News Briefing
今日快讯
今日快讯
1. 阶跃 Step 5 Preview 接入腾讯 WorkBuddy，旗舰模型进入企业工作入口【中国】
标签：基础模型 / 企业智能体 / WorkBuddy
摘要：腾讯 WorkBuddy 宣布接入阶跃星辰旗舰模型 Step 5 Preview，并限时免费开放两周。阶跃官方披露，该模型采用稀疏 MoE 架构，拥有 600B 总参数、每个 token 激活 27B 参数，支持 100 万 token 上下文与视觉输入；接入办公智能体后，检索、分析、文档和 PPT 生成等能力将直接接受真实工作流检验。企业不应只看模型榜单，还要测试多步骤任务成功率、权限边界和中断后的续跑能力。
来源：阶跃星辰官方模型介绍 · AIbase 产品报道
2. GPT-6.1 Sol 扩展长上下文，官方 API 文档已列出 105 万 token
标签：OpenAI / 长上下文 / API
摘要：OpenAI 官方模型页目前将 GPT-6.1 Sol 的上下文窗口列为 105 万 token，最大输出 12.8 万 token；超过 27.2 万输入 token 的请求会提高整次请求的输入、缓存与输出计费系数。RSS 消息称 Codex 与 Work 默认上下文由 27.2 万提升到 50 万，但面向 API 的准确规格应以官方模型页为准。长上下文能减少切片和压缩，却不会自动解决资料冲突、检索噪声和成本控制。
来源：OpenAI 官方模型页 · AIbase 产品报道
3. 微软升级 Copilot Notebooks，笔记本开始直接委派任务和编辑 Office 文档
标签：Microsoft 365 / 工作空间 / 智能体
摘要：微软为 Copilot Notebooks 增加任务委派、Office 文档原位编辑和交互式报告，相关能力通过 Frontier 预览计划分阶段推出。Notebooks 原本主要围绕文档、邮件和会议记录提供有来源约束的问答，新功能则把资料理解进一步接到执行环节。对企业而言，真正需要验证的是编辑权限、版本留痕和错误内容能否被快速回滚。
来源：微软 Copilot Notebooks 官方帮助 · AIbase 产品报道
4. 蚂蚁灵光测试新版个人智能体，长期记忆、Skill 与 MCP 成为重点【中国】
标签：个人智能体 / 长期记忆 / MCP
摘要：蚂蚁集团 AI 产品“灵光”被报道开启小范围新版内测，目标是从聊天和应用生成助手升级为能长期记忆、主动推进复杂任务的个人智能体，并通过 Skill 与 MCP 调用更多工具。报道预计本月逐步开放，但当前仍属于内测信息，最终能力与可用范围要以正式发布为准。个人智能体一旦持续保存状态并调用外部服务，记忆纠错、授权确认和数据删除将比单轮问答更重要。
来源：AIbase 产品报道
5. 唯品会上线 AI 小唯，商品搜索、优惠咨询与对比进入同一导购入口【中国】
标签：AI 导购 / 电商 / 商品理解
摘要：唯品会自研助手“AI 小唯”已支持文字与语音交互，可用于找商品、查活动、问优惠，并灰度迭代商品对比功能。唯品会公开的隐私政策和服务条款已写入 AI 小唯智能导购，说明产品并非单纯概念展示；服务会结合用户主动输入以及浏览、订单等信息生成建议。零售企业落地类似能力时，需要把推荐理由、个人信息使用范围和最终下单确认清楚展示给用户。
来源：唯品会隐私政策 · 唯品会服务条款 · AIbase 产品报道
6. 腾讯上线企鹅微单，AI 创作需求可以在微信内完成匹配与结算【中国】
标签：AI 创作 / 服务撮合 / 微信生态
摘要：腾讯被报道在微信生态上线 AI 创作撮合平台“企鹅微单”，连接需要商品图、宣传视频和短视频内容的需求方与 AI 创作者。平台把需求发布、智能匹配和微信内结算放在同一条链路中，目前处于早期开放阶段，全面开放时间尚未确认。相比单纯提供生成工具，这类平台更接近服务市场，交付标准、版权归属和争议处理会直接影响复购。
来源：AIbase 产品报道
7. GPT-Rosalind 新模型标识出现在官方价格页，生命科学模型继续细分
标签：生命科学 / 专用模型 / OpenAI
摘要：OpenAI 官方价格页已经列出 gpt-rosalind-research 与 gpt-rosalind-discovery 两个生命科学模型标识，定价均为每百万输入 token 5 美元、缓存输入 0.5 美元、输出 25 美元。GPT-Rosalind 面向具备资格的企业研究团队，通过 ChatGPT Enterprise、Codex 和 API 支持靶点发现、基因组分析、药物化学与实验规划等流程。它体现的不是“通用模型包办科研”，而是模型、专业工具、数据库和受控访问被组合成垂直工作台。
来源：OpenAI 官方价格页 · GPT-Rosalind 官方帮助
8. Claude Opus 5.5 Max 登上智能体周榜首位，单一榜单仍不能替代业务验收
标签：模型评测 / 智能体 / Claude
摘要：新一期第三方模型周榜显示，Claude Opus 5.5 Max 在智能体分榜中取得最高任务确认成功率，报道给出的数值为 17.29%，国产模型则分布在中上游梯队。榜单能观察模型在统一样例下的相对位置，但低绝对成功率也提醒团队：复杂智能体任务仍高度依赖工具环境、评测口径和重试策略。采购决策应补充企业自己的成功率、人工接管与成本数据。
来源：AIbase 榜单报道
9. 宇树王兴兴给出具身智能“临界点”：陌生场景中完成 80% 口头任务【中国】
标签：具身智能 / 机器人 / 泛化能力
摘要：宇树科技创始人王兴兴在中国国际工业博览会演讲中提出，当机器人能在 80% 的陌生未知场景里仅凭人类语音指令完成任务，才算真正迎来具身智能爆发。这个标准把关注点从演示动作转向开放环境泛化、自然交互和任务闭环。对采购机器人方案的企业而言，应优先测试环境变化后的任务成功率，而不是只看预设路线中的单次展示。
来源：AIbase 现场报道
10. 亚马逊据报洽购 Decart，跨芯片软件成为算力竞争的新标的
标签：AI 基础设施 / 并购传闻 / 芯片适配
摘要：多家媒体经 AIbase 汇总称，亚马逊正在洽谈以约 70 亿美元估值收购 AI 初创公司 Decart，交易重点之一是其跨芯片适配软件。目前消息仍属于谈判阶段，价格、结构和能否成交均未获双方正式确认。若交易推进，它说明云厂商除了自研芯片，也在争夺能降低不同加速器迁移成本的软件层。
来源：AIbase 行业报道
11. 苹果智能家居新品被曝集中更新，家庭 AI 入口继续向屏幕与门锁延伸
标签：智能家居 / 端侧 AI / 苹果
摘要：产业消息称，苹果可能在 10 月 13 日更新带屏家庭中枢、新款 HomePod mini 与 Apple TV，并与合作伙伴扩展门锁、门铃等设备。相关发布日期与配置在官方确认前都应视为传闻，但方向值得关注：家庭 AI 的竞争正在从音箱问答扩展到视觉界面、设备控制和身份核验。产品进入家庭关键入口后，本地处理、访客授权和断网可用性会成为基础要求。
来源：AIbase 行业报道
12. 美国软件岗位发布量回升，但增长更多集中在资深与 AI 相关职位
标签：AI 就业 / 软件工程 / 人才结构
摘要：CNBC 经 AIbase 汇总的招聘数据称，美国软件开发职位发布量自 2025 年初以来上升近 15%，同期整体就业市场收缩约 7%，并未出现“AI 直接消灭所有程序员岗位”的单向变化。不过新增需求更多集中在资深和 AI 相关岗位，初级人才的培养与晋升通道仍承压。企业需要把 AI 工具培训与真实项目带教结合，避免只提高短期产出却削弱未来人才梯队。
来源：AIbase 就业报道
BEIYOO 判断
今天的更新把一条产品链路串得很清楚：底层模型扩大上下文并强化智能体能力，WorkBuddy、Copilot Notebooks 和灵光把能力装进持续工作的入口，唯品会与企鹅微单再把结果接到消费和服务交易。竞争焦点已经从“谁能回答得更像人”转向“谁能更可靠地完成一件有结果、有权限、有结算的事”。
企业现在最容易犯的错误，是用一次演示的惊艳程度代替流程验收。模型换新后，应使用固定任务集检查最终完成率、人工接管次数、总耗时、费用和失败恢复；其中任何一个指标失控，都可能把更强的模型变成更昂贵的不确定性。
今日深读：为什么企业智能体要按任务完成率采购
当模型只负责回答问题时，文本质量是最直观的指标。进入 WorkBuddy 或 Copilot Notebooks 之后，模型需要读取资料、选择工具、修改文件、保持状态并输出可交付结果，任何一个环节失败都会让整条任务链中断。
百万级上下文可以减少材料切片，但不能保证模型记住正确的信息；长期记忆可以提升连续性，也可能长期保留错误。真正可靠的产品必须同时提供权限确认、执行日志、版本回滚和人工接管，而不是把所有控制权交给模型。
因此，企业验收应围绕完整任务：同一组输入能否稳定产出合格结果，失败时能否解释和恢复，成本是否可预测。把这些指标纳入合同和内部评审，才算从“体验 AI”走向“采购生产力”。
企业能抄的作业
- 选一条每周至少重复三次、包含两个以上工具调用的真实流程，建立 10 个固定测试样例。
- 对每次运行记录最终完成率、人工接管次数、总耗时、token 与工具成本，不用单轮回答评分代替结果。
- 为文件修改、对外发送和交易动作设置单独确认点，并确保日志与回滚能力独立于模型。
- 新模型上线前与现有方案并行测试一周，只在核心指标持续改善后再扩大使用范围。