AI 日报 10.6|推理成本与延迟优化:GPT-6.1 Sol 五分之一价逼近 Astra

一、头条：单位成本被三股力量一起往下压

这轮模型发布里，最值得读的不是一个新名字，而是一条成本曲线。OpenAI 在 DevDay（9 月 29 日）推出 GPT-6.1 Sol：官方口径是接近 GPT-6 Astra 的性能，定价 2 美元 / 百万输入 token、10 美元 / 百万输出 token，约为 Astra 的五分之一；上下文窗口 105 万 token，并新开 Ultrafast 档做到 300 token/秒。更早几天，GPT-6 Sol 与 Luna 已经把"更强缓存 + 分档能力阶梯"当作生产级 agent 的卖点。

值得关注的原因：过去一年 token 单价降了约八成，但 agent 工作流一个任务要调几十到上百次模型，单价便宜挡不住"每任务成本"反弹。真正把单位成本压下来的，是缓存命中（共享系统提示词只算一次）、把简单请求路由到小模型（省 40%–60%）、以及把长上下文的冗余前缀压缩掉——这三件事和"换更便宜的模型"一样关键，甚至更关键。

二、[AI Coding] OpenAI DevDay 把编码 Agent 推向"可托管运行"

同一场 DevDay 上，Agents API 新增 computer use（Agent 能操作软件界面和云环境），Codex 进入可复用的云项目形态，并发布 Codex Security Cloud（定时扫描、去重、给修复建议）。

值得关注的原因：编码 Agent 的竞争从"谁的模型写代码更准"切到"谁能让 Agent 真正跑起来、长期挂着、还能被治理"。只读定时扫描 + 人工审批闸门的节奏，正是企业敢把自动改代码接进 CI 的门槛。

三、[具身智能] IROS 2026：人形机器人从演示走向上岗

9 月 27 日至 10 月 2 日，IROS 2026 在匹兹堡召开，主线是"physical AI 从 splashy demo 转向真实部署"。Figure 与 Nscale 签下 35 亿美元算力合作（后续可扩到 60 亿、最多 10 万张 Nvidia GPU）；Agility 发布 Digit 5，上一代 Digit 4 已在北美客户现场跑超 6.5 万小时；Tesla Optimus 一代产线在 Fremont 安装；美国《R15.08 第 3 部分》工业机器人安全标准落地。

值得关注的原因：资本、产线、安全标准三件一起到位，说明人形机器人正越过"能不能动"的演示期，进入"能不能批量上岗、出事谁负责"的工程期。这恰恰是 N05 数据飞轮和 N06 大脑路线之后，产业真正要补的功课。

四、[推理优化] 开源 Strata 让 125B MoE 跑在单张游戏显卡上

10 月 4 日，开源项目 Strata 发布：用 C++20/CUDA 引擎把 Qwen3.8-Flash-Next 这类 125B MoE 模型流式地放到单张 12–24GB 显卡的显存 + 主机内存 + NVMe 上跑，RTX 3090 上约 70 token/秒、写入 60–95 token/秒，并支持 MTP 投机解码（接受 2.4–3.2 token/步，与贪心逐字一致）。

值得关注的原因：这把"前沿开源模型本地可跑"的门槛又压低了一截。对推理成本敏感的个人和小团队，单卡 + 大内存的"穷人方案"正在变成可用的生产线，而不是玩具。

五、[芯片/算力] OpenAI 的 Jalapeño 推理芯片绕开 Nvidia 全栈

10 月 2 日，多方报道 OpenAI 把自研推理 ASIC「Jalapeño」与 AMD EPYC Turin CPU 搭档做机架级部署，明确不依赖 Nvidia 的 Vera 全栈。同期 Nvidia Vera Rubin 平台主打"机架级 token/秒/瓦"、宣称推理 token 成本降约 10 倍。

值得关注的原因：推理正在从"通用 GPU 顺手干"独立成一个硬件品类——为固定架构、海量、可预测的工作负载专门造芯片，每瓦性能能再挤 10%–30%。Jalapeño 上 AMD 而非 Nvidia 做主机，是头部客户主动给 Nvidia 全栈"去锁定"的最强信号。