2026年10月人工智能新闻：更便宜的模型、持续工作的智能体、更好的产品图片

十月的第一周带来的人工智能公告，比任何经营企业的人有时间读的都多。其中大多数这个月对您没有任何改变。少数会。

这是简短版本，按用处排列，不按热闹程度。除非我们另外说明，数字都是各公司自己的说法。

1. 好用的人工智能变得更便宜、更快

两项发布指向同一个方向。

OpenAI 发布了 GPT-6.1 Sol，一个成本更低的模型。该公司表示，它在多项测试中接近其顶级模型 Astra，价格大约是五分之一。它可以在 ChatGPT Work、Codex 里使用，也可以通过 API 使用，面向编程和日常办公。

Anthropic 发布了 Claude Sonnet 5.5。它称这个模型比 Sonnet 5 快 30% 以上，每项任务最多便宜 30%，在错误修复、文档、幻灯片和电子表格上的结果更好。

这对小公司为什么重要：网站上的助手、起草的回复，或四百条产品描述，成本主要是底层模型的成本。当中等价位的模型已经有这样的能力，以前需要最贵模型才说得过去的工作，现在不再需要它。

没有改变的是：如果您不把事实给它，更便宜的模型仍然会编一个答案。

2. 您合上笔记本电脑之后仍继续工作的智能体

OpenAI 推出了“dots”：基于 GPT-6 Astra 的智能体，持续朝着您设定的目标工作，在它们自己的云端电脑上运行，并连接到您的应用程序。它们首先提供给符合条件的 Pro、Business Premium 和 Enterprise 客户。

Google 宣布了 Gemini 4 Argon，为繁重的编程、业务和网络安全工作而建，一次运行最多可以产出一百万个 token——大约是一次请求输出一本长书。访问先从经过审查的安全团队开始，同时 Google 在测试其防护措施。

这是整个行业的方向：从回答问题的聊天窗口，变成连续做几小时工作的程序。风险也移到这里。助手给一个错误答案，浪费一分钟。智能体在您的店铺或账目里按错误假设行动六小时，会造成实际损害。

如果您要试一个，先把它用在容易核对、容易撤销的工作上——整理咨询、准备草稿、做报告。不要办理退款。

3. 听起来像人的语音，用您客户的语言

ElevenLabs 发布了 Eleven v4，有 90 多种语言，一段录音里可以有多个说话人，还有音效。Turbo 版本是为实时语音智能体做的，据报开始说话前的延迟大约是 150 毫秒——短到感觉像在对话。

还出现了两个小型语音识别模型：来自 Cactus 的 Whistle，16.9 MB，七种语言，在普通处理器上运行；以及来自 Fermion Research 的 Phonon-2，在 MacBook Air 上大约 20 秒把一小时英语音频转成文字。

实际中：产品视频用十种语言配音，不需要录音棚；通话或会议录音在您自己的电脑上转成文字，不用把客户的对话发给任何人。

4. 尊重产品的图像工具

这部分对在网上销售的人最相关。

• FLUX 3 Image 来自 Black Forest Labs，让您把元素放进画布上的方框里，并分别编辑每一个。产品、文字和背景放在哪里由您决定，而不是指望提示被理解。
• Ideogram 4.5 用来让图像在反复编辑中保持稳定。改文字或光线时，产品的颜色和纹理应当保持原样。
• NVIDIA 的 SoL-Refiner 一步把较低分辨率的人工智能视频提升到 4K，并能配合不同的视频生成器。

人工智能产品图的弱点一直是偏移：到第三次编辑，瓶子上已经是另一个标签。让产品保持不动、只改变周围一切的工具，才值得留意。我们关于 ComfyUI 和 Qwen-Image 2.1 的文章里的规则仍然适用——发布前，由人把每张图和实物对比。

您可以放心忽略的

这一周清单的大部分是给研究人员和工程师的：拥有数千亿参数的开放智能体模型、用来训练更大模型的软件、Huawei 芯片上更快的计算、会打羽毛球的人形机器人、给人工智能设计的蛋白质做的水印，以及一封在 217 年后被破译的拿破仑时代信件。

有意思，其中一些会在一两年内进入普通工具。没有一项会改变您周一该做的事。

您可以怎么用这些

1. 如果您已经在为人工智能工具付费，查一查更便宜的模型现在是否能做同样的工作。本周价格降了；您的账单不会自己降。
2. 如果您在考虑智能体，选一项无聊、可以核对的任务，观察一个月，再给它更多。
3. 如果您在多个国家销售，语音和翻译现在已经好到可以在一条产品视频上试。
4. 如果产品图片是您的瓶颈，新的编辑工具值得花一个下午——由人来批准结果。

如果这些都不对应您已有的问题，您的企业本月合适的人工智能用量，就是您已经在用的量。

依据 2026年10月4日的 AI Search 通讯，以及各公司自己的公告。