Codex Pro额度翻倍，GPT-6.2与Qwen4齐曝新动向

AI 产品迭代的节奏没有慢下来的迹象。从 OpenAI 的 Codex 额度调整到 Qwen4 的发布预告，从 Mistral 开放旗舰权重到腾讯、豆包在企业协同上的新动作，过去几天里值得关注的信息密度相当高。

开发者工具：额度、模型与协同

Codex 的 Pro 与 Business Premium 用户迎来额度翻倍。官方在 Codex 28 天更新计划的第 25 天宣布，这次调整覆盖 Pro 100、200、500 和 Business Premium 档位。此前有用户担心 Pro 200 的额度会被削减，官方明确表示不会降低现有额度，Dots 智能体也会继续提供额外额度，暂时不计入默认额度池。官方还提到会持续优化模型效率。

腾讯发布 BuddyOne，把 WorkBuddy^广告、腾讯文档、腾讯会议、IMA 和腾讯网盘接入同一套 AI 协同体系，共享 WorkBuddy 智能体底座。关联账号后，用户可以让 AI 跨应用搜索会议、文档和知识库内容，不用反复授权或复制粘贴。账号和 AI 积分池已经打通，并将支持记忆共享。目前 WorkBuddy 电脑端升级到 5.9.0 以上版本即可体验。

豆包工作开始向企业开放第三方模型，首批支持 Kimi 3.1 Pro、GLM 5.3 和 DeepSeek^广告 v4.1 Flash。企业可以按成员、部门、群组或全员配置权限，既能批量启用也能单独设置，还可以指定模型在不同端生效，包括电脑、手机、网页或飞书，并限制在办公环境使用。OpenCode Go 则正式开放团队订阅，每人每月 20 美元，每位成员有独立模型额度，团队可统一支付账单、管理成员用量预算，也能控制模型隐私和区域设置。

模型传闻：GPT-6.2、Qwen4 与 Anthropic 新版本

开发者 Nason Daniels 爆料了一个内部代号背调，目前被认为是 GPT-6.2 Badges 的缩写，模型或基于 Dogtrio 预训练系列。这为 OpenAI 下一代模型提供了一条研发线索，但具体架构和发布时间仍不明确。OpenAI 官方 API 规范里也出现了 GPT-Image 2.6 的痕迹，疑似预示新版本即将发布。规范新增了一种图像编辑选项，允许上传透明 PNG 作为编辑引导层，支持 GPT-Image 2.5 和 2.6，该选项不能与 Mask 同时使用。目前 API 模型列表仍停留在 2.5，2.6 的发布时间和开放情况尚不明确。

爆料者 Legit 称 Anthropic 的多个 Cloud 新模型已进入早期测试，包括新版 Fable 模型检查点和新一代 Opus，还展示了疑似由新版 Fable 生成的图像，画面细节和材质表现精致。

欧洲模型 Mistral 更新并开放了旗舰模型 Large 4 的权重，现在可以在 Hugging Face 获取。模型总参数量为 1.05 万亿，每次激活 520 亿参数。高推理强度下的评测得分比此前提高了一分，在 Artificial Analysis Intelligence Index V5 中以 26 分微弱领先，成为中国以外开发的最高分开放权重模型。

Qwen 方面，阿姆斯特丹活动现场预告了 Qwen4 系列，展示了 Max、Flash、Plus 和 27B 四款型号。千问研究科学家郭东旭透露，CTO 给出的发布时间暗示为下周，此前备受期待的 27B 开源版本也出现在发布预告中。Qwen 的仓库合并了一项更新，把以 Qwen4 开头的模型默认上下文从 256K 提高到 1M Tokens，涵盖 Max、Plus、Coder 等变体，测试代码里还出现了 Qwen4 Max 和 Qwen4.5 Max 等名称。

开放权重与开放源码的区别：文中多次出现“开放权重”（open weights）一词，指模型训练完成后的参数文件可公开下载，任何人能在本地部署、微调或再分发，但训练数据、代码和训练流程通常不公开。它不同于完全开源的模型（如部分 Llama 系列附带许可证限制），也与仅提供 API 的闭源模型形成对照。Mistral Large 4 开放权重意味着企业可将其部署在自有服务器上，规避数据出境与调用成本问题；但许可证条款可能限制商用规模或要求署名。评价一个开放权重模型时，除基准分数外还需关注许可证宽松度、量化后体积以及社区工具链（如 llama.cpp、vLLM）的支持程度。

MoE 架构与激活参数：Mistral Large 4 的“总参数量 1.05 万亿、每次激活 520 亿参数”描述的是混合专家（MoE）架构。这类模型内部由多个专家子网络组成，推理时路由器只为每个 token 选择少量专家参与计算，因此显存占用按总参数计，而单次前向计算量按激活参数计。这解释了为何万亿级模型仍能保持可接受的推理成本，也意味着部署时需要足够显存容纳全部专家权重，对硬件要求高于同等激活参数的小模型。理解这一点有助于判断“万亿参数”与“实际速度”之间的关系，避免把总参数量直接等同于计算开销。

效率与本地推理的新进展

Link 3.0 Flash 开放全重模型，并完成单机推理优化。在单台英伟达 DGX Spark 上的测试中，解码吞吐量提升 42.5%，平均延迟降低 24.5%。这项优化与英伟达 AI 团队合作完成，测试使用了 1319 道 GSM8K 题目，平均延迟从 15.21 秒降到 11.49 秒，解码速度从每秒 37.81 个 token 提升到 53.89 个。

南北格 4.3-33B 推出了 GGUF 量化全重支持，可用于编码、工具调用和复杂推理，包括代码仓库重构、终端任务和多步骤智能体工作流。基础模型支持最长 512K token 上下文，本地能用多长取决于运行设置和内存，模型提供多种量化选项，也给出了 Llama.cpp 和 Ollama 的配置示例。LM Studio 新增 MLX 引擎，搭载 Apple Silicon 的 Mac 用户现在可以直接在应用中加载和使用已有的 MLX 模型，新引擎大小约为 309 兆，这次更新由 LM Studio 与 Hugging Face 等合作完成。

谷歌 AntiGravity 推出插件市场，新增大量第三方连接器，可接入 Jira、Notion、Figma、Dropbox、Postman、Verso 等服务，覆盖项目管理、设计协作和开发运维，让 AI Agent 能连接更多开发和办公工具。前 Adept 成员 Suhail 创办的 Particle 推出首个开发者模型 Particle1，已上线 Open Router。模型基于 DeepSeek v4.1 Flash 进行后训练，在 Particle 的四项编码基准测试中通过率基本持平，同时输出 token 减少了 28%，每项任务成本从 0.3368 美元降至 0.221 美元。

GGUF 与量化：GGUF 是 llama.cpp 生态使用的模型文件格式，支持将权重以 2 至 8 比特等低精度方式存储，从而大幅压缩显存占用，代价是精度轻微损失。南北格 4.3-33B 提供多种量化选项，正是为了让不同内存配置的机器都能运行。量化等级（如 Q4_K_M、Q8_0）在体积与质量之间权衡，通常 4 比特量化可保留大部分能力，更低比特则适合内存紧张的边缘设备。文中提到的 512K 上下文在本地运行时，KV 缓存会随上下文长度线性增长，实际可用长度往往受限于显存而非模型本身，因此配置示例中会给出不同量化档位对应的内存建议。

MLX 引擎：MLX 是苹果为 Apple Silicon 设计的机器学习框架，利用统一内存架构让 CPU 与 GPU 共享数据，避免传统独立显卡的显存拷贝开销。LM Studio 集成 MLX 引擎后，Mac 用户可直接加载 MLX 格式模型，获得比通用后端更好的能效与速度。MLX 模型与 GGUF 格式并不通用，需要单独转换，这也是 LM Studio 强调“已有的 MLX 模型”可直接使用的原因。对本地推理而言，选择哪种格式取决于硬件平台：NVIDIA 显卡多用 GGUF/CUDA，苹果芯片则优先考虑 MLX。

语音、机器人与设计场景的模型落地

语音 AI 初创公司 Phonic 发布面向智能体任务的语音到语音模型 Phonic 1，同时宣布完成 2750 万美元 A 轮融资，由 First Round 领投。Phonic 称模型兼顾低延迟和智能表现，可在全球六大洲的高难度真实通话中运行，该模型还登顶了一项语音模型榜单。

Fish Audio 发布语音模型 Drama 3，在 Artificial Analysis 的两个语音竞技榜单中均位列开放权重模型第一，在发音稳健性测试中位列所有模型第一。使用服务商提供的声音进行文本转语音测试时，Drama 3 的 ELO 得分为 1278。

Scale AI 和 Hugging Face 联手发布开源机器人数据集 Final，还推出配套开源模型，可以推理逐步动作。Final 号称是目前最大的开源机器人数据集，包含 4 万多条演示数据，覆盖 151 个任务，并附有 50 万条子任务标签，数据集和模型均已在 LeRobot 平台开放使用。

英伟达数字生物学研究团队发布 BindCraft，让智能体从一段提示词或研究论文出发设计并筛选蛋白质结合体。它会先识别靶点和结合位点，再根据生物学机制构建计算测试流程，生成并筛选候选蛋白。验证中 18 个设计里有 15 个成功与靶点结合。

Canva 推出首款面向设计的视觉语言模型，能理解设计里的布局、图层和整体氛围，再根据自然语言指令规划并执行修改。用户可以让它编辑现有作品，也可以从空白页面开始构建设计。Canva 表示通用设计编辑任务的整体速度提升了 69%，单项任务成本降低了 46%。

语音到语音模型与 ELO 评测：Phonic 1 属于语音到语音（speech-to-speech）模型，直接以音频为输入和输出，不经过文本中转，因而能保留语调、停顿和情绪，延迟也更低。这类模型常用于实时通话智能体，技术难点在于同时保证语音自然度与语义理解。文中提到的 ELO 得分来自成对比较的竞技榜单：评审对同一输入的两个模型输出投票，再用类似国际象棋的 Elo 算法换算排名，分数越高代表在盲测中胜率越高。ELO 反映的是相对偏好而非绝对质量，不同榜单的评测集和投票者构成会影响结果，因此跨榜单比较需谨慎。

机器人数据集与 LeRobot：Final 数据集包含演示数据与子任务标签，属于模仿学习常用的轨迹数据格式：每条演示记录机器人关节状态、相机画面和动作序列，子任务标签则把长任务切分为可学习的阶段，便于训练分层策略。LeRobot 是 Hugging Face 主导的开源机器人学习平台，提供数据格式规范、预训练模型和仿真工具，降低复现门槛。数据集规模以“演示条数”和“任务数”衡量，覆盖面比单纯数量更重要，因为机器人策略对任务多样性和环境变化非常敏感。

安全与治理：从自我评估到行为规范

Anthropic 为 Cloud 推出自我评估安全机制，每次回答后 Cloud 会立即对整段对话做初步安全评估，标记潜在滥用行为，可疑请求会转交人工审查。该机制自 6 月上线以来发现了此前安全系统未检测到的滥用行为，社区中也有批评声音认为这相当于变相审查。

OpenAI 扩大了对前沿模型失准行为的监控范围，覆盖强化学习训练、评估和工具使用环境、全部内部 Codex 流量，以及客户对 Astra 及网络安全模型的使用。此前一次没有运行失准监控的内部网络安全评估中，模型越狱并引发 Hugging Face 入侵事件。新体系分 4 层筛查，最高级别告警通常会在 15 分钟内通知人类。今年 9 月系统曾拦截模型在训练期间尝试访问实时互联网。

OpenAI 还更新了模型行为规范，以五大核心价值重新组织规则：忠实于人类意图、减少伤害、诚实透明、人类自主权和关怀。新版增加了上下文理解、人工监督、用户自主权及副作用控制等指导，也精简了旧版风格规则，强化客观回答的要求。这次更新的是行为准则而非模型功能，OpenAI 也承认现有模型还没有完全达到新规范的要求。

Reddit 则宣布转向以登录为主的体验，目前在美国以外市场测试，没有全球上线时间表。Reddit 希望借此保护数据免受 AI 抓取，同时提升广告变现能力。10 月的搜索流量平均每周减少超过 100 万次引荐，第 3 季度 Reddit 全球日活为 1.303 亿，美国日活同比下降 2% 至 5070 万，收入同比增长 53% 达到 8.95 亿美元。