OpenAI / ChatGPT

GPT-6.1 Sol: near-Astra intelligence for a fifth of the price. It’s the most cost-efficient model for its performance available today. https://t.co/hH8PnE2Oxk

ChatGPT Space is your new home for creating and collaborating with your team and AI. In Space, you can work with pages—a new kind of interactive document with charts, images, checklists, and dashboards. ChatGPT can build pages for you based on the work you need to get done or the context of your conversation. Edit pages directly with your team, or tag ChatGPT, Codex, or your dot to help with action items and keep pages updated from your connected sources. Rolling out today to Pro, Business, and Enterprise plans. Create and edit pages on web and desktop; view on mobile. Collaborative slides and other formats are coming soon. https://t.co/1HG3fpfR6a

卧槽这个刚开源的 AI 包工头 Raven 0.2.0真的有点屌炸，从需求提出到交出、宣发海报、商业路演 PPT 与上线官网，曾经需要消耗一个数十人团队数月周期的生产成本，刚刚被开源代码压缩成了一个自然人和 4 天的算力。 兄弟们敢相信，一个可玩的 3D 游戏需求，它自己连干 4 天，宣发海报、商业路演 PPT 与上线官网全给你做出来， 它不跟 Claude Code Codex 抢活，直接把这些你已经付费的 AI 全收了当员工， 自带任务图和共享记忆，跑几天都不崩， 最狠的是它还会自己改自己的工作流程，能递归自我改进，相当于一个会自己变强的虚拟 AI 公司，真的太牛逼了， 我跟大家大白话拆解清楚， 1｜它到底是啥？ 先说 harness， 可以理解成 AI 的“工作手册 + 工具箱”： 怎么看资料、怎么拆任务、能用哪些工具、做完怎么自查。 Claude Code 有一套，Codex 也有一套， 问题是，没有哪套手册什么都擅长， 写代码的那套做不好调研，做调研的那套排不好版。 Raven 管自己叫 harness of harnesses， 翻成人话就是 它不是又一个干活的 AI， 是带一群 AI 的包工头。 2｜它手下有谁？ 自带 4 个工种： Research：深度调研，出带出处的报告 Code：把需求写成能跑、测过的代码 Design：做 PPT、图表、品牌物料和网页界面 Oncall：值夜班，跑实验、盯流程，需要人拍板时才叫你 还预置了 13 个第三方 Agent： Claude Code、Codex、Kimi Code、Qwen Code、GitHub Copilot…… 你已经付费的 Agent 不用换， 直接变成它的员工。 有它不会的技能， 它会去一个 11 万+ 的技能库里现找。 3｜为什么能连干几天不崩？ 普通 Agent 干长活，一般就两种死法： 上下文爆了，忘了前面干过啥； 中间错一步，后面全跟着错。 Raven 的解法： 先把大任务拆成任务图，谁先谁后、哪些能并行，排得清清楚楚； 所有子 Agent 共用一套长期记忆（EverOS），跨会话也记得你的偏好和之前踩过的坑； 游戏那个案例，就是 42 轮“规划→开发→验证”滚出来的。 就像一个真正的项目组： 有排期表，有共享文档，有测试。 4｜最反直觉的：AI 自己改自己的 SOP 以前优化 Agent： 人看日志 → 人改提示词 → 人再跑一遍。 Raven 里有个 Curator， 把 Agent 拆成 4 个位置： →看什么（Memory） →怎么规划（Planning） →能用什么工具（Capability） →下一步做啥、动手前怎么判断（Action） 然后一轮一轮地改。 改的不只是提示词， 工具、技能，甚至判断逻辑的代码都能换。 有两道保险： 改动先验证，过了才装上，没过就打回去重做； 在 RSI 实验里，评分标准它自己改不了。 好比学生能自己改学习方法，但改不了考卷， 这就是它说的 RSI：递归自我改进。 5｜仓库里的 3 个硬核案例（项目方自己公布） 🎮 Godot 4 第一人称射击游戏：自主运行约 4 天，迭代 42 轮，游戏、海报、PPT、网站全包 🧪 nanochat 预训练：7 轮跑了 172 次训练，一次没崩；同样是单卡 20 分钟的预算，核心损失指标又降了 5.8% 🌊 溃坝流体模拟：越界误差降了 3 个数量级；有限元极限载荷搜索，8 轮二分就收敛了 这些成绩没有第三方复现， 但游戏、网站、PPT 都公开放在仓库里，你可以自己点进去看。 6｜怎么上手 ① 安装：最骚的一步是把官方给的安装提示词丢给 Claude Code 或 Codex，让你的 AI 帮你装 AI 　也可以只装 Git + Docker，用容器跑起来，浏览器打开 localhost:18793 ② 接入：把你手上的 Claude Code、Codex 挂进来 ③ 派活：别只说“帮我做个 XX”，要写清楚：目标 + 限制条件 + 验收标准 　验收标准越硬，它越能自己迭代 ④ 盯进度：在网页界面里看任务进度、文件、产出、记忆和技能 ⑤ 定制：用一段话描述你想要的助手，Curator 会组一个“主理人 + 专家组”，下次一句话就能开工 7｜谁最该试？ 独立开发者：Research 调研竞品 → Code 写 MVP → Design 做落地页和路演 PPT，一条链跑完 科研党：把跑参数、调参、看曲线、写报告丢给 Oncall， 睡一觉起来看结果 团队负责人：把团队天天重复的流程做成专属助手，越用越顺 8｜照例泼盆冷水 官方自己写了：pre-alpha，接口和配置随时会变 Curator 自我改进还是实验功能，跟着源码仓库走，不在安装包里 连跑几天就是一直在烧 token，先设好预算上限 给 Agent 执行命令的权限之前，先把它关进 Docker 或测试环境，别拿它直接碰线上正式环境。 看完这个项目，最大的感受是以前拼的是哪个模型更聪明，接下来拼的是：谁能把一群 AI 组织起来， 还让这个组织自己变强。 说白了，AI 再强，也只是一个员工， Raven 想做的，是一家会自我迭代的公司。 开源，Apache 2.0， 我亲爱的铁汁们最想先让它接手哪件事呢：调研、写代码，还是值夜班？

Hi, Tomorrow we are re-opening the Pro $200 subscriptions to new subscribers, but together with it we are also changing how we calculate the usage for it. In effect, if you do the math, it will net out at half the dollar in API spend compared to the old Pro $200 plan. Now that it's said, let me explain why this is happening and why you will still get more work done than if you were on the Pro $200 subscription one month ago. (a) We didn't want to compromise in other ways and are committing to not reintroducing the 5h limit, so that you can fully use the weekly usage when you want. (b) On the subscription, we guarantee that over time you always get more work done and with an increasing level of quality. This means that you will continue to get more value per dollar spent as a result of models getting more efficient and us passing down the improvements in the form of API price reductions. (c) We don't want to put an incentive on ourselves to artificially inflate the API list prices to make it look like you are getting a lot (and workaround it through discounts, etc). Instead we want to continue to both rapidly reduce prices and increase capabilities of models on the API. This week we introduced GPT-6 Sol and GPT-6 Luna at 50% of their previous price. Over time, we see prices go low enough that it makes sense for most to buy usage as needed without there being a significant gap between what you get in a subscription and what you get in the API for a dollar spent. (d) Tomorrow, we are adding more things to the subscription that won't draw on the usage, I won't reveal what that is yet. I wanted to be transparent before all the big announcements tomorrow. Lots of new exciting things are coming to the subscriptions that will make it super compelling, but I wanted to make sure to share this change ahead of time so you can all understand it before we shower you with good news. Codexingly, Tibo