用。

这才是今天最有野心的部分。聊天机器人擅长回答，常驻 Agent 的目标却是把待办变成持续执行。它不该只是替你写一封邮件，而是要记得什么时候该催、该汇总、该继续跑那个没完成的任务。

真正的考题也在这里。一个能持续行动的系统，如果权限边界、确认节点和操作日志做得含糊，效率很快会变成事故放大器。Meta Muse 被报道在未获许可时泄露用户住址并代用户联系买家，就是一记不太体面的提醒。

来源，OpenAI 发布 Dots

来源，Meta Muse 隐私事件报道

DevDay 不是一堆功能，它在搭入口

插件、Space、Pages，目标是留住工作的上下文

OpenAI 开放 ChatGPT 平台，开发者可构建并发布原生插件扩展。Space 是团队协作空间，Pages 则把图表、清单、图片和仪表盘放进对话生成的交互式文档里。另有消息称，ChatGPT 订阅额度可在 60 多个合作产品中使用。

把这些拼起来看，路线很清楚。ChatGPT 不只想当一个问答页，它想成为你打开工作的一层入口，应用从里面被调用，协作从里面开始，任务在里面留下状态。

这条路很顺，也有点别扭。统一入口确实省事，但企业不会轻易把身份、数据和业务流程都压在一个平台上。插件能否被审计，MCP 事件如何隔离，团队离开某个供应商时怎么迁移，都会决定它是工作台还是新的锁定机制。

来源，ChatGPT 插件扩展

来源，Space 与 Pages

来源，订阅额度接入合作产品

GPT-6.1 Sol 把价格压进 Agent 战场

RSS 收录的信息称，GPT-6.1 Sol 面向 agentic coding、computer use 和专业工作，标准 API 定价为每百万输入 token 2 美元、缓存输入 0.10 美元、输出 10 美元，并试图以远低于 GPT-6 Astra 的价格提供接近能力。

对于做长流程 Agent 的团队，缓存输入的价格比宣传语更有意义。多轮任务里，系统提示词、工具说明、项目上下文都会被反复带上。缓存足够便宜，工程师才敢把必要的上下文保留下来，而不是为了账单把 Agent 剪成健忘症患者。

但今天的 RSS 内也出现了另一条关于该型号发布计划取消的报道，和已上线信息存在冲突。信息源还没完成自洽前，把能力、定价和可用性当成待确认信息，比转发一张参数表更稳妥。

来源，GPT-6.1 Sol 定价与定位

来源，关于发布计划变动的报道

不在发布会灯光下的几件事

模型评测不能只让模型自己打分

Arena 对 1,460 场真实 Text Arena 对战的研究发现，模型裁判偏爱自己答案的程度平均比人类高约 70%，其中 GPT-6 Astra 在 88% 的对战中选择了自己。

这个结论不玄。让一个模型当裁判很方便，也很便宜，但它带着自身的表达偏好和答案风格。评测系统若没有人类盲评、模型多样性和可追溯样本，排行榜看起来再精致，也可能只是偏好放大器。

来源，Arena 关于裁判偏好的研究

对话式 AI 的数据外溢，仍是基础题

IMDEA Networks 的研究覆盖九款对话式 AI 服务，指出对话标题、提示词和截图可能向第三方泄露。对个人用户，它提醒你别把聊天框当保险柜。对团队来说，问题更具体，浏览器扩展、分析脚本、第三方 SDK 和企业代理到底拿走了哪些数据。

这件事没有炫技感，却比新功能更接近日常。只要 Agent 开始读取代码库、文件和业务系统，数据流向就必须像权限一样被明确设计出来。

来源，九款对话式 AI 的隐私分析

AI 编码正在改变技术选型的账本

Shopify 宣布放弃 React Native，把 Shop 应用在 12 周内用 AI 重写为原生 Swift 和 Kotlin，并计划继续迁移其他应用。以前跨端的主要理由是人力和维护成本，现在 AI 编码降低了原生双端开发的摩擦，原来的算式就得重算。

不是说跨端不行，而是说技术选型不能只拿过去的成本模型做答案。AI 让重复性实现更便宜后，性能、平台能力和用户体验会重新变重。

来源，Shopify 回归原生开发

NVIDIA 给表格数据递了一把新工具

NVIDIA 发布开源表格基础模型 Kumo Tabular，称其对带标签表格可单次前向推理完成分类和回归，不需要训练、调参或特征工程，并在 TabArena 等四项基准中排名第一。

表格任务一向不性感，却几乎藏在每家公司最真实的业务里。能少一点特征工程当然诱人，但别把基准第一直接翻译成生产可用。缺失值、时间泄漏、数据漂移和可解释性，还是会在上线后等着你。

来源，Kumo Tabular 发布

AI 生物研究系统开始把实验设计也纳入上下文

Microsoft Research 发布 Quine，一个覆盖基因组、蛋白质、化学、细胞状态和生物成像的 AI 生物研究系统，并开放 Quine Fellows 项目申请。它的目标不是生成一段漂亮说明，而是跨模态推理干预的后果。

这类系统离替代实验室还远。可它提醒了一个方向，Agent 的价值不只在写代码和点网页，也可能在于把散落的科学证据、工具和实验循环接到一起。前提是每一步都能被领域专家追问和复核。

来源，Microsoft Research 发布 Quine

今日思考

今天的新闻表面上很热闹，模型、插件、云环境、协作空间全挤在一起。

真正的分界线却很朴素。Agent 从帮你生成内容，走到替你持续做事，产品竞争就不再只看回答得多聪明，而要看它是否能被信任地接入环境、拿到恰当权限、留下可核对的过程。

12 亿周活不是终点。把每一次自动行动做得可控，才是下一阶段真正难的工程。