GPT‑6.1 Sol与常驻Agent同日发布，微软把AI接进生物实验

约 3,700 字 · 阅读约 13 分钟

Juju Radar · 2026 年 9 月 30 日

本期导读

OpenAI在DevDay一次发布了二十多项更新。本期只拆开看其中三件：GPT‑6.1 Sol能否用更低的完整任务成本接近Astra；dots让一个Agent长期使用自己的云电脑，替人持续推进工作；Decisions API则把常见的小判断做成有限选项的专用接口。它们解决的问题不同，不能当作一条“OpenAI更新”带过。

另两条来自实验室和真实数据。微软的Quine用跨基因、蛋白、化学与细胞状态的模型选择实验候选，再拿湿实验结果修正研究方向。NVIDIA开放表格模型Kumo Tabular，试图让新表格任务不必每次从头训练。最后补读一篇机器人论文：强Agent把干预经验写成操作手册，轻Agent可以接着用。

🧠 GPT‑6.1 Sol：接近 Astra 的任务表现，价格回到 Sol 档

前沿模型 / Coding Agent · 9.5/10 · 建议深挖

OpenAI在9月29日发布GPT‑6.1 Sol。官方模型页列出的标准API价格为每百万输入Token 2美元、输出Token 10美元，缓存输入为0.10美元。它相对Astra的标准单价是五分之一；相对上一代GPT‑6 Sol，标准输入和输出单价并没有降低。新意在于同一价格档位能完成更多复杂工作，而不是一次简单降价。

官方报告，在软件工程测试DeepSWE 1.1中，6.1 Sol接近Astra；在OSWorld 2.0的离线任务集上，最高推理档位的分数与Astra相差2.1个百分点，平均任务成本约为后者的七分之一。科学终端任务中，6.1 Sol的平均费用是每题5.47美元，Astra为23.80美元，但Astra的分数仍最高。对长时间运行的Agent而言，真正该比较的是成功完成一次任务花多少钱、耗多少时间，而不是只看每百万Token单价。

这些是厂商提供的测试，不宜读成全面排名。OSWorld使用的是离线集的部分奖励，竞品数据来自公开报告，工具和执行设置也可能不同。安全附录把该模型按网络安全Critical、生化能力High管理；它在SEC-Bench Pro上取得78.8%，低于Astra的85.4%。能力进入更便宜的Sol档位，也意味着部署规模、访问控制和滥用防护需要一起评估。目前它进入ChatGPT Work、Codex与API，普通Chat界面尚未开放。

🟣 Dots：给常驻Agent一台云电脑和持续任务

Agent / 产品战略 / 安全 · 9.5/10 · 建议持续观察

OpenAI同期推出dots：由GPT‑6 Astra驱动，每个dot有独立的云电脑和浏览器，能够在已授权应用中持续处理任务。你可以从ChatGPT、Slack或Teams与它联系，也可以打开它的电脑检查做过什么。它不再要求把一项长工作拆成许多彼此失联的聊天；同一个Agent可以保留目标、跟进变化、把完成的结果交回来。

这里最值得细看的是“主动”到底被允许做什么。官方说明，人在没有直接交代新任务时，dot可以用已连接应用的只读工具寻找值得处理的线索；这一步不能发消息、改应用内容或操控浏览器。真正会改动账户或对外分享内容的动作，要受自定义规则和自动审查约束，部分动作仍需用户批准。云电脑与个人电脑也默认分开，只有用户授权后才能连接。这些是产品设计的权限边界，还需要在真实长时任务中验证是否稳定执行。

OpenAI给出的修Bug、更新分析和准备发票的例子，说明它想把Agent做成长期协作者，但例子本身不是可靠性统计。dots正按市场和套餐逐步开放，Pro及Business Premium可开始使用，深度工作仍受额度约束。接下来真正有价值的指标，是它连续工作几周后能否记住任务边界、少重复劳动，并在该停下来时停下来。

⚡ Decisions API：让模型在预设选项中快速作答

模型接口 / 高频判断 · 8.5/10 · 值得试用

DevDay还公布了Decisions API。开发者预先定义问题和有限答案，Luna读取文字或图片后，在这些选项中作答。客服工单分流、内容分类、决定下一个Agent该走哪条路径，都是官方列出的用途。与普通模型调用相比，它把输出范围先收紧，方便后续程序直接消费结果；与最近讨论的Jev有相近的应用场景，但不能因此推断两者性能相同。

这条消息的重要性是接口形态：复杂工作交给Agent持续执行，频繁而边界清楚的小判断则交给单独的判断节点。如果一个系统每天要做数万次路由，延迟、错误分布和可控性可能比长篇回答能力更关键。不过，官方目前只宣布有限预览，没有在发布汇总里给出可核验的价格、延迟、错误率或与Jev同条件测试。值得关注，暂时不宜宣称它已经更快、更准。

🧬 微软 Quine：把生物模型的预测接回湿实验

AI for Science / 生物医药 · 9/10 · 建议读实验部分

微软研究院9月29日介绍Quine，并上线项目页。它把基因、蛋白质、化学、RNA与细胞状态、影像等信息放入共同的生物模型，再由一套连接文献、工具、研究者和实验室的系统使用这些预测。关键不是让聊天模型背更多生物知识，而是把“预测某种干预会怎样”放进可反复检验的研究流程。

微软与Broad Institute研究者合作，用Quine从数千种化合物中挑选可能改变胰腺癌细胞状态的候选。在从“经典型”向“基底型”转变的实验中，排名靠前的候选在多项湿实验里产生了较大的预期变化；相反方向更难，实验还出现一个二分法之外的第三种表型，团队称模型事先预测到了这一走向。真正值得看的，是实验结果可以反过来修正下一轮模型与研究问题，而不是一次性给出药物名单。

证据仍属早期。原文没有公开足以独立复算的完整量化结果，细胞状态改变也不等于已经找到有效癌症疗法。Quine目前只向研究合作与Fellows计划逐步开放，微软明确说明它不用于临床或医疗决策。后续如果有方法论文、外部团队的实验复现，才能更清楚地区分模型预测本身和整套研究组织方式各贡献了多少。

📊 NVIDIA发布Kumo Tabular：表格预测不必每题重训

开放权重 / 表格基础模型 / 推理 · 8.5/10 · 建议上手复测

NVIDIA团队9月29日发布Kumo Tabular，提供28M到215M参数的三个规模、模型权重和推理代码。它只在合成表格上预训练；到具体任务时，用户提供已标注的行与待预测的行，模型一次前向计算就能输出类别概率或回归数值，无需为每个新表格再训练一遍参数。

技术上它分别看同一列的数值分布、一行内不同字段的组合，以及已标注行和新行之间的关系。于是“42”究竟很大还是很小，取决于整列的数据；“年龄42、收入某数值”该预测什么，则取决于行内特征及邻近示例。把这些统计关系放到预训练模型里，可能减少企业每换一个预测问题就重新做特征工程和调参的成本。

团队称它在TabArena等四组基准综合领先，并给出了同一GPU的速度对比。这些仍是发布方测试；自己的表格应保留独立测试集，与树模型比较精度、校准和总成本。当前模型主要处理数值和类别列，文字、图像、时间还需要额外预处理，数据分布偏移可能让效果下降。权重和推理代码已开放，但训练配方与合成数据生成器尚待发布，不能把“可推理”写成“全流程可复现”。

近期补看

🤖 机器人也能传“操作手册”：经验从强Agent交给轻Agent

机器人 / Agent / 论文 · 8.5/10 · 建议读方法与实验

9月27日提交的机器人论文研究一个朴素但有用的问题：一台机器人在抓取、摆放任务中遇到失败，另一个Agent能不能继承它总结的办法，而不重新训练动作模型？方法全文展示，能力较强的Agent先观察、干预视觉—语言—动作策略，把有效处理方式写成playbook；较轻的Agent按这份手册执行，再把执行反馈送回去修订手册。

这份外部手册和机器人策略权重分开，经验可以跨Agent复用。作者在指定真实机械臂任务中报告成功率从37.3%升至64.0%；在SimplerEnv Bridge里，轻Agent带手册为66.7%，只用GR00T基础策略为41.7%。这是“让强Agent探索，让轻Agent照着修过的办法执行”的一种具体实现，也给Agent训练之外的经验积累提供了路线。

数字来自作者的任务和执行设置，构建手册本身要付出强Agent探索成本，尚不能推断它对所有机器人、物体或环境都有效。论文原稿发布在27日，本期是补看，不把29日的社区推荐当成新论文首发。

今天的主线

这期有两种值得区分的“把能力用得更久”。Dots让同一个Agent长期负责一个目标，重要的是状态、权限与持续执行；机器人研究把强Agent探索所得留在外部手册，下一次交给更轻的执行者。Quine也依赖实验结果回到下一轮研究。三者都不能只用一次问答的分数衡量：实际价值取决于经验能否保留、错误能否被发现并修正。

另一条线是把模型放到合适的成本层。6.1 Sol试图以Sol价格处理更多困难任务，Decisions API把有限选项判断从自由生成里单独拿出来，Kumo则把表格学习前移到通用预训练。它们各自节省的资源不同，部署时仍要核对完整任务费用、留出集结果和权限边界。