小米于 2026 年 9 月 8 日开放 Xiaomi MiMo Desktop 邀测。审核通过的用户可限时、限量、免费体验 MiMo-X-Pro-Preview 与 MiMo-X-Flash-Preview；客户端面向办公、编程、设计和调研任务，生成结果可预览、继续编辑和回退版本。

从聊天窗口转向可编辑成果

MiMo Desktop 是一款面向工作任务的桌面 AI 应用。用户可以直接导入表格、图片、视频、PDF、录音和压缩包，用自然语言说明目标，再由客户端拆解步骤并调用工具执行。

它交付的内容不只是一段回答，还包括可继续修改的文档、表格、幻灯片、网页、图片、音频、视频、3D 模型、App 和软件工程项目。成果可以直接在会话中预览；网页和演示类内容还可点击操作，不需要先搭建本地前端环境。

局部修改和 Smart 调度进入同一工作台

生成成果后，用户可以选中文本、图表或表格区域，再描述修改要求。客户端只处理选定范围，并保留不同版本，方便比较和回退。

内置的 Smart 调度会评估任务类型、复杂程度、交付要求和执行成本，在不同模型、Agent 与执行框架之间选择路径。大型任务还可以拆给多个 Agent，分别处理调研、规划、执行和复核。用户不必在开始任务前手动决定模型或工作流。

浏览器操控与电脑操控有版本差异

MiMo Desktop 可以控制浏览器，完成打开网页、检索信息、填写表单和提取素材等操作。网页中的信息可以直接进入当前任务，生成网页后也能在同一流程里检查关键交互。

更进一步的电脑操控包括读取屏幕、操作键盘和鼠标，以及跨应用传递信息。这项能力仅限海外版；国内版不能按海外版的桌面跨应用能力来理解。

国内外用户均可提交申请

国内用户可前往 MiMo Desktop 国内邀测页 提交申请，海外用户使用 海外邀测页。审核通过后才能下载和使用客户端，现阶段优先向 Xiaomi MiMo 开放平台已有用户开放。

邀测期间提供的两款模型是 MiMo-X-Pro-Preview 和 MiMo-X-Flash-Preview。它们仍属于 Preview 版本，本次开放的是申请通道，不是无需审核即可下载的公开测试。

与此前面向开发者的 MiMo-V2.5 API 与 Token Plan 不同，MiMo Desktop 把模型、工具调用、成果预览和修改放进一个桌面工作台，普通用户不需要先接入 API 才能参与这次邀测。

DeepSeek 于 9 月 8 日开放 V4.1 Flash 中间版本内测。内测用户无需更换 API 基础地址，只需使用临时模型名 deepseek-v4.1-flash-expires-on-0910；价格沿用 V4 Flash，单账号限流 20 并发。

内测使用临时模型名

这次内测没有替换现有的 deepseek-v4-flash。收到内测通知的 API 用户需要保持 https://api.deepseek.com 不变，把请求中的模型名改为：

1

deepseek-v4.1-flash-expires-on-0910

使用 OpenAI Python SDK 时，只需要替换 model 参数：

1
2
3
4
5
6
7
8
9
10
11
12
13

from openai import OpenAI

client = OpenAI(
    api_key="<your DeepSeek API Key>",
    base_url="https://api.deepseek.com",
)

response = client.chat.completions.create(
    model="deepseek-v4.1-flash-expires-on-0910",
    messages=[{"role": "user", "content": "请解释这段代码的作用。"}],
)

print(response.choices[0].message.content)

临时模型名包含 expires-on-0910。接入时应把它放在独立配置项中，不要直接替换生产环境的长期默认模型；内测入口变化后，只需改配置，不必重新修改业务代码。

价格沿用 V4 Flash

V4.1 Flash 中间版本按 V4 Flash 现行价格计费。每 100 万 Token 的人民币单价如下：

Token 是模型处理文字时使用的计量单位。账单需要分别统计缓存命中输入、未命中输入和输出，不能只按请求次数估算。

20 并发限制决定了测试范围

中间版本对每个账号限制 20 个并发请求；常规 V4 Flash 的官方并发上限为 2500。这个差距使中间版本更适合验证提示词、接口兼容性和小规模任务，不适合直接承接现有生产流量或高并发压测。

已有项目不会自动切换到本次内测。常规模型名 deepseek-v4-flash 仍对应 DeepSeek-V4-Flash-0731 正式版 API；只有主动改用临时模型名的请求才会进入 V4.1 Flash 中间版本。

测试时保留回退路径

接入时可以把常规模型名和临时模型名分别写入配置，并保留一键回退。先用固定测试集检查返回格式、工具调用和业务输出，再逐步增加并发；需要长期运行的服务继续把 deepseek-v4-flash 作为稳定入口。

Qoder 于 9 月 3 日发布 QoderWake 1.0。新版支持用自然语言创建 Waker，将多个 Waker 组成 Group，并通过 IM、定时、事件或 API 启动任务；macOS 13+、Windows 10+ 和主流 Linux 均可安装。

从单个 Waker 扩展到固定协作团队

QoderWake 把承担具体职责的数字员工称为 Waker。一个 Waker 对应一个稳定岗位或服务范围，其工作方式由角色配置、运行环境、记忆、Skills、连接器、知识库、项目和权限共同决定。1.0 支持用自然语言描述自定义角色，自动生成配置并保存为模板。

Group 用于把多位职责互补的 Waker 组成长期团队。团队需要指定 Leader 负责分工和汇总，也可以通过 @ 指定成员参与。每位成员可单独配置模型和工作目录，任务页会集中展示执行进度与产物。遇到共享写入或前后依赖时，仍需明确执行顺序和人工确认点。

这与 QoderWork Windows 桌面智能体 的使用重心不同：QoderWake 主要围绕持续岗位、多人协作和自动任务组织工作。

群聊、定时与事件都能启动任务

Waker 可以接入钉钉、飞书等即时通信工具，在群聊或单聊中接受任务。长任务运行期间，用户仍可补充要求；系统会统一管理聊天配对、响应 Waker、工作目录和任务记录。

对重复工作，1.0 增加统一的“自主工作”入口。Waker 或 WakerFlow 可由定时、事件和 API 触发，任务看板则用列表或泳道集中展示对话、群聊、工作流和自动任务的状态。日报、巡检、外部事件处理等固定流程可以先手动验证，再切换为自动执行。

WakerFlow 把多步骤任务固化成流程

WakerFlow 用来编排需要多个阶段或多个 Waker 的任务。用户可以通过自然语言生成可运行流程，也可以手动启动，或交给定时、事件和 API 触发。运行记录会保留各节点的输入、工具调用、输出和错误，流程还支持版本历史与回滚。

技能、连接器、知识库、WakerFlow 和公开项目统一放在“能力与资源”中心。资源安装后还要分配给目标 Waker，并通过新任务验证；给每位 Waker 堆入无关资源，会增加检索和权限风险。

三类桌面系统都能安装

QoderWake 支持 macOS 13.0 及以上、Windows 10 及以上和主流 Linux 发行版，建议至少准备 4 GB 内存与 500 MB 磁盘空间。macOS 可下载安装包，Windows 使用 .exe 安装程序，macOS 与 Linux 也能通过命令行安装。启动后，控制台默认通过本机浏览器打开。

第一次使用时，先从角色市场选择预置角色或创建自定义 Waker，只绑定首个任务需要的目录、Skills、知识库和连接器。先执行只读任务并检查实际产物，再测试写操作、越界拒绝和高风险确认。单个岗位稳定后，再接入 Group、IM、WakerFlow 或自动触发。

OpenAI 为 GPT-6 Astra 列出五类需要显式配置的行为：自主执行、指令优先级、写作格式、子智能体委派和测试范围。对于从旧模型迁移的 API 应用，提示词和请求参数都需要逐项检查。

五类行为要写进系统提示词

GPT-6 Astra 能够处理长任务和多步工具流程，它也会在结果可能因用户补充而发生实质变化时主动询问。应用希望模型自主完成常规步骤时，需要明确哪些缺口可以合理假设，哪些操作必须等待确认，以及什么状态才算完成。

这些配置属于运行方式，与 GPT-6 Astra 的模型规格、API 价格和上下文窗口 是两组问题。已经接入旧模型的应用，应先审计现有系统提示词和代码库内的指令文件。

自主执行需要同时给出停止条件

对“帮我修复”“实现这个功能”这类请求，系统提示词可以把它定义为执行指令，要求模型完成已授权的可逆步骤。完成条件也要具体，例如代码已修改、范围内测试已通过，并且结果可以交给用户检查。

确认点放在实际外部变更之前，例如部署、合并、发布或其他不可逆操作。模型可以先完成读取、分析、修改、本地验证等已授权工作，再把具体产物交给用户决定。

可以把这部分压缩成三句中文配置：

1
2
3

从对话上下文推断用户已经明确的目标与范围。
已授权的可逆步骤直接完成，遇到会改变目标或产生不可逆后果的决定时再询问。
以产物完成且范围内验证通过作为停止条件。

长指令更需要明确优先级

GPT-6 Astra 对长指令的遵循能力更强，也会更敏感地受 Skill、AGENTS.md 和其他可访问文件影响。一份旧 Skill 中的审批规则，或两份范围不一致的项目说明，都可能让任务提前停止。

迁移时要搜索应用会加载的所有指令文件，查找重复、冲突和过时规则。系统提示词还可以要求模型在因某个 Skill 而暂停或改变方向时，说明具体文件、规则和影响。这样更容易定位隐藏的指令冲突。

写作、委派和测试要分开配置

GPT-6 Astra 默认倾向使用较多列表、表格和 Markdown，也可能在不同会话中重复相似短语。面向普通用户的产品可以直接规定语气、段落长度和列表的使用条件。“简洁”这类形容词很难独立约束格式，应换成可检查的规则，例如每段只解释一个主题，只在需要比较或展示步骤时列表。

支持子智能体的应用需要单独规定委派条件。可以按任务是否独立、并行是否能节省时间或提高质量，决定是否启动子任务，并限定同时数量。模型不会自动知道应用希望多积极地委派。

编码任务则要把测试强度与改动风险连起来。低风险小改动可以只运行直接相关的检查；出现新的失败、修改高风险路径或依赖关系较复杂时，再扩大验证范围。这能减少小修改重复跑完整测试套件的情况。

API 迁移不只是替换模型名

接入时把 model 设为 gpt-6-astra。工具调用使用 Responses API；Chat Completions 仍可调用 GPT-6 Astra，但不支持该模型的工具调用。

迁移检查可按下面进行：

• 旧配置使用 none 或 minimal 推理档位时，从 low 开始对比；其他情况先保留现有的有效档位。
• 删除 temperature、top_p 和 top_logprobs；Chat Completions 还要删除 logprobs。
• 需要在对话中改变推理强度时，标准单智能体请求使用 configuration_update 输入项，请求级 reasoning.effort 保持不变，以便继续复用提示前缀缓存。
• 从 GPT-5.5 或更旧模型迁移时，把 prompt_cache_retention 换成 prompt_cache_options.ttl: "30m"。

完成参数迁移后，再用业务自己的任务集对比结果质量、工具调用和任务是否完成。系统提示词的行为约束与 API 参数需要一起迁移。

抖音在创作者中心 PC 端内测 AI 工坊，受邀创作者输入邀请码后可制作“兴趣卡”。这类内容可以在抖音内以卡片或落地页呈现，已展示互动问答、单词学习、颜色鉴赏和宠物问答等样例。

AI 工坊是兴趣卡的创作入口

AI 工坊已经出现在抖音创作者中心 PC 端，与“首页”“AI 分身”并列。当前页面要求先输入邀请码，并提供问卷报名入口，说明它仍是面向部分创作者的测试功能，不是所有账号都能直接使用的常规工具。

兴趣卡的制作从一句文字描述开始。创作者先说明想做的内容，再由 AI 工坊调用工具、Skill 和模型完成制作。这里的 Skill 指可复用的任务能力，例如协助设计页面或组织交互逻辑。

兴趣卡可以进入推荐流，也能打开落地页

兴趣卡不是普通视频模板。创作流程图把成品分成两种形态：一种是出现在 Feed 或侧边栏中的卡片，另一种是基于抖音原生框架打开的落地页。用户看到内容后，可以继续点击或选择，而不只是播放和暂停。

制作过程中可以调用抖音开放的接口、组件和数据。创作者不必先搭建独立网站，再把链接引到站外；兴趣卡的创作、呈现和交互都围绕抖音内的内容场景展开。

已展示五类互动样例

AI 工坊案例页已经展示“答案之书”“单词学习”“中国色鉴赏”“恋爱回复挑战”和“猜猜小狗品种”。这些样例覆盖随机问答、语言学习、文化知识、对话选择和宠物问答。

它们的共同点是每次打开都需要用户操作。例如，单词学习提供选项，宠物识别需要根据图片作答，颜色鉴赏通过卡片继续浏览。兴趣卡因此更接近一个轻量互动页面，而不是一条预先剪好的短视频。

当前需要邀请码才能创作

获得体验资格后，创作者可以在 PC 端抖音创作者中心进入 AI 工坊。没有邀请码的账号可以通过页面问卷报名。页面把“AI 分身”和“AI 工坊”分成两个入口：前者围绕虚拟身份互动，后者用于制作兴趣卡，两者不是同一个创作功能。

对普通用户而言，兴趣卡的变化在于内容可以直接接收操作并返回结果；对创作者而言，AI 工坊把原本需要页面设计和交互开发的工作，压缩为文字描述、选择能力与调整成品的流程。

开源项目 WeChat Intelligence Hub 由 Rion Wu 独立开发，把本人电脑上的微信聊天接入两个 Codex Skill，可检索联系人和群聊，并生成日报、待回复、承诺、商机与复联线索。首发版本为 v0.9.2-preview.2，完整历史读取需要本人授权的本地数据库和访问材料。

两个 Skill 分别负责读取和整理

WeChat Intelligence Hub 是 Rion Wu 独立开发的社区项目，不属于腾讯或微信官方。项目在 2026 年 9 月 4 日发布 v0.9.2-preview.2，把数据读取与情报整理拆成两个 Codex Skill。

项目地址：github.com/Rion-Wu-tech/wechat-intelligence-hub

wechat-cli 是只读数据入口，负责会话、联系人、聊天时间线、关键词搜索、上下文、未读消息、群成员和本地媒体索引等查询。wechat-intelligence-hub 在这些记录之上生成联系人进展、群聊主题、待回复事项、未完成承诺、商机候选和复联提醒。

这里的“只读”指不会发送、删除、转发或修改微信消息，也不会自动操作微信界面。回复建议只生成草稿，金额、日期和承诺仍由用户核对。

日报可同时输出 Markdown 和交互式 HTML

用户可以指定过去 24 小时、一周、一个月或明确的起止日期。完整多会话报告会保留 Markdown 和 HTML 两种版本：Markdown 适合归档和继续编辑，HTML 提供搜索、分区导航、群聊筛选、明暗主题、打印与当前分区下载。

除了日报，这套工具也能围绕某个人、群聊、微信标签、项目或关键词定向检索。系统先定位消息和相邻上下文，再按会话与时间整理；商机线索先进入待审核候选，用户确认后才会进入持续跟进的机会列表。

项目还允许用户建立本地 Profile，把当前计划、重点联系人标签和关注主题用于日报排序。Profile、聊天数据库和生成报告被配置为留在本机工作目录，不应提交到公开仓库。

可以先用虚构数据验证完整流程

手动安装需要先克隆仓库，再运行安装脚本：

1
2
3

git clone https://github.com/Rion-Wu-tech/wechat-intelligence-hub.git
cd wechat-intelligence-hub
./scripts/install.sh --with-sqlcipher

安装脚本会部署 wechat-cli、wechat-intelligence-hub 及其本地引擎。没有真实数据库接入条件时，可以先运行全虚构 Demo：

1

bash projects/wechat-intelligence-hub/scripts/run_demo.sh

本次在当前仓库提交上复现了这条 Demo，完成 8 条虚构消息的文件扫描和 3 条虚构 vault 消息的处理。Hub 的 119 项测试执行通过，其中 1 项 SQLCipher 加密集成测试因本机未安装驱动而跳过；Reader 的 81 项测试执行通过，其中 5 项 SQLCipher 或 Zstandard 相关测试跳过。能力对照脚本列出的 29 个只读工具均有对应实现。

安装完成不等于已经读到完整历史

完整聊天历史和持续数据库读取只覆盖已经同步到本人电脑、且用户有权访问的数据。它需要本地数据库和相应访问材料；Reader 核心不会从微信进程提取密钥，也不执行重签名、注入或 Hook。

macOS 用户在没有完整数据库条件时，可以读取系统仍保留的微信通知预览。这个模式只包含部分入站通知，不包括静音聊天、完整历史、附件或自己发出的消息，不能当作完整记录。

项目另有实验性接入助手。它与日常只读 Reader 分开，只有在用户审核并确认后才会调用外部本地工具；相关操作可能需要 macOS 管理员授权，并可能重启微信或重签名影子副本。普通安装和日报不会自动触发这条流程。

代码采用 AGPL-3.0-only 许可证。遵守许可证时可以运行、修改和用于商业活动；闭源集成、专有发行、OEM 或白标需要单独商业授权。

智谱 ZCode 的 WEEKEND BUILD IV 向新老用户开放 3 亿 GLM-5.3-Flash Token。额度于 9 月 5 日 09:00 生效，9 月 6 日 23:00 到期，先到先得；用户需在最新版 ZCode 内领取和使用，这不是 BigModel 通用 API 额度。

在 ZCode 左下角领取活动额度

领取需要使用 ZCode 桌面端。打开最新版 ZCode，登录 BigModel 或 Z.ai 账号，再点击左下角的 Weekend Build 活动卡片完成领取。新用户、老用户和已购买 Coding Plan 的用户都能参加，不需要重新注册账号。

领取后进入“设置 → 模型设置”，选择 GLM-5.3-Flash，并确认周末活动卡片已经生效。ZCode 支持 macOS、Windows 和 Linux，安装包可从官方 ZCode 页面下载。

本轮额度在 9 月 6 日 23:00 到期

这 3 亿 Token 的有效窗口是北京时间 2026 年 9 月 5 日 09:00 至 9 月 6 日 23:00。活动采用先到先得方式，活动期间曾追加名额；能否领取应以客户端卡片的实时状态为准。

Token 是模型读取输入和生成输出时使用的计量单位。3 亿 Token 指活动期内可累计消耗的额度，不是模型单次可以装入 3 亿 Token 内容。GLM-5.3-Flash 的单次上下文窗口为 100 万 Token，模型参数、图像输入和 API 价格可查看站内的 GLM-5.3-Flash 模型说明。

额度只能在 ZCode 中使用

活动额度绑定 ZCode，不能当作 BigModel 开放平台的通用 API 余额，也不能复制到其他编程工具中消费。领取后需要在 ZCode 中选中 GLM-5.3-Flash，再把代码目录、任务说明和验收条件交给 Agent。

适合在截止前处理的任务包括跨文件修改、测试补全、代码解释和截图分析。对会改动文件或执行命令的任务，应先保留 Git 状态，并在完成后运行测试或构建；模型给出的完成说明不能代替实际结果。

ZCode 也可通过 Coding Plan 连接 GLM 模型，但 Coding Plan 套餐、开放平台 API 余额和这次周末体验额度是不同通道。此前的 GLM-5.3 与 ZCode 使用入口 可用于了解长期使用方式。

微软于 9 月 4 日在 Microsoft Foundry 开放 MAI-Image-2.6 和 Flash 版公开预览。两款模型支持文字生图、图片编辑、多图参考和联网检索；Flash 的图片输出价格为每百万 Token 19 美元，是标准版的一半，也可通过 MAI Playground 体验。

可以从文字生成图片，也能修改已有图片

MAI-Image-2.6 是微软自研的图像生成模型。用户可以用文字描述画面，也可以提交已有图片，要求移除或替换物体、修改属性、局部重绘和更新图中文字。Flash 版提供相同的生成与编辑功能范围。

这次开放的两款模型都支持多图参考：一次创作可以结合不同图片中的人物、产品、风格和场景。对于已经有产品照片、还需要制作不同场景素材的用户，这比只用文字描述多了一种输入方式。

两款模型还提供联网检索和自动宽高比。开启联网检索后，模型可以使用 Bing Search 获取当前信息，作为生成图片时的补充上下文；自动宽高比则让模型根据提示词和参考图选择画面比例。开发者可分别通过 web_grounding 和 auto_aspect_ratio 控制这两项功能。

Flash 的图片输出 Token 单价减半

Foundry 的公开起始价格按文字输入、图片输入和图片输出分开计算。Token 是服务用来计量输入、输出内容的单位，图片也会转换成对应的计费量。

按这组单价计算，Flash 的文字输入便宜 65%，图片输入便宜 68.75%，图片输出便宜 50%。例如，两款模型各产生 100 万个图片输出 Token，单独这一项费用分别为 38 美元和 19 美元。

单价减半针对图片输出这一项。 一次调用的总费用还取决于实际输入和输出用量，不能把每百万 Token 的价格直接当成每张图片的固定价格。

如果正在比较不同生图服务的计费方式，也可以参考站内对 Nano Banana 2 Lite 的价格与输出规格梳理，对照时应区分每张图片价格和每百万 Token 价格。

网页体验与 API 接入分开选择

想直接试用，可进入 MAI Playground 选择模型。需要把生图和图片编辑接入自己的应用，则通过 Microsoft Foundry 部署 MAI-Image-2.6 或 MAI-Image-2.6-Flash；两款在 Foundry 中均为公开预览。

接入后，文字生图使用 /mai/v1/images/generations，图片编辑使用 /mai/v1/images/edits。请求中的 model 填写实际部署名称；服务返回 PNG 图片数据。

批量任务还需要考虑调用配额。Foundry 当前的免费层对这两款模型均为每分钟 0 次请求，第 1 层为每分钟 2 次，第 6 层为每分钟 12 次；可用层级取决于订阅和部署配置。评估批量制作素材的成本时，应同时查看单价、每次用量和每分钟可调用次数。

OpenAI 宣布向 Plus、Pro 和 Business 用户发放一次完整 Codex 可存重置。此次覆盖范围不再限于等待 Astra 权限的账户；在北京时间 2026 年 9 月 5 日 11:00 前新建或升级至适用套餐的用户，也在本轮安排之内。

本轮覆盖三个套餐，不再以等待 Astra 为条件

这次安排接续此前等待 Astra 权限期间的每日重置，但发放对象扩大到 Plus、Pro 和 Business 用户。已经获得 Astra 权限的用户也包含在内。

本轮按太平洋时间 9 月 4 日计算，计划当天结束前发放。新建或升级账户的截止点是当天 20:00，换算为北京时间是 9 月 5 日 11:00，不是北京时间当天晚上。

Business 包括标准与高级席位。现有账户需处于正常状态，具体资格还受地区和可用性影响；重置显示到账可能需要数小时。

完整重置会恢复两个用量窗口

可存重置（banked reset）是一份保存在账户中的单次用量恢复机会，由用户决定何时启用。完整重置会刷新 Codex 的 5 小时和每周用量窗口，并改变每周重置日期。

它不会增加 API 余额，也不永久提高套餐限额。正在安排连续任务的用户，可以先检查剩余用量和有效期，再决定使用时间。

在用量设置中查看并使用

打开 Settings → Usage（设置 → 用量），找到可用重置提示，例如“1 reset available”或“Full reset”，查看到期时间后确认使用。

使用后重新查看用量和下次重置时间。若页面没有及时更新，可刷新并确认当前账户或工作区。未使用的重置过期后不能补发，因此保留备用时也要留意账户显示的期限。

Google 将 Lyria 3.5 接入 Gemini，用户可选择曲风、人声或纯音乐，通过文字、图片生成短片段或最长 3 分钟音轨。开发者可调用模型 ID lyria-3.5，每首收费 0.08 美元。

Lyria 3.5 接入 Gemini 音乐生成

Google 在 9 月 4 日宣布将 Lyria 3.5 接入 Gemini。用户可以先选择音乐流派，再决定生成带人声的歌曲或纯音乐；模板库提供现成的创作起点，也可以直接输入自己的描述。

这次更新不是 Lyria 系列第一次进入 Gemini。2 月发布的 Lyria 3 已把文字、图片和视频生成音乐带入 Gemini，Lyria 3.5 延续了这套入口，并把重点放在更丰富的编曲、人声表现和音质上。

Gemini 的音乐工具支持文字和图片提示。免费用户选择“Fast”可生成最长 30 秒音轨；选择“Thinking”或“Pro”可生成最长 3 分钟音轨，Google AI Plus、Pro 和 Ultra 订阅方案提供更高额度。生成结果可以下载为 MP3 或带封面的 MP4。

这项功能面向 Gemini 已开放国家和地区的年满 18 岁用户。用户可在提示词中写明流派、年代、节奏、乐器、人声类型和歌词主题，也可以提交自己的歌词，并用 [Verse]、[Chorus]、[Bridge] 标记主歌、副歌和桥段。

Gemini API 新增 lyria-3.5 模型

开发者可以通过 Gemini API 的 Interactions API 调用 lyria-3.5。模型接受文字或图片输入，输出 44.1 kHz 立体声 MP3，并可同时生成带时间信息的歌词和歌曲结构。

lyria-3.5 面向包含主歌、副歌和桥段的完整歌曲。生成时长可以写进提示词，也可以用时间戳安排各段结构。若只需要循环、预览或测试提示词，可先用 lyria-3-clip-preview 生成固定 30 秒片段。

API 免费层不提供 Lyria 3.5。付费层按请求计费，每首完整歌曲 0.08 美元；生成 100 首的模型调用费用是 8 美元。

当前版本一次生成一首，不能连续改同一音轨

Lyria 3.5 的 API 音乐生成采用单轮流程。一次请求会生成一首歌曲，但不能在后续对话里继续要求“只改副歌”或“保留人声并替换鼓组”。需要修改时，应调整提示词后重新生成。

安全过滤会拦截模仿特定艺人声音或生成受版权保护歌词的请求。同一提示词重复调用也可能得到不同结果。所有生成音频都包含人耳难以察觉的 SynthID 水印，用于识别内容是否由 Google AI 生成或编辑。

OpenAI 从 2026 年 9 月 3 日起，为付费 ChatGPT 套餐中尚未获得 GPT-6 Astra 权限的用户每天发放一次 Codex 可存重置。重置到账后不会立即执行，用户可以留到需要恢复 Codex 用量时再使用。

未获 Astra 权限的每一天都会获得一次重置

这次发放以账户是否已经获得 GPT-6 Astra 权限为条件。只要用户使用付费 ChatGPT 套餐，并且账户还不能使用 Astra，当天就会获得一次可存重置。首个重置安排在公告发出约 3 小时后到账。

它不是一次覆盖所有用户的即时清零，而是按天加入账户的单次重置机会。用户获得 Astra 权限后，不再符合“尚未获得权限”的发放条件。GPT-6 Astra 的模型规格与开放安排采用分阶段上线，首批面向 Trusted Access Program 企业，Plus、Pro、Business 和 Enterprise 套餐随后开放。

可存重置由用户决定何时使用

Codex 在 6 月加入可存限额重置功能。普通自动恢复会按账户现有周期发生；可存重置先保存在账户中，是否立即使用由用户决定。正在执行长任务、当前用量仍充足时，可以先保留，等限额影响工作后再启用。

这项安排增加的是重置次数，不会把 Codex 改成不限量服务。Codex 的本地消息和云端聊天仍共享套餐用量，并可能叠加每周限额。不同模型、上下文长度、推理强度和工具调用都会改变实际消耗，Codex 5 小时与每周限额的区别仍然适用。

在用量面板确认是否到账

用户可以打开 Codex 的用量面板，查看当前限额、恢复时间和账户中可用的重置。页面出现可用重置后，再根据任务安排决定使用时间。

Codex CLI 的 /status 可以在当前会话中查看剩余限额，但可存重置是否到账仍应以账户用量面板为准。此次发放的是套餐限额重置，不是 OpenAI API 余额，也不会改变 API 按 Token 计费的方式。

这项安排覆盖 Astra 的等待期

GPT-6 Astra 已于 9 月 3 日开始分阶段开放，不同账户获得权限的时间可能不同。每日可存重置把补偿与每个付费账户的等待天数直接关联：等待一天，获得一次重置；账户取得 Astra 权限后，按公告条件停止新增。

对仍在使用现有 Codex 模型的用户，最直接的做法是先检查用量面板，再决定是否把重置留给大型代码修改、长时间调试或其他连续任务。重置解决的是套餐用量恢复，不会提前为账户开启 Astra。

OpenAI 于 2026 年 9 月 3 日发布 GPT-6 Astra。API 模型 gpt-6-astra 提供 105 万 Token 上下文、12.8 万 Token 最大输出，支持图像输入、电脑操作和多种工具；标准价格为每百万 Token 输入 10 美元、输出 50 美元。

GPT-6 Astra 从回答问题走向完成整段工作

GPT-6 Astra 面向需要连续执行多个步骤的任务。它可以在浏览器、代码和专业软件之间切换，处理表单、客户记录、科研数据、网站搭建和前端检查等工作。电脑操作指模型读取屏幕内容，再通过鼠标、键盘或浏览器完成实际操作。

API 提供 105 万 Token 上下文

gpt-6-astra 的上下文窗口为 1,050,000 Token，最大输出为 128,000 Token。上下文窗口是一次请求中模型能同时处理的输入、历史和生成内容总量。这个容量适合完整代码库、多份长文档和持续工作流，但不等于每次请求都需要把窗口填满。

模型支持文本和图像输入，输出文本；不直接接收音频或视频。在 Responses API 中，它可以调用网页搜索、文件搜索、代码解释器、托管 Shell、电脑操作、MCP 和 Skills 等工具。reasoning.effort 可选 low、medium、high、xhigh 或 max，不支持 none。

标准 API 输入每百万 Token 10 美元

按标准费率计算，一次请求如果使用 10 万输入 Token，并生成 1 万输出 Token，文本 Token 费用约为 1.5 美元，不包含搜索或电脑操作等工具调用费。当单次提示超过 272,000 个输入 Token 时，整个请求的输入与缓存费率按 2 倍计算，输出费率按 1.5 倍计算。

这条长上下文附加费会直接影响代码库分析和多文档处理的成本。开发者可以先删除无关文件、复用缓存前缀，再决定是否让单次请求跨过 272K 门槛。

开发者通过 Responses API 接入

接入时把模型名设为 gpt-6-astra。多步工具任务建议使用 Responses API；它支持异步工具调用，也允许用户在任务执行中追加要求。

1
2
3
4
5
6
7
8
9
10
11

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6-astra",
    input="读取项目文档，列出迁移风险和验证步骤。",
    reasoning={"effort": "high"},
)

print(response.output_text)

此次采用分阶段开放。首批用户来自获批的企业与网络安全项目，API 和付费产品的访问权限随后逐步增加。开发者在正式迁移前，应先确认账户的模型列表中已经出现 gpt-6-astra。

网络安全能力带来更严的访问限制

GPT-6 Astra 是第一个在 OpenAI Preparedness Framework 中达到 Critical 网络安全能力等级的模型。Critical 是 OpenAI 对高风险前沿能力的内部分级：在获得合适工具和权限时，模型可以在更少人工指导下完成漏洞发现与利用链构建。

普通生产版会拒绝生成高级漏洞利用概念验证，更深的防御性安全能力通过受限计划开放。产品还会监控工具使用过程；当系统判定操作超出授权边界时，ChatGPT 或 Codex 可能要求用户复核，API 任务则会停止。

Anthropic 在 Claude Fable 5.1 提示指南中专门讨论了文字过密和刻意雕琢的问题，并给出一段可直接复制的英文提示词，用来删除以比喻和辞藻代替直白表达的 AI 味。指南还说明了 effort、工具调用、对话历史与长任务的调整方法。

旧提示词通常可以继续使用

Fable 5.1 的提示方法同时适用于 Mythos 5.1。原有 Fable 5 提示词通常无需修改，开发者应先运行现有任务，再针对实际出现的行为调整。指南讨论的是提示与 Agent 运行方式，不涉及模型能力、API 变化、价格和开放范围。

需要关注的现象包括：effort 与任务不匹配、工具调用之间没有进度说明、独立工具每轮只调用一个、历史消息被改写、文字过密、聊天缺少结构、摘要直接复现原文、任务提前结束、压缩摘要丢失约束、修改范围扩大、低 effort 不主动搜索、小改动重写整份文件，以及复杂图表识别不完整。

用一段提示词去除 AI 味

Fable 5.1 减少了套话和未解释的术语，但部分回答会比 Fable 5 更密，表现为长句增多、段落减少。指南把需要避免的文风称为 mannered prose：用比喻和辞藻代替直白表达，让文字更像在展示作者，而不是传递信息。

完整提示词可以直接复制使用：

1

Mannered prose substitutes metaphor and flourish for direct statement. Instead of "a parameter worth varying," the mannered writer produces "a dial worth turning." Instead of "this point still matters," they write "this point earns its keep." The phrases exist to display the writer, not to convey the idea, and readers can tell. That is why mannered prose irritates: it makes the reader work harder so the writer can perform. It is also imprecise. Metaphors drag in connotations the writer did not choose and cannot control. The fix is to say what you mean. When a literal phrase is available, use it.

这段提示词没有笼统要求“写得自然”，而是指出问题出在哪里：比喻会带入作者没有选择、也无法控制的额外含义，读者还要花更多精力理解。修改原则只有一个——有字面表达可用时，直接说清楚。

如果不需要解释，也可以使用更短的版本：

1

Please remove all mannered prose.

从 high 开始重新评测 effort

Fable 5.1 提供 low、medium、high、xhigh 和 max 五档 effort，默认值是 high。effort 是平衡能力、延迟和成本的主要参数。

已经为 Fable 5 测过 effort 的团队也要重新评测。不同模型中的同名档位不代表相同的思考量。可以先用 high 建立基线，再把其他档位放进同一套评测，确认质量能够保持后再降低 effort。

low 档位更少调用搜索和检索工具。xhigh 和 max 则可能在输出长内容前思考更久，使用这两档时需要给推理过程和最终回答同时预留足够的 max_tokens。

进度更新需要客户端显示 thinking 块

Fable 5.1 在长工具链里给用户的进度说明比 Fable 5 少，effort 越高、工具链越长，这种情况越明显。进度更新会放在 thinking 块中返回，而默认的 thinking.display: "omitted" 会隐藏这些内容。

需要显示进度时，可以设置 display: "updates"，启用 thinking-display-updates-2026-08-18 Beta 请求头，并把非空的 thinking 块渲染成状态行。设置为 summarized 时，可以同时获得进度更新和压缩后的推理内容。

提示词中若有“所有信息留到最终回答”一类禁止过程说明的规则，应先删除。仍需要更多状态信息时，再明确要求模型在开始前说明要做什么、工作期间给出简短更新，并在结束时提供可以独立阅读的完整结果。若产品会折叠工具输出，也要告诉模型用户看不到完整的命令结果。

Agent 循环要批量调用独立工具

请求明确列出多个目标时，Fable 5.1 通常会并行调用工具。编码和电脑操作循环中的后续步骤若只是隐含在任务里，模型可能改为每轮只调用一个工具，增加 Token、往返次数和等待时间。

解决方法是在每轮工具结果之后提醒模型：先判断下一步需要哪些信息，再一次请求所有互不依赖的项目。提醒可以使用带 clear_at: "next_user_message" 的 turn-scoped system message，并启用 mid-conversation-system-clear-at-2026-08-21 Beta 请求头。未使用该 Beta 功能时，可把提醒放在同一条用户消息的 tool_result 块之后。

每一轮都追加一份新的提醒，旧消息保持原样。提醒在下一条用户消息出现后会对模型隐藏，不再计算输入 Token，但仍留在历史数组中。

对话历史必须只追加、不改写

每个 assistant 回合都要按照 API 返回的原始内容追加到历史记录，thinking 块也要保留。不要在两次请求之间删除旧消息、修改系统提示词、替换工具列表或就地改写早期对话。

对于 2026 年 8 月 31 日及之后创建的新 API 账户，Fable 5.1 的 thinking 块只在生成它的原对话中有效。系统提示词、工具列表或早期消息被修改后，再发送原来的 thinking 块会返回 400；启用 thinking.block_binding.prefix_mismatch_behavior: "drop_block" 和 thinking-binding-controls-2026-08-01 Beta 请求头时，接口可以丢弃不匹配的块。

改写历史也会从改动位置重新计算提示缓存，并让后续 thinking 块失效。需要改变指令或工具时，应使用对话中的系统消息；需要裁剪上下文时，可使用服务端 compaction 或 context editing。客户端自行压缩时，可以用一条摘要消息加新的用户消息建立新对话，不要继续带入旧 thinking 块。

格式和引用要通过示例校准

早期模型容易滥用粗体和列表，一些系统提示词因此完全禁止格式。Fable 5.1 更少使用粗体、标题、列表和引号。若回答缺少必要结构，应删除一刀切的禁用规则，改为只在内容复杂、用户明确要求或结构确实有助于理解时使用标题和列表；个人或情绪对话则保持普通段落。

Fable 5.1 在总结检索材料时，更容易复现来源原句却不标记引用。解决方法是在系统提示词里加入一个完整的正确示例，包含用户请求、工具调用、最终回答，以及说明该回答为何正确的 rationale。示例应展示怎样综合多个来源、怎样用间接引语改写，以及怎样标记少量直接引文。

明确要求完成任务，同时限制范围

复杂的异步任务中，Fable 5.1 可能只说明下一步准备做什么，或者询问是否执行用户已经授权的步骤。提示词可以明确：授权范围内的可逆操作直接完成；只有破坏性操作或真正改变范围的决定才停下来询问；结束前检查最后一段，如果仍是计划、问题或尚未兑现的承诺，就继续调用工具完成工作。

用户若只是在描述问题或询问判断，交付物就是分析结果，不能擅自实施修复。用户提出的是修改任务时，则要完整交付请求范围，不能悄悄缩小、扩大或替换目标。中途遇到阻塞，也应先完成不依赖缺失信息的部分。

开放式开发任务还要明确限制额外改动。发现既有缺陷、性能问题或任务未提到的行为时，不要顺手修复；除非请求的功能无法在不修复它的情况下工作。测试应与仓库惯例和任务范围相称，临时验证脚本不必转成永久测试文件。

小改动优先定点编辑

Fable 5.1 比 Fable 5 更容易为了小改动重写整份文本文件。可以在系统提示词或第一条用户消息中说明：在不影响结果的前提下，尽量减少编辑文件所需的 Token；除非文件很短或大部分内容都要改变，否则优先做局部修改。

这个要求只改变编辑方式，不应削减用户要求的功能或遗漏必要修改。

长输出、压缩和搜索需要单独处理

在 xhigh 和 max effort 下，模型可能先在思考阶段形成很长的草稿，再把它写进最终回答，造成等待时间变长或触及 max_tokens。长文、完整代码、大表格等任务可以先使用 high；只有评测确认质量提升后，再使用 xhigh 或 max。确需使用高档位时，应提醒模型把推理空间用于理解输入、验证依赖和确定结构，不要先完整写一遍交付物再重复输出。

客户端生成压缩摘要时，要保留六类信息：遇到的问题及处理方法；尝试或放弃的方案及原因；用户提出和确认的要求、决定与边界；当前完成状态；仍未解决或承诺继续处理的事项；名称、数字、日期、原话和链接等难以重建的细节。用户提供的信息要尽量接近原话，模型自己的解释可以压缩。

low effort 下，模型更容易凭记忆回答而不调用搜索或检索工具。可以只提高需要检索的回合的 effort，也可以在系统提示词中要求：遇到不熟悉的名称，或 AI 模型、开发工具等变化很快的实体时，先按用户提供的原名搜索，再结合改写后的查询核验。

减少安全误判

Fable 5.1 的安全分类器会以 stop_reason: "refusal" 返回拒绝。三类输入更容易出现误判：询问程序能否无错误编译、使用较少见的编程语言，以及工具输出中包含 Base64 数据。

检查代码时，可以把“能否无错误编译”改成“程序是否存在错误”。处理少见语言时，应提供该语言的说明或文档。工具输出中的 Base64 内容可能触发分类器，推荐从模型上下文中移除。

主 Agent 不必等待子智能体

支持子智能体的编码系统不应强制主 Agent 启动子任务后立即等待。启动工具应快速返回，子智能体完成后再通过后续用户消息把结果交给主 Agent，同时提供一个需要时主动等待结果的工具。

模型仍可能选择等待，但让主 Agent 在子任务运行时继续处理其他工作，可以减少部分任务的完成时间。

复杂视觉任务要提供裁剪和放大工具

处理密集图表等复杂视觉输入时，Fable 5.1 需要反复分析、裁剪和检查局部区域。适合的运行环境应能访问原始图片或视频，并提供 PIL、OpenCV 等基础图像处理库。

如果完整容器的成本过高，单独提供图片裁剪工具也能覆盖大部分需求。模型可以选择一个区域，将其裁剪并放大后重新检查，从而看清图表中的文字、刻度和数据点。

努比亚 NaviX Ultra 已取得入网许可，计划于 2026 年 9 月上市开售。新机将搭载豆包手机助手，定位量产旗舰；此前的 nubia M153 则是供行业用户和尝鲜者体验技术预览版的工程样机。

NaviX Ultra 9 月开售

这次上市的产品正式名称为努比亚 NaviX Ultra。努比亚已宣布该机取得电信设备进网许可，并将于 9 月上市。它搭载豆包手机助手，硬件产品归属努比亚，并不是豆包推出的自有品牌手机。

NaviX Ultra 已从技术展示进入量产产品阶段。入网许可对应手机作为通信终端进入市场的准入要求；其搭载的“努比亚豆包手机大模型”也已列入手机端侧生成式人工智能服务备案信息。

它不是 M153 工程样机的再次发售

nubia M153 于 2025 年 12 月作为豆包手机助手技术预览版的体验设备少量发售，面向行业用户和愿意尝鲜的人群。豆包手机助手官网对它的定位是工程样机，并提示软件完整度可能与成熟旗舰手机存在差距。

NaviX Ultra 的定位改为量产旗舰。对普通消费者来说，两者最直接的区别不是名称变化，而是产品阶段不同：M153 用来收集真实使用反馈，NaviX Ultra 则按正式上市产品推进销售。

豆包手机助手进入系统级合作

豆包手机助手不是单独安装的一款聊天应用。它由豆包与手机厂商在操作系统层面合作，基于豆包大模型能力和手机厂商提供的系统授权，让用户通过自然语言发起手机任务。

“智能体”指的是能够理解目标、拆分步骤并调用工具执行任务的 AI。放到手机上，它的重点不只是回答问题，还包括操作手机任务。豆包手机助手的技术预览版已经展示过识别屏幕内容、整理信息、调用功能和串联多个操作步骤等形态。

四种配色和实体 AI 键已经亮相

努比亚公开展示的 NaviX Ultra 包含蓝境、幻梦、黑色和白色四种配色。机身采用横向后置摄像模组，侧面设有橙色实体 AI 键，用于快速唤起智能体。

这颗按键把 AI 助手从应用入口移到硬件交互入口。用户不必先找到并打开豆包 App，而是可以直接从机身按键发起对话或任务。

Google 于 9 月 2 日上线 Gemini 3.8 Flash 稳定版，模型 ID 为 gemini-3.8-flash。它已可用于生产环境，支持百万 Token 输入与 64K Token 输出；Gemini Managed Agents 中的 Antigravity Agent 也已默认切换到该模型。

Gemini 3.8 Flash 已进入稳定版

Gemini 3.8 Flash 以 GA（正式可用）状态上线，开发者可以在生产应用中指定稳定模型 ID gemini-3.8-flash。在 Google AI Studio 中可直接试用，也可通过 Gemini API 接入应用。

模型单次请求最多可接收 1,048,576 个 Token，最多输出 65,536 个 Token。它能读取文字、图片、视频、音频和 PDF，返回形式为文字。Token 是模型处理内容和计费的基本单位，百万 Token 窗口可用于放入较长的代码库、文档集或多媒体材料。

Antigravity Agent 默认切换至 3.8 Flash

Gemini Managed Agents 里的 Antigravity Agent 现在默认使用 Gemini 3.8 Flash。这是一个由 Google 托管的通用智能体，能在隔离的远程环境中浏览网页、运行代码、调用工具并生成文件。开发者也可以通过 agent_config 选择它底层使用的 Gemini 模型。

3.8 Flash 支持函数调用、代码执行、文件搜索、Google 搜索与地图接地、URL 上下文、结构化输出和上下文缓存。“接地”指模型在回答时调用外部检索，再把检索结果带回当前任务。计算机使用功能仍标记为 Preview；模型本身 GA 不代表每项配套工具都已进入稳定版。

思考档位与输出范围没有混在一起

Gemini 3.8 Flash 默认使用 medium 思考档位，还可选 low 或 high。思考档位用来调整模型在给出答案前的推理强度，会同时影响延迟和 Token 消耗。minimal 不在支持范围内，传入该值会返回错误。

模型可以理解图片和音视频，但不直接生成图片或音频，也不支持 Live API。需要生图、语音合成或实时语音对话时，仍需使用对应的专用模型和接口。

API 限时价延续到 2026 年底

Gemini Developer API 的标准付费档在 2026 年 12 月 31 日前按每百万输入 Token 0.75 美元、每百万输出 Token 3.75 美元计费，输出价格包含思考 Token。2027 年 1 月 1 日起，两项价格分别调整为 1.50 美元和 7.50 美元。

免费层的输入和输出 Token 不收费，但实际可用量受免费层配额限制。Batch 和 Flex 的限时付费价均为每百万输入 Token 0.375 美元、输出 Token 1.875 美元，适合对即时返回要求较低的批量任务。

迁移时要调整这些参数

将应用切换到 Gemini 3.8 Flash 时，首先把模型字符串改为 gemini-3.8-flash。生成配置中需要移除 temperature、top_p、top_k 和 candidate_count，并用字符串枚举 thinking_level 取代 thinking_budget。

多轮交互建议通过服务端 previous_interaction_id 串联上下文，同时移除预填充的模型回复轮次。使用 generateContent API 时，每个 FunctionResponse 还需包含 call_id 和 name，否则工具调用链路无法正确对应请求与结果。

腾讯 WorkBuddy 开放平台于 9 月 2 日上线，首期开放 Buddy 应用、专家、Skill、连接器与硬件五类能力。个人和企业开发者完成认证后，可创建生态资产，经过测试与审核后发布到 WorkBuddy。

WorkBuddy 从办公工具扩展到开放平台

这次上线的重点不是增加一种办公任务，而是把 WorkBuddy 的能力开放给外部开发者。开发者可以在同一个工作台管理技能、专家、专家团、连接器和外部应用接入，把已有的行业知识、业务系统或服务做成 WorkBuddy 内可调用的产品。

平台首期提供五类入口。Buddy 应用用于封装垂直行业的完整工作台；专家承载特定领域的角色和工作方法；Skill 把一套任务步骤做成可复用能力；连接器负责接入外部服务与数据；硬件入口则面向需要把设备能力接入 WorkBuddy 的厂商。

对普通用户来说，这些能力会出现在 WorkBuddy 的应用或能力市场中。用户可以安装 Skill，在对话中调用；也可以选择专家或 Buddy 应用，直接进入已经配置好场景、工具和工作方式的工作台。

开发者需要经过认证、测试和审核

个人与企业开发者均可从 WorkBuddy 开放平台 入驻。标准流程包括注册、主体认证、创建业务类型、填写基础信息和能力配置、在测试环境调试、提交审核，以及审核通过后发布。发布后还可以查看运行数据并维护版本。

企业认证支持企业法人实名认证、腾讯云企业账号授权，以及微信公众号或小程序账号授权。个人认证需要完成实名信息和人脸识别。平台把创建、测试和发布分开，生态资产不会在提交后直接面向用户开放。

Skill、专家和 Buddy 应用分别解决不同问题

Skill 采用 SKILL.md 描述用途和执行方法，还可以附带参考资料、脚本与模板。开发者可以把报告生成、数据处理或固定工作流打包为一个技能，用户安装后在对话中调用。

专家使用独立配置文件和 Agent 定义文件，适合封装专业角色、初始化提示词和依赖能力。专家团则把多个专家组合起来处理分工任务。

Buddy 应用的范围更大。它可以配置工作模式、推荐场景、模型、Skill、专家和连接器，把这些组件组合成面向金融、教育、法律等垂直场景的工作台。开发者不必重新制作一套桌面产品，但需要为具体场景配置入口、权限和能力组合。

连接器支持 MCP 与命令行两条接入路线

已有网络 API 的服务可以使用 MCP 与 Skill 接入。MCP 是让 AI 调用外部工具的标准协议；WorkBuddy 支持远程 HTTPS 服务，也支持通过标准输入输出启动本地进程。平台要求涉及用户数据的服务提供认证，并按最小权限原则开放能力。

已有成熟命令行工具的开发者可以选择 CLI 与 Skill 方案，由 WorkBuddy 安装并调度命令行程序。命令行工具需要提供非交互式安装方式，并自行管理登录状态和凭证。

第三方应用还有另一条路线：通过 OAuth 2.1 获得用户授权，再调用 Open API。当前接口覆盖个人资料、本地助理消息、云端任务、实时任务通道、会话产物和兑换码核销。应用必须先在开放平台登记回调地址和权限范围，用户确认授权后才能访问对应数据。

Anthropic 推出 Claude Fable 5.1 与 Claude Mythos 5.1。两者使用同一底层模型，Fable 5.1 面向普通用户和开发者开放，Mythos 5.1 仅限受信机构。API 输入和输出价格保持不变，缓存读取价格从每百万 Token 1 美元降至 0.25 美元。

同一模型，两套访问范围

Claude Fable 5.1 和 Claude Mythos 5.1 使用同一底层模型，区别在安全限制和开放范围。Fable 5.1 是面向通用用户的版本，可用于长时间运行的编码、研究和文档任务。Mythos 5.1 面向网络安全与生命科学等受限场景，只向 Project Glasswing 的获批机构开放。

Fable 5.1 已进入 Claude Pro、Max、Team 和 Enterprise 计划。开发者可通过 Claude API 调用 claude-fable-5-1，也可在 Amazon Bedrock、Google Cloud 和 Microsoft Foundry 使用。Mythos 5.1 的 API ID 为 claude-mythos-5-1，访问需要通过机构审核。

规格不变，缓存读取降至四分之一

两款模型都支持 100 万 Token 上下文，单次最多输出 128K Token，并默认开启自适应思考。上下文窗口决定模型一次能处理多少材料，适合大型代码库、长文档和跨多轮的复杂任务。

API 基础价格沿用 Fable 5：每百万输入 Token 10 美元，每百万输出 Token 50 美元。变化集中在提示词缓存。缓存读取从每百万 Token 1 美元降至 0.25 美元，适合需要反复读取同一段项目背景、代码或文档的长任务。5 分钟和 1 小时缓存写入价格分别为 12.50 美元和 20 美元。

开发者迁移要处理三项兼容变化

从 Fable 5 切换时，修改模型 ID 还不够。Fable 5.1 不支持强制工具调用；把 tool_choice 设为 any 或指定某个工具会返回 400 错误。需要固定输出结构时，应使用自动工具选择配合严格模式，或改用结构化输出。

模型的思考块也要求对话历史保持连续。旧模型不能读取 Fable 5.1 生成的思考块，修改较早的对话内容会让后续思考块失效。已经自行拼装 messages 数组的应用，需要检查是否会改写历史消息。

新增能力包括按消息调整思考强度、只对当前轮生效的系统消息，以及工具调用之间的进度更新。这些接口中有多项处于 Beta，接入时需要使用对应的测试版请求头。

安全回退会改变实际响应模型

Fable 5.1 对网络安全和生物领域继续采用分类与回退机制。触发网络安全限制的请求可切换到 Claude Opus 4.8，生物领域请求可切换到 Claude Opus 5。开发者需要在 API 集成中处理 refusal 状态，并配置服务端回退、中间件或自己的重试逻辑。

两款模型默认保留请求与输出 30 天，用于安全监测。需要零数据保留的企业必须获得 Anthropic 明确授权，不能沿用其他 Claude 模型的默认数据策略。

适合重复上下文较多的长任务

Fable 5.1 的直接变化不是基础 Token 单价下调，而是降低重复读取上下文的成本。代码智能体、持续研究和多阶段文档处理会多次读取同一份项目材料，缓存价格下降能直接减少这部分支出。

普通用户可在支持的 Claude 订阅中选择 Fable 5.1。开发团队迁移前应先检查工具调用方式、对话历史处理和数据保留要求，再用现有评测集比较任务完成质量与总成本。Mythos 5.1 不属于普通账户可直接选择的模型。

微软为 VibeVoice 新增 VibeVoice-ASR-BitNet，把语音识别模型从 4.62GB 压缩到 1.58GB，并公开 MIT 许可的 C++ 运行时。它可在 x86 和 ARM CPU 上本地转写音频，无需 GPU；当前采用离线批处理，不支持流式识别。

1.58GB 模型把转写留在本地

VibeVoice-ASR-BitNet 把录音转成文字，运行时针对 x86 和 ARM 处理器编写。完成模型下载和编译后，转写在本机进行，不需要专用 GPU 或调用云端语音接口。

这个版本以 Qwen2.5-1.5B 作为语言模型部分，再分别压缩声音编码器和语言模型。声音编码器使用 8 位量化，语言模型使用 BitNet 三值权重，也就是用更少数字位保存模型参数。两部分合计从 FP16 版的 4.62GB 降到 1.58GB，下载和内存压力都更低。

支持七种语言，但不是实时字幕引擎

VibeVoice-ASR-BitNet 覆盖英语、中文、法语、意大利语、韩语、葡萄牙语和越南语。它适合本地处理会议录音、访谈、播客和视频声轨，也可作为开发者自建语音转写工具的底层引擎。

当前实现仅支持离线批处理，不能直接用于视频会议的流式字幕或实时语音助手。

用 VibeASR.cpp 在本机运行

项目需要 Python 3.9 或更高版本、CMake 3.14 或更高版本，以及 GCC 或 Clang。代码和量化模型需要约 2GB 磁盘空间。

1
2
3
4

git clone --recursive https://github.com/microsoft/VibeASR.cpp.git
cd VibeASR.cpp
pip install -r requirements.txt
python setup_env.py

setup_env.py 会编译 C++ 运行时并下载预量化模型。完成后，把待转写的音频文件交给命令行程序：

1
2
3
4

./build/bin/asr_infer \
  --vae-model models/vibeasr/vibeasr-vae-encoder-i8_s.gguf \
  --lm-model models/vibeasr/vibeasr-lm-i2_s-embed-q6_k.gguf \
  --audio input.wav -t 4

需要可视化操作时，仓库还提供 Gradio 网页演示。Windows 版需要 MinGW-w64 等 GCC/Clang 环境，目前不支持直接用 MSVC 构建。

VibeVoice 同时包含识别和合成模型

VibeVoice 不是单一的语音合成模型，当前仓库同时整理文字转语音（TTS）和语音转文字（ASR）两条产品线。VibeVoice-ASR-BitNet 属于 ASR，只负责识别已有录音，不生成声音。

2025 年 9 月，微软因发现初版 VibeVoice-TTS 被用于与研究意图不符的场景，从主仓库移除了该 TTS 代码。目前仓库仍包含 VibeVoice-Realtime-0.5B 实时语音合成模型的使用路径。按早期教程寻找初版 TTS 文件时，当前目录结构会与旧教程不同。

• 项目地址：https://github.com/microsoft/VibeVoice

OpenAI 已开放美元计价的 ChatGPT 礼品卡，当前仅限美国购买和兑换，常规购买金额为 15 至 250 美元。兑换后余额进入 OpenAI 钱包，可支付 ChatGPT 网页版订阅、续费和符合条件的积分购买，但不能用于 App Store、Google Play 或 API 预付费。

礼品卡首批只在美国提供

ChatGPT 礼品卡是以美元计价、不可充值的储值卡。用户可从参与销售的授权零售商购买数字卡，自用或转送给亲友。除非零售商的购买页面另有说明，可选金额为 15 至 250 美元。

购买和兑换都要在美国完成，接收余额的 ChatGPT 账户也必须以美元结算。把数字卡发往其他国家，不会改变这两项条件。礼品卡本身不过期，但使用前仍要核对账户所在地和计费币种。

兑换后进入 OpenAI 钱包

兑换需要在浏览器打开 chatgpt.com/redeem，登录准备接收余额的 ChatGPT 账户，输入礼品卡 PIN 并确认。完成后，个人用户可在“设置 > 账单”查看钱包余额和交易记录；Business 工作区所有者则在“工作区设置 > 账单”查看。

礼品卡会一次性把全部金额充入当前账户，不能只兑换其中一部分，也不能在两个账户之间拆分。确认兑换前要检查登录邮箱和当前工作区：一旦充入，余额不能转到其他账户。PIN 应当像密码一样保管，不要在公开场合展示。

可支付订阅、续费和部分积分购买

钱包余额可用于 ChatGPT 网页端直接计费的订阅、升级和续费，也可支付符合条件的积分购买，包括部分一次性 ChatGPT Work 或 Codex 用量积分。兑换礼品卡只是增加美元余额，不会自动开通付费订阅，也不等于已经购买了用量积分。

符合条件的 Free、Go、Plus 和 Pro 个人账户可以兑换。ChatGPT Business 工作区只有所有者能把礼品卡充入工作区余额；管理员和成员不能操作。个人钱包与 Business 工作区钱包分开保存，切换工作区不会移动余额。

符合条件的付款会自动优先扣减钱包余额，用户不能指定某次只使用其中一部分。余额不足时，差额从其他付款方式扣除；没有可用的备用付款方式时，订阅可能无法续费。

手机内购和 API 不能使用礼品卡余额

礼品卡余额只支持 ChatGPT 网页端的符合条件交易。通过 Apple App Store 或 Google Play 计费的订阅不会扣减该余额，兑换礼品卡也不会自动取消现有的手机端订阅。想改用网页端计费，需要先在原应用商店取消订阅，等当前计费周期结束后再从 ChatGPT 网页端订阅。

礼品卡余额也不能充值 API 预付费账户。此外，美元钱包不会抵扣以欧元、英镑或其他币种结算的购买。

兑换后不能转移、提现或退回礼品卡

礼品卡一旦兑换，余额不能退回原卡、转换为现金、提现到银行卡，也不能退到其他付款方式。如果用礼品卡余额支付的 ChatGPT 购买符合退款条件，对应部分会退回同一个 OpenAI 钱包，而不是退回礼品卡或换成现金。

未使用礼品卡的配送、激活和退款问题由销售该卡的零售商处理。已兑换余额的使用问题，则通过 OpenAI 客服处理。

礼品卡与“赠送 ChatGPT 积分”不是同一个功能

ChatGPT 礼品卡通过零售商销售，使用 PIN 兑换成美元钱包余额。“赠送 ChatGPT 积分”则是在 ChatGPT 网页端单独购买积分并分享一次性领取链接，不是礼品卡。

两者的期限也不同。礼品卡本身不过期；赠送积分的领取链接需在 30 天内兑换，领取后的积分需在 12 个月内使用。如果收到的是链接而不是礼品卡 PIN，应按“赠送 ChatGPT 积分”的条件检查账户和币种。

社区项目 Codex with ChatGPT，让 ChatGPT 网页端负责规划和审查，本地 Codex 继续改代码、跑命令和测试。ChatGPT 通过 8 个只读 MCP 工具按需读取工作区，不能借此写文件或执行命令。

ChatGPT 规划，Codex 保留执行权

Codex with ChatGPT 是一个非 OpenAI 官方的社区项目。它没有用网页端 ChatGPT 取代 Codex，而是把一次编码任务拆成两个角色：ChatGPT 理解需求、制定计划并审查结果；Codex 使用本地工具编辑文件、运行测试、查看 Git 状态并处理失败。

两端通过几种状态消息协调流程。ChatGPT 需要了解项目时，再从 MCP 连接中读取文件、搜索结果、代码差异或测试记录。MCP 是让 AI 调用外部数据和工具的标准接口，这里只负责从当前项目取回信息。

8 个工具只读取项目与执行记录

当前 v0.1.0 提供 8 个 MCP 工具：查看工作区信息、列出目录、读取文件、搜索工作区、查看 Git 状态、查看 Git 差异、读取测试状态和执行摘要。服务端没有写文件、删除文件、运行 Shell、安装依赖或提交 Git 的工具。

读取范围以单个工作区为边界。路径会在读取前解析为真实位置，用来拦截 ..、绝对路径和符号链接越界。.env 文件、密钥、SSH 凭据和云端凭据等默认被排除，用户还可以用 .c2cignore 增加项目自己的忽略规则。

我们在最新 v0.1.0 代码上安装锁定依赖后，125 项自动化测试全部通过，TypeScript 类型检查也通过。测试覆盖了工作区越界、敏感文件排除、一次性配对码、OAuth、MCP 调用、Git 差异和连接恢复等路径。

一段指令可以交给 Codex 安装

项目要求 Node.js 20 或更高版本、Git、Codex 和 cloudflared。用户可以克隆仓库，用 pnpm 安装依赖并构建，再把仓库里的 skill/SKILL.md 复制到 Codex 的 skills 目录。也可以把 README 提供的安装指令整段交给 Codex，让它完成环境检查、下载、构建和 Skill 安装。

首次配置会启动本地桥接，再把它添加为 ChatGPT 的自定义 MCP App。连接使用 OAuth 授权和有效期 5 分钟的一次性配对码。设置完成后，用户可以直接告诉 Codex“使用 Codex with ChatGPT 帮我实现……”，Skill 会负责启动连接、请 ChatGPT 制定计划，再把执行结果交给 ChatGPT 审查。

ChatGPT 账号需要具备自定义 MCP App 和开发者模式权限。Codex 的 ChatGPT 登录与这条桥接是两件事：前者让 Codex 使用账号套餐，后者让 ChatGPT 网页端读取当前工作区并参与规划。它不会把现有 Codex 额度改成无限使用。

只读不等于代码没有离开电脑

这套架构不会把整个仓库打包上传，但 ChatGPT 通过 MCP 请求的文件片段、搜索结果、Git 差异和测试记录仍会离开本地环境，用于规划和审查。只读限制解决的是“ChatGPT 能否借连接修改项目”，不是“ChatGPT 能否看到代码”。

默认连接使用 Cloudflare Quick Tunnel，它会给本地桥接生成临时公网地址。该地址还需要有效的 OAuth 令牌才能读取数据，但 Quick Tunnel 本身是 Cloudflare 面向测试和开发的临时服务，地址会在进程重启后改变，也没有可用性保证。项目另外支持绑定 Cloudflare 账号和自有域名的固定地址。

对个人开源项目或可恢复的测试仓库，这种角色分工可以将规划和本地执行串起来。处理公司私有代码、客户数据或受合规要求约束的仓库时，应先检查 ChatGPT 套餐的数据规则、组织的外部服务政策、.c2cignore 以及实际暴露的 MCP 工具。

• 访问项目：https://github.com/XiaoDuoYa/codex-with-chatgpt