GPT-6 Astra 展现物理 AI 潜力；便宜和快更重要了；Anthropic 招股书信息流出。

文丨程曼祺 实习生王小淳

《晚点聊》26 年 Q3 的 AI 季报继续邀请 MoE Capital 的创始合伙人 Henry Yin 来和我们一起讨论对这个季度 AI 进展的观察。MoE Capital 的 LP 和顾问网络中有多位来自 Anthropic、OpenAI 等前沿模型公司的研究员。Henry 毕业于清华姚班，曾是 Merico 联创。我们的访谈会侧重研究和一级市场视角。

季报围绕两条脉络展开，在 "推进智能前沿" 这条线中，我们聊了：

• 模型竞赛：OpenAI 的最新模型 GPT-6 Astra 和 Anthropic 的 Claude Opus 5.5

• 方向选择：coding 之外，前沿公司在探索哪些模型场景？本季重点聊了前沿数学领域和 Astra 在 robotics（机器人学）与物理 AI 领域的潜力。

• 失控危机：OpenAI 的多 agent 系统协作攻击了 Hugging Face。它们在发现跨 agent 沟通方式时惊呼 "我的天，我找到了另一个 agent"，给自己的群体取了名字，还发展出了某种 "牺牲" 行为，整个过程中，没有任何一个 agent 去向 OpenAI 里的人类报告这起重大越狱事件。团结。

• 增长和 IPO 竞速：在从 8 月中旬到 9 月底的 1 个半月里，综合彭博社和路透社的报道，OpenAI 的 ARR 迅速从超 400 亿美元来到近 700 亿美元，涨幅约 70%；已超过 Anthropic 截至 7 月底的超 650 亿美元。我们在今年前两次季报中反复讨论的 "OpenAI 反扑" 已在眼前。

第二条脉络是 "智能的扩散"：

• 一系列 Flash 模型密集更新：我们总结了各核心模型厂商发布的 13 个 Flash 模型。OpenAI 以 GPT-6 Luna 跻身性价比前沿，MiMo-V2.6 Flash 的部分模式下的价格比 DeepSeek-V4.1-Flash 还低；Kimi 则没有在三季度推出类似 Flash/Lite 的低成本系列。

• 爆火的 Jev 模型 "唯快不破"。它在思路上的一个启发是，把编程基本组件模型化了：让模型能做传统软件编程里大量由 "if/else" 规则完成的判断。

• 交互方式上，OpenAI 本季度带来了全新语音模型 GPT-Live 系列，它在技术结构上已很接近 Thinking Machines Lab（TML）上季度发布的 Interaction Models，不过尚不具备视频处理能力。

特别地，在 "智能扩散" 部分，我们重点讨论了最近火热的个人 AI 助理。直接引燃这轮热潮的是 9 月 8 日 Meta 推出的 Muse，它一度登顶全美 App Store 免费榜下载第一。到本季末尾，北京时间今天凌晨，OpenAI 也如此前传闻，在 DevDay 上发布了自己的个人助手产品 Dots。创业公司中，还有在硅谷科技圈很火的 Instinct，以及同样在 9 月初上线的 Today AI 和在 Dots 前一天亮相的 Cue。

一年前的十一假期，OpenAI 推出 Sora app，让一些人开始期待 AI to C 新阶段。Sora app 在上线不到 5 天时下载量就突破了 100 万（Sora 负责人披露）；而 Muse 是在上线 16 天时下载量突破了 340 万（Sensor Tower 数据）。

上一次，Sora 的热度没能持续，新增用户和留存持续走低，Sora app 在今年 3 月下线。这一次，个人 AI 助手会不一样吗？

• 本次季报访谈的播客也即将发布，欢迎去小宇宙、苹果 Podcasts、Spotify 等平台搜索 "晚点聊 LateTalk" 关注我们。

Meta、OpenAI 发布个人助手，AI to C 热潮卷土重来

晚点：今天凌晨 OpenAI 举办了 DevDay，发布了传闻已久的个人助手产品 Dots。这是个怎样的产品？

Henry：很好理解，它是 ChatGPT 里常驻的个人助理。它拥有自己的云端电脑和浏览器，能在后台帮你跑各种任务，也可以把具体工作分发给 Deep Research 或 Codex。

目前它主要向 Pro 级别用户分批开放，分为每月 100、200 和 500 美元三个档位（500 美元是这次新增的）。和 Dots 日常聊天不占额度，但调用 Codex 执行复杂任务时依然会消耗相应的算力额度。

晚点：每月 100 美元起步的门槛相当高，而 Meta 的 Muse 有免费版，每周有 1 亿 tokens 免费额度，为什么两家的策略差别这么大？

Henry：主要还是算力差距。Muse 不仅有免费版，还广撒额度：如果你用邀请码给 Muse 拉新，分享和使用邀请码的人都可以得 10 亿 tokens 免费额度。

而 OpenAI 目前没有那么多剩余算力去像 Meta 那样打低价补贴战，只能优先筛选高付费意愿的用户。

晚点：Instinct、Muse、GrokBot、Dots，现在这么多个人 AI 助理产品，形态和切入点有什么不同？

Henry：各家的底层逻辑大同小异，但切入点深度结合了自己的优势：

• OpenAI Dots：很自然地主打工作、编程和复杂任务处理；

• Meta Muse：主打大众日常生活（旅行、购物、家庭日程），扎克伯格的推销非常接地气——"Muse will make you money"；

• Instinct：主要跑在短信（iMessage）里，交互极轻，随手发一条就像在联系真人秘书；

• GrokBot 和 Cue：更强调多 agent 协作分工。比如 Cue 会给每个 agent 配备独立的邮箱、电话和钱包，把上下文拆分管理，多智能体协作的扩展性更好。

晚点：有的产品有独立 App，如 Muse、Today AI、Cue，有的没有独立 App、直接出现在信息流里，如 Instinct 和 Dots，你觉得不同选择的优劣各是什么？

Henry：像 Instinct 这样主要通过短信交互，它会更像人，轻量、自然。但 App 还是能承载复杂的需求，比如多任务展示、地图与比价。长远来看，各家最终都会把 App、短信和语音等所有交互入口全覆盖。

晚点：这些产品中，哪些是你或者周围的人用过的？大家的使用体验如何？

Henry：Muse 更出圈，我一些朋友的父辈，之前完全没听说过 OpenAI 的人都会来问他们 Muse 是什么。Instinct 在科技圈被讨论得更多，8 月时估值是 25 亿美元，现在 100 亿美元这轮已经融完了。

我自己没用 Instinct，因为它的隐私协议不友好，会要求用户给它不可撤回的授权，允许它访问、使用、存储，甚至发布用户数据，也提到可能会用用户数据来训模型；它还会看屏幕截图、键盘输入等等。这是比较早的协议版本，后面有更新，总之我没用。

我身边用过 Instinct 的朋友评价很高。比如一个朋友考完日语 N1 后，收到了查分邮件。当时他正在睡觉，Instinct 自己帮他去登录了网站、查了分，还给他发了祝贺邮件。这让他很惊喜。这不光提升效率，还有情绪价值。"眼里有活"。

晚点：哪些条件让个人助手又开始爆发？过去一直有人做这个方向，但它从未真的普及。

Henry：我觉得有两个核心变量。第一是模型的 browser use（浏览器操作）和 computer use（电脑操作）能力成熟了。很多一年前做不成的产品 idea，现在可以重新拿出来做。比如我给 Muse 的第一个任务，是去 TaskRabbit 上招一个临时工。它自己打开网页、一步步走流程，遇到需要我确认的地方才弹窗问我。一年前模型很难做得这么顺。

第二是推理成本大幅下降。过去跑几个 computer use 步骤可能就要花几美元，完全不适合处理生活里的琐事。现在成本降下来，才开始值得把这些低价值、高频率的任务交给模型。

晚点：但你刚才描述的 TaskRabbit 任务，用 Codex 或 Claude Code 也能做。Muse 真正多出来的是什么？

Henry：差别首先是它常驻云端。我很多时候用 Muse 根本没开电脑，可以直接把以前要在好几个应用间跳转处理的复杂、繁琐任务丢给它。Dots 在这一点上，和 Muse 是一样的。而之前 Codex、Claude Code 的跨端远程任务是用移动设备来调你放在某个地方的本地环境。常驻云端，理论上跨端的体验会更好一些。

另外 Muse 等个人助手会更主动地服务你，比如前面提到的 Instinct 自动帮我朋友查 N1 成绩。

晚点：为什么 OpenAI 没有更早做个人助手产品？

Henry：他们之前可能忙于在前沿大模型上正面肉搏，也有可能是在等自己的 AI 硬件一起发。

更关键的是 Meta 拥有 C 端触达优势。它在 Facebook 和 Instagram 上铺天盖地打广告，把 Muse 推出了圈。就算 OpenAI 先做，也不一定会有特别大的优势。

晚点：Instinct 创始人最近提到，有过购买行为的用户中，平均每月通过 Instinct 的消费已超过 1300 美元，这是指让 AI 助手帮自己订外卖、找服务的总花费。你觉得那些提供这些服务的 App 和公司会接受被个人助手 "盖帽" 吗？

Henry：Amazon 已经把 Muse 给禁止了。整体美国的生态会更开放一些，在国内做个人 AI 助手的生态阻力会更大。

晚点：目前 Muse、Dots 等产品都是有订阅费，Instinct 则完全免费。你觉得未来这种个人 AI 助手的商业模式可能是什么？

Henry：订阅 + 广告，我个人能接受二选一。另外就是交易抽佣，目前 Instinct 还没这么做，所以它现在没有规模化的收入，必须持续、更快地融资。

晚点：Muse 和 Instinct 的用户规模实际在什么水平？

Henry：Muse 到 9 月 25 日有 340 万下载，这是 Sensor Tower 的数据。Instinct 没公布过用户数，它是邀请制的，用户规模至少比 Muse 少一个数量级。

晚点：你觉得再往下，这类产品要体验做得更好，需要优化的关键方向可能是什么？

Henry：我认为有三个方向。第一还是能力。现在的 computer use 依然会卡在特定网站上。比如我用 Muse 去 DMV（加州车辆管理局）办业务，在一个简单的下拉菜单里选 "加州（California）"，它就是死活选不中；在航司网站上也会卡壳。

晚点：一个相关问题是，Muse 底层用的都是 Meta 自己的模型吗？

Henry：不一定，这不是一个公开信息。他们当下的优先级是保用户体验。有报道说 Muse 帮用户打电话订座的功能，有些场景下就是靠真人在 Call Center 完成的，都没用语音模型。所以也不排除它会用其他家的模型。

第二是生态开放程度。Instinct 刚刚接入了 Shopify，把搜索、加购、结账全流程打通；但另一边 Amazon 却迅速封禁了 Muse。服务商愿不愿意向个人助手开放接口决定了任务能否闭环。

第三是个性化与持续学习。之前被 Cognition 收购的个人助手 Poke AI，它的 agent 个性化体验就不错，会植入有趣的性格。持续学习就是看，个人助手能否在相处中真正记住用户的偏好——比如预算习惯、常用航班、什么时候该提醒、什么时候别打扰，这些偏好被用户纠正过一次后，能否不用解释直接做对。

推进智能前沿

模型竞争：computer use 大幅提升，coding 还能吃掉更多场景

晚点："推进智能前沿" 的第一个话题是 OpenAI 和 Anthropic 这两大 frontier labs 的竞争，我们先从模型开始：OpenAI 在 9 月更新了 GPT-6 Astra、Sol 和 Luna，Anthropic 三季度更新了 Fable 5.1 和 Opus 5.5 与 Sonnet 5.5。

除语言模型外，OpenAI 这季度还带来了全双工的语音模型新系列 GPT-Live-1，更新了图像模型 GPT-Image 2.5。

上个季度我们也有聊到，Anthropic 其实正在研发自己的语音模型，但目前还没发布。

分开来看两家公司的最新模型。首先是 GPT-6 Astra，它的核心亮点是什么？

Henry：Astra 发布后反响很强烈。OpenAI 甚至暂停了 200 美元 Pro 套餐的新用户订阅，因为算力已经跟不上了。

我认为 Astra 最值得讲的突破之一是 computer use。它的发布致敬了一段历史。1979 年，MIT 做过一个经典的人机交互实验，叫 "Put That There"，结合语音和手势在屏幕上移动和绘制图形。从那时起，人们就开始探索：能否直接告诉电脑要做什么，让它理解并执行。

MIT 人机交互实验 "Put That There"。这次 GPT-6 拍摄发布视频时布置了一个与该实验相似的环境。

47 年后，Astra 的发布视频同样用 "画一个黄色圆圈" 开场，但展示了一条完整的工作流：把圆圈细化为火箭窗口；接着打开 Blender 做出 3D 模型；再基于模型生成 3D 游戏，最后直接导出 3D 打印文件。

社区里很多出圈的 3D demo，大多来自 Astra 操作 Blender 的能力。比如给它一个 Zillow 豪宅房源链接，它能直接根据照片在 Blender 里建好 3D 模型，并生成一段房屋漫游视频。类似能力也出现在 Unity、KiCad（电路设计），以及常用的 Excel 和 Power BI 里。

用户使用 Astra 操作 Blender，根据 Zillow 上一套豪宅的展示图做了 3D 建模，生成了一段房屋漫游视频。

跑分也印证了这一点。在官方 OSWorld 2.0 中——这是一个在离线环境中测试 AI 操作软件能力的 benchmark——Astra 的得分从之前 GPT-5.6 Sol 的 65% 提升到 72%；完成任务的耗时缩短了 47%，从 75 分钟降到了 40 分钟。

另外，Astra 在科学和数学能力上也有提升，Terminal-Bench Science 的得分从 GPT-5.6 Sol 的 22% 提升至 64%，FrontierMath 最高难度 Tier 4 的得分从 83% 提升至 97.6%。

晚点：然后是 9 月下旬刚刚发布的 Opus 5.5，它的核心突破是什么？

Henry：Opus 5.5 展现了 coding 还能处理多少任务。比如它能用代码做视觉设计和动画。社区里的一些很好的 demo，乍看会以为是用视频生成模型做的，其实全是 Opus 通过写代码，用 JavaScript 或 Canvas 2D "画出来" 的，再通过 web audio 配上声音。比如有人做了一段介绍 Claude 自己生平的动画，有各种艺术风格和复杂的视觉设计。

用户使用 Claude Opus 5.5 制作了一段 Claude 介绍自己 "生平" 的动画，动画完全由 JavaScript 生成，没有使用视频生成模型和参考图片。

它的一个重要启发是 "coding 还能有多通用？"。我很好奇，还有多少原本被认为不属于 coding 的领域，其实也能通过写代码来完成。

晚点：通过写代码生成一段视频，跟使用视频生成模型相比会更高效吗？

Henry：不一定。我记得有一个 78 秒的动画，Opus 5.5 写代码加渲染花了 45 分钟，纯用视频生成模型可能会更快，如果不算抽卡时间的话。代码方式的核心优势是精准可控——你可以精准编辑每一帧、每一个元素。

晚点：像 Seedance 这样的视频生成模型，已经被日益成熟地用在短剧制作等内容工业链条里。基于 coding 的视频和动画生成的应用场景可能是什么？

Henry：比如有人用它做教材，阐释复杂概念，它适合来做可交互、可操作的内容。

晚点：抛开 benchmark 等量化指标，你和周围的一些研究员朋友，实际使用这些新模型的体感如何？

Henry：这非常取决于 use case（使用场景）。如果单看编程（coding），最近这些模型的体感差别都没那么明显。比如一位在 OpenAI 做预训练的朋友就提到，在他的日常工作场景下，Astra 和之前的 GPT-5.6 Sol 体验差不多。Anthropic 这边也类似。但如果在它们主打的差异化领域——比如 Astra 的 computer use 和 Opus 5.5 的视觉代码设计，提升确实显著。

晚点：过去几年，前沿模型能力提升最初来自大规模预训练，2024 年 9 月的 OpenAI o1 后出现范式转变，大家投入很多力量做后训练、大规模的强化学习，以及在 test time（测试时）加更多算力。你觉得此刻，智能增量的来源有什么新变化吗？

Henry：这越来越是一个综合问题，就是你得同时做好很多事：预训练、后训练，包括我们后面会展开的多智能体协作，你也可以理解是在测试时加更多算力的一种新方式。

不过我觉得可能 ROI 最高的来源还是高质量数据。frontier labs 都在数据上花了很多钱。最近 Google DeepMind 刚花 15 亿美元人才收购 Mechanize，它曾是 Anthropic 的数据供应商，主要供 coding 数据。

晚点：Anthropic 不去竞争一下？他们岂不是少了一个数据供应商？

Henry：这对 Anthropic 影响不大。他们之前就在扶持数据生态：给 YC 的多个数据创业公司订单，增加玩家数量、拉低平均价格，减少对头部供应商的依赖。他们在数据上很有想法和操作。

晚点：现在的数据类型有了什么变化？

Henry：2025 年中以来，最大的变化是涌现了大量做强化学习环境（RL Environment）的数据公司，比如 AfterQuery、Fleet AI 等，前者的估值已来到 32 亿美元，后者的最新一轮是 7.5 亿美元。此外，思维链（CoT）和 SFT（监督微调）数据依然需求旺盛。

晚点：一个有意思的现象是，中美大模型公司的估值差很多，数据公司的估值却已旗鼓相当。去年底成立的 UniPat，也是从构造 "强化学习环境" 开始，目前估值应该已到了约 30 亿美元。

Henry：可能是因为美国的数据玩家更多吧。

晚点：另一个三季度被广泛讨论的问题是 "蒸馏和反蒸馏"，蒸馏本质上也是一种获得高质量数据的方法。GPT-6 Astra 发布之后，很多研究员提到蒸馏变得更难了。这可能是为什么？

Henry：蒸馏本质是持续的攻防战。因为推理模型在多轮对话里，下一轮生成必须依赖上一轮的思考过程。只要思维链能被模型读取，而模型最终又要和用户交互，用户就有可能通过各种提示词对抗，诱导模型把脑子里的东西吐出来。所以蒸馏从原理上就很难被彻底防住。GPT-6 Astra 更难蒸馏，跟模型更强了没有直接关系，更多是因为堵住了上一波漏洞，但未来还是会有新漏洞。不过更强的模型理论上能提升一个组织的攻防能力。OpenAI 发布 GPT-6 Astra 时特别强调了网络安全是这个模型的关键能力。

Coding 之外：数学、Robotics、生物科技

晚点：聊完模型本身，我们来看看两家公司新拓展的发挥模型价值的方向。其中一个是 OpenAI 正大力去做的前沿数学方向。9 月 8 日，他们宣布解决了千禧年难题之一：纳维-斯托克斯（NS）方程的存在性与光滑性问题（NS 问题）。但这个成果后来又引起数学家的质疑。在 OpenAI 的描述中，他们是怎么解决这个问题的？

Henry：NS 方程是描述流体运动的基础方程，气流、水流、血液流动等很多现象都和它有关。而 "NS 方程问题"，简单说，就是证明这个方程有某种数学特性。

这是个理论数学问题，没有证明它之前，我们已经在大量应用 NS 方程，比如让飞机更省油，让天气预报更准。所以这个成果不会马上带来经济价值，它更多是展示了前沿模型解决难题的潜力。

这次 OpenAI 总共调用了上万 agents，跑了 88 小时、消耗 1300 亿 tokens，得到了 NS 问题的 C、D 两种形式的解答；然后再用 Astra 花 17 小时在 Lean（一个形式化证明软件）中完成了形式化验证，并发布了详细证明过程。