今日快讯
GPT-6 Sol 与 Luna 把新一轮竞争重点压到成本曲线上。OpenAI 9 月 22 日发布 GPT-6 Sol 和 Luna，API 价格分别为每百万 token 2/10 美元和 0.10/0.50 美元，相比 GPT-5.6 对应档位的促销价均下降 50%；同时改进 prompt caching，缓存输入仍享受 90% 折扣，并允许调整 reasoning effort 和工具可用性而不破坏此前缓存。两款模型已进入 API、Codex 和 ChatGPT Work。
OpenAI 发布说明
Claude Opus 5.5 同日上线，Anthropic 同样把能力、成本和安全机制放在一起发布。Opus 5.5 定价为每百万输入/输出 token 4/20 美元，比 Opus 5 低 20%；Anthropic 称其运行成本比 Opus 5 低约 40%，并在发布前接受 Frontier Design 与 METR 的外部测试。公司还计划未来数周推出 Sonnet 5.5 与 Haiku 5.5。
Reuters
Meta 的 Muse 暴露出 Agent 自动化边界的一个现实案例。Reuters 根据 Meta 内部帖子报道，公司测试让人类承包商充当 Muse 的“human concierge”，替 Agent 完成部分电话任务；Meta 此前对 Muse 的公开定位则是能够主动处理购物、沟通等事务的个人 Agent，并强调其专用 Secure VM 架构。这里值得区分的是产品宣称的 Agent 能力与实际任务链中存在的人工作业，两者共同构成用户最终体验。Reuters 
Meta Muse 发布说明
联合国安理会议程中国国资体系开始摸底数据中心中的 Broadcom 交换机使用情况。Financial Times 的报道经 Reuters 转述称，国资委近期调查国有数据中心中 Broadcom 设备的部署规模，初步结果显示其占比可能高达 90%，并可能据此提出减少使用的非正式指导。Reuters 明确表示尚无法独立核实该报道，因此目前更准确的状态是“正在调查、可能形成指导”，尚非正式禁令。Reuters
AI 基建投资已经大到进入 OECD 的宏观经济模型。OECD 9 月 23 日把 2026 年全球增长预测从 2.8% 小幅上调至 2.9%，并指出数据中心、半导体等 AI 投资是美国经济韧性以及日韩技术出口的重要支撑；与此同时，它把“AI 投资回报低于预期”与能源、极端天气和债券收益率等共同列入 2027 年下行风险。这使 AI CAPEX 从科技行业变量进一步变成宏观经济预测中的显式变量。Reuters
AI 技能培训开始出现企业直接投入的公共项目。Verizon 宣布投入 7000 万美元，与 Goodwill 等非营利组织合作，为求职者、小企业和教育工作者提供 AI 培训，课程资源来自 IBM、Google、Anthropic、Microsoft 和 OpenAI 等公司；其中 5000 万美元为新增投入，另外 2000 万美元来自此前面向离职员工的项目。Reuters
医疗 AI 的扩张开始更多转向真实临床工作流。Anthropic 与 OpenEvidence 宣布合作，计划向约 100 个中低收入国家的医疗专业人员免费提供临床决策支持工具。OpenEvidence 本身是基于医学文献检索和引用的临床问答系统；8 月发表在 npj Digital Medicine 的系统综述汇总 11 项既有研究，认为其在 guideline-based 场景表现较好、虚构引用率相对较低，但同时指出现有研究样本较小、方法异质，真实临床效果仍需要前瞻性研究。
合作报道 
npj Digital Medicine 系统综述
串读精讲
1 / 3
GPT-6 Sol/Luna 与 Claude Opus 5.5 同日发布：模型价格正在从“每 token 多贵”转向“一项任务最终花多少钱”
9 月 22 日 OpenAI 和 Anthropic 几乎同时更新主力模型线，表面上是一轮熟悉的模型发布，细看两家公司选择展示的数据，会发现价格比较正在发生变化。OpenAI 给 GPT-6 Sol 的输入/输出价格定为每百万 token 2/10 美元，Luna 为 0.10/0.50 美元；Anthropic 给 Opus 5.5 定价 4/20 美元。单看 token price 已经可以看到明显降价，但两家公司发布材料都花了相当多篇幅讨论另一种单位：完成一个任务的成本。OpenAI GPT-6 Sol/Luna Anthropic Opus 5.5 报道
原因在 Agent 场景尤其明显。一次长任务的成本大致取决于 token 单价、trajectory 长度、reasoning effort、失败重试以及缓存命中情况。一个每 token 更贵的模型，如果能用更短 trajectory 一次完成任务，最终可能反而更便宜；一个便宜模型如果不断重试，也可能迅速吃掉价格优势。因此 OpenAI 在 AutomationBench 上同时报告 score 和 cost per task：GPT-6 Sol 在 xhigh effort 下报告 33.2%、每任务约 0.27 美元；Claude Opus 5 max 在同一张表中为 26.9%，估算成本约为前者 11.1 倍。这里的数字属于 OpenAI 报告的测试结果，并不能脱离它采用的模型版本、effort 与 harness 单独理解。
这种条件依赖在同一发布页上就能看出来。OpenAI 明确注明，AutomationBench 中 Claude Fable 5.1 约 40% 的任务触发 Opus 5 fallback，而公开成本数字没有完整计入这部分费用；在 OSWorld 2.0 offline 上，GPT-6 Sol xhigh 报告 60.5%，Claude Opus 5 medium 为 60.3%，但 OpenAI强调前者估算 task cost 低约 80%。这里比较的实际上已经是 model + effort + fallback policy + harness + pricing 形成的运行配置。OpenAI benchmark 说明
缓存又进一步改变了这笔账。GPT-6 的 cached input 读取价格折扣达到 90%，OpenAI 这次还允许在不破坏既有 cache prefix 的情况下改变 reasoning effort 或启停工具，并提供显式 breakpoint 控制缓存前缀。GitHub 向 OpenAI 提供的数据称，这类改进过去数月让 Copilot 数十亿次 OpenAI 模型请求中需要重新处理的 prompt token 比例下降超过 50%。这属于 GitHub/OpenAI 报告的生产数据，并没有告诉我们所有 Agent workload 都能获得同样收益，但它解释了为什么长上下文 Agent 的经济性越来越取决于 cache architecture，而不只是模型报价。
因此今天看模型价格表，最值得保留的至少有两层数据：API 的 input/output/cached-input 单价是一层；在固定任务、固定 harness 和固定 effort 下测出来的 success、token consumption、latency、retry 与最终 cost-per-successful-task 是另一层。后者更接近真正部署一个 Agent 要支付的成本，也更容易揭示一个看起来便宜的模型究竟是真的高效，还是只是 token 标价低。
这也解释了为什么今天两家公司的 benchmark 很难简单横向抄成一张排行榜。厂商自报成绩仍然有信息价值，但模型越来越像一个可配置系统：effort 可以变化，工具和 fallback 可以变化，缓存会改变成本，安全系统甚至可能改变某些任务最终由哪个模型执行。要理解发布带来的实际变化，模型名称已经只是实验条件中的一个字段。
2 / 3
Cache-to-Cache：多模型系统开始尝试绕过文本，直接传递 KV Cache 中的内部表示
今天重新进入技术讨论视野的一项工作是清华大学等团队的 Cache-to-Cache（C2C）。论文最初在 2025 年提交、2026 年 3 月更新并被 ICLR 2026 接收，因此研究本身不是今天的新论文；这次的新变化来自项目团队 9 月更新的工程路线：他们计划在现有开源实现基础上加入 agent-managed KV-Cache 及相应 serving system。它值得关注的原因，是它针对多模型系统中一个非常具体的成本来源：模型之间为什么一定要“用文字聊天”。
C2C 论文 
项目仓库
传统 multi-agent 或 model routing 系统中，模型 A 做完一部分工作，会生成文本交给模型 B。这个过程对人类很自然，对模型却意味着一次信息压缩：A 内部已经形成的表示必须经过 token generation 变成文字，B 再把这些 token 做 embedding 和 attention，重新构建自己的内部表示。中间文本既增加 autoregressive generation latency，也可能丢失没有被语言明确表达出来的信息。
C2C 的办法是利用 Transformer 推理过程中本来就存在的 KV Cache。KV Cache 保存 attention 层此前 token 的 key/value 表示，使模型生成下一个 token 时无需重新计算整个上下文。研究团队训练一个较小的 projector，把 source model 的 KV Cache 映射到 receiver model 的表示空间，再通过可学习的 gating 决定哪些目标层应该融合这些表示。训练时 source 和 target 模型本身保持冻结，只更新这个中间 projector。C2C GitHub
这件事技术上并不像“把一个模型的 cache 文件复制给另一个模型”那么简单。不同模型可能有不同 hidden dimension、层数、attention head 数量和 tokenizer，因此它们的 KV 表示并不天然兼容。C2C 的 projector 实际承担了一个跨模型语义翻译层。项目目前公布的预训练组合包括 Qwen3-0.6B 接收来自 Qwen2.5-0.5B、Llama-3.2-1B、Qwen2.5-Math-1.5B、Qwen3-4B 等模型的信息，也包含 Qwen3-8B 与 Qwen2.5-7B 的组合。
论文报告，在其测试组合和任务上，C2C 相比单模型平均准确率提高 6.4%—14.2%，相比 text communication 高约 3.1—5.4 个百分点，同时平均 latency speedup 约 2.5 倍。这些数字来自作者实验，目前不能外推到任意 frontier model 或生产 Agent；尤其 projector 本身需要针对模型组合训练，因此它不像普通文本协议那样可以让任意两个闭源 API 临时协作。arXiv 论文
但项目下一步计划加入 agent-managed KV-Cache 和 serving system，使这个思路从一次性的模型融合实验开始靠近 Agent runtime：Agent 可以决定何时保留、共享或转移某段内部 cache，而不是每次都把状态重新写成文字。如果这一方向能够扩展到更大的异构模型，它会改变 multi-agent architecture 中一个长期默认的假设——模型之间的通信协议未必必须等同于人类可读语言。
这同时带来新的工程和安全问题。文本 handoff 天然可记录、可审计，也容易让开发者检查 Agent A 究竟告诉了 Agent B 什么；latent representation 的传递则更难解释。跨模型 cache 的生命周期、访问权限、显存占用以及污染后的状态恢复，也会成为 serving layer 的新问题。所以 C2C 当前最有价值的地方，还不是证明未来 Agent 都应该放弃文本，而是把“模型间通信层”本身变成了一个可以单独优化和实验的系统组件。
3 / 3
Meta Muse 的“human concierge”：个人 Agent 的完成率开始依赖隐藏在模型之外的执行层
Meta 9 月 8 日推出 Muse 时，把它描述为能够主动完成购物、沟通等事务的 personal AI agent。官方介绍尤其强调基础设施：每位用户的 Muse 运行在专门的 Secure VM 中，未来还计划推出由用户密钥保护、Meta 本身也无法读取内容的 Confidential VM。这种设计把个人 Agent 描述成一个持续拥有用户上下文、可以代表用户行动的软件系统。Meta Muse 发布说明
Reuters 今天披露的内部测试给这个产品增加了一个很有意思的执行层：Muse 某些电话任务并非完全由 AI 完成，而是会路由给人类承包商充当“human concierge”。例如用户要求 Agent 打电话完成某项现实事务，最终真正与商家通话的人可能是后台工作人员。报道依据 Meta 内部帖子，因此这里能够确认的是 Meta 测试过这种机制，并不能据此推断 Muse 的所有电话任务都依赖人工。Reuters
这件事的重要性不只在于“AI 后面还有人”。现实世界 Agent 面临一个软件 Agent 很难完全控制的长尾：电话无人接、对方口音难识别、商户提出计划外问题、网站验证码、线下身份验证、付款异常。产品团队可以选择让 Agent 失败，也可以在低置信度状态下切换到另一模型、另一工具，最终甚至切换到人类。
于是所谓“Agent task success rate”开始包含一组不同性质的能力。一个系统可能有 80% 的任务完全由模型和工具完成，15% 通过人工 fallback 完成，5% 最终失败；另一个系统可能有 85% 全自动完成、15% 失败。如果只报告最终 95% 对 85% 的完成率，用户体验层面的前者确实更可靠，但它不能直接证明前者的模型或 Agent policy 更强。
Muse 还把另一个问题带到台前：用户需要知道谁在执行任务。Meta 官方对 Muse 的宣传重点之一是 privacy-preserving infrastructure，而 Reuters 报道称，公司内部对 human concierge 也出现了隐私顾虑。对于能够接触个人通信、行程、购买意图甚至代替用户打电话的 Agent，人工 fallback 是否发生、人工能够看到什么上下文、哪些信息会被暴露，都会成为产品架构的一部分。
因此个人 Agent 真正走向现实任务以后，“模型能力”只是最终产品能力的一层。模型之上还有 orchestration、tool access、retry、verification、human fallback 和权限控制。Muse 今天提供的案例很具体：当 Agent 从回答问题走向代表用户办事，最终交付的是一条完整执行链，而这条链可能同时包含模型、软件工具和人。