Step 5 主攻长任务性价比，ChatGPT 广告 Cookie 伸到站外

约 2,900 字 · 阅读约 10 分钟

Juju Radar · 2026 年 9 月 21 日

本期导读

今天三条消息看起来分散，背后争的其实都是模型之外的系统能力。

Step 5 Preview 没有在所有榜单上超过最强模型，它更直接的打法是把长时间 Agent 任务的调用成本压下来。Qwen-Image-2.1 也不只是在刷新生图效果，而是在补齐生成、编辑、透明图、多参考图和推理框架这一整条生产管线。另一边，OpenAI 的广告系统正在接入成熟的站外转化测量技术，独立研究者追踪到了账号标识与第三方网站请求之间的链路。

模型本身仍然重要，但竞争已经延伸到三个更实际的问题：一次长任务要花多少钱，模型能否顺利进入生产流程，以及产品掌握的数据回路有多完整。

🚀 Step 5 Preview：600B 是规模，27B 激活量才关系到成本

基础模型 / Agent · 9.1/10 · 建议深挖

阶跃星辰发布 Step 5 Preview，采用稀疏混合专家架构，总参数6000亿，每个 token 只激活270亿参数，支持100万 token 上下文和视觉输入。它已经可以通过阶跃平台和 Vercel AI Gateway 调用；Vercel 当前列出的价格是每百万 token 输入1美元、输出2.7美元，缓存读取0.05美元。

总参数决定模型能容纳多少知识和能力，但稀疏模型每一步实际调用的只是部分专家。27B 激活量不能直接等同于一台27B模型的成本——600B权重仍要占内存，专家路由和跨卡通信也有代价——但它确实能减少每个 token 的计算量。对普通聊天，这个差别未必醒目；对需要反复读文件、运行命令、检查结果的长任务，几百万 token 和数千轮操作会把单步成本不断放大。

这也是 Step 5 真正想争的位置：不必在每项能力上拿第一，只要在“够强”和“足够便宜”之间占住一个新位置。官方数据里，它在 DeepSWE v1.1 得67.7，低于 GPT-6 Astra 的74.1和 Claude Opus 5的74.0；Terminal-Bench v4得33.3，也明显落后于 Astra的57.9和 Opus 5的52.3。它在部分金融评测和较长的软件任务上更有竞争力，但还不能据此写成全面追平前沿模型。

官方给出的两个长任务演示更能说明产品方向。一次24小时自动后训练实验中，Step 5自行调整数据和标注策略，把一个Qwen3-30B-A3B模型在AIME24上的准确率从53.3%提高到60%；另一次宝可梦演示持续了3000多轮、消耗600万 token，完成约三分之一主线。这些仍是厂商选择的案例，不能替代统一评测，但它们展示的不是单轮答题，而是模型能否在很长的反馈循环里继续做决定。

接下来最值得验证的，是第三方在相同预算下能否复现这种长任务性价比，以及完整权重能否按官方所说在10月15日交付。若两点都成立，Step 5带来的压力主要会落在Agent服务的价格上，而不是模型排行榜的第一名上。

🎨 Qwen-Image-2.1：把生图补成一套可部署的图像管线

图像生成 / 开放权重 · 8.9/10 · 建议深挖

Qwen-Image-2.1 用同一套模型完成文生图和指令编辑，视觉生成部分为70亿参数、32层单流DiT，支持原生2K、RGBA透明图和最多10张参考图。局部修改既可以用遮罩，也可以直接在图上画圈或涂写，模型再按标记完成编辑。

这次发布真正有用的地方，是它开始覆盖一条完整的图像生产流程。透明图可以直接进入贴纸、商品图和设计素材；多参考图可以同时保持人物或商品身份；生成和编辑共用模型，减少了在生图、抠图、局部重绘之间来回切换工具的次数。Diffusers、ComfyUI、vLLM-Omni、SGLang和LightX2V首日适配，也说明这次发布从一开始就考虑了本地工作流和服务化部署。

它在推理结构上也有一个值得注意的细节。多图编辑时，文字和条件图构成的前缀只需编码一次，随后40步去噪可以复用同一份KV缓存。参考图越多、条件越复杂，这种复用越有价值。Qwen把“能生成”与“怎样更高效地反复编辑”放进了同一套设计里。

代价同样要算清。70亿只指视觉生成组件，条件编码还需要Qwen3-VL 8B；官方另提供两个Qwen3.5-VL 9B提示词改写模型，完整管线并不是单个7B模型。权重采用Qwen Research License，只允许非商业研究和评估。社区接下来需要实测的是显存、延迟、复杂中文排版和多参考图的一致性，而不是再看一轮官方样图。

🍪 `__obi` 真正敏感的地方，不是普通广告像素

隐私 / 广告基础设施 · 9.2/10 · 建议深挖

独立研究者在Android Chrome上还原了ChatGPT广告测量的一段数据链路。ChatGPT先生成一个有效期60秒的同步令牌，令牌里同时包含账号主体和随机的obi标识；浏览器随后把令牌发给bzr.openai.com，服务器设置一枚有效期一年的__obi Cookie，并允许它随跨站请求发送。当广告主网站加载OpenAI的广告代码时，研究者观察到相关请求会带上这枚Cookie。

这不只是一次偶然抓包。研究者用两种独立方式复现，并交叉检查了几个月的流量，覆盖936个广告像素和1029个网站。在自己的设备上，同一个__obi从12个商业网站发回OpenAI；更大的样本里，30个标识中有12个出现在多个广告主下面。OpenAI的Cookie政策也列出了__obi，把它归为有效期一年的分析Cookie。

更敏感的是与Cookie一同进入广告系统的数据。研究者称，广告代码除了接收广告主主动提供的信息，还会从表单、页面文字和标签管理器的数据层提取邮箱、电话或地区等字段；网址查询参数会被删除，但路径仍会保留，样本中出现过医疗、债务和诉讼相关页面。系统设有密码、银行卡、社保号和诊断信息等排除项，但排除规则并不能消除页面路径和其他身份字段带来的关联风险。

证据边界需要说准确：同步令牌里账号主体和obi的绑定已经可以看到，第三方网站请求携带__obi也已经复现；研究者没有直接观察到的，是OpenAI内部最终怎样把收到的站外事件写回账号或画像。把它写成“已经证明OpenAI读取所有人的全部网页”会夸大事实，但只说“普通广告平台都这样”也会漏掉关键差别——聊天产品保存的上下文，通常比社交平台公开资料更私密。

这项调查还提出了一个具体的同意机制问题。研究者解码的同步令牌都写着analytics_allowed，而OpenAI把分析与营销设为两个独立选项。也就是说，拒绝营销但同意分析的用户是否仍会拿到这枚Cookie，需要OpenAI直接解释。OpenAI支持团队已确认收到问题，尚未回答这两点。

今天的主线

今天更值得记住的，不是“开放”这个词应该怎样定义，而是模型竞争正在向外扩张。

Step 5在争长任务的单位成本：Agent运行时间越长，稀疏激活、缓存价格和输出价格越能影响一项工作是否值得自动化。Qwen-Image-2.1在争工作流完整度：模型要进入生产，就得同时解决编辑、透明图、多参考图、缓存和主流框架接入。OpenAI的广告系统则在搭建数据和商业化回路：站内身份、站外转化和广告效果开始进入同一套测量基础设施。

当模型能力逐渐接近，竞争优势不会只来自更高的跑分，还来自谁能让模型更便宜地持续工作、谁能缩短从模型到成品的路径，以及谁掌握更完整的数据反馈。今天这三条，分别对应这三场竞争。