AI前沿日报：生物研究系统与决策模型齐发

导语

2026年9月29日，人工智能领域迎来多项重要发布。微软研究院推出专为生物学复杂性设计的AI研究系统Quine；Liquid AI发布决策模型d1，以零输出Token返回校准概率；MIT Technology Review探讨企业AI从试点到生产阶段的成本策略；OpenAI发布GPT-6.1 Sol。与此同时，开发者社区持续关注AI Agent动作原语的选择问题。

一、微软发布Quine：面向生物学复杂性的AI研究系统

来源：Microsoft Research Blog

微软研究院正式推出Quine，这是一款专为应对生物学复杂性而设计的AI研究系统。根据官方博客介绍，Quine的研发依托于微软研究院在多个前沿领域的积累，涵盖人工智能、音频与声学、计算机视觉、图形与多媒体、人机交互、自然语言技术、搜索与信息检索、数据平台与分析、硬件与设备、编程语言与软件工程、量子计算、安全隐私与密码学、系统与网络、算法与数学、生态与环境、经济与商业、医学健康与基因组学、社会科学以及新兴市场技术等多个研究方向。

微软研究院在全球设有多个实验室和项目，包括非洲、AI for Science、AI Frontiers、亚太、剑桥、Catalyst、Health Futures、印度、蒙特利尔、新英格兰等，Quine的推出正是这些跨学科资源整合的成果。

要点：

• Quine定位为AI研究系统，核心目标是处理生物学领域的复杂性问题
• 系统整合了微软研究院多学科资源，覆盖从算法到医学基因组的广泛领域
• 发布时间：2026年9月29日

🔗 原文链接

二、MIT Technology Review：让AI成为资产而非费用

来源：MIT Technology Review

MIT Technology Review发布专题文章《Making AI an asset, not an expense》，探讨企业在AI从试点走向生产阶段时面临的成本决策问题。文章由Cheri Williams撰写，HPE提供赞助。

文章指出，当客户讨论AI成本时，对话通常从Token价格开始，以获取云端最新、最强大模型的访问权限结束。但核心问题在于：企业是否始终需要那种级别的能力？随着AI从实验性试点进入生产环境，企业必须判断何时按消费定价仍然适用，以及何时应将AI基础设施视为生产性资产。

要点：

• AI正从试点阶段向生产阶段过渡，企业面临成本模式选择
• 按Token消费定价与将AI基础设施作为资产投入是两种不同策略
• 企业需评估是否始终需要最高级别的模型能力

🔗 原文链接

三、OpenAI发布GPT-6.1 Sol

来源：OpenAI

OpenAI于2026年9月29日发布GPT-6.1 Sol。目前官方页面已上线，但原文摘录中未提供具体技术细节。

要点：

• OpenAI发布新模型GPT-6.1 Sol
• 发布时间：2026年9月29日
• 具体技术参数与能力待官方进一步披露

🔗 原文链接

四、Liquid AI发布d1：零输出Token的决策模型

来源：MarkTechPost

Liquid AI发布d1，这是一款专为结构化选择而构建的决策模型。该模型的显著特点是返回校准概率（Calibrated Probabilities），且输出Token数为零。

根据MarkTechPost报道，d1被归类为Agentic AI领域的重要发布，涉及AI基础设施、语言模型、机器学习等多个技术方向。该模型的设计思路区别于传统生成式模型，不通过生成文本来输出结果，而是直接返回经过校准的概率值，适用于需要结构化决策的场景。

要点：

• d1是决策模型，专注于结构化选择任务
• 核心特性：返回校准概率，零输出Token
• 由Liquid AI发布，归类于Agentic AI与AI基础设施领域
• 发布时间：2026年9月29日

🔗 原文链接

五、AI Agent动作原语选择：工具调用 vs. 代码执行

来源：Machine Learning Mastery

Machine Learning Mastery发布技术文章，探讨AI Agent在工具调用（Tool Calling）与代码执行（Code Execution）之间的选择