大模型前沿动态 · Vol.104

OpenAI 一日连发：Agents API 托管 Codex harness、GPT-Live-1 全双工语音层每分钟 5 美分、ChatGPT for Financial Services 自建投行数据索引；蚂蚁灵波把 LingBot-World 蒸到 1.3B

本期四条动态：OpenAI 把驱动 Codex 的智能体 harness 做成 Agents API 公开测试版，含自动上下文压缩、tool search 与子智能体并行，不收额外 API 费用；GPT-Live-1 进 API，前端语音层每分钟 0.05 美元，Full Duplex Bench 比 GPT-Realtime-2.1 高 30 个百分点，配 Astra 中档推理在 Tau3 排第一；ChatGPT for Financial Services 由摩根士丹利与 Evercore 参与设计，把 Daloopa、PitchBook 等数据托管进自家索引，GPT-6 Astra 在 OfficeQA Pro 报 69.9%；蚂蚁灵波发布 LingBot-World 2.0 的 1.3B 轻量版，经 Causal Pretrain、MoBA、一致性蒸馏与 DMD 四步压到消费级单卡实时运行。

大模型 OpenAI Agents API Codex Agent GPT-Live-1 语音模型 全双工 GPT-6 Astra 金融大模型 ChatGPT 蚂蚁灵波 世界模型 模型蒸馏 开源模型

OpenAI 在 9 月 10 日一天连发五篇公告，把 Codex 的智能体骨架、ChatGPT 的语音层、投行的数据索引层分别拆成可单独售卖的产品；蚂蚁灵波则把 14B 世界模型蒸到 1.3B，让消费级单卡也能跑实时世界生成。

一、Agents API 公开测试：OpenAI 把 Codex 的 harness 变成托管服务

事件概述

9 月 10 日，OpenAI 上线 Agents API 公开测试版，向所有开发者开放。这套 API 提供的不是新模型，而是驱动 Codex 与 ChatGPT for Work 的那层智能体骨架（harness）加上运行基础设施。开发者用一次 API 调用即可创建生产级智能体：指定任务、模型、工具、运行环境四项参数。官方示例中模型字段填的是 gpt-6-astra，multi_agent 打开后 max_concurrent_subagents 设为 3。定价上没有额外的 API 费用，按智能体消耗的 token 与工具计费。

技术解析

这层 harness 解决的是长会话工程问题，公告点了三处改进。上下文自动压缩（compaction）在会话逼近上下文上限时压缩早期内容，保留智能体继续工作所需的信息，开发者不必自己写压缩逻辑，工作流得以跨多个上下文窗口。工具侧分两步：tool search 按需加载相关工具定义，减少 token 消耗并保住模型的缓存命中；programmatic tool calling 让智能体在代码里并行发起调用、串联相关操作、过滤合并结果，只把有用的部分带回上下文。子智能体机制把复杂任务拆成独立片段并行分发，每个子智能体维护自己的上下文，主智能体负责协调与汇总。

运行环境是这次设计中容易被忽略的部分。开发者可以选 OpenAI 托管沙箱、自有基础设施，或者生态伙伴的沙箱——公告列出的伙伴包括 Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop、Vercel，覆盖 VPC 内部署、不同的文件与密钥存储机制、以及 CPU/GPU/内存配置和冷启动成本档位。harness 本身是开源的（github.com/openai/codex），OpenAI 负责运维并随模型迭代升级，开发者可以读源码理解模型调用、工具、上下文三者的协调逻辑。客户 Ciridae 的 CTO Jack Weissenberger 在公告引语里给的数字是评估分从 0.71 升到 0.85、延迟降为原来的四分之一——这是客户自述，非 OpenAI 官方测得。

行业影响

过去一年智能体框架的竞争主要发生在开源社区，LangGraph、CrewAI、AutoGen 各自定义编排抽象。OpenAI 这次把自家产品线验证过的 harness 直接托管出来，并承诺「每次模型发布提供版本化的能力访问」，等于把「升级模型要重写 harness」这个反复出现的迁移成本接了过去。对创业公司，这消掉了一大块基础设施投入；对框架厂商，差异化被压缩到工具生态、可观测性、领域知识这些更上层的位置。沙箱伙伴名单里出现 Oracle 和 Cloudflare，说明智能体运行时正在被云厂商当作新的计算形态争夺。

相关链接

二、GPT-Live-1 进 API：全双工语音层每分钟 5 美分

事件概述

同日 OpenAI 把 GPT-Live-1 放进 API，定价为前端语音层每分钟 0.05 美元。这个模型先在 ChatGPT 里露过面，能力是边听边说的全双工对话，深层推理和工具调用委派给配对的后端模型。语音选项从少量实时音色扩到 12 个，覆盖不同口音、方言与语言。电话场景（餐厅订座、客服）被明确列为支持目标。

技术解析

传统语音智能体是 STT → 推理模型 → TTS 的串联结构，每次交接都增加延迟，也增加丢失时序与上下文的机会。GPT-Live-1 用单一模型对进入的音频和输出的音频一并推理，打断处理不再依赖脆弱的阶段握手。这个模型原生给出 ASR 转写和响应文本，支持字母数字混读理解与关键词偏置；它不是回合制模型，但原生支持回合检测，开发者仍可按显式回合边界组织代码。

后端委派设计值得单独看。开发者可以给高频任务（排班、订单状态）配 Luna 这类模型，给需要推理的复杂客诉配 Astra，推理深度、速度、成本按任务分档匹配。评测方面，OpenAI 称 GPT-Live-1 在 Full Duplex Bench 上比 GPT-Realtime-2.1 高 30 个百分点，回合切换延迟与交互行为均有较大改善；配 GPT-6 Astra 中等推理档位后在 Tau3 上排第一（Tau3 衡量端到端任务上的前沿语音智能体能力，其 banking 子集共 97 项任务）。语言学习产品 Speak 的早期评估显示，GPT-Live-1 给学习者更多思考时间，打断次数比此前回合制系统少了近 80%。另一位客户联合创始人兼 CTO Tony Stoyanov 称代码库简化了 80%、删掉 2.3 万行代码。

行业影响

全双工不是新概念，落地难点一直在于「打断」这件事没法在串联架构里做对。把语音层定价压到每分钟 5 美分，配合 telephony 支持，直接冲击的是呼叫中心与语音外包这条产业链——Yelp 的 CTO Alex Levy 说 Yelp Host 用它接订座和点单电话后，通话处理率有实质改善，来电者开始说更完整自然的句子。分层调度这个范式更值得关注：语音层薄、便宜、只管交互节奏，推理层厚、贵、按需调用。这种拆分让语音智能体的单位经济模型第一次算得清，也意味着「语音模型」和「推理模型」在采购上会变成两条独立的账。

相关链接

三、ChatGPT for Financial Services：把投行数据搬进 OpenAI 自己的索引

事件概述

第三篇公告面向金融机构。ChatGPT for Financial Services 是定制版的 ChatGPT Work，内置金融数据加 GPT-6 Astra 推理，用于研究报告、财务建模、客户材料生成。产品由摩根士丹利和 Evercore 作为设计伙伴共同打磨，起步领域锁定投资银行和股票研究。目前仅向符合条件的金融机构开放，需联系销售。

技术解析

数据层的做法是这次的核心变化。Daloopa、PitchBook、LSEG News、Crunchbase 的高级数据集被直接索引并托管在 OpenAI 基础设施上，覆盖财报电话会议记录、财务报表、公司基本面、私营公司信息。OpenAI 给出的理由很直白：绕开 MCP connector 的接入难题，换来更高的准确率与检索延迟控制，还能支持细粒度引用——银行家可以把某个数字或论断回溯到具体表格与段落，边推进分析边核查证据。对已有数据订阅的客户，OpenAI 正与标普 Capital IQ、LSEG、MSCI、道琼斯 Factiva、穆迪打通登录与权限集成，让数据商通过 ChatGPT 账号识别用户、自动放行其已购权限。连接器生态另有 50 多个，包含 Datasite、Box、Preqin、Intapp。

模型能力上，公告给了三项基准：OfficeQA Pro、BoxBench、专业幻灯片生成。OfficeQA Pro 考察智能体能否在美国财政部公报里跨复杂财务表格、图表和脚注找到并分析信息，GPT-6 Astra 报 69.9%，GPT-5.6 Sol 报 60.2%。管理员可以在专门页面发布 Excel、Word、PowerPoint 模板，团队产出的估值模型、研究笔记、pitchbook 会套用本公司格式。合规侧沿用 ChatGPT Enterprise 的 SAML SSO、SCIM 配置与角色权限，支持建多个工作区来落实信息隔离墙，工作区日志可导出到既有审计流程。

行业影响

这一步把竞争线从模型能力推到了数据许可与合规架构。彭博终端、FactSet、标普这类数据商长期靠终端界面锁定用户，OpenAI 用「你的订阅照旧，界面换成 ChatGPT」的方式把入口拿走，数据商则换到 AI 工作流里的分发位置——标普方面在引语里提到要通过这个产品交付 Adaptive 和 Deterministic Retrieval 两种检索。对同类企业 AI 产品，门槛被抬高了：光有模型不够，还得谈下数据许可、建起 MNPI 与客户机密的隔离机制。OpenAI 说会对模型做后训练来提升对这些数据集的理解，把「像最好的分析师那样找、读、用数据」当作训练目标，这是行业垂类竞争从提示工程转向后训练的信号。

相关链接

四、LingBot-World 2.0 蒸到 1.3B：消费级单卡跑实时世界生成

事件概述

9 月 10 日，蚂蚁灵波发布 LingBot-World 2.0 的轻量版，参数量 1.3B，面向消费级单卡 GPU 设计，可在本地实现实时世界生成。7 月开源的 14B 主模型此前已做到小时级持续生成、丰富的动作与事件交互，在对应算力与推理配置下达到 720p/60fps。这条 1.3B 的伏笔早已埋在论文摘要里——arXiv:2607.07534《Infinite Worlds with Versatile Interactions》原文写着「we pair our primary 14B model with a lightweight 1.3B counterpart, which supports effortless deployment on a single GPU」。上周 IFA 柏林消费电子展开幕演讲上，AMD 高级副总裁 Jack Huynh 点名了三个开源模型：智谱、千问、LingBot-World，并用 LingBot-World 2.0 做了一个 Prompt 生成世界、角色在中国小镇与欧洲乡村长时探索的 Demo，评语是「This is the future of Personal AI.」

技术解析

从 14B 到 1.3B 不是先做大再砍小，而是一条训练路线走到最后自然掉出来的产物。第一步训练名为 Causal World 的模型：生成当前状态只能依赖已发生的视觉信息与用户到此刻的输入。自回归的老问题在这里格外致命——模型把自己刚生成的结果当作后续输入，前面偏一点，误差会一路放大到纹理变糊、几何变形、场景漂移。团队为此设计了 MoBA（Mixture of Bidirectional and Autoregressive Attention Mask），在原有 Teacher Forcing 掩码里掺入一部分双向注意力。这一手针对的是纯 Teacher Forcing 在长上下文下的过拟合：上下文越长，模型越依赖前面给定的干净 context，画质随之退化；掺双向注意力相当于加了一层正则，让模型适应更灵活的视频长度。

因果预训练出来的 Backbone 同时充当 Teacher，质量高但每帧去噪步数多、算不起实时交互，于是进入两级蒸馏。一致性蒸馏（Consistency Distillation）把 Teacher 的多步去噪轨迹压到少数几步，尽量保住预训练阶段学到的动作条件动态。Student 部署后面对的大量状态来自自己上一轮的生成，偏差仍会累积，团队又加入 DMD（Distribution Matching Distillation），并专门让 Student 在自己的长时 self-rollout 轨迹上继续训练——模型将来真正会跑进什么状态，训练时先见过一遍。团队拿 Causal Pretrained Backbone 与 MAGI、HY-World 1.5 做过 5 秒到 60 秒的长时生成对比，称在纹理、几何结构、场景连贯性上保持更稳（厂商自测口径）。论文里还有一个少被提及的设计：世界建模领域引入 agentic harness，pilot agent 负责规划与执行角色行为，director agent 负责随场景推进合成新的环境元素。

行业影响

这次开源真正外放的不只是小模型，Causal Pretrain 底座和双向 Teacher 一起放了出来——小模型让更多人跑起来，两个上游模型决定社区能不能接着做后训练、蒸馏、压缩和垂直场景适配。世界模型此前的门槛高到大多数人只能看官方视频或点在线 Demo，1.3B 把这道门槛压到一张消费级显卡。AMD 高管在消费电子展上把它和智谱、千问并列，透露出另一层信号：终端厂商正在为端侧世界模型寻找可落地的开源底座，而中国团队占了三席。从 1 月 LingBot-World 1.0 首次开源，到 7 月 14B 挑战小时级生成，再到今天的 1.3B，三次开源依次回答的是能不能做出来、能不能做得久做得真、能不能让更多人跑起来。

相关链接

编者小结

把这四条放在一起看，OpenAI 那三篇公告有一条共同的线：被拆出来卖的都不是模型，而是模型之上的那一层——Codex 的智能体骨架、ChatGPT 的语音交互层、投行数据的索引层。三层各自定价、各自迭代，模型退到底座位置按 token 计费。这套结构对开发者是省事，对生态是重新划界：编排、语音、行业数据这三块过去由第三方填补的空白，被平台方直接占住了。

蚂蚁灵波走的是相反方向。当美国厂商把能力往云端服务里收，1.3B 的选择是把同一套世界模型往下压到消费级显卡，连 Causal Pretrain 底座和双向 Teacher 一起开源。让一项技术扩散的往往不是最强那个版本，而是第一个足够小、足够便宜、能被拿来试一试的版本——AMD 在 IFA 上点名的三个开源模型全部来自中国团队，这件事比任何单项跑分都更能说明端侧那一侧的格局。