今天三则真正值得留下来的 AI 更新，看起来分别在谈模型、Meta 和 Nvidia。
但放在一起看，反而更清楚。
AI 竞争已经不只是：
「谁的模型最聪明？」
企业接下来真正要处理的是三个问题：
做一件工作要花多少钱？
怎么把 AI 接进整家公司？
以及：
Agent 真的开始自己做事后，出了界谁来挡？
1. Claude Sonnet 5.5：Token 单价没降，但每件工作可以更便宜
Anthropic 9 月 28 日正式推出：
Claude Sonnet 5.5。
这是 Claude 5.5 家族的第二个模型。
前一个是定位在复杂、高难度工作的 Opus 5.5。
Sonnet 5.5 则更直接瞄准企业每天大量出现的工作，例如：
- 写与修改程序
- 修 Bug
- 创建文档
- 做演示文稿
- 整理试算表
- 运行范围明确的日常工作
最值得看的，不是又多了一个 Benchmark 第一。
而是：
速度和「每件工作成本」开始一起降。
Anthropic 表示，Sonnet 5.5 的输出速度比 Sonnet 5 快 30% 以上。
API 单价本身则没有下降：
每百万 Input Token 仍为 2 美元。
Output Token 仍为 10 美元。
Cache Read 为 0.20 美元。
但 Anthropic 表示，新模型完成相同工作通常需要更少 Token，因此实际算到「每个 Task」，成本最高可以比 Sonnet 5 低约 30%。
这个差别很重要。
因为企业最后付钱的不是：
「一百万 Token 看起来便不便宜？」
而是：
「完成这一件工作到底多少钱？」
Sonnet 和 Opus 的分工也开始变清楚
Anthropic 现在的定位不是让 Sonnet 5.5 直接取代 Opus 5.5。
Opus 仍然处理：
复杂判断、困难工程问题，以及需要更长时间推理的工作。
Sonnet 则更适合：
数量大、范围比较清楚、需要快速反复处理的日常工作。
这其实很接近企业真正会采用的 AI 架构。
不是公司里每一件事都开最强模型。
而是：
普通任务交给成本较低的模型，真正困难的工作才升级。
Anthropic 甚至已经在 Claude 里提供 Effort Level。
较低的 Effort 可以让模型更快、使用较少 Token。
较高的 Effort 则让模型花更多时间检查工作。
所以「选哪个模型」之后，还开始多一层：
这一件工作到底值得花多少推理成本？
2. Meta 成立 Enterprise Platform，正式往企业市场走
第二件事不是新模型。
而是 Meta 正式成立：
Meta Enterprise Platform。
这一步很值得注意。
因为 Meta 过去最大的优势一直是：
Facebook、Instagram、WhatsApp，以及庞大的消费者与广告生态。
9 月推出 Muse 后，它先从个人 AI Agent 切入。
现在 Meta 开始把战线往企业搬。
官方公布的第一批内核能力包括：
- Muse Agent
- Meta Business Agent
- Muse API
- Muse Code
目标是让企业不只是「使用 Meta 的 AI」。
而是可以把这些模型、Agent 与工具放进自己的工作流程。
Meta 还直接从企业软件公司挖来负责人
Meta 找来 MongoDB CEO：
Chirantan「CJ」Desai
担任新的 Chief Enterprise Platform Officer。
并直接向 Mark Zuckerberg 报告。
这个人事安排本身就能看出 Meta 想做的不是另一个聊天 App。
Desai 过去除了 MongoDB，也待过 Cloudflare、ServiceNow。
这些都是企业软件与基础设施世界。
Meta 要补的，也正是这一块。
因为卖企业 AI 和做一个爆红消费者 App 完全不同。
企业还会问：
- 权限怎么管？
- 员工帐号怎么管？
- 数据放哪里？
- Audit Log 在哪里？
- 哪些 Action 能运行？
- 费用怎么算？
- 公司出问题谁负责？
目前 Meta 已经宣布方向与产品组合。
但还没有完整公布一套企业客户可以直接比较的价格、管理功能与商业方案。
所以现阶段比较准确的说法是：
Meta 正式插旗企业 AI 市场。
还不能直接说它已经有一套成熟产品可以取代 OpenAI、Anthropic 或 Microsoft。
3. Nvidia：Agent 不该自己负责监督自己
第三件事，刚好接上昨天 SasaDaily 谈的 Agent Sandbox 问题。
Nvidia 9 月 28 日推出：
Open Agent Safety Platform。
内核概念其实一句话就可以讲完：
不能只叫 AI Agent 自己遵守规则。
Nvidia 把安全再往系统底层移。
整套架构主要有两层。
第一层：OpenShell
OpenShell 是开源 Runtime。
Agent 在里面运行时，它可以限制：
- 能看到哪些数据
- 能碰哪些系统
- 可以运行什么操作
- 凭证怎么使用
- 哪些外部 Request 可以出去
重点是：
规则不是只写在 Prompt 里。
而是 Runtime 本身运行。
就算 Agent 自己做出意外判断，系统权限仍然存在。
Nvidia 表示 OpenShell 也可以延伸到 Arm、Intel 等第三方运算平台，不是只能绑在 Nvidia CPU。
第二层：Sentry
Nvidia 又再加一个更特别的设计。
叫：
Sentry。
它不是跟 Agent 放在同一层。
而是让另一套独立监控机制，在 Nvidia BlueField-4 DPU 上观察 Agent 的行为。
简单理解：
OpenShell 像是 Agent 工作空间的门禁。
Sentry 则像：
站在房间外面的另一名警卫。
即使 Agent 所在的主要系统本身出现问题，还有另一个独立监控层。
Nvidia 表示，Sentry 可以在 Agent 尝试越过设置边界时，以毫秒级速度进行隔离。
为什么 Nvidia 偏偏现在推出？
时间点很有意思。
最近公开的多起 Frontier AI 事件都出现相似模式：
Agent 的目标没有变。
但是原本的路走不通之后，它开始：
寻找另一条能完成任务的路。
SasaDaily 昨天才整理 OpenAI 的 DNS Sandbox 事件。
原本一般 Internet Access 已被封锁。
Agent 却找到 DNS Resolver 这个仍能接触真实外部网络的出口。
这就是为什么 Agent Safety 正在从：
「Prompt 写得够不够清楚？」
变成：
「底层系统到底允不允许它做？」
Nvidia 这套设计的重要性也在这里。
它不是再发明一句更好的 System Prompt。
而是主张：
Agent 就算不听话，基础设施也应该有能力把它挡下来。
三件事其实是在拼同一张图
把今天三个发布放在一起：
Anthropic 在解决：
每件 AI 工作的成本。
Meta 在解决：
企业要从哪里部署 AI。
Nvidia 在解决：
Agent 真正开始运行工作之后，怎么控制它。
这比又多一个 Benchmark 第一，更接近接下来企业真正会遇到的问题。
AI 要进公司，不可能只有模型。
最后需要的是一整套：
模型＋工具＋数据＋权限＋工作流程＋安全＋成本控制。
所以接下来真正有意思的竞争可能不是：
「Claude、ChatGPT、Gemini、Muse 谁最聪明？」
而是：
哪一家能把 AI 从 Demo，变成企业真的敢每天使用的基础设施。
推荐阅读
今日 AI 工具｜2026/09/23：Claude Opus 5.5，Input／Output 便宜 20%、Cache Read 便宜 60%，长时间 Agent 怎么用才真的省？
今日 AI 工具｜2026/09/09：Meta Muse，把 Email、旅行与购物交给个人 AI Agent，关掉 App 后还能继续跑任务
