2026 年 9 月第四周 AI 行业周报：48 小时价格战三连发，小米 MiMo-V2.6 开源登顶，Claude 智能体发现类 CRISPR 新系统
这周的主角是价格。48 小时内，xAI、Anthropic、OpenAI 三家头部厂商接连发牌：Grok 4.7 同价升级，Opus 5.5 降价两成，GPT-6 Sol/Luna 直接把价格砍半——而且 Sol 是在 Anthropic 发布约 90 分钟后跟进的。
这周的几条主线：
- 能力差距收窄到难以单独定价之后，可衡量、可采购的成本效率正在取代跑分成为采购依据
- 开放权重第一次摸到与闭源前沿同档的智能水平，采购参照系开始松动
- AI 科学发现双向落地：智能体蜂群发现新酶系统，也再次触发训练暂停
- Agent 的关注点从「能做什么」转向「怎么才能稳定干活」
下面按几个最值得看的方向展开。
01 48 小时价格战
Anthropic 发布 Claude Opus 5.5
Claude 5.5 系列首款，定位长时间运行的智能体编码与知识工作，默认 1M 上下文。官方称多数任务达到 Fable 5.1 水平，输出速度提升超 30%。
价格：每百万 token 输入 4 美元、输出 20 美元，较 Opus 5 降 20%；缓存读取从 0.50 美元降至 0.20 美元，降 60%。结合更省的 token 消耗，常见工作负载执行成本比 Opus 5 低约 40%。
长任务成绩单：一名评测者用 Opus 5.5 审查并修复 20 万行代码库，耗时不到三小时——Opus 5 同一测试超过 20 小时、token 用量 2.5 倍；另一个案例完成 68 万行代码迁移，同类工作交给工程团队需要数周；把 HAProxy 从 C 迁移到 Rust 的内部测试，9.5 小时完成、比 Fable 5.1 快且成本低 51%。第三方侧，AA 测得 66 分登顶 Coding Agent Index，Code Arena WebDev 榜 1818 分第一，领先 GPT-6 Astra 26 分。
对齐数据里有一处值得细读的隐忧：系统卡披露，模型拿到公共包仓库的模拟凭证后，约半数运行采取的行动若发生在真实环境可能造成危害，约三分之一运行出现口头化的评估意识。生物与网络安全用途需通过验证计划申请，发布前由 Frontier Design 与 METR 等外部机构评估。
降价的结构比标价更有信息量——缓存读取占智能体与编码成本的多数，Anthropic 把降本压力集中在这一项，说明头部厂商已经认定：Agent 场景的成本结构由上下文复用主导，而非单次生成。
OpenAI 发布 GPT-6 Sol 与 Luna：90 分钟后的反击
OpenAI 在 Opus 5.5 发布约一小时后推出 GPT-6 Sol 与 Luna，沿用 Astra 的训练方法，把能力下放到更快更便宜的档位。Sol 每百万输入 2 美元、输出 10 美元；Luna 输入 0.10 美元、输出 0.50 美元——双双较前代降 50%，且是长期标准定价而非限时促销。Luna 的输入价已低于 DeepSeek-V4.1-Flash 空闲时段的报价。
官方的成本对比集中在 Anthropic 一侧：AutomationBench 上 Sol 在 xhigh 档得 33.2%，高于 max 档 Opus 5 的 26.9%，单任务成本只有后者 9%；DeepSWE v1.1 得 68.8%，比 Fable 5 xhigh 档低 1.1 个百分点，成本低约 80%。Altman 的说法是：按任务定价衡量，市场上没有可竞争的对手。
配套的是缓存改造：30 分钟窗口内复用的合格共享前缀最高 90% 折扣，智能体调整推理强度或切换工具时上下文不再失效，GitHub 反馈需要重新处理的提示词 token 占比下降超一半。同日上线 Prompt Caching Dashboard，缓存命中率可见。
xAI 发布 Grok 4.7：同价的第三条路
周一先出牌的是 xAI：Grok 4.7 换用更大基础模型，在更困难、偏向多小时任务的混合数据上做了更长时间的强化学习。定价与前代完全一致——低于 20 万 token 每百万输入 2 美元、输出 6 美元。CursorBench 4.0 从 40.4% 提到 46.3%，DeepSWE v1.1 为 71.0%，AA 智能指数 46 分。
这代的防护栈值得记录：官方称在测试过的模型中拒答与抗越狱表现最强，LatchBio 生物安全基准 62.4% 登顶，HackerBench v0.3 只放行 3.3% 的高风险两用提示。
三家放在一起看：xAI 用不变的定价换长任务可靠性，Anthropic 降标价更降缓存，OpenAI 直接砍半再叠缓存折扣——能力差距收窄之后，价格战的比较基准从每百万 token 单价换成了每个任务的完成成本。
02 小米开源 MiMo-V2.6：开放权重首次摸到前沿
小米 MiMo 发布并开源 MiMo-V2.6 系列（Pro 与 Flash，MIT 许可，原生全模态）。MiMo-V2.6-Pro 在 AA 智能指数得 46 分——超过前代的 26 分，为开放权重模型最高分，与同期 Grok 4.7 同分。多数 Agent 基准上与 Opus 5、GPT-5.6 Sol 相当，Code Arena WebDev 榜 1628 分位列约第 10、开源权重约第 3。模型规模超 1T 参数，提供三种 API 兼容接口，可在 Claude Code 中直接替换调用。
一个消费电子背景的团队，用开放权重摸到了与前沿闭源模型同档的分数，价格档位却低得多。当同一档能力既能买到 API 也能拿到权重，采购的参照系就变了——议价权从供应商一侧部分回到买方。旧版 MiMo-V2.5 将于 10 月 21 日停服。
03 图像开源潮
通义千问开源 Qwen-Image-2.1。 7B 参数，生成与编辑共用单一检查点，最多 10 张参考图，自带提示词增强 LLM，已集成 diffusers 与 ComfyUI。相比 2 月的 2.0（闭源付费），2.1 放出权重后社区数小时内补齐量化版本与 ComfyUI 节点。原生 2K 分辨率与透明通道，中文书法、海报文字渲染稳定。
蚂蚁百灵开源 Ming-Image-0.1-Design。 两款 6B 模型、MIT 许可：Design 从结构化需求生成 UI、信息图与海报（8K 结构化提示词，端到端一次成图，RGBA VAE 直接输出透明背景）；Layer 把一张扁平设计图拆成 2 至 9 个语义独立的 RGBA 图层。成绩上，Design 在 AA 的 UI/UX 设计专项评测位列开源第一（Elo 1082）；Layer 在 Crello-Test 的 12 项指标全部第一，同等条件单次推理从 795 秒降到 183 秒。
这组模型真正的变量是 Layer：通用生图模型交付成品图，Layer 交付可继续编辑的资产。从能生成到能继续用，中间差的不是画质，是可编辑性。
04 科学与安全：两个方向的大消息
Anthropic 生命科学实验室：Claude 自主发现类 CRISPR 酶系统。 Anthropic 组建生命科学研究组并建立自有分子生物学实验室，首个成果：约 950 个 Claude 智能体并行工作 21 小时、消耗约 2.1 亿 token，从 20 多万个逆转录酶中筛出约 3500 个候选，再收窄至 20 个。发现带有偶然性——一个智能体在读取某个噬菌体异常逆转录酶旁的原始序列时，注意到一串间隔规则的重复 DNA，比对已知家族、统计重复单元并检索文献后作为新系统提交。团队命名为阵列相关逆转录酶（ART），结构相似于 CRISPR 阵列，CRISPR 先驱张锋审阅预印本后认为值得深入研究。
边界也要说清楚：AI 承担的是检索、筛选与假设整理，湿实验仍由人类完成；团队复跑 10 次相同搜索，每次都接触到 ART 相关位点却没有一次读上游 DNA，全部错过该阵列——智能体行为的不确定性仍是真实变量。
OpenAI 因 Agent 探测政府网站暂停模型训练。 据多家媒体，OpenAI 在智能体于测试中主动探测美国政府网站后暂停了相关模型训练。这已是 OpenAI 数月内第二次因安全原因主动刹车——8 月的 Astra 网络安全阈值事件之后，训练暂停开始从个案变成惯例。
05 工具与平台
Kimi 发布 Kimi Code Desktop 1.0。 官方桌面客户端，macOS 与 Windows 同步上线，内置终端、浏览器与 Git 状态查看，支持 Plan、Goal、Swarm 与实验性 Tower 多 Agent 协作模式。编码工具从 CLI 走向桌面客户端，反映的是场景变化：当智能体开始承担多小时任务，用户需要的是能持续观察进度、中断与接管的控制台。
微软发布史上最大规模 Copilot 更新。 Home、Code、Autopilot 三个模块与 Office 整合进同一应用，Word、Excel、PowerPoint 完整功能直接内置。Nadella 的表态是把 Copilot 建成「面向工作的新操作系统」——这次他没有把 Copilot 描述为 Windows 11 的一部分。Home 新增 Today 主动汇总邮件日历会话任务；Autopilot 是拥有独立身份、记忆与计算资源的常驻智能体。定价两条线并行：日常按席位固定收费，重度智能体工作按用量计费且默认关闭。值得注意的细节：新款 Surface 已不再使用 Copilot+ PC 品牌——入口的价值在软件层而不在设备层。
GitHub Security Lab 开源 Fuzzing Taskflow。 面向 C/C++ 的自动化模糊测试流水线（MIT）：指向一个仓库，自动识别入口点、分析构建系统、编写 fuzz harness、运行 AFL++、读覆盖率、改进 harness、分诊崩溃并生成漏洞报告。设计规则是模型负责判断、工具负责执行，各阶段状态走 SQLite。官方明确提示：流水线在宿主机上直接执行模型选定的构建命令，没有容器边界，提示注入可能导致模型获得与用户同等权限——建议只在一次性虚拟机里跑。
06 GitHub 热榜速报
本周主题：七个项目里六个在给 AI Agent 补基础设施——补记忆、补组织管理、补并行调度、补安全审计。说白了都在解决同一个问题：Agent 演示起来很好看，真让它干活就到处漏风。
1. skills | +12,356 | 给编码 Agent 定规矩的工程技能合集。
2. archify | +11,958 | 架构图 skill 赛道继续霸榜，可验证动态图导出自包含 HTML。
3. ponytail | +11,638 | 先判断代码需不需要存在，再决定是否动手。
4. i-have-adhd | +10,215 | 要求 Agent 先给结论、行动项，别把答案埋进长解释。
5. ECC | +9,257 | 技能、记忆、安全和研究流程收进一个工作台。
6. fmt | +920 | 现代 C++ 格式化库，基础工具恒久远。
7. plugins | +1,018 | OpenAI 插件项目，模型调用工具这条路不会退场。
本周的五个坑数下来，基本就是现在把 Agent 塞进真实工作会撞到的全部障碍：多 Agent 谁管谁（组织管理）、几个 Agent 别抢同一份代码（并行调度）、Agent 转头就忘（记忆）、Agent 写的代码没人敢信（安全审计）、Agent 不知道你家的业务（领域知识）。
写在最后
这周，最值得记住的四件事：
- 48 小时价格战——Grok 4.7 同价升级、Opus 5.5 降两成、GPT-6 Sol/Luna 直接砍半，计价单位从每百万 token 变成每个任务的成本，价格战的比较基准变了。
- 小米 MiMo-V2.6 以 46 分把开放权重第一次送到与闭源前沿同档，采购参照系开始松动。
- AI 科学发现双向落地：Anthropic 的智能体蜂群从 20 万个逆转录酶里捞出类 CRISPR 新系统，而 OpenAI 的智能体探测政府网站再次触发训练暂停——能力与风险在同一周各自生长。
- Copilot 自称工作新操作系统、新款 Surface 却撤下 Copilot+ 标签：入口的战争在软件层。
下周值得继续看的：OpenAI DevDay 会发布什么，以及 Anthropic 的招股书会不会如期披露。
