【1】OpenAI 发布 ChatGPT Images 2.5：生成速度提升 50%，新增画板、模板和评论式编辑

摘要：OpenAI 正式推出 ChatGPT Images 2.5，新一代图像模型在细节、编辑和速度上全面升级，生成延迟比 2.0 版降低了最多 50%。新版本的光影和纹理更自然，参考照片中的人物特征更容易保留，多轮对话中的编辑一致性也大幅提升。

ChatGPT 端同步上线了几个新功能：Sketch 画板，用户可以直接在对话框里手绘草图作为 AI 的参考，适合那些说不清但画得出的想法；模板功能覆盖海报、商品图等常用格式，降低上手门槛；评论式编辑，用户可以直接在图片上圈出具体位置并描述修改要求，模型只改圈中的部分，不影响其他地方。分享图片时还可以附带提示词，方便别人用同样的创意搭配自己的照片生成新版本。

API 端推出了两个模型：GPT-Image-2.5 Flare 继承了同样的质量和速度提升，适合大多数场景；GPT-Image-2.5 Sunburst 则针对精细创作需求，生成时间稍长但控制更精准。新模型即日起向所有 ChatGPT、ChatGPT Work 和 Codex 用户开放，涵盖桌面、移动和网页端。

链接：https://openai.com/index/introducing-chatgpt-images-2-5/

【2】OpenAI 新图像模型屠榜 Arena：Sunburst 拿下三项第一，Flare 紧随其后

摘要：Arena.ai 最新榜单显示，OpenAI 刚发布的两款图像模型直接包揽了前三名中的前两位。GPT-Image-2.5-Sunburst 在文生图、单图编辑和多图编辑三个 Arena 中全部拿下第一，Flare 则三项都排在第二。

相比上一代 GPT-Image-2，Sunburst 的得分提升幅度非常猛：文生图涨了 40 分，单图编辑涨了 59 分，多图编辑更是暴涨 81 分。Flare 虽然定位更偏向速度和成本，但提升也不小，分别涨了 18 分、30 分和 47 分。在 3D 建模、艺术等所有细分品类中，Sunburst 和 Flare 也牢牢占据前两名。

简单说，追求极致画质选 Sunburst，追求速度和性价比选 Flare，两者都比上一代强出一大截。

链接：https://arena.ai/leaderboard/text-to-image

【3】OpenAI 攻克纳维-斯托克斯百年数学难题：历时 88 小时，动用 1 万个智能体，证明流体可以“自爆”

摘要：OpenAI 宣布，他们内部一个比 GPT-6 Astra 还要强一大截的下一代模型，在 1 万个 AI 智能体协同工作 88 小时后，成功解决了纳维-斯托克斯存在性与光滑性问题。

这是千禧年七大数学难题之一，悬而未决大约 90 年，之前没人能证明三维流体在平滑启动后会不会在有限时间内“爆炸”，也就是速度无限增长，导致方程本身失效。

AI 给出的答案是：会。他们构造了一个像旋转意大利面条一样的涡旋结构，流体向内螺旋收缩、越拉越长，中心越转越快，但总能量始终保持有限，外力也始终平滑，纯粹靠流体自身的运动完成了这场“自爆”。

整个求解过程从 9 月 1 日开始，受到另一个团队（Anthropic 员工和 NYU 教授）解决了欧拉方程相关问题的传闻启发，OpenAI 决定把资源集中到纳维-斯托克斯上。约 1 万个智能体被分成不同小组，尝试不同方向，中间还进行了“交叉授粉”式的思路整合，最终在 9 月 5 日拿到结果，再用 GPT-6 Astra 花了 17 小时完成 Lean 形式化验证。整个项目所有尝试加起来消耗了 3000 亿个输出 Token，仅纳维-斯托克斯部分就用了 1300 亿个。

OpenAI 强调，他们发布这个结果是为了报告 AI 的惊人进展，不是为了申领千禧年奖金，也不打算在正式评审中争优先权。他们同时透露，这个内部模型的训练还在进行，能力还在继续提升。

链接：https://openai.com/index/navier-stokes-solution/

【4】谷歌 DeepMind 发布 AlphaGenome Atlas：绘制人类基因组 90 亿种单字母突变地图，免费开放给科研人员

摘要：谷歌 DeepMind 推出了一个叫 AlphaGenome Atlas 的平台，它本质上是一张庞大的“基因突变地图”，预先计算了人类基因组中所有可能的 90 亿种单字母 DNA 变化会带来什么分子层面的影响。这是目前最全面的相关数据库，比 AlphaFold 蛋白质数据库还要大 30 倍以上，达到 1PB（即 1000TB）的数据量，而且通过免费网站向学术研究人员开放。

为什么这件事重要？人类基因组大约有 30 亿个碱基对，理论上每一个位置都有可能发生单字母突变，加起来就是大约 90 亿种可能性。过去要在实验室里逐一测试这些突变的影响，几乎不可能完成。AI 的介入改变了这个局面，DeepMind 先用 AlphaGenome 模型做预测，然后把结果提前计算好并整理成图谱，让研究者直接查询，不用自己跑模型。

平台的核心工具叫 AVI 评分，它是一个综合分数，把 AlphaGenome 和之前发布的 AlphaMissense 两个模型的预测结果压缩成一个数字，帮助研究者快速判断某个突变的影响有多大。更重要的是，这个分数不仅覆盖了编码蛋白质的 2% 基因组区域，也覆盖了剩下的 98% 非编码区域，而后者恰好是大多数与疾病相关的变异所在的地方。每个 AVI 评分还附带归因分析，解释到底是哪些分子过程（比如 RNA 剪接或基因表达）被这个突变破坏了。

实际应用已经展现出价值。在与 GREGoR 联盟的合作中，研究人员用 AVI 评分锁定了一个导致罕见癫痫性脑病的 DNM1 基因突变，并通过实验验证了预测。另一个案例中，埃克塞特大学的研究人员利用 Atlas 分析了超过 5.4 万名英国生物样本库参与者的全基因组数据，发现了 22% 原本会被统计噪声淹没的非编码遗传关联，包括与衰老相关的 PLA2G7 和氧气感知相关的 EGLN1 等关键蛋白调控位点。此外，Stowers 研究所的团队还利用平台提供的 2500 多个 DNA 序列“词汇”来研究转录因子如何调控基因开关。

AlphaGenome Atlas 即日起通过网站、API 和 Google Antigravity 技能向学术研究免费开放，商业使用将通过 Google Cloud 提供。

链接： https://goo.gle/4heuCvn

【5】Meta 发布 Muse：一个能真正帮你“做事情”的智能体，可同时处理多任务、主动提醒、在后台持续工作

摘要：Meta 正式推出 Muse，一款被定位为“真正能帮你搞定事情”的 AI 智能体。

Muse 的设计初衷不是为了“聊天”，而是为了“做事”。它拥有自己的文件系统和终端，可以自己写代码、调用工具，还能全权操控浏览器去搜索、填表单、完成购买和预订等操作。它最大的特点是能在后台持续工作，即使你关掉应用，Muse 依然在按计划推进任务，只有在真正有新进展或需要你拍板时才会主动推送通知。

Muse 具备长期记忆，支持跨对话持续追踪上下文，你可以随时打断它，也可以同时扔多个任务过去，不需要等它回复完上一个。遇到复杂任务时，Muse 还会生成 Ideas 建议来帮你打开思路。

Meta 表示，在早期测试中他们发现了一个有趣的问题，Muse 能干的事情太多，反而让用户不知道从哪开始，所以特意加入了想法推荐功能来降低上手门槛。目前 Muse 已经面向部分用户开放，团队会持续收集反馈并迭代。

链接：introducing.muse.ai

【6】DeepSeek 调整 Flash 系列 API 定价

摘要：DeepSeek 发布公告，将于 2026 年 9 月 10 日 12:00 起调整 Flash 系列 API 定价。

空闲时段（工作日 9:00-12:00、14:00-18:00 以外的时间）输入缓存命中 0.02 元/百万 Token，输入缓存未命中 1 元/百万 Token，输出 4 元/百万 Token；高峰时段价格均为空闲时段的 2 倍。

链接：https://platform.deepseek.com/usage