如果你的浏览器里此刻开着十几个标签页——左边是查了一半的资料，中间是几家供应商的报价，右边还挂着没写完的邮件——那么 OpenAI 本周送来的这个消息，大概率正中你的日常痛点。10 月 15 日，OpenAI 正式升级 ChatGPT 的 Chrome 扩展，把计算机使用（computer use）能力全面引入 Chrome：ChatGPT 不再只是对话框里的问答机器，它开始能看懂你打开的网页，并在获得授权后替你点击按钮、填写表单、发送消息、下载文件，甚至把堆积如山的标签页整理分组。用业内的话说，浏览器正从一个"需要 AI 远程访问的工具"，变成模型可以直接观察和操作的本地工作空间。
Chat 看懂网页，Work 动手操作
这次升级的核心是"双模式"设计。在 Chat 模式下，ChatGPT 可以跨多个已打开的标签页收集和比较信息。官方演示的典型场景是：同时打开三个沙发商品页面，让 AI 比较尺寸、面料、价格、配送周期和退货政策；研究技术问题时，可以综合官方文档、GitHub Issue 和社区讨论，而不必逐个复制页面内容。它读取的是网页标题、URL、页面可见内容、用户选中的文字以及任务需要时生成的页面截图，用户只需在对话中提及 Chrome 或具体标签页即可触发。
切到 Work 模式，AI 才真正"长出双手"。基于底层的 computer use 架构，ChatGPT 可以在授权后接管浏览器，执行点击按钮、填写字段、发送消息、下载文件、整理标签页等多步骤任务。OpenAI 给出的例子相当具体：把多个供应商页面的价格和功能整理进表格；根据活动说明填写报名表，但停在提交之前；横向比较装修承包商并顺手起草联系邮件；填写牙科预约表并把时间加入日历。普通问答只把标签页当参考信息，实际操作则进入具备计算机使用能力的 Agent 工作流——这是 OpenAI 划定的产品边界。
使用门槛并不高：用户需要 ChatGPT 桌面应用和官方 Chrome 扩展（后者已有约 700 万用户），在桌面端设置中打开 Computer Use 功能，然后在 Work 模式中输入"@"选择浏览器即可，Edge、Brave、Opera 同样支持，所有订阅级别包括免费用户都能使用。几乎同时，OpenAI 还发布了 GPT-Live-1.1 语音更新，带来 13 个新声音，并改善印地语、法语、德语、韩语、日语等多语种表现。值得注意的是，这次升级发生在 OpenAI 放弃独立 Atlas 浏览器之后——把能力装进用户已有的 Chrome，显然比教育用户迁移浏览器更现实。
同一周，模型层在另一条战线开火
就在 Chrome 升级官宣的后一天，Anthropic 用一份研究帖展示了模型的另一种可能：Claude Mythos 5 在闭环中自主重新设计了 8 个量子电路，全部优于已发表的最佳设计。工作方式相当"极客"——Claude 用 Python 写出电路设计，自动化评估器检查正确性并按"量子比特数×门数"打分，模型读分、改方案、再提交，轮次之间没有人工介入。最亮眼的成果来自椭圆曲线点加法：一次 53 小时的连续运行产出的设计，比此前最小设计的门数少了 17 倍（量子比特多 12%）；在解码量子干涉（DQI）优化算法中，最耗时的一步也被砍掉了约 12 倍。该研究由 Andi Gu 领衔，哈佛学者参与，46 页论文已提交 arXiv。
这条新闻的真正分量在于方法论：当任务可以被廉价、可信地自动评分时，模型就能在无人值守的闭环里持续改进。Anthropic 自己举例说，估算固氮酶核心分子 FeMoco 基态能量所需的门数，2017 年约为 50 万亿次，经多年算法改进降至约 3.4 亿次——如果 AI 能加速这类"更聪明的电路"的发现，量子计算解决药物、电池、化肥问题的日程表就可能提前。当然，Anthropic 也承认电路设计只是其中一层，纠错和硬件是另一道坎。
端侧和开源战线同样热闹。英伟达本周放出 Nemotron 3.5 Bolt 的模型权重，7400 亿参数被压缩到 22.1GB，让 24GB 显存级别的笔记本得以本地部署，配套的 128GB 统一内存 RTX Spark 笔记本也全球发售；清华大学 THUNLP 实验室则发布了开源智能体操作系统 PilotDeck 2.0，以 WorkSpace 为基本单元做透明记忆管理，其"强主弱从"的智能路由架构可降低约 83% 的调用成本，在智能体基准上拿到了超过 Claude Code 的分数。再加上本周全面开放的 Gemini 4 Argon、刚开源的 Meta Muse Spark Open（可在两台 Mac Studio 上本地运行），以及成本比上代直降约 75% 的 Claude Haiku 5.5——模型层的"全梯队刷新"在十天内密集完成。
产品端：思考长度可调，视频进入"故事板时代"
应用层的比拼本周聚焦"可控性"。字节跳动旗下火山引擎发布豆包大模型 1.6 升级，原生支持四档思考长度：低思考档的输出 token 下降 77.5%、思考时间下降 84.6%，并配套智能模型路由与语音合成 2.0——同一个模型开始学会"按需动脑"。OpenAI 则升级 Sora 2，免费用户可生成 15 秒视频、Pro 用户 25 秒，网页版新增故事板功能，支持逐帧规划镜头、设置提示词与场景转换。谷歌 DeepMind 的 Veo 3.1 与 Flow 工具同步升级，支持原生音频、多图参考保证角色一致，时长可延至一分钟以上；Flow 上线五个月已生成超过 2.75 亿条视频。
视频生成的普及直接把价格打了下来。生数科技把 Vidu Q4 Preview 的首发价打到 0.09 元/秒，字节 Seedance 2.5 促销期最低约 0.17 元/秒。但流量端的账本很残酷：DataEye 数据显示，2026 年上半年抖音新增 AI 短剧 22.19 万部，播放量破亿的仅 1055 部，爆款率约 0.48%。"能生成"不再是能力，"能被看到"才是——这也迫使独立平台转向出海和 B 端，爱诗科技宣布 C 轮累计融资 29.8 亿元、投后估值超 20 亿美元，并把商品目录批量转成可投放的视频广告。
AI 的"账单到期日"：资本开始算账
热闹之下，一条冷静的暗线在本周同步发酵。据多家媒体报道，Anthropic 的 IPO 估值预期从约 2 万亿美元被压回约 1.5 万亿美元，其 Q3 收入 168 亿美元、环比增长 45%，增速不及二季度近翻倍的水平；同一周，埃森哲被曝将每名员工的 Claude 使用额度封顶在 29 美元/月（此前有员工月耗 1000 美元），Replit 则以"成本、合作、性能"为由弃用 Anthropic 转投 OpenAI。账单的另一端，Character.AI 申请破产，用 2000 万美元把资产卖给迪士尼；而卖推理算力的 Modal 年化收入突破 10 亿美元，5 个月内估值涨 3 倍至 157.5 亿美元。
泡沫样本同样清晰。36 氪报道的 Instinct 曾是一个月前硅谷最炙手可热的明星：23 岁创始人 Noah Shinn，8 月底以 25 亿美元估值完成 B 轮，9 月 28 日再融 10 亿美元、估值飙至 100 亿美元，红杉、Benchmark、Coatue 悉数入场——而它的产品只是邀请制内测、10 万用户、14 人团队。如今关于它的讨论正肉眼可见地消退，AI 创投从"讲故事"转向"算账本"：投资人开始要求收入模型，而不再为创始人的履历和赛道热度支付无限溢价。
中国棋局：出口管制草案与具身智能下注
政策面本周有一条重磅信号。商务部、科技部发布公告，拟修订《中国禁止出口限制出口技术目录》，增列大模型、智能体、算力集群等 23 项人工智能技术，并自公告日起对清单内技术实施出口前登记管理；据海外媒体解读，征求意见稿还涉及对超大规模开源权重模型的出口许可安排，登记在册的开源发布或可走快速通道。官方正式文本尚未全文公布，具体口径仍待明确，但方向已经清楚：AI 技术要素正在被纳入出口管理的视野。
资本则在向物理世界下注。据彭博社等媒体报道，DeepSeek 拟融资约 1000 亿元，并有意投资人形机器人公司 Winverse AI——后者由前腾讯科学家胡瀚创立，他是 Swin Transformer 论文作者之一，公司成立仅数月、估值约 4 亿美元、仍处隐身模式，交易尚未最终敲定。从语言模型到具身智能，从 DeepSeek 到英伟达、谷歌、特斯拉，"物理 AI"正在成为全球大厂的共同赛道，而中国的供应链优势可能压低机器人零部件的成本曲线。
冷静看 Agent：安全边界与下一站
能力越大，权限越需要被认真设计。ChatGPT 接管浏览器后，提示注入成为最现实的威胁：恶意网页可能试图"蛊惑"AI 执行非用户本意的操作。OpenAI 的对策是让 AI 在访问新网站或下载文件前请求许可，安全专家则建议用户不要让 AI 控制浏览器时还开着银行账户、私人邮箱等敏感标签页。类似的警报已经响起——TechCrunch 报道印度出现失控 AI 智能体活动，它们通过应用配置中暴露的凭据、公开仓库和过度宽松的云角色潜入系统。Agent 时代的攻防，才刚刚开始。
把这一周的新闻连起来看，三条曲线正在交汇：能力曲线（模型全梯队刷新、AI 开始做科研级工作）、成本曲线（token 价格持续下探、推理服务商收入破十亿美元）、信任曲线（出口管制、额度封顶、安全争议）。浏览器 Agent 是普通人最能直接感知的一站——下一次当你把三个比价页面丢给 ChatGPT、让它"看着办"的时候，你参与的正是这场交汇。接下来值得观察的，是权限设计能否跟上能力释放的速度，以及"AI 自己动手"的边界最终由谁划定的。
暂无评论内容