Follow 深度日报：GPT-5.6 落地、Opus 5 余波与 Agent 成本治理

2026年7月27日（周一） · 覆盖窗口：2026-07-26 08:00 – 2026-07-27 08:00 (CST)
来源：Obsidian Follow List active 项；OpenAI 官方页面、Anthropic News、GitHub Changelog、LangChain Blog、Simon Willison/Interconnects/Hugging Face 公开页面与 RSS/搜索索引、公开 X 搜索 snippet 抽样。未使用 Folo CLI，未发布私密 cookie/token，未绕过 CAPTCHA。

总览

今天不是新发布日，而是落地核验日

OpenAI GPT-5.6 页面已从 preview 进入可用性、定价、Codex/ChatGPT Work/API 能力说明阶段。对日报跟踪而言，重点从“有没有发布”转为“哪些入口可用、成本结构如何、agent runtime 怎样变”。

Agent 竞争继续收敛到三件事

能力、可靠性、成本。GPT-5.6 强调 Programmatic Tool Calling 与 multi-agent；Claude Opus 5 强调长任务 agentic coding；LangChain 则从 prompt caching 和 evals 两侧解释如何把 agent 跑得更便宜、更可测。

GitHub Copilot 是模型入口争夺的温度计

GitHub Changelog 最新 Copilot 区块里，Opus 5、Linear cloud agent、MCP spec、Issues automation、usage metrics、AI credits 连在一起。开发者入口正在把模型能力、企业治理和工单系统整合成一条产品线。

Prompt injection 仍是安全主线

OpenAI GPT-Red、Anthropic Opus 5 系统卡线索，以及 GitHub CodeQL 的 prompt injection detection 方向共同说明：长任务 agent 能力越强，越需要把红队、权限、上下文隔离和评测做进工程流程。

开放模型与 physical AI 没有新 24 小时大事件

Interconnects 最新强相关项仍是 Kimi K3/open-model recap；Hugging Face 强相关项仍是 NVIDIA Cosmos 3 Edge。今天保留为背景和待跟进，不重复包装旧新闻。

X 抓取仍是覆盖缺口

公开 X 页面和镜像源可用性不稳定。Sam Altman、Harrison Chase 等账号的公开搜索 snippet 可作发现线索，但不适合作为完整事实来源；本期重点内容均落到可打开链接。

核心主题

一、GPT-5.6 落地：模型分层、Programmatic Tool Calling 与 multi-agent 进入产品说明

OpenAI / Agent RuntimeOpenAI · 官方页面 · GPT-5.6

OpenAI 的 GPT-5.6 页面给出了正式可用性：GPT-5.6 覆盖 ChatGPT、Codex 和 OpenAI API，并分为 Sol、Terra、Luna 三个能力/成本层级。Codex 和 ChatGPT Work 里，Free/Go 用户进入 Terra，Plus 及以上可选 Sol/Terra/Luna；API 侧同时强调 Programmatic Tool Calling 与 multi-agent beta。

最关键的不是单个 benchmark，而是运行时形态。Programmatic Tool Calling 允许模型在内存里写小程序来协调工具和处理中间结果；multi-agent 允许并发子代理并汇总结果。这两项如果稳定，会直接改变 agent 的成本、延迟、上下文污染和可控性。

为什么值得看：Follow List 的 OpenAI/Codex 主线正在从“模型能力”进入“agent runtime 能力”。日报抓取、代码修复、研究助理、企业知识工作都受这类 API 原语影响。

后续行动：把当前日报 pipeline 拆成结构化程序阶段：抓取、去重、日期过滤、链接归一化、主题聚类先由代码完成，再让模型只处理高价值判断和中文摘要。

二、GPT-5.6 Preview 里的安全信号：强 cyber 能力必须和分层发布绑定

OpenAI / SafetyOpenAI · 官方页面 · Previewing GPT-5.6 Sol

GPT-5.6 Sol preview 页面把 coding、biology、cybersecurity 和 safeguards 放在一起讲：Sol 是旗舰模型，Terra 面向日常工作，Luna 面向速度和成本；preview 阶段先给小范围可信伙伴，同时说明将与政府框架和更广可用性衔接。

安全部分强调分层 safeguards、红队压力测试、账号级信号和持续监控。官方说法是，GPT-5.6 Sol 更擅长帮助防御者发现和修复漏洞，而不是可靠完成端到端攻击；这仍需要结合 system card 与实际策略测试核验。

为什么值得看：这解释了为什么 agent release 以后不只是看性能榜单，还要看发布节奏、权限、审计和误用边界。越强的 coding/cyber agent，越依赖可验证的安全壳。

后续行动：把 GPT-5.6 的安全说明与 Anthropic Opus 5 system card 放到同一张对照表：prompt injection、数据外泄、浏览器/文件系统工具、代码执行、账户级风控。

三、Claude Opus 5 余波：长任务 agentic coding 是 Anthropic 的主定位

Claude / Coding AgentAnthropic · 2026-07-24 · Introducing Claude Opus 5

Anthropic Newsroom 最新强相关官方项仍是 7 月 24 日 Opus 5。页面把 Opus 5 定位为面向长时间、多步骤工作的 agentic coding model，并强调它能更好理解代码库、保持复杂任务上下文、澄清需求、完成 feature development 和 bug fixing。

今天没有看到比 Opus 5 更新的官方 Claude 发布。值得注意的是，发布页里多个客户/伙伴案例把 Opus 5 放在 Kiro、监控 agent、自主内存管理、生产异常复核等场景里，说明 Anthropic 不是单押 chat，而是在持续强调“能在真实系统里跑很久”。

为什么值得看：Codex、Claude Code、Copilot 和 Kiro 正在同一个战场：谁能处理长任务、复杂代码库和真实权限边界，谁更容易成为团队默认入口。

后续行动：选择一个真实仓库问题，用 Opus 5/Codex/Gemini 3.6 Flash 在相同权限和测试约束下跑一次，比较上下文保持、patch 质量、测试通过率和人工 review 成本。

四、GitHub Copilot：Opus 5、Linear、MCP、Issues automation 连成企业 agent 路线

GitHub CopilotGitHub Changelog · 2026-07-24/23 · Changelog

GitHub Changelog 的最新 Copilot 更新集中在 7 月 24 日到 7 月 20 日：Claude Opus 5 进入 GitHub Copilot；Copilot cloud agent for Linear GA；GitHub MCP Server 支持下一版 MCP spec；GitHub Issues agent automation controls 进入 public preview；usage metrics impact dashboard 和 AI credit pools 也在同一组更新里。

这条组合比单个模型接入更重要。GitHub 正在把 coding agent 从 IDE 补全扩展为“模型选择 + issue/Linear 工单 + MCP 工具上下文 + 企业用量与预算管理”的工作系统。

为什么值得看：Follow List 里 OpenAI、Anthropic、LangChain、AI engineering 人群都关心 agent 落地。GitHub 是开发入口，Changelog 能最快反映企业 adoption 的真实阻力：权限、预算、可观测性、自动化边界。

后续行动：做一份 Copilot agent 企业启用 checklist：模型 policy、AI credit pool、usage dashboard、Linear/Issues workflow、MCP server、审批/回滚规则。

五、LangChain Deep Agents：prompt caching 从模型特性变成 harness 能力

LangChain / CostLangChain Blog · Prompt Caching with Deep Agents

LangChain 的 Deep Agents prompt caching 文章把成本问题讲得很直接：长对话 agent 每一步都要重读 system prompt、工具描述、技能、历史消息和新输入，token 成本随轨迹增长很快。Deep Agents 的做法是根据不同模型供应商能力，尽量设置 cache breakpoint、利用 implicit caching，并组织 prompt 结构以提高 cache read。

文章给出的实测结论是，在 Deep Agents eval suite 上，prompt caching 对中端模型轨迹带来约 49% 到 80% 的 token cost 降幅。这个数字未必能直接迁移到所有业务，但方向很明确：长任务 agent 的成本治理必须进入 harness 层，而不是事后靠提示词节省。

为什么值得看：这与 GPT-5.6 的 prompt caching/Programmatic Tool Calling 正好呼应。agent 成本不只是模型价格表问题，还取决于上下文结构、工具回合、缓存命中和轨迹观测。

后续行动：在日报 cron 中记录每次抓取/摘要的输入来源数、模型调用数、缓存命中可能性和重复上下文比例，为之后改造做基线。

六、OpenEvals / AgentEvals：评测正在从“输出对不对”走向“轨迹是否合理”

LangChain / EvalsLangChain Blog · Evaluating Large Language Models With OpenEvals

LangChain 的 OpenEvals 文章把 eval 分成 LLM-as-judge、结构化数据评测和 agent trajectory 评测。对 agent 来说，最终答案只是结果；工具选择、工具调用顺序、LangGraph 节点轨迹、结构化输出格式，都会影响系统能否稳定上线。

这对 AI engineering / evals 主线很重要：Shreya、Hamel、LangChain 等长期讨论的问题，正在从“写几个测试”变成“为 agent 行为建立可维护、可解释、可观测的评测层”。

为什么值得看：日报本身就是 agent workflow，如果只看最终文章是否像样，很容易漏掉抓取失败、重复来源、旧链接误判和 X snippet 过度引用。轨迹评测能把这些失败显性化。

后续行动：给日报 pipeline 加 5 个基础 eval：日期窗口正确、旧路径禁止、每条重点内容必须有可打开链接、X snippet 不得当事实、发布后 HTTP 200。

七、开放模型与 physical AI：Kimi K3 / Cosmos 3 Edge 保持观察位

Open Models / Physical AIInterconnects / Hugging Face · Kimi K3 recap · Cosmos 3 Edge

Interconnects 最新强相关公开项仍是 7 月 22 日的 open-model recap，讨论 Kimi K3、Qwen、GLM、中美模型竞争和开闭源差距。Hugging Face 强相关项仍是 NVIDIA Cosmos 3 Edge，聚焦 physical AI/world model 在边缘侧的部署约束。

今天不把这些旧内容包装成 24 小时新闻，但它们仍是中长期跟踪主线：开放模型要追的不只是聊天或 coding benchmark，还包括 agent 工具使用、post-training、部署许可、推理成本和机器人/世界模型场景。

为什么值得看：闭源模型在 agent runtime 上推进很快，开放生态的机会可能来自可部署、可审计、可定制和贴近硬件/行业的路线。

后续行动：继续检查 Kimi K3 权重/许可证/社区复现实验；对 Cosmos 3 Edge 则关注 Jetson/RTX 实测、model card、VANTAGE-Bench 和机器人动作生成示例。

重要更新

OpenAI：GPT-5.6 页面明确 ChatGPT、Codex、API 可用性，Sol/Terra/Luna 分层，API 侧加入 Programmatic Tool Calling 和 multi-agent beta。
OpenAI Safety：GPT-5.6 Sol preview 强调 cyber 能力、分层 safeguards、红队压力测试和 phased release，适合与 Anthropic Opus 5 system card 对照。
Anthropic：Opus 5 仍是 Newsroom 最新强相关发布，定位长任务 agentic coding 与生产系统里的自主 agent。
GitHub：Copilot 最新更新把 Opus 5、Linear cloud agent、MCP spec、Issues automation、usage metrics 和 AI credits 串成企业治理路径。
LangChain：Deep Agents prompt caching 把 agent 成本治理做进 harness；OpenEvals/AgentEvals 把评测从输出扩展到结构化数据和工具轨迹。

人物 / 机构动态

Sam Altman / OpenAI 线：公开 X snippet 显示其仍在回应 GPT-5.6 与文件删除/全权限模式等运行边界问题；因 X 页面不可稳定打开，本期只作为线索，事实部分以 OpenAI 官方页为准。
Alex Albert / Anthropic 线：Opus 5 讨论仍在扩散，但本窗口未发现比 Anthropic 官方页更新的一手材料；继续关注 Claude Code、Kiro、Copilot 接入后的真实反馈。
Harrison Chase / LangChain：Deep Agents 的 prompt caching 与 OpenEvals 文章说明 LangChain 正把 agent harness 的成本和评测做成开发者基础设施。
Nathan Lambert / Open Models：Interconnects 最新 open-model recap 仍是判断 Kimi K3/Qwen/GLM 竞争态势的重要背景，今天无新增 24 小时强信号。
NVIDIA / Hugging Face：Cosmos 3 Edge 继续作为 physical AI/world model 的开源观察点，短期重点应放在可复现实测而不是发布话术。

值得跟进项目

日报 pipeline harness 化：把 Follow List 解析、来源抓取、日期过滤、去重、摘要、Hugo 发布、状态写入、Feishu 通知拆成可测试步骤。
Agent 安全对照表：整理 GPT-5.6、GPT-Red、Claude Opus 5、CodeQL prompt injection detection 的共同测试维度。
成本基线：记录日报和代码 agent 的上下文长度、重复静态 prompt、工具回合数、缓存可能命中位置，为 prompt caching/Programmatic Tool Calling 改造做依据。
Copilot 企业启用清单：关注模型 policy、AI credit pool、usage metrics、Linear/Issues automation、MCP server 和审批规则。
开放模型观察：继续追 Kimi K3 权重/许可证/社区复现，以及 Cosmos 3 Edge 在 Jetson/RTX 上的真实推理表现。

待验证信息

GPT-5.6 的实际可用性、价格、Programmatic Tool Calling 和 multi-agent beta 可能受账户、地区、计划和 API 权限影响；开发前必须回到控制台和官方文档核验。
GPT-5.6 preview 的 cyber/safety 说法需要结合 system card、Preparedness Framework 和可复现实验，不能只按发布页外推。
Opus 5 在 Copilot/Kiro/Claude Code 里的真实表现，需要用同一任务集、同一权限边界和同一测试标准比较。
LangChain prompt caching 的 49% 到 80% 成本下降来自其 Deep Agents eval suite，迁移到其他 harness 前要做本地基线。
X/Twitter 搜索 snippet 只可作为发现线索，不可替代可打开原文；本期未使用私密登录态、cookie 或反爬规避。

低优先级噪音

大量 Opus 5/GPT-5.6 二手转述没有新增一手信息，本期不收录。
Google AI RSS/公开搜索本窗口未发现与 Gemini agent 主线强相关的新增官方发布，今日不展开。
Hugging Face 社区榜单和泛 AI 趋势文很多，但与 Follow List 的 agent/evals/open models 主线相关度较低。
X 热门讨论里关于模型“聪明/翻车”的短贴缺少可核验上下文，不纳入重点事实。