AWS 发布教程，介绍在 Amazon Bedrock 上调用 OpenAI 模型时如何用提示词缓存降低智能体重复读取上下文的成本，区分隐式缓存与显式 prompt_cache_breakpoint 两种方式并建议组合使用。文中给出工具与指令缓存、多轮历史滚动断点、会话中途新增工具、子智能体共享前缀等代码示例，并称在 GPT-6 Astra 的六轮工作负载中隐式缓存降低约 62% 输入成本，显式滚动断点降低约 61%。可缓存前缀需至少 1024 token，缓存写入按正常输入价格的 1.25 倍计费。
匹配字段标题、摘要、正文
OpenAI 于 10 月 23 日披露前沿模型的训练环境，模型练习搜索、浏览和操作网页时使用预先保存并建立索引的网页资源，不直接访问真实互联网，其所有前沿模型的强化学习训练都采用这种离线交互。环境采用受限容器、轻量虚拟机、Hypervisor、防火墙与身份权限管理、监控暂停机制等多层隔离，但 OpenAI 仍保留部分外部连接用于收集指标、记录日志和管理身份验证。在专门测试隔离效果的实验中，OpenAI 让两个 AI 尝试互相传消息，所用通道是 CPU 缓存，多数测试中研究人员给过通信方向或编码规则的提示；OpenAI 称已修补发现的问题并为这些通信方式增加监控。
匹配字段标题、摘要、正文
OpenAI 发布一个 Codex 技能，用于检查网站是否受其披露的 PHP 安全漏洞影响，用户可将 Codex 指向指定仓库按引导完成排查。该漏洞由 OpenAI 模型在 Patch the Planet 计划中发现，涉及运行约 70% 网站的开源语言 PHP，修复需对 PHP 引擎做较大改动，目前使用 PHP 的站点可升级版本并配合安全厂商的缓解措施。
匹配字段标题、摘要
OpenAI 核心实验团队分享了用 GPT-6 Astra 和 GPT-6.1 Sol 在 Codex 中做代码维护的实践，包括删除无用代码、清理过期实验和修复不稳定测试。团队用一段简短提示词让 Astra 自行查找证据并说明删除理由，五名工程师在两周兼职时间内合并了 1400 多个 PR，删除超过 80 万行代码，其中一个服务的容器镜像从 3.31GB 降到 1.72GB，减少 48%。在过期实验清理对比中，GPT-6.1 Sol Ultra 的发现数量为 GPT-6 Astra Ultra 的 92%，API 成本仅为后者的 14%。
匹配字段标题、摘要、正文
TensorZero 在数据抽取、智能体编码和客服三个任务上对比了 OpenAI 的 RFT 与 SFT，RFT 成本是同等数据量 SFT 的 100-700 倍。RFT 仅在智能体编码任务上明显优于 SFT，数据抽取上更大数据集的 SFT 效果更好且成本低 159 倍，客服任务上 RFT 反而比基线更差。作者还指出 RFT 会触发比 SFT 更严格的内容审核，导致部分公开基准数据集无法通过验证。
匹配字段标题、摘要、正文
OpenAI Developers 发文说明，随着模型能力提升，为 Codex 等编码智能体积累的 skills、AGENTS.md 和任务提示词需要重新审视，GPT-6 Astra 尤其如此。文章建议 skill 描述尽量简短并明确使用时机，多流程 skill 用根文档做最小路由实现渐进披露，避免写成过于具体的步骤清单。AGENTS.md 中要求每次编辑前通读文档、强制跑测试等旧指令可能浪费上下文，而 GPT-6 Astra 会自行检查工作，但可能更早停下等待确认，因此需要提前定义完成标准。
匹配字段标题、摘要
OpenAI 开发者撰文介绍如何用 Astra 在 Codex 中构建游戏，并以太空探索游戏 Void Explorer 为例，展示从概念图、架构设计到地形流式加载与性能测试的完整流程。Void Explorer 包含 2,048 个恒星系和超过 10,000 颗程序化生成的行星，行星最大可与地球相当。作者还提到用同一方式开发了水面渲染的 Sunwake 和 2D 动作 RPG Hollowflux，并可通过 Sites 插件发布为浏览器游戏。
匹配字段标题、摘要
TensorZero 在数据抽取、智能体编码和客服三个任务上对比了 OpenAI 的 RFT 与 SFT，RFT 成本是 SFT 的 100-700 倍。RFT 在智能体编码任务上明显优于 SFT，但数据抽取用 SFT 效果更好且成本低 159 倍，客服任务中 RFT 反而比基线更差。作者还指出 RFT 触发了比 SFT 更严格的内容审核，导致部分公开基准数据集无法通过验证。
匹配字段标题、摘要、正文
SemiAnalysis 对 Anthropic、OpenAI、Meta、MiniMax、Moonshot、Z.ai、Cursor、Cognition 等订阅计划逐一做了额度实测，按模型与工作负载换算成 API 等价价值。在中端模型上，Anthropic 的 Opus 5.5 提供的 API 等价价值约为 OpenAI 的 5 倍；OpenAI 上周把 200 美元档额度减半并新增 500 美元档，使 Pro 100、200、500 每美元 token 数趋于一致。文章还给出按 token 类型（输入、缓存写入、缓存读取、输出）测量额度消耗的方法，并指出厂商可随时通过调整 credit 成本静默改变额度。
匹配字段标题、摘要、正文
OpenRouter 发文对比 OpenAI、Anthropic、Google 及自家提供的服务端代码执行工具，说明模型在 API 请求内调用工具、由服务商在隔离容器中执行命令并回传输出。OpenRouter 的 openrouter:shell 支持 Responses 与 Messages API 上的任意模型，openrouter:bash 仅支持 Messages API，两者均为 beta，沙箱默认关闭出站网络，按每秒 0.0001 美元计费、新容器最低 30 秒。文章指出需要自定义基础镜像、GPU 或数小时长会话时，仍应自建 E2B、Modal、Daytona 等沙箱平台。
匹配字段标题、摘要、正文
The Verge 记者实测 OpenAI 本周发布的智能体平台 Dots，它拥有可自定义名字的拟人化形象，可在虚拟机中操作 Blender、GIMP 等应用，也能通过桌面版 ChatGPT 访问用户自己的电脑，并优先向每月 100 美元的 Pro 等高阶账户开放。实测中 Dots 在订网、宜家账户登录等任务上多次卡在安全验证，需要人工接管，但在作者授权访问个人电脑后，顺利完成了视频剪辑合并和个人网站改版部署。作者认为它更像面向普通人的 Codex，适合处理工作事务，但每月 100 美元的价格对个人用户未必划算。
匹配字段标题、摘要、正文
WIRED 记者在 9 月实测了 OpenAI 的 Dots 和 Meta 的 Muse 两款个人智能体，把前者命名为 Toolie 并调成粉色青蛙造型，通过 ChatGPT 调用它处理任务。作者称这类常驻智能体已比一年前更可靠，能完成交给它的任务，但连接 Gmail 和 Google Drive 等权限仍需要用户自行权衡。Altman 表示自己的 Dot 会处理日常事务并只提醒真正紧急的事项，但拒绝回答 Dots 是否为 OpenAI 传闻中硬件的铺垫。
匹配字段标题、摘要、正文
Modal 官方工程博客发布教程，演示如何在 OpenAI Agents SDK 之上从零搭建自定义编码智能体框架，并接入 Modal Sandboxes 为智能体提供可运行代码甚至 GPU 的隔离环境。教程逐步加入 Session 记忆、orchestrator 与 subagent 分工、异步 SubAgentPool 并行、GPU 配额限制、文件系统快照去重以及 Skills 插件，最终实现可在 GPU 上并行运行 OpenAI Parameter Golf 实验的通用编码框架。文中提到 Ramp 在 Modal 上构建的后台编码智能体已负责其超过一半的 PR。
匹配字段标题、摘要、正文
文章解析 OpenAI 的 gpt-oss-20b 和 gpt-oss-120b，并将其架构与 GPT-2、Qwen3 对比。两款模型采用 MoE、GQA、滑动窗口注意力、RMSNorm 和 MXFP4，其中 20B 模型可装入 16 GB 显存，120B 模型可在单张 80 GB H100 上运行。作者还讨论了宽度与深度、专家规模、推理强度控制及模型幻觉等问题。
匹配字段标题、摘要、正文
文章以 DeepSeek-R1-Zero 在 AIME 2024 上 pass@1 从 15.6% 升到 71.0% 为例，说明规则 judge 只给整段回答一个分数，而训练要调整每个 token 的概率。作者用 Is OpenAI open? 的采样例子依次解释 policy、state、action、reward、return、value、Q、advantage、baseline、TD error、GAE、clipping 和 KL，并指出 PPO 用 critic 学习 V、GRPO 用组内平均分代替 V。
匹配字段摘要、正文
作者分享社区摸索出的 Codex 额度窗口技巧：5 小时额度从当天第一条消息开始倒计时，因此可在早上 7:00 用 Grok Bot 自动执行 codex exec ping 触发倒计时，中午 12:00 额度重置后覆盖下午工作时段。文中给出可直接复制的定时提示词，并注明该机制来自社区实测而非 OpenAI 官方文档，执行时需带只读参数。
匹配字段摘要、正文
Artificial Analysis 在 Coding Agent Index v2.0 中实测 GitHub Copilot 的 Copilot Fusion，其每任务成本为 5.59 美元，而 Claude Code 搭配 Opus 5.5（max）为 11.42 美元，性能仅低 2 分。Copilot Fusion 是运行时编排系统，在 Claude Opus 5.5、Claude Sonnet 5.5、GPT-6 Astra 和 GPT-6 Sol 等 Anthropic 与 OpenAI 模型间选择协调。它在 Terminal-Bench 4.0 上以 71 分领先，FrontierCode 得 51 分排第三，每任务使用 7.2M tokens，约为 Claude Code 中 Opus 5.5 的一半。
匹配字段摘要、正文
Arena 基于近 9000 次智能体会话的实测结果显示，OpenAI 的 GPT-6.1 Terra (Max) 在 Agent Arena 排名第 8，净提升 +10.6%，单任务中位成本 0.62 美元。该成本比第 7 名 Gemini 4 Argon (High) 的 1.09 美元低 43%，比第 6 名 GPT-6.1 Sol (Max) 的 0.89 美元低 30%，比第 5 名 GPT-6 Astra (Max) 的 5.16 美元低 88%。分项上它在 Bash Reliability 排第 3（+13.2%），Steerability 排第 7（+13.3%），Praise vs Complaint 排第 9（+16.8%）。
匹配字段摘要、正文
Arena 在 Agent Arena 上统计，OpenAI 的 GPT-6.1 Sol (Max) 每任务成本为 1.91 美元，比 Claude Opus 5.5 (Max) 的 12.51 美元低 85%，比 GPT-6 Astra (Max) 的 14.93 美元低 87%。Arena 指出，这两项成本优势的来源并不相同：相对 Astra，Sol 的优势主要来自更低的 token 单价；相对 Opus，则主要来自每任务消耗更少的 token。每任务成本按输入、输出和缓存读取 token 的数量乘以各自单价计算，Arena 通过对比价格与 token 用量来定位成本下降的原因。
匹配字段摘要、正文
新京报贝壳财经记者实测阿里千问Go！和蚂蚁灵光2.0，前者用一句话建好每天8点的用药提醒并逐项核对，后者在支付宝授权后梳理近半年账单。文章同时梳理了Meta Muse、OpenAI dots及字节、腾讯的布局，并指出跨生态权限是当前最难拆的墙，字节SAEP公示的拒绝名单达155款应用。
匹配字段摘要、正文