AI日报：OpenAI重开200美元Pro，Claude Sonnet 5.5上线

9月29日的AI圈密集释放多条重要动态，从OpenAI重新开放高价订阅，到Anthropic更新旗舰模型，再到Manus发布新一代Agent框架，几条消息串联起当下大模型与智能体赛道的竞争态势。以下是对这些关键进展的梳理与分析。

OpenAI动作频频：Pro订阅重开、DevDay演讲登场

OpenAI Codex团队成员透露，将重新开放每月200美元的Pro订阅，但此次仅面向新订阅用户，并同步调整用量计算方式。限定新用户加上重新设计的计费逻辑，透露出OpenAI在高端算力资源分配上的谨慎——Pro级别往往对应更高的推理成本，重开订阅的同时收紧用量，意在平衡供给压力与商业回报。

另一边，OpenAI开发者账号预告将于次日举行DevDay主题演讲，并已开放线上直播入口。Codex团队的Tibo发推称"昨天的事已过去，今天就是DevDay"，并表示"全部都是好消息"，为这场开发者大会预热。

另一条值得关注的消息来自华尔街日报：报道称OpenAI因安全顾虑暂不发布内部代号为Astra的新模型（传闻中的GPT-6.1）。该说法尚未获得官方确认，但若属实，反映出前沿模型发布节奏正越来越受安全评估的约束。

Anthropic更新旗舰：Claude Sonnet 5.5正式开放

Anthropic宣布Claude Sonnet 5.5上线，该模型现已正式开放使用。Sonnet系列一直是Anthropic在性能与成本之间的平衡之作，定位于高频日常任务与编程场景。此次版本迭代，正值OpenAI与Anthropic在编程助手、Agent能力上的直接竞争期，模型更新的密度明显加快。

从行业视角看，Sonnet 5.5与OpenAI的一系列动作几乎同期发生，两家头部厂商在同一时间窗口密集发布，既是技术迭代的自然结果，也带有明显的市场卡位意味。

Manus发布2.0：Cascade框架主打降本增效

Manus发布2.0版本，网页端与桌面端同步上线，核心亮点是全新底座Cascade——面向字眼级（token级）Agent框架的迭代。官方给出的数据颇具说服力：Token消耗降低23.2%，任务时间缩短28.2%，成本下降32%。

这组数字直指当前Agent产品的核心痛点。智能体执行多步任务时，Token消耗与耗时往往成倍放大，成本控制是落地的关键门槛。Cascade在三个维度同时优化，说明Manus的产品思路已从"能不能做"转向"做得够不够省"。

此外，Manus 2.0新增了云电脑、事件触发自动化以及Q应用等能力。云电脑与事件触发自动化的加入，意味着Agent正从被动响应走向主动执行，这与整个行业追求的"自主智能体"方向一致。

Token（词元）是大语言模型处理文本的基本计量单位，大致对应半个到一个英文单词或半个中文字符。Agent在执行多步骤任务时，每一轮的推理、工具调用与结果解析都会消耗Token，且步骤之间需要携带上下文，导致Token消耗随任务复杂度呈指数级增长。以一个需要浏览网页、调用API、汇总报告的三步Agent任务为例，实际消耗往往是单次对话的5到10倍。这正是Cascade重点优化的方向——通过压缩上下文表示、减少冗余中间步骤等手段，在不损失任务完成质量的前提下降低每次运行的计算费用。对于希望将Agent能力商业化落地的企业而言，单次任务成本直接影响ROI，因此降本数据往往比性能跑分更具说服力。

开源与生态：书生决策模型、DeepSeek插件导航

魔搭（ModelScope）上线了InternDecision（书生决策）系列模型，覆盖0.8B、2B、4B三种参数规模，面向多模态与结构化决策任务。多档参数的设计兼顾了不同算力条件下的部署需求，小参数版本尤其适合边缘与轻量化场景。

生态工具方面，DeepSeek^广告相关推荐了三个插件导航站，分别聚焦插件发现、市场与精选资源的聚合。随着大模型应用生态扩张，这类导航与聚合工具正成为开发者快速找到可用插件的入口。

模型参数规模（如0.8B、2B、4B中的B代表十亿参数）是衡量模型容量与计算需求的核心指标。参数量越大，模型通常具备更强的推理与泛化能力，但同时对GPU显存和推理算力的要求也成比例提升。0.8B量级的模型可在消费级显卡甚至部分移动设备上运行，适合对延迟敏感或离线部署的边缘场景；2B至4B则在轻量化与能力之间取得平衡，适合中小型服务器或云端低成本实例部署。书生决策系列覆盖三档参数，使开发者可以根据实际算力预算和任务复杂度灵活选择，避免"大模型一刀切"带来的资源浪费，这也是当前开源社区推动模型轻量化的主流策略之一。

小结：竞争节奏加快，降本成为新主线

综合当天动态，可以看到几条清晰的行业脉络。OpenAI与Anthropic在模型与订阅层面短兵相接，发布节奏明显提速；Manus以实打实的降本数据切入Agent赛道，把成本效率摆到台前；开源侧则通过多参数规模的决策模型丰富落地选项。

模型能力之外，成本、效率与安全正成为厂商竞争的新焦点。无论是OpenAI收紧Pro用量、因安全顾虑推迟发布，还是Manus强调Token与成本的双降，都说明大模型行业正从"比拼参数"进入"比拼落地经济性"的新阶段。