[控场AI]
· 8 分钟阅读· 4,141 字

11月18日AI速览:GPT-6.2双版本、Gemini任务免费与微软MAI新模型

11月18日AI速览:GPT-6.2双版本、Gemini任务免费与微软MAI新模型

24小时内OpenAI、谷歌、微软等六家密集发布,Agent走向免费化与可控化。

文章梳理了11月17日至18日AI圈的六项密集更新:OpenAI发布GPT-6.2 Astra与Sol双版本并采用分层定价,系统卡称Astra为首个达到AI自我改进高门槛的外部模型;谷歌将Gemini任务功能在六国免费开放,可代打电话、接入60多款应用并支持消费上限;微软在Ignite发布MAI Code 2等模型,并将Copilot重新定位为「工作操作系统」;Replit推出带预算上限、人工审批与AI裁判的Missions;Suno上线最长15秒的对口型音乐视频工具Visuals。作者提醒多数性能与价格对比均来自厂商自报口径,并归纳出三条线索:自报数据成为常态、任务型Agent进入免费与规模化阶段、自主Agent的边界设计正在成型。

一天之内,三家巨头同时出手

11月18日,AI圈在24小时内迎来了密集的产品更新:OpenAI发布GPT-6.2系列双版本模型,谷歌将Gemini的任务自动化功能免费开放给多国用户,微软则在Ignite大会上推出MAI系列新模型并重新定义Copilot。此外,Replit和Suno也各自带来了值得关注的新能力。本文基于B站UP主「鲸鱼娘」的日更盘点,对上述六件事做一次梳理与分析。

需要提前说明的是:文中涉及的多数性能对比与价格比例,均来自各厂商自行公布的评测口径,尚未经过独立第三方验证。

OpenAI发布GPT-6.2 Astra与Sol:分层定价与自我改进门槛

OpenAI于11月17日上线GPT-6.2系列,包含两个版本:定位更强性能的Astra和面向日常使用的Sol,并已接入ChatGPT Work、Codex与API。

定价上,Astra为每百万token输入8美元、输出40美元,比GPT-6 Astra便宜约20%;Sol沿用GPT-6.1 Sol的价格,输入2美元、输出10美元。OpenAI声称Astra在工作和科学类评测上刷新了记录,成本不到GPT-6 Astra的三分之一。

系统卡披露的数据显示,Astra的GPQA-Diamond得分为97%,Sol为96%。更你可能没注意到,系统卡称Astra是「第一个达到AI自我改进高门槛的外部发布模型」。这一表述如果成立,意味着模型能力迭代的节奏可能进一步加快——当然,这仍是厂商自述。网络安全方面,两款模型均达到critical门槛,高风险的网络协助默认受到限制。

对于开发者而言,Astra与Sol的分层定价策略提供了明确的选择空间,但UP主也提醒:这些记录和成本比例都是OpenAI自己公布的,选型前最好用自家任务实测一遍。

自我改进(AI self-improvement)门槛在系统卡语境中,通常指模型具备显著提升自身研发效率的能力,例如自主提出算法改进、编写并验证训练代码、或在无人干预下完成模型迭代闭环。业界常以「能否实质性加速下一代模型的研发」作为判断标准,而非仅看模型在基准测试上的分数。一旦跨过这一门槛,模型能力迭代的节奏可能从「人类主导、AI辅助」转向「AI主导、人类审核」,这也是监管与安全评估高度关注的原因。需要强调,此类表述目前多为厂商自评,缺乏统一的第三方评测框架,读者宜将其视为方向性信号而非既成事实。

谷歌Gemini任务功能免费开放:能替你打电话,也能替你买单

谷歌于11月17日将Gemini的任务功能免费开放,覆盖美国、日本、韩国、加拿大、澳大利亚和印度用户,背后由Gemini Hydrogen驱动。

这套能力的核心是「替你执行」:它可以同时打电话给两家车行约定时间,能接入60多款应用,查询水电账单、通过Instacart买菜、管理日程。支付环节由Agent Payments Protocol支撑,支持MasterCard和Visa,美国运通标注为即将支持,用户还可以设置消费上限。

Gemini任务功能可替你打电话约时间

安全设计上有几处细节值得留意:每个任务运行在专属账号的硬件隔离虚拟机中;点击购买这类关键步骤前,Gemini会先停下来征求确认。限制同样存在——打电话功能在印第安纳、路易斯安那、明尼苏达、蒙大拿和内布拉斯加五个州不可用,通过短信联系Gemini则需要美国手机号及支持的运营商。

免费开放意味着任务型Agent从演示走向大众可用,但地域与运营商限制也说明,这类能力的落地仍受基础设施与合规条件约束。

**Agent Payments Protocol(智能体支付协议)**是面向AI代理代为完成交易的协议层设计,核心是在用户授权范围内,让智能体安全地发起支付、核对金额并留存可审计记录。它通常涉及身份验证、消费额度控制、商户与卡组织之间的令牌化凭证交换,以及争议处理机制。与传统的「代填卡号」不同,这类协议强调用户预设上限与逐笔可追溯,降低代理误操作或滥用带来的资金风险。谷歌此次接入MasterCard与Visa、标注美国运通即将支持,说明代理支付正从概念验证进入卡组织协同阶段,但实际覆盖范围与纠纷责任划分仍需观察。

微软Ignite连发:MAI Code 2对标竞品,Copilot重新定位为「工作操作系统」

微软在Ignite大会上公布了一批MAI新模型,均于11月17日发布。

MAI Code 2定位日常企业编码模型,已上线GitHub Copilot。微软称其编码表现达到GPT-6.1 Sol的98%,价格约为后者的40%;对比Claude Sonnet 5.5则是96%的表现、5%的价格。轻量版MAI Code 2 Flash对标GPT-6 Luna,价格为它的65%。此外还有语音模型MAI Real Time E,起价每音频分钟0.01美元;图像模型MAI Image 2.7,微软称其在Artificial Analysis图像编辑榜排第一,价格为GPT Image 2.6 Sunburst的五分之一。

微软公布的对比数字均来自自家评测口径

需要指出,上述对比数字均由微软自行公布,评测设置并未展开,实际表现仍需独立验证。

同一场大会上,CEO纳德拉阐述了Copilot的新定位:Copilot是新的工作操作系统,将Chat、Copilot、Code与Autopilot整合在一起,其中Autopilot是能全天候推进工作的自主智能体。配套能力包括供人与智能体协作的Copilot Workspaces、整合Fabric与Foundry的Microsoft IQ企业数据平台、已拥有超过5000万个智能体的管控平台Agent 365,以及可将AI开销与业务结果对应的业务分析功能。Copilot的200虚拟机也已正式可用。不过演讲稿并未说明这些新功能的具体上线时间。

从「助手」到「操作系统」,微软试图把Copilot塑造成企业AI工作的入口层,而Agent 365的规模数据也侧面印证了智能体治理正在成为企业刚需。

Replit Missions:带预算上限和AI裁判的自主开发

Replit于11月17日上线Missions。用户设定目标后,系统在云端完成规划、构建、测试与迭代,协议中写明预算上限和需要人工批准的动作——例如联系潜在客户,示例中的上限为1000美元。验收环节由一个独立的AI裁判按约定标准判定,标准未满足就不算完成。

Missions协议写明预算上限与需审批动作

Replit用Missions构建了一个名为DataCat的监控平台,两天完成,预算3000美元。受控测试中,数据库故障38秒触发告警,目标为60秒;三小时压测处理了前600万条活动记录和440万条日志,零丢失。与Claude Code构建的版本相比,DataCat通过了56项API兼容检查中的51项,对方为45项。

但Replit自己声明,这些是受控测试,不代表生产环境表现。DataCat的自托管版本已开源,Missions本身尚未公布价格。这套「预算+审批+裁判」的机制,本质上是给自主Agent加上可控的成本与验收边界,思路值得其他Agent产品参考。

**AI裁判(AI-as-a-judge)**指用独立于执行方的模型,按照预先约定的验收标准对产出进行判定,常见做法是将验收条件写成可核查的条目,由裁判模型逐项比对并给出通过或不通过的结论。其价值在于把「是否完成」从执行者自述转为第三方判定,降低自主Agent虚报进度的风险。局限也很明显:裁判模型本身可能存在偏差、对模糊标准理解不一致,且判定过程未必完全可复现。因此在工程实践中,AI裁判通常与人工抽检、自动化测试结合使用,而非单独作为最终验收依据。

Suno Visuals:把歌曲变成最长15秒的对口型视频

Suno于11月17日上线Visuals,网页、iOS和安卓均可使用。它基于用户曲库中的歌曲生成最长15秒的视频与图像,可制作跟随节拍律动的歌词视频、配合歌曲的专辑封面,也能把照片变成视频,视频会跟随歌曲结构并对口型。完成后可延长编辑或用文字重新提示。Visuals的积分与歌曲积分分开购买,页面未写明具体价格。

Visuals支持网页、iOS和安卓

版权合规方面,Suno用文字与画面过滤器拦截针对特定艺人、公众人物和受版权保护作品的提示词,并与Audible Magic、ASEA Cloud、Music Smash合作拦截版权音频;内容分享到平台外前会先加上嵌入式水印。这也意味着,在别的视频平台好用的提示词,在Visuals里可能会失败。

观察:自报数据、免费开放与Agent治理

把六件事放在一起看,有三条线索值得关注。

其一,厂商自报性能成为常态。OpenAI、微软给出的记录与价格比例都来自自家评测,B站UP主「鲸鱼娘」也反复提示这一点。对使用者来说,把厂商数据当作选型的起点而非结论,用自己的任务做验证,是更稳妥的做法。

其二,任务型Agent进入免费与规模化阶段。Gemini任务功能免费开放、Agent 365已有超过5000万个智能体,说明Agent正从尝鲜走向日常工具,随之而来的是地域限制、支付协议与人工确认等落地细节。

其三,自主Agent的边界设计正在成型。Replit的预算上限、审批动作与AI裁判,是给自主性加约束的一种工程化尝试;微软的Agent管控平台则从企业治理角度切入。两条路径指向同一个问题:如何让Agent跑得动,也管得住。

#GPT-6.2#Gemini任务功能#微软MAI Code 2#Copilot#Replit Missions#Suno Visuals#AI Agent
分享:

相关推荐