同一天里，一边是每任务成本降到 0.72 美元的模型，一边是要拿到 845 亿美元算力合同的实验室。

模型能力还在涨，但今天更扎眼的不是某个单点榜单，而是 AI 正在同时把三件事推到台前，便宜的推理、可托付的执行，以及越来越昂贵的安全与算力。

今日重点

1. GPT-6.1 Sol 把性价比战推到了任务层

OpenAI 发布 GPT-6.1 Sol，AI HOT 收录的信息显示，它的输入、输出和缓存输入价格分别为每百万 token 2 美元、10 美元和 0.10 美元，约为 GPT-6 Astra 标准价格的五分之一。Artificial Analysis 的另一组数据更直观，Sol 的每任务成本约 0.72 美元，较 GPT-6 Sol 的 1.05 美元低约三成。

这不是单纯的 token 降价。开发团队最终买单的是一个可完成的任务，例如跑通一次代码修改、做完一轮网页操作，或者处理一张工单。Code Arena 的 WebDev 榜上，GPT-6.1 Sol Max 以 1759 分排到第三，混合价格仍是 8 美元每百万 token。性能抬升、任务成本下降，两条线开始往同一个方向走。

我一直觉得，模型价格表很容易让人看麻，但任务成本会迫使 Agent 产品重新算账。以前只能给少数高价值流程开的长链路 Agent，现在可能进入日常开发和运营的预算表。真正的分水岭不在于它会不会调用工具，而在于失败重试三次以后，账单还值不值得付。

来源，OpenAI 发布 GPT-6.1 Sol ｜ Artificial Analysis 成本数据 ｜ Code Arena 排名

2. Agent 开始接管后台，但评测不能再靠感觉

Perplexity 把 Computer 的邮件委托入口向所有人开放。用户把任务转发或抄送给 computer@perplexity.com，Agent 在后台处理，并保留邮件上下文。Factory 则把 Droid 的自动化能力做成定时、Slack、GitHub 与 Webhook 触发的工程工作流。

这类功能很诱人。你把电脑合上，任务仍在跑，OpenAI 新推出的 Codex cloud environments 也在强调这件事。仓库、依赖和脚本预先放进云环境，换设备也能接着追进度。对于经常被配置环境打断的人，这种连续性很有吸引力。

但是，能在后台跑，不等于该直接放到生产里跑。OpenRouter 今天连发的三篇教程给了一个朴素但重要的提醒，把工具调用失败分成工具选择错误和参数错误，用生产流量构建 golden 集，再把提示词、模型、工具定义和检索配置的变化统统纳入回归测试。

这块需要注意一下，Agent 的难点正在从「怎么接上工具」转向「怎么证明它没有悄悄做错」。没有可回放的失败样本和行为契约，自动化越多，排障就越像在雾里找人。

来源，Perplexity Computer 邮件委托 ｜ Factory Automations ｜ Codex 云环境 ｜ OpenRouter 工具调用评测 ｜ OpenRouter 回归测试 ｜ OpenRouter golden 集

3. 网络安全模型的第一批用户，已经不是普通开发者

Google DeepMind 发布 Gemini 4 Argon，先通过 Fairwind Program 向可信网络防御者开放。Arena 的数据里，Gemini 4 Argon High 在 Agent Arena 排第八，每任务成本 0.62 美元。先不讨论排名高低，这个发布节奏本身很有意思，模型先被放进高风险、强约束的网络防御场景，而不是直接面向所有人开放。

另一边，英国 AI Safety Institute 的发布前评测给了一个冷水数据。在关闭安全分类器的最坏模拟条件下，GPT-6 Astra 完成完整供应链攻击的比例为 29.2%，GPT-5.6 Sol 为 6%。这不是现实世界攻击成功率，也不能据此给模型扣结论，但它提醒了一个很不舒服的事实，模型能力和安全护栏不能拆开看。

这话听着有点刺耳但，安全不是产品发布后再补的 FAQ。模型开始能操作浏览器、代码库和内部系统，安全评估就得像 CI 一样成为发布链的一部分。

来源，Gemini 4 Argon 发布 ｜ Agent Arena 数据 ｜ 英国 AISI 评测

4. 水印从图片走向蛋白质，风险治理也在找新抓手

Google DeepMind 发布 SynthID Bio，试图把可验证水印嵌入 AI 生成的生物序列和预测结构中，并称水印可在合成后的物理蛋白质上验证，同时不损害湿实验中的生物功能。

这个方向不如新模型抢眼，却可能更接近长期问题。内容水印可以被裁切、压缩和再生成，生物序列的验证门槛完全不同。若技术路径经得起更多独立实验，它至少提供了一种追溯思路，让生成链条里有可验证的痕迹，而不只靠使用者自我声明。

来源，SynthID Bio

其他值得扫一眼

  • DeepSeek 开源面向华为昇腾平台的 TileLang、DeepGEMM、DeepEP、TileKernels、FlashMLA 与 DeepSelect 等基础设施组件。开源生态能否在非 CUDA 平台形成完整工具链，值得持续看。来源，AI HOT
  • OpenAI 披露并处置一起有组织的模型蒸馏攻击，目标是系统性提取受保护的推理内容。模型服务的防护面，已经不只是提示词注入。来源，OpenAI 动态
  • MIT、CMU、NYU 与 Stanford 的团队发布 Ataraxos，在 Stratego 上大幅超过顶级人类选手。隐藏信息博弈仍然是检验推理与对手建模的硬场景。来源，MIT News
  • Anthropic 与 SpaceX 据报签署最高 845 亿美元的算力协议。模型公司在压低单任务成本，底层算力的长期锁定却在加码，短期看确实有点拧巴。来源，路透社报道转引

今日想法

今天这些消息拼在一起，有一个很清晰的画面。

前台的 Agent 正在被做得更便宜、更会干活，也更适合无人值守。后台却要补上评测、安全审计、模型防蒸馏和长期 GPU 供应。很多产品会先把「自动」当卖点，但用户真正需要的是「出了错也能追到、能停住、能复现」。

所以，给团队挑 Agent 能力时，不妨少问一句它能跑多长，多问三句，失败记录在哪里，回归集有没有跟上，权限收回后任务还能做什么。

0.72 美元只是开始。把一次成功变成一件可托付的事，成本从来不只写在 API 账单里。