【1】Artificial Analysis 评测：DeepSeek V4.1 Flash 以 552B 参数超越 1.6T 的 V4 Pro，成本只要四分之一

摘要：Artificial Analysis 发布了对 DeepSeek V4.1 Flash 的独立评测，结果显示这款只有 552B 参数的模型，智能指数得分 40 分，直接超越了自家 1.6T 参数的旗舰 V4 Pro 0813，成为 DeepSeek 新的旗舰模型。更夸张的是成本，V4.1 Flash 每个 Token 的价格大约只有 V4 Pro 的四分之一。由于模型输出比较啰嗦，它在“智能 vs 成本”曲线上差一点就摸到了最优边界。

具体数据方面，V4.1 Flash 采用了全新的因果编码器-解码器架构，输入只激活 8B 参数，输出激活 16B 参数，总参数量在不同口径下有 552B 和 763B 两种说法，许可证为 MIT。第一方 API 定价为输入每百万 Token 0.30 美元，输出 1.20 美元，缓存输入只要 0.006 美元，折扣高达 98%。闲时价格再打五折。整体比 V4 Flash 0731 便宜约 20%，比 V4 Pro 0813 便宜约 4 倍，同时性能还更高。

能力提升主要集中在智能体任务和长上下文推理上。Terminal-Bench v4.0 得分 27%，是上一代的两倍多。GDPval-AA v2 提升了 164 个 Elo 点，从 1468 涨到 1632，超过了 Kimi K3 的 1584。AA-LCR v1.1 拿到 84%，和 GPT-5.6 Sol、Gemini 3.8 Flash 持平。上下文窗口 100 万 Token，支持文本和图像输入，非常适合长文档和大型代码仓库任务。在 AutomationBench-AA 上，它以 69% 的得分拿到第一，和 GPT-6 Astra 持平，略高于 Grok 4.6 的 67%，比自家前代提升了 15 个百分点。这个基准覆盖 39 个 SaaS 应用里的 657 个智能体任务，衡量模型能否在不触发安全护栏的前提下完成目标。

不过 V4.1 Flash 有个明显特点：非常啰嗦。每个智能指数任务平均消耗 8.9 万个 Token，比 GLM-5.3 多 25%，比 V4 Pro 多 62%，甚至超过 Fable 5.1 和 Claude Opus 5 这些前沿模型。但因为单价足够低，每个任务的实际成本仍然只有 0.27 美元，比 GLM-5.3 和 Kimi K3 便宜约 7 倍，比 V4 Pro 便宜约 2.5 倍。知识可靠性方面，AA-Omniscience 提升了 9 分到 -5.3，准确率从 40% 升到 46%，但非幻觉率从 8% 降到了 4%。

链接：https://artificialanalysis.ai/models/deepseek-v4-1-flash

【2】OpenDesign 实测：DeepSeek V4.1 Flash 拿到 GPT-6 Astra 98% 的分数，成本只要 1.4%

摘要：OpenDesign 发现，大多数用户真正关心的不是模型极限有多强，而是“做日常设计活该选哪个模型”，于是搭建了 OpenDesign Arena 来回答这个问题。

结果相当炸裂：DeepSeek V4.1 Flash 在真实设计任务中拿到了 GPT-6 Astra 98% 的分数，而成本只有后者的 1.4%。具体来看，生成一件作品的平均耗时和花费分别是：DeepSeek V4.1 Flash 用 5.3 分钟、0.023 美元；GPT-6 Astra 用 11.1 分钟、1.61 美元；Claude Fable 5.1 用 12.8 分钟、3.66 美元。也就是说，DeepSeek 的速度不到 Astra 或 Claude 的一半，成本大约是 Astra 的七十分之一。在细分任务中，DeepSeek 在网页应用设计排第 3（82.4 分），移动应用第 5（82.5 分），桌面应用并列第 3（84.4 分），网站和落地页第 4（79.3 分），仪表盘和管理后台第 10（76.1 分）。在落地页设计上它甚至超过了 Astra，但在仪表盘类任务上稍逊一筹。

OpenDesign 特别指出，11 个模型在这套真实设计基准上得分都比 DeepSeek V4.1 Flash 低，而且成本更高，只有 GPT-6 Astra 得分更高。他们由此抛出一个问题：开放模型是不是正在超越闭源模型？

链接：https://open-design.ai/zh/llm-arena-for-design/

【3】Anthropic 报告指控 7 家国内实验室“蒸馏” Claude

摘要：Anthropic 发布了一份详细的威胁情报报告，披露了多起针对 Claude 的滥用行为。报告指控阿里巴巴提取了超过 1.51 亿条 Claude 对话用于帮助训练 Qwen，Kimi 在用户不知情的情况下将部分请求秘密路由到 Claude，DeepSeek 也有类似行为。

链接：https://www.anthropic.com/threat-intelligence-report-september-2026

【4】OpenAI 暂停 200 美元 Pro 订阅新用户注册，称 Astra 需求前所未有，现有账户和 API 不受影响

摘要：OpenAI 的 Tibo 宣布暂停 200 美元 Pro 计划的新订阅，原因是 Astra 需求前所未有、对系统造成最大压力，此举是为了给现有用户保留最好的体验和持续的 Astra 访问权限，所有其他计划和 API 仍正常开放。现有账户不受影响，团队正在尽快扩充容量。

前两天 Tibo 就曾表示，Astra 的需求量前所未有，公司正在拉满所有能用的杠杆来支撑需求，虽然过去也经历过非常陡峭的增长，但这次的情况完全没见过。他强调优先级永远是保障现有用户的服务质量。

链接：https://x.com/thsottiaux/status/2098113585683808624

【5】OpenAI 推出 ChatGPT for Financial Services：内置专业金融数据，瞄准华尔街初级银行家的研究、建模和推介材料工作

OpenAI正式发布了 ChatGPT for Financial Services，一个专为投资银行和股票研究团队定制的金融版 ChatGPT。

这是 ChatGPT Work 企业版的金融行业定制版，由 OpenAI 与摩根士丹利（Morgan Stanley）和 Evercore 等投行共同设计开发，集成了 GPT-6 Astra 的前沿推理能力。简单说，就是让 AI 替金融从业者做那些最耗时的基础活儿：研究公司、分析财务数据、制作推介材料（Pitchbook）和估值模型。

具体能力包括：

原生金融数据接入：内置 Daloopa、PitchBook、LSEG News、Crunchbase 等专业金融数据源，无需自己配置连接器，数据涵盖财报电话会记录、财务报表、公司基本面、私营企业信息等。

溯源引用：每一项数据和结论都能追溯到原始文件的具体表格或段落，方便审核。

企业模板输出：管理员可以上传公司自己的 Excel、Word、PPT 模板，分析结果直接按公司格式输出。

现有订阅打通：正在与 S&P Capital IQ、LSEG、MSCI、穆迪等合作，用户通过 ChatGPT 登录即可访问自己机构已订阅的数据。

这标志着 OpenAI 正式进军华尔街传统上由初级银行家（分析师和助理） 承担的工作领域。这些刚毕业的大学生长期以来负责研究交易、制作推介材料，每周工作 100 小时是常态。

OpenAI 产品副总裁 Nick Turley 将其定位为“效率工具”：“我们实际上是在教 ChatGPT 像分析师一样研究，并像分析师一样为自己的结论提供依据”。

但这也引发了根本性问题：高盛高管 Chris Churchman 曾警告，自动化那些原本用于训练初级银行家的任务，可能导致下一代金融从业者出现“认知萎缩”。

【6】OpenAI 在 ChatGPT Work 里塞了个“数据问答机器人”：用大白话问，它自己去翻 Snowflake、BigQuery 和 BI 工具，把答案、图表和下一步行动都给你端上来

摘要：简单说，这是OpenAI给企业员工配的一个“数据问答机器人”。以前想知道“为什么上周销售额跌了”，得等数据团队跑报告，现在直接在ChatGPT里用大白话问，它自己去翻公司的数据库和分析工具，把答案和图表端到你面前。

它干三件事，按顺序来：

第一，自己去翻数据。 它连着公司已经批准的数据库，比如 Snowflake、Databricks、BigQuery、Redshift，也能读 Google Drive 和 SharePoint 里的文件。你不用懂 SQL，也不用知道数据存在哪张表里。

第二，自己调查原因。 它不是只给你一个数字。你问“为什么流失率涨了”，它会自己拆解问题，对比不同时间段，找出可能的原因，然后把证据摆出来让你核对。

第三，把分析变成能用的东西。 结果可以直接生成一张互动式仪表盘，团队可以一起看、一起改、随时刷新。它还能在你批准后，直接去 Tableau、Power BI 这些你们已经在用的工具里更新图表。

这个 Data agent 不是凭空造出来的。OpenAI 自己内部先用了很久。他们之前有个问题：员工想问数据，得排队等数据团队。后来他们自己造了个内部工具，覆盖了 600PB 的数据、7 万个数据集，服务了超过 3500 名员工。现在 OpenAI 几乎所有的产品团队、超过三分之二的销售团队，都是自己在 ChatGPT Work 里用这个工具查数据，不等报告了。

所以这次发布，等于把内部已经跑通的东西，拿出来给所有企业用。

【7】OpenAI 发布 GPT-Live-1：边听边说、随时打断，语音对话终于像真人聊天了

摘要：OpenAI 在 API 中正式上线 GPT-Live-1，把 ChatGPT 那种自然的全双工对话体验开放给开发者。和传统的语音智能体不同，它不再把语音转文字、推理、文字转语音三个环节拼在一起，而是用单个模型同时处理“听”和“说”。这个架构变化带来的直接好处是，中间交接的延迟和上下文丢失问题被大幅削减。

功能层面，GPT-Live-1 有几个关键升级。第一是打断处理，用户可以随时插话、改变话题，甚至笑一声或者补充一个刚想到的细节，模型都能实时响应，不用等它把话讲完。第二是推理和工具调用的委托，GPT-Live-1 本身负责语音层，可以把复杂的推理和操作交给后端文本模型处理，比如日常高频任务用 Luna 这类轻量模型，复杂的客户问题用 Astra 这类旗舰模型，开发者在速度、成本和推理深度之间灵活搭配。第三是个性化控制，开发者可以通过系统提示词设定语气、语速和对话风格，模型还能模仿说话者的情绪和节奏。第四是静默上下文管理和背景噪音处理，咖啡厅的嘈杂人声、街道噪音都不会打断对话。第五是长会话可靠性，在长时间交互中保持上下文记忆和对话质量。第六是电话支持，可以直接部署到电话场景，比如餐厅预订或客服热线。

在评测数据上，GPT-Live-1 在 Full Duplex Bench 上的表现比 GPT-Realtime-2.1 提升了 30 个百分点。搭配 GPT-6 Astra 中等推理强度后，它在 Tau3 语音智能体基准上排到第一，得分 86.2%，远超前代的 45.7% 和 42.4%。在 Tau Banking 语音知识测试中拿到 32.0%，同样大幅领先。Artificial Analysis 的对话动态评分上，GPT-Live-1 拿到 97.3%，优于前代的 95.7% 和 95.3%。轮次切换延迟从 1.41 秒压到了 0.798 秒。工具调用场景下的通过率达到 87.0%，前代只有 60.0% 和 58.0%。

语音选项方面，OpenAI 这次从少量实时语音扩展到了覆盖更多口音、方言和语言的丰富选择，包括 Quartz、Ripple、Vesper、Willow、Stone、Gleam、Meridian、Bossa、Tempo、Beacon、Delta、Cinder 等。定价为前端语音层每分钟 0.05 美元，后端模型根据开发者自己选择的方案计费。企业用户还可以通过 OpenAI Presence 来部署更完整的语音工作流，支持回答问题、解决问题、调用公司系统、执行已批准的操作，必要时还能转接人工。

链接：https://openai.com/index/introducing-gpt-live-1-in-the-api/