AI工具速递 | 9月30日:OpenAI 一天放出模型与插件框架双更新

GPT-6.1 Sol — 五分之一价格的近旗舰编码模型

当你跑 Agent 跑得心惊肉跳、每步都在烧 token 的时候，OpenAI 昨天放出了 GPT-6 Sol 的升级版 GPT-6.1 Sol，主打"接近 Astra 的智能，五分之一的价格"。HN 首页 673 条评论，基本是昨天开发者圈最大的新闻。

具体数字：DeepSWE v1.1 真实代码库工程任务追平 GPT-6 Astra，比 GPT-6 Sol 最高分高 6.4 个百分点且推理档位更低；AutomationBench 多步业务流比 Opus 5.5 高 2.2 分、成本约三分之一；OSWorld 2.0 距 Astra 仅 2.1 分、单任务成本约七分之一。缓存输入 $0.10/百万 token，比标准价低 95%。

值得注意的是它并非全面追平：Terminal-Bench Science 上 Astra 仍以 68.1% 居首，官方也明说最难的科研任务该用 Astra。但对日常编码和业务流程 Agent，性价比拐点明显。

适合谁： 在跑高 token 消耗 Agent 管线的团队直接换；只做单次问答的感知不强。

评价： 值得上手

openai/mcp-extensions — OpenAI 官方的 ChatGPT 插件 SDK

做 MCP server 的开发者大概都遇到过：插件在 ChatGPT 里只是个"工具调用"，体验跟原生功能差一截。OpenAI 昨天开源了 mcp-extensions，给 MCP 加上 ChatGPT 专属能力，让插件能像一等公民一样住进产品里。

四个扩展点很实在：侧边栏入口让用户主动打开你的应用；文件扩展名处理器可以为 CAD 这类文件渲染自定义查看器；输入框 @ 提及支持从 composer 搜索插件资源并插入引用；扩展表单支持缩略图选择等富交互。TypeScript 和 Python 双 SDK，附带 Bits & Bolts 示例插件可直接安装体验。

关键设计是它建立在 MCP 之上而非另起炉灶——现有 MCP server 加 SDK 就能扩展，不用重写。当然代价是这些能力只在 ChatGPT 里生效。

适合谁： 正在做 ChatGPT 插件/Agent 产品的团队；只做通用 MCP server 的可以观望。

评价： 值得上手

PostHog/jeeves — 先思考再决策的 9B 决策模型

昨天刚推过零样本决策模型 jeff，今天 PostHog 开源的 Jeeves 走了另一条路：Jev 式决策模型准确率偏低、常要推理模型兜底，Jeeves 干脆让决策模型自己先想再判。基于 Qwen3.5-9B 加 LoRA 和 pointer head，用 CISPO 训练出推理能力，还带 block-4 diffusion drafter 加速。

数字上，在未训练的域外测试集 0.889，超过 Kev-9B 的 0.822 和 Jev 的 0.857；JevBench 公开层 0.935 对 Jev 的 0.866。同一请求里支持是非题、多选、评分三种形态，Jev 兼容 API 可直接替换。单张 H100 上不思考约 0.3 秒、思考中位 3.3 秒，截断思维链可调。

限制也明确：MMLU-Pro 这类迁移题上 Jev 的 0.800 仍高于 Jeeves 的 0.746，且 FP8 kernel 要求 Hopper 显卡。训练代码和全部数据都开源。

适合谁： 已在用 Jev 式模型做路由/审核、想提升准确率的；没有 H100 的跑不动。

评价： 可以观望

AIHOT — 自己找热点自己写日报的网站框架

如果你想过给自己行业做一个"AI 热点日报"但不想从零搭管线，这个仓库几乎是现成的答案。AIHOT 是作者跑在线上的热点站完整快照：采集、预筛、双重评分、中文写作、事件聚簇、热度榜、日报周报月报，连所有提示词原文和入选门槛都公开。

几个设计值得抄：同一事件的多个来源报道用向量召回加模型判定聚成一条，热度按事件而非文章计算、48 小时内每个独立来源只算一次、24 小时减半，所以上榜的是真正多人在说的事；信源支持 RSS、网页、JSON 接口、X 账号、微信公众号和脚本推送；线上实测页面中位数 10 毫秒。

最省心的是改造方式：行业配置集中在 industry/ 目录，把仓库丢给 Claude Code 或 Codex 说"改成法律行业"就能跑。Docker Compose 一键起，任何 OpenAI 兼容 API 都能用。

适合谁： 想做垂直行业资讯站、 Newsletter 的个人开发者；只想要现成 AI 新闻的直接看 aihot.news。

评价： 值得上手