GPT-Next泄露、Gemini 4 Argon临近：AI圈动态速览

OpenAI的未发布模型GPT-Next在社区中露出端倪，谷歌Gemini 4 Argon的后端活动密集升温，Anthropic订阅的性价比被第三方报告推上风口浪尖。这一轮AI动态没有单一的重磅炸弹，但几条线索拼在一起，能看出头部实验室正在较劲的方向。

GPT-Next：神秘新模型泄露，价格可能才是杀手锏

据B站UP主「World of AI」的梳理，OpenAI内部有一个外界知之甚少的新模型，代号GPT-Next。它既不是GPT-Mini，也不是已被砍掉的GPT-6.1 Aster，而是与GPT-6.1系列非常接近的检查点——可能略强，但没有质的飞跃。最大的悬念在于价格：早期流传的估算称，约4万积分产出了价值约50亿Token的用量，如果属实，这意味着极高的效率。

社区演示中，GPT-Next在三维场景搭建上表现亮眼——一个包含灯光、着色器和素材包的三维厨房场景，细节丰富到连不同宝可梦的动态模型都加了进去。需要说明的是，这类单一提速测试不足以定义模型能力，但它至少暗示OpenAI在「用心程度和创造力」上有细微调整。UP主推测，这款高效型号可能在这轮28天承诺期内发布。

OpenAI的28天承诺：每天不交付就重置用量

OpenAI产品负责人Tibor发起的28天出货承诺，是这轮动态里最有戏剧性的一笔。规则很直接：接下来28天里，团队要么给Codex和工作流用户带来有意义的改进，要么给所有人重置全部用量。第一天已经兑现——GPT-6 Aster和GPT-6.1的默认速度从每秒约30个Token提升到每秒50个左右，涨幅约50%，通过ChatGPT登录的合作伙伴（OpenCode、PIMP、Deven等）同样适用。

团队列出的四个专注方向是：简化产品、提升效率、让用户获得更多用量、交付突破性功能并发布新模型。UP主对此的解读颇为直白——Anthropic的新模型在效率和用量额度上全面施压，OpenAI这是被逼出来的冲刺。对用户来说，这28天无论如何都是双赢。

Gemini 4 Argon与Nano Banana 2.1：谷歌的双线推进

谷歌这边，Argon相关的模型代号正在后端日志里密集出现，包括多个实验性变体和Barium检查点，说明发布窗口比预期更近。这些检查点在配置上各不相同，涵盖修复、摘要功能和实验分支，反映的是积极打磨而非晾置原型。在SVG动画测试中，Argon完成了模拟银行卡支付的动画，包含刷卡和小票细节，表现优于对比模型。

图像侧，Nano Banana 2.1已出现在Gemini网页端和移动端。这个发布过程相当混乱：6月的Instant Ramen检查点被认为是Nano Banana 2，8月发布第二代时预计叫Nano Banana 2.5 Lite，两天后改名Spicy Mail，如今又以2.1的编号从Lite档调整到Flash档。与腾讯混元图像3.5的对比测试显示，Nano Banana 2.1在角色参考一致性上更扎实，混元则在灯光氛围和创意性上占优——但前者有一次完全无视「不要出现文字」的要求。整体评价：不算惊艳，但一致性可圈可点。

RSI疑云：谷歌在做自我改进系统吗

RSI指递归自我改善。此前相关说法多被视为传言，但谷歌后端日志里又出现了一个神秘的内部模型占位符，给「谷歌在实验RSI」的可能性添了一把火。考虑到谷歌近期Flash系列迭代速度之快，这个猜测并非空穴来风。不过UP主也明确提醒：单凭一个内部模型代号不足以证明谷歌攻克了RSI，它可能只是个命名，也可能是某种模仿机制。这条线索目前只能算拼图上的一块，不宜过度解读。

递归自我改善（RSI） 是AI安全与能力评估中的一个关键概念，指系统能够自主改进自身架构、训练流程或代码，并将改进后的版本用于下一轮自我提升，形成正反馈循环。它与常规的模型迭代有本质区别：后者依赖人类研究员设计实验、调整超参数和筛选数据，而RSI意味着AI开始承担部分甚至全部研发工作。学界通常把RSI视为通往超级智能的可能路径之一，也因此把它列为重点监控的“阈值能力”。目前所有公开模型都未达到真正RSI，但模型在代码生成、实验设计和自我评估上的进步，让“部分自动化AI研发”成为现实议题。谷歌后端出现内部模型占位符之所以引发联想，正是因为其Flash系列迭代节奏异常密集，外界猜测是否有自动化流程参与。

订阅性价比报告：Anthropic给的算力是OpenAI的数倍

Artificial Analysis发布了一份覆盖主流AI订阅的报告，结论相当扎眼。按API等效价值计算，同样约200美元档位，Claude Max能提供价值约12500美元的Sonnet用量、约12000美元的Opus用量；而ChatGPT Pro约为2000美元的GPT-6.1用量或3000美元的GPT-6 Aster用量。

报告还提到，OpenAI近期把200美元档ChatGPT套餐的容量额度砍掉了一半左右，理由是GPT-6.1效率更高——这也被视为其为上市铺路的动作之一。高端档位存在例外：ChatGPT Pro在GPT-6 Aster上的给量略多于Anthropic对应套餐。

需要泼一盆冷水：API等效成本只回答「你花的钱换来多少原始用量」，不回答「哪个订阅更好」。模型质量、速度、上下文长度、编程与智能体能力、内置工具和生态整合，都不在这套数字里。Anthropic在原始算力上占优，不代表Claude Max在体验上就自动领先五倍。

API等效价值是订阅性价比评估中常用的换算方法：把订阅套餐内可用的token量按官方API的每百万token单价折算成美元金额，再与订阅费对比。它的优点是直观、可跨厂商比较，但局限也很明显——它假设所有token价值相同，忽略了模型质量差异、速率限制、上下文窗口、工具调用额度和高峰期限流等因素。此外，订阅条款通常禁止转售或批量API式调用，因此“等效价值”只是理论上限，实际可用量往往低于折算值。Artificial Analysis在报告中特别注明，该指标只反映原始算力配额，不构成体验优劣的判断依据。

其他值得留意的动态

文本水印：为响应欧盟AI法案，OpenAI将在欧盟通过ChatGPT和Codex生成的文本中嵌入不可见水印TextString。它不是塞隐形标记，而是把统计信号嵌入模型选词，事后可检测。OpenAI称其在文本水印测试中追平或超过谷歌的SynthID，且不明显损害输出质量，并计划开源。局限也很明显：改写、翻译都能破坏水印。

开源模型Beam：美国新实验室Reflection AI发布Beam，总参数约5010亿，激活参数仅230亿，专为推理、编程和智能体负载设计。

据其说法，Beam是从零端到端训练的，而非在现有开源模型上改造，完整权重将在本月晚些时候开放。

工具链更新：Google AI订阅用户可在Anti-Gravity中使用GPT-5.5 Medium和Sonnet 5.5 Medium，但额度有限。Claude Code新增Mode功能，其中Cache Control这个Mode用可视化进度条显示5分钟提示缓存窗口并发送通知，帮助维持缓存热度、降低Token消耗。Claude Projects则支持直接连接本地文件夹，云端会话可授权读写指定本地文件。

Fable 5.5演示：有人用单个单词提示让Fable 5.5做一个宝可梦混搭卡牌游戏，约一小时产出可玩成果，机制完整。这类演示的说服力有限，但确实展示了模型在长任务上的完成度。

文本水印（TextString） 属于统计水印的一种：模型在生成每个token时，依据一个只有检测方掌握的密钥，对候选词的概率分布做轻微偏置，使输出中隐藏着人类不易察觉、但统计上可检测的选词模式。检测时无需原始模型，只需密钥和足够长的文本即可计算似然比，判断文本是否由该模型生成。相比在文本中插入零宽字符或特定标记，统计水印更难被肉眼发现，也不改变可读性。其核心弱点是鲁棒性有限：同义改写、翻译、插入干扰文本或让另一个模型复述，都可能破坏水印信号。OpenAI称TextString在测试中追平或超过谷歌SynthID，并计划开源检测工具，但欧盟AI法案对水印的具体技术要求仍在细化中。

混合专家（MoE）架构 是理解Beam参数规模的关键。Beam总参数约5010亿，但每次前向推理只激活约230亿参数，这正是MoE的典型特征：模型由多个“专家”子网络组成，路由器根据输入token动态选择少数专家参与计算。这样可以在不显著增加单次推理成本的前提下扩大总参数量，从而提升知识容量与推理能力。MoE的挑战在于负载均衡、专家利用率和训练稳定性，端到端从零训练一个5000亿级MoE对数据和算力要求极高。Reflection AI强调Beam并非在现有开源模型上改造，若完整权重如期开放，它将成为开源社区中少见的超大规模MoE推理模型。

小结

这一轮动态的共同底色是竞争提速：OpenAI用28天承诺逼自己出货，谷歌用密集检查点缩短发布周期，Anthropic则在用量经济性上拿下第三方报告的高分。GPT-Next是否真如估算般便宜、Argon能否兑现打磨后的完成度、RSI是真是假，接下来几周应该会有更清晰的答案。