AI行业核心动态日报：模型成本、智能体基础设施与可审计研究

OpenAI 把 GPT-5.6 推到公开可用，微软则开始把一部分 Office 场景换回自研 MAI 模型。一个往上冲性能上限，一个往下压调用成本，这两件事放在一起看，比单独看任何一场发布都更能说明本周 AI 大公司的主线。

OpenAI 这次没有只推一个旗舰名字。GPT-5.6 被拆成 Sol、Terra、Luna 三档：Sol 面向高难推理和长任务，Terra 做日常主力，Luna 主打低成本和低延迟。OpenAI 还把 ultra 描述成并行协调多个智能体的高能力模式，用更多计算换更快的复杂任务完成。1

GitHub Copilot 的接入说明了模型发布后的第一批真实分发渠道。Sol 覆盖 Pro+、Max、Business、Enterprise 等更高档位，Terra 和 Luna 覆盖范围更广；企业和商业计划管理员还需要在 Copilot 设置里开启策略，默认关闭。2 这意味着新模型不会自然流进所有企业座席，IT 和财务团队会先问：哪些任务值得用最贵的模型？哪些任务可以用便宜档？

Microsoft 的动作更直接。Bloomberg 经 Yahoo Finance 转载的报道显示，Excel 和 Outlook 中每周已有数万条 AI prompt 由 Microsoft 自研 MAI 模型完成，原因是降低对外部模型的成本依赖。3 对企业软件来说，模型能力不再只看榜单名次，还要看每个功能点背后的单位经济账。

中国大公司这边，腾讯云的 Agent Bucket 把重点放在智能体存储。它在一个 bucket 下引入独立 Space，给每个智能体或最终用户配置访问凭证、容量配额和读写限速，还内置文件管理、多模态检索、外链分享、回收站、内容审核和 GooseFS 缓存加速。4 这条消息看起来不如新模型发布热闹，但它指向一个更实际的问题：如果企业真的部署上百万个智能体，文件、权限、缓存和审计会先把系统拖住。

智谱的配售规模足够说明资本开支压力。第一财经报道，智谱拟按每股 1588 港元配售最多 1978 万股新 H 股，预计募资总额约 314.11 亿港元；用途包括模型研发人才、算力资源、算力调度体系、业务拓展、战略投资和补充运营资金。5

这不是单纯的「融资新闻」。智谱今年初 IPO 募资净额截至 6 月 30 日已动用约 458.82 亿港元，未动用 30.8 亿港元；公司还计划申请 A 股科创板上市，拟募资 150 亿元人民币。5 大模型公司的融资节奏和模型迭代节奏已经绑在一起：能不能持续买算力、招研究团队、试新架构，会影响下半年模型竞赛的速度。

对创业公司和投资人来说，这里有一个冷一点的判断：模型层仍然是重资本游戏，只有少数公司能持续承受大额训练和推理成本。更适合多数团队的机会，可能在模型之上的工具链、智能体基础设施、行业工作流和成本优化层，而不是从零训练下一代通用底座。

近期两篇 arXiv 论文都把焦点放在一个问题上：当 AI 系统开始参与研究、改进自己或改进工具链时，人类怎么知道它的结论不是自说自话？

东京大学研究者提出的 Hypothesis Evolution Protocol，把 LLM agent 在科研任务中的假设、证据、信念概率和状态变更做成显式记录。论文把假设生命周期分为 proposed、under_test、supported、refuted、dormant，并要求信念更新只能由通过验证的证据推动。6 这类设计的价值在于，它不把「AI 科学家」包装成黑箱，而是先让研究者能追踪每个结论从哪里来。

另一篇综述把递归自我改进拆成四类：部署期自我演化、训练期自迭代、自评估和自动研究。作者整理了 2024-2026 年 1250 篇 arXiv 论文，指出语义上都叫 self-improvement 的方法，实际风险和能力边界差别很大；其中最容易出问题的是评估器，一旦系统用不可靠的信号判断「我变好了」，就会出现自我确认、模型坍缩或多样性坍缩。7

今天的研究信号和产业信号其实接上了：大公司在推更强的智能体模型，云厂商在补智能体基础设施，研究界则在补审计和评估。下一步值得盯的不是某个单点榜单，而是这些系统能否在真实工作流里长期运行，并且留下足够清楚的证据链。