2026-11-01 · 周日 · 7 条 Claude Code 定下 Opus 4.8 快速模式下线日期、OpenAI 向获批机构推出 GPT-6 Rosalind、AWS 给出 Bedrock 全链路成本手册
今天的主线是「账单」：Claude Code 在网关上加了组内共享预算，并给 Opus 4.8 的快速模式一个月期限；AWS 讲清了怎么把每次 Bedrock 调用归到人、超额几秒内拦下；NVIDIA 的数字则说明投机解码能让本地长输出快约 1.5 倍。最高端那一头，OpenAI 最新的专用模型先看资格，再看价格。
-
- Opus 4.8 的快速模式自 10 月 30 日起弃用，11 月 30 日移除；移除后这类请求直接报错，不会回落到标准 Opus 4.8，官方建议迁到 Opus 5.5。
- Claude apps gateway 新增组内共享的月度预算（在额度管理 API 里用 pooled_budget 设置，叠加在个人额度之上），以及让所有匹配策略逐层合并的 managed.policy_mode: layered。
- 新增 CLAUDE_CODE_SUBAGENT_EFFORT，在没有其他指定时设定子智能体的推理强度，不再继承主会话的档位。
- 修复网关没有逐一检查请求里点名的每个模型的问题，命中禁用模型现在返回 400 并指出字段；也修复了 --restricted 会话在 Read 允许规则覆盖时会上传工作目录以外文件的问题。
开发者视角快速模式这条没有回落，到期后就是报错，所以我会现在就在配置和脚本里搜一遍 Opus 4.8 加快速模式的组合，而不是等 11 月 30 日。子智能体单独设推理强度是一个直接的省钱开关：检索、整理这类子任务调低一档，主会话保持不动；再配上组内共享预算，和今天 AWS 那篇成本手册的思路一致，额度管控都在往网关这一层收。
-
- GPT-6 Rosalind 面向复杂生命科学研究，提供专门的生物学推理与科学工具调用能力。
- 只对通过可信访问计划获批 Rosalind Research 的机构开放，仅限授权用户做内部研究。
- 定价（每百万 token）：上下文 272K 以内输入 15 美元、缓存输入 1.50 美元、输出 75 美元；超过 272K 为 30 / 3 / 112.50 美元。
- 同系列的 gpt-rosalind-research 与 gpt-rosalind-discovery 为输入 5 美元、缓存输入 0.50 美元、输出 25 美元。
开发者视角大多数产品团队用不上它，但值得记下这个模式：10-29 的 Gemini 4 Carbon 先给网络安全防守方，今天的 Rosalind 先过机构审批，最强的专用能力越来越按「你是谁」开放，而不只是按「你付多少钱」。做医疗、金融这类垂直产品的，规划路线图时要把申请资格的时间算进去，同时准备一套不依赖专用模型的通用模型方案。
-
- Bedrock 推理费用在 CUR 2.0 里归到调用方 IAM 身份（line_item_iam_principal 列）；激活身份标签后 24–48 小时出现在 Cost Explorer。
- 网关场景按用户调用一次 STS AssumeRole，把用户属性写进会话标签，凭证缓存最多 1 小时，即「每用户每小时一次 STS 调用，而不是每个请求一次」。
- 拦截分三层：AWS Budgets 只告警；Lambda 加 DynamoDB 计数，把超额用户加入共享的 IAM 拒绝策略，几秒到几分钟生效；网关同步返回 HTTP 429，可选 Claude apps gateway 或 LiteLLM。
- CUR 约有 24 小时延迟，近实时花费要靠 CloudWatch 加 OpenTelemetry；编码智能体集群的目标是一半以上调用走更便宜的模型。
开发者视角最值得先做的是最便宜的一步：每次调用都带上 requestMetadata（应用、流程、租户），因为归属事后补不回来。AI 云盘和智能面试这类多租户产品，我会按租户打标签，再在网关上加 429 硬上限，账单延迟一天的问题靠实时日志兜住；和今天 Claude Code 的组内共享预算放在一起看，「谁花了多少、超了怎么停」已经是铺开智能体的前置条件。
-
- 每个会话有一个带认证的地址，把 HTTP 与 WebSocket 请求转发到允许的端口；allowedPorts 可设 1 到 5 项，范围在 8000 到 12000 之间。
- 支持 HTTP/1.1、HTTP/2、SSE、gRPC 与 WebSocket；地址只对一个会话有效，会话结束即失效。
- IAM 运行时要求 SigV4 签名和 bedrock-agentcore:InvokeAgentRuntimeProxy 权限；浏览器加不了签名，所以 SDK 在本地开一个端点代为加凭证再转发。
- 限制：只支持 microVM 运行时，只走公网 HTTPS，入站不支持 AWS PrivateLink。
开发者视角自己搭智能体平台的，可以直接照抄这个设计：预览地址按会话签发、随会话失效、只开白名单端口，比给沙箱开公网端口安全得多。PandaClaws 这类生成内容的后台也适用，让人在发布前看到智能体生成的页面，而不是只看日志；注意它不支持 PrivateLink，内网项目先别用。
-
- trtedge 命令行工具负责下载模型并构建 TensorRT 引擎，测试版本 0.11.1，在 127.0.0.1:8000 提供 OpenAI 兼容接口。
- 同一套运行时从 DGX Spark 上开发，延伸到 Jetson Thor、DRIVE AGX Thor 与 IGX Thor 上部署。
- 示例模型为 Nemotron-3.5 Lightning 30B-A3B NVFP4，首次下载约 21GB；DSpark 用 3 个草稿 token，峰值显存 27.9GB。
- 开启 DSpark 后平均生成速度：HumanEval 73.4 → 126.9 token/s，SpeedBench 1K 73.3 → 108.5 token/s；首 token 中位延迟基本不变（98.1 → 98.7 ms）。
开发者视角这组数字说明投机解码加速的是长输出，首 token 延迟一点没变：如果你的瓶颈是「用户等第一个字」，它帮不上；如果是生成长报告、长代码，收益在 1.5 倍左右。接口是 OpenAI 兼容的，本地评测只需要改 base_url，我会先拿自己产品的真实提示词跑一遍，再决定值不值得为端侧单独维护一套引擎。
-
- Industry Evaluation Data Generation Platform 生成合成企业环境和自动化查询流水线，用于评测 Microsoft Copilot，不使用真实客户数据。
- 三个环境：制药、资本市场、IT 与软件，每个包含数百名有完整沟通记录的用户；数据以 O*NET 职业数据、公开招聘信息和 SEC 文件为依据。
- 综合质量指标比最初的生成方法提高 39%，部分行业环境得分超过 0.9（满分 1.0）。
- 数据集制作从数天人工变为自动生成，估计每套评测数据节省约 10 万美元、项目合计约 30 万美元；平台与数据只在微软内部共享，没有公开发布。
开发者视角这正是做私有数据产品的人卡住的地方：AI 云盘不能拿用户的文件做评测，智能面试也不该拿真实候选人。我会照这个思路，用公开招聘信息和职业数据批量生成岗位与候选人，用公开文档拼出一个「假公司」的网盘，先做出一套固定的回归评测集，每次换模型、改提示词都先跑它。
-
- OpenAI 扩大 ChatGPT 的暴力预防保护措施，并更早介入。
- 同时推出新的青少年保护措施，并承诺今后公开发布安全报告。
开发者视角这条我只看到了官方摘要（原文页面拒绝抓取），细节要等报告本身。但方向很清楚：面向大众的对话产品，标准正从「模型拒答就算安全」变成「要能识别风险、提前介入、定期公开」。哪怕产品只面向成年人，我也会先补一条风险升级路径：命中高风险内容时转人工、留记录，而不是只靠模型自己拒绝。
本期由 AI 辅助检索与起草，选题标准与观点由 Darius 设定。
每周一，一封邮件看完 AI 大事
每周一早上，把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。
邮箱只用于发送周报，不会提供给任何第三方；每封邮件底部都可以一键退订。 看看最近一期 →