与「Bedrock标签就能参与。」相关的搜索结果

随着 $BTC 再次跌破 $70K 大关，又回到了最难玩的熊市垃圾时间， 这时候建议大家多看少动，多积累和学习，不亏钱也是赚钱的一种。 想无损赚钱？那不妨来看看币安广场的内容挖矿， 简单说就是：你写关于加密货币的帖子，有人看了去交易，你就能拿佣金。 杰尼君刚看了上周内容挖矿榜单， 榜三每周收入$1,000， 其余的也基本上有百U左右。 关键是，没门槛， 每天写1-2篇短帖（300-500字）， 内容可以是行情分析、空投推荐、新手教程、项目科普， 分享你的交易记录都行， 关键是坚持，目前币安广场的算法会把流量倾斜给持续产出的创作者。 现在币安广场还有Bedrock的CreatorPad活动（6/1-15）， 总奖池60万BR，价值约$60K，发原创帖带#Bedrock标签就能参与。# 与其盯盘发呆，不如写几篇帖子试试， 能赚到钱最好，赚不到也是自己每日复盘的提升！ 与君共勉，早日度过熊市。 🫡 @binancezh #BinanceSquare# #WriteToEarn# *** 不构成任何投资建议，仅为个人记录与观点，盈亏自负。

Claude Code 推出实验功能 Code Mode：从一次调一个工具，到写一段 JS 批量调工具 Code Mode 默认关闭，要自己打开。打开以后，Claude 调工具的方式变了：以前每次只调一个 Bash、Read 或 Edit，看完结果再决定下一步；现在 Claude 先写一段 JavaScript，在里面一次调用多个工具，由 Claude Code 在本地会话里执行。 # 具体怎么工作 官方举例是把重试上限从 3 改成 5。Claude 会写一段代码：先用 rg 找到文件，再改参数，接着跑相关测试，最后只把文件路径和测试输出交还给自己看。原本要来回四五轮的操作，现在一步就能做完。 这样做有三个好处。几个独立的命令可以并行跑；上一步的结果可以直接传给下一步，不用经过模型；中间产生的大量输出可以先在代码里筛一遍，只把需要的部分放进上下文。官方推荐的用法也围绕这几点：同一处改动要改很多文件、搜索结果需要先过滤再读、几个独立的命令可以同时跑。 对话界面里看到的仍然是每一次工具调用，比如编辑的 diff。想看背后的代码，按 Ctrl+O 打开记录，展开 Code 行就能看到。 # 门槛和限制 开启方法是设置 CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1，可以在 shell 里临时设，也可以写进 ~/.claude/settings.json。写在项目的设置文件里不生效，所以克隆下来的仓库没法替你偷偷打开它。第一次开启时，Claude Code 会先请你确认。 限制不少： · 只能在终端的交互式会话里用，不支持 -p、Agent SDK、VS Code 面板、桌面端和云端会话。 · 不能走网关、Bedrock、Google Cloud 或 Microsoft Foundry，也不能用 API key helper。 · 只支持 Opus 5.5、Sonnet 5.5、Haiku 5.5 和 Fable 5.2。 · 开着 agent teams、OpenTelemetry 导出或 DISABLE_TELEMETRY 时无法启动。 · 用 Code Mode 开的会话，恢复时也必须开着 Code Mode。 · 代码在前台跑，最长 10 分钟；放到后台最长 2 小时，但要求会话在 auto 或 bypassPermissions 模式下启动。 # 权限怎么管 代码里的每一次工具调用，仍然要经过你的 deny、ask 规则和 PreToolUse hook。真正变化的是 auto 模式：分类器现在审的是整段代码，不再一次次审单个调用，而且看不到运行时才算出来的值，比如从搜索结果里取出的路径。官方明确建议，必须管住的调用要靠规则或 hook 兜底。想审代码本身，可以写一个匹配 REPL 的 hook，从 tool_input.code 读出 JS。企业可以在托管设置里把这个变量设成 0，全员禁用。

【NVIDIA NeMo Switchyard在Amazon Bedrock上为编码智能体请求分配合适模型】 AWS机器学习博客11月13日发文，6位AWS和NVIDIA作者介绍在Amazon Bedrock上为编码智能体做模型路由。 作者主张用每个解决任务的成本衡量路由，而不是每个token的单价。 示例把开源网关LiteLLM和Switchyard插件部署在Amazon ECS Fargate的私有子网里。 LiteLLM通过Bedrock Converse API调用模型，流量经过VPC接口端点进入Bedrock。 能力较强的模型使用Claude Opus 5.5，高效模型使用NVIDIA Nemotron 3 Super 120B。 Stage策略读取近期工具结果在两个模型之间选择，信号不明确的时候默认使用高效模型。 Random策略按照权重分配流量，适合A/B测试，两种策略都不调用评判模型。 作者表示只在两个任务上跑了几次，不足以得出成本或者质量结论，示例只适合非生产账户。 我觉得现在只给了部署模板，团队需要自己用bench脚本量出每个任务的实际成本。 来源：AWS Machine Learning Blog · 2026-11-14

The croc family tree may be getting a new branch. Analyzing fossilized remains discovered in the same bedrock that built the Great Sphinx, paleontologists newly identified a crocodilian species that once roamed a shallow sea in what’s now Egypt about 45 million years ago.

Grok 4.7 is now available on Amazon Bedrock and on Google's Gemini Enterprise Agent Platform. Both platforms already offered Grok 4.6. Grok 4.7 is SpaceXAI's model for coding and knowledge work, and its docs call it the most capable model SpaceXAI has built. On the xAI API, Grok 4.7 has a 500k context window and costs $2 input and $6 output per million tokens below 200k prompt tokens.

Anthropic 这回可真舍得，22 门 Claude 课程直接全部免费开放，一分钱都不用掏。 我耐着性子一门门看完了，讲真，里面有些挺敷衍，也有些确实值得一看。省得你毫无头绪地乱翻，我按照从零起步到逐步进阶的路子替你理了一遍，按这个顺序学就对了。 一、先把底子打好，别一上来就碰硬骨头 01 Claude 101 🔗 02 Claude 协作入门 🔗 二、跟写代码打交道的，重点盯这几门，Claude Code 如今是真能干实事 03 Claude Code 101 🔗 04 Claude Code 实战 🔗 05 Agent 技能入门 🔗 06 Subagents 子代理入门 🔗 三、准备对接 API、走开发路线的，平台部分千万别漏 07 Claude 平台 101 🔗 08 基于 Claude API 开发 🔗 09 MCP 入门 🔗 10 MCP 进阶话题 🔗 11 Claude 与 Amazon Bedrock 🔗 12 Claude 与 Vertex AI 🔗 四、基础素养这一类，面向的人特别杂，怎么都能挑到对口的 13 AI 素养框架与基础 🔗 14 AI 能力与局限 🔗 15 开发者 AI 素养 🔗 16 小企业 AI 素养 🔗 17 学生 AI 素养 🔗 18 非营利组织 AI 素养 🔗 19 教育者 AI 素养 🔗 20 K-12 教育者 AI 素养 🔗 21 K-12 培训师培训 🔗 22 AI 素养教学 🔗 我猜你八成会先点个收藏，然后转头就忘。搁在收藏夹里落灰的课，跟压根没有，其实差不多。 那我想问一句，你最近一次完整学完的免费课，离现在多久了？ 说来有点难为情，我上一门学完的，还得追溯到两年前。 白给的东西，人往往不上心；可 Claude 这批课假如真啃下来，能换来的价值绝不止一星半点。别再收藏完就扔那儿了，今晚挑一门，直接打开看。

一图看懂 OpenAI 今天的 DevDay 发布了什么？主角绝对是 dots 👀 一种永远在线的 Agent，每个 dot 都有自己的云电脑和浏览器，按你定的目标 24 小时干活，还会主动推进任务，越用越懂你，现在就差 Anthropic 还没出 Personal Agent 了 ... dots 目前只开放给 Pro 和 Business Premium 用户。 模型这边发了 GPT-6.1 Sol，Agent Coding 和 Computer Use 接近 Astra，价格只要五分之一。还有一个 Ultrafast 速度档，在 Codex 里最快提速 8 倍，当然 API 价格也翻到 6 倍。OpenAI 为了它还专门出了 Pro 500 新订阅，用量是 Plus 的 25 倍。 开发者这边，Codex 被搬上了云端，在手机上就能派活、盯进度。Decisions API 让企业把重复的小决策交给 AI，但 AI 只能在给定的选项里选，Jev 直接被抄了，感觉它的使命结束了😅 Agents API 现在也能直接操作电脑了，OpenAI 还和 AWS 一起做了 Bedrock 托管 Agent。 真正的野心在 ChatGPT Space！你的团队和 dots 可在同一个空间里一起工作，再加上 Pages、Slides 和会议纪要，ChatGPT 越来越像 Slack + Notion + Drive 的合体。另外新推出 Sign in with ChatGPT，可以让你的订阅额度直接用在 Notion、Vercel 等 16 家产品里。 企业端有 OpenAI Marketplace，已有的 OpenAI 合同承诺额可以抵扣 Adobe、Figma、Salesforce、Harvey、CrowdStrike 等 32 家以上合作伙伴的软件费用！ 我对 OpenAI 新产品路线的三点看法： 1. Dots 加 Space 意味着 OpenAI 在正面争夺「AI 员工」这个入口； 2. Sign in with ChatGPT 和 Marketplace 在把 ChatGPT 订阅变成一种跨应用的「货币」和分发渠道，第三方 SaaS 正在沦为 OpenAI 的 Token 分销商，并完全卷入 OpenAI 的生态； 3. 定价结构明显在往高端分层走：Pro 500 定位最高端，Ultrafast 按 6 倍价格收费，$200 档的用量被下调。这说明算力成本和 ARPU 压力仍是前沿 AI 公司的核心命题。 模型越来越便宜，但订阅越来越贵，模型公司都在避免自己被商品化，用平台生态来提升自己的护城河🤔

2026 年 9 月 29 日，OpenAI 在旧金山 Fort Mason 办了今年的开发者大会 DevDay。主讲是 CEO Sam Altman。其他几位上台的人都在做这些产品。产品团队的 Holly 演示了新产品 Dots。后训练（模型预训练之后做对齐和能力调优的阶段）研究负责人 Tejal 讲了模型怎么反过来帮 OpenAI 做研究。Codex 的演示由 Romain Huet 来做，他在 OpenAI 负责开发者体验，去年 DevDay 主题演讲里的 Codex 演示也是他做的。整场演讲分三块：面向用户的常驻智能体 Dots 和协作空间 ChatGPT Space，给开发者的新模型和新工具，以及帮开发者做分发、赚钱的渠道。 1. Dots：一直在线、会主动干活的智能体 Sam 把 Dots 比作电影里那种一直在身边帮忙的 AI 助手。他认为订餐厅、买机票这类代办虽然有用，但和这项技术能做的事比起来太小了。他想要的 AI 知道正在发生什么，也知道你在意什么，不用你事事交代。 Dots 是常驻在线的智能体（Agent），有自己的云端电脑和浏览器，能写代码、跑测试。它的权限跟着用户走，能直接用用户已经在 ChatGPT 里连好的插件，覆盖 4000 多个应用。除了在 ChatGPT 里对话，之后还可以给它发短信、打电话。目前每人先有一个 Dot，以后可以配一整组。Dots 跑在 本月早些时候发布的 GPT-6 Astra 上，Sam 称它是 OpenAI 对齐做得最好的模型。用户可以限定 Dot 能用哪些应用、能不能操作电脑，也能给它的各类操作写自定义指令，愿意交出多少责任就放多少权。 Sam 说，他自己的 Dot 每天早上会把夜里进来的消息过一遍，挑出紧急的提醒他。他说这让他拿回了一部分注意力，没那么离不开手机了。他还举了一个更重的例子：把应用从一个即将停用的旧 API 上迁走。这个 API 可能散落在代码库各处，改了哪里会连带弄坏什么，事先看不出来。Dot 可以追踪依赖关系，找出所有要改的地方，写代码、跑测试，最后把 PR（代码合并请求）交给团队审。他让听众想想，过去做这件事要几个人、花多久。 开场视频里，用户把自己的 Dot 改名叫 Alfred。Alfred 和另一个 Dot 帮用户上线网站，改董事会材料，在婚礼蛋糕商家取消后找好备选。它们还发现财务会和女儿的演出撞了期，提出改时间。每件事都是 Dot 推进到需要人确认的地方，再由人拍板。 2. ChatGPT Space：人和智能体一起用的工作区 Sam 认为，现有的生产力软件几乎都没考虑过人和 AI 一起干活。ChatGPT Space 以页面为单位，可以在里面写计划、做调研、生成图片和数据。页面和文件像网盘一样放在同一个空间里。Dot 能直接在页面上工作，在评论里 @ 它，它就会接活。页面本身也能带指令，比如“每天去看 API 平台的 Slack 频道，把发现更新到这里”。之后 Space 里还会加入演示文稿，格式做成智能体方便读写的样子，团队成员可以和各自的 Dot 一起改。 在 Holly 的演示里，页面用斜杠命令就能插入交互图表、表格和可运行的原型。她 @ 自己的 Dot（名叫 Dotty），让它把一组数据改成柱状图。图表可以按反馈类型筛选，Dotty 每小时刷新一次。她还让 Dotty 把“某位工程师在我 Slack 私信里提过的新手引导数据”补进 FAQ。Dotty 能看到她的上下文，所以这种模糊的指代也找得到。 3. OpenAI 内部怎么用 Dots Holly 用一个虚构的歌单应用 Blossom Music，模拟发布前一天的状况。早上 Dotty 已经做了几件事：发现发布评审会提前，改好了日历；看完前一晚测试用户的反馈；注意到设计团队临时改了首页，把新设计发给她。她让 Dotty 直接把这个设计做出来。Dotty 调用她笔记本上的 Codex 构建应用，在 iPhone 模拟器里跑起来，再提交 PR。现场的语音演示卡住了，Dotty 一直回复“还在查”。Codex 线程也报过一次错，她重试后才继续下去。 她说，Dots 真正改变 OpenAI 工作方式的地方在 Slack。Dots 在公司 Slack 里有自己的身份，员工就开始把它们当作代理人。被同事 @ 到的零碎请求，直接转给自己的 Dot 处理。建群时，大家从一开始就把各自的 Dot 拉进来，Dot 带回结果时所有人都能看到。 工程师走得更远。有人在反馈频道贴出会话 ID 和一个用户 bug，某位工程师的 Dot 就会接手排查，提 PR 修复。她说这是真实情况：工程师们的 Dots 每天这样修掉几十个 bug，Dots 这个产品本身有很多部分就是 Dots 写的。 4. 上线范围和企业用的 Specialist Dots Dots 和 Space 当天向 ChatGPT Pro、Business Premium 和 Enterprise 用户开放。Dot 包含在套餐里，和它的对话不占用额度。 企业客户还可以预览 Specialist Dots。这是由公司统一设置、供整个团队使用的虚拟同事，负责会计、市场、法务这类工作量大的事。公司给它目标和背景，审核它的产出，给它反馈，反馈在全公司共享。OpenAI 也在和微软合作，把 Specialist Dots 接入 Agent 365（微软用来管理企业智能体的工具），企业可以用已经在用的微软工具来管理它们。 5. 新模型：更便宜的 GPT-6.1 Sol，更快的 UltraFast Astra 发布这几周，用户的要求集中在两点：更便宜，更快。GPT-6.1 Sol（转录稿误作 Soul）的能力接近 Astra，价格是它的五分之一。缓存输入（重复发送、已被缓存的上下文）比标准输入便宜 95%。智能体需要反复读同一批上下文、长时间迭代，这对它们尤其省钱。Sam 说 Sol 在某些方面比 Astra 还聪明，定位是开发者的日常主力模型。 UltraFast 是新的速度档，API、ChatGPT 和 Codex 里都能用。原有的 Fast 档是两倍速度、两倍价格；UltraFast 是八倍速度、六倍价格，每秒 300 个 Token。它现在可以配合 Astra 用，之后也会支持 Sol。现场让两个模型用同一个提示词，做一个 DevDay 配色的火箭。UltraFast 的火箭已经升空时，标准速度的还没做完。 订阅也跟着调整。新推出的 500 美元档 Pro 订阅叫 Pro 500，额度最高，是 Plus 的 25 倍。它可以在 ChatGPT 和 Codex 里用 UltraFast，还能通过“用 ChatGPT 登录”在合作方的应用里使用。Pro 200 重新开放，继续提供所有前沿模型。 另外预览了 Decisions API。它给 Luna 模型一组预先定义好的选项，让模型从中选一个，比如给请求分流、给图片分类、决定智能体下一步做什么。任务收窄成选择题之后，响应时间可以压到一秒以内，同时保留图像理解、多语言和安全防护。Romain 后来补充说，做机器人的朋友看中的是它能处理视觉输入：机器人可以根据看到的东西，近乎实时地快速行动。 6. 模型开始帮 OpenAI 做研究 Sam 提到，去年这个时候，他和 Jakob 在一次直播里预测，一年内会出现第一个“AI 研究实习生”，当时几乎没人相信。几周前 OpenAI 宣布达成了这个目标：有了一个能接手定义清晰的研究任务的系统，这类任务原本要熟练的研究员花大量时间和精力。 Tejal 的方向是电脑操作（computer use，让模型像人一样操作桌面和浏览器）。她举了两个例子。 第一个是让模型优化电脑操作的运行框架（harness，包在模型外面、负责调用工具和管理步骤的代码）。模型在循环里持续寻找能同时降低延迟、提升效果的改动，团队把找到的改进合进生产环境的框架，并用于后训练。结果是延迟改善了两倍以上，已经上线。 第二个是模型帮忙改进了监控和拒绝训练，让 Astra 在不安全的场景里更会拒绝。Astra 在电脑操作压力测试上因此达到业内领先，操作时出错更少，也更贴合用户的本意。 她给出了几项内部数据。今年夏天之后，研究工作消耗的 Token 量急剧上升。1 月时，模型能做好 15 分钟以内的短任务，需要一天以上的任务大多会失败；到 7 月，超过三分之一的一天量级研究任务，模型能在无人干预下完成。她还提到，Astra 这类模型已经帮忙解决了 100 多个悬而未决几十年的数学问题，也在参与针对耐药感染的新抗生素、古代语言研究、可再生能源和工业机器人等方向的工作。 7. 给开发者的底层工具 Sam 说，OpenAI 想让开发者用上自己内部用的东西。 第一件是 Codex 的运行框架。它同时支撑着 Codex、ChatGPT Work 和 Dots，目标是用最少的 Token、最快拿到准确结果，现在已经开源。第二件是 Codex 完全上云：在手机上开始的任务，可以在浏览器或桌面端接着做，合上笔记本任务也不会中断。 云端能力带来了 Codex Security Cloud。它在云端环境里持续寻找漏洞，并准备好验证过的修复方案供人审核，这次新增了自动去重、定时扫描和新界面。Sam 说这是为了给防守方更好的工具，因为“我们看得到接下来会发生什么”。 新的 Agents API 进入公开测试。它包含运行框架、托管、记忆、多智能体控制等功能，是 Codex 和 Dots 用的同一套技术，也加入了电脑操作能力。现场的例子是一个网站测试智能体，会自己打开浏览器、点击页面、测试流程。基础设施方面，OpenAI 和 AWS 合作推出由 OpenAI 驱动的 Bedrock（AWS 的托管 AI 服务）托管智能体，AWS 客户可以直接使用 OpenAI 的前沿模型、Codex 和 ChatGPT Work。 隐私方面预览了 OpenAI Private Intelligence。其中的零数据留存（ZDR）配合私有安全处理，可以在不把用户内容存到 OpenAI 服务器的情况下做安全检测；私有推理则把隐私保护延伸到推理阶段。Sam 说这套方案是和最大的一批客户一起设计的，目的是让他们能把模型用在最敏感的工作上。 性能方面，Responses API 一年里增长了 100 倍，可靠性保持在 99% 以上。首个 Token 的等待时间缩短了 45%，工具调用和工作流提速 30% 以上。 8. Romain 的 Codex 演示 演示从手机上的 Codex 开始。Romain 人还在会场外，让 Codex 替他跟观众打招呼、讲一个会场的冷知识。接着他用几张会场照片生成的 3D 场景演示 UltraFast，一边说一边改：把小人放到座位上，把直播画面投到场景里的大屏幕上。现场语音没连上，他改成了打字。 Codex 命令行工具（CLI）这次全面翻新。他让 UltraFast 写一个应用，从观众里随机抽三个人送明年的门票，几秒就写完；改成抽六个人，也几乎是瞬间完成。命令行现在支持由 GPT Live 驱动的双向实时语音，不只是语音转文字，但现场没能演示出来。 后面几段演示了多模态和电脑操作。游戏 Astra Adventures 从一张纸上的草图开始，几轮之后画面还很粗糙，借助图像模型，才变成有质感、能用在正式游戏里的美术。然后他让 Astra 通过浏览器自己学着玩这个游戏，屏幕左边显示模型的决策，右边显示它按下的按键。 他又用“应用快照”（app shot）把自己记录飞行课程的应用作为上下文交给 Codex，让它在各种屏幕尺寸下审查这个应用并截图。Codex 自己在模拟器里点开了各项功能。云端 Codex 现在和本地版用同样的工具，包括插件和电脑操作。他顺手把一个“用 Rust 重写整个后端”的任务丢到云端，打算稍后在手机上查看。 最后一个演示用的是 Hugging Face 借来的可编程小机器人 Micro Duck，它名叫 Lavender。Romain 前一晚让 Codex 把它接好：视觉用 Astra，图像生成用 GPT Image 2.5，语音交互用 GPT Live 1。机器人现场看着观众画了一幅画。他说，OpenAI 做 Dots 和 Codex 用的，就是 API 里开放给开发者的同一批工具。 9. 分发和变现：让开发者在 ChatGPT 上做生意 ChatGPT 每周大约有 12 亿人使用。Sam 承认，此前类似的尝试效果参差不齐。他说这次有信心，是因为开发者拿到的是 OpenAI 自己做 ChatGPT 用的工具。 第一项是“用 ChatGPT 登录”（Sign in with ChatGPT）。用户登录第三方应用时，可以直接用自己 ChatGPT 套餐里包含的 Token，开发者不必替新用户垫付模型费用。首批有 16 家合作方。 第二项是插件扩展（plugin extensions）。开发者可以把编辑器、仪表盘乃至整个工作区，做成原生嵌在 ChatGPT 和 Codex 里的应用。现场展示了三个例子。一个是会议应用：在 ChatGPT 里看日历上的会议，点“记笔记”后，页面变成团队和 Dots 一起跟进待办的 Space。一个是 Figma：打开设计稿、看团队评论、让 ChatGPT 改稿。还有一个是 Adobe：在 ChatGPT 里使用 Photoshop 的功能。ChatGPT sites（在 ChatGPT 里生成的网站，几个月里已有数百万个）现在也能接入插件和数据。访客用自己的账号登录、带上自己的智能体，看到的内容因人而异。 用户发现插件的渠道也扩大了。除了在插件库里搜索，ChatGPT 还会在对话中识别出能帮上忙的插件，用户当场就能连接。插件审核流程也简化了：开发者可以跟踪审核进度，看到需要修改的地方，申请人工复审，更新工具时也不用从头提交。 第三项是 OpenAI Marketplace，首批有 30 多家合作方，包括 CodeRabbit、Notion、Vercel。企业客户可以用已经和 OpenAI 签下的采购承诺额度来买这些产品，有承诺额度的开发者也能在这里花。通过和模型推理托管公司 Baseten（转录稿写作 Base10）合作，市场里还能用到开源模型。 10. 收尾：一次额度重置，和“文艺复兴”的说法 当天的后续安排里，Peter 会讲 OpenAI 对开源社区的投入，包括新的 OpenClaw Enterprise Harness（OpenClaw 是一个开源 AI 智能体项目）。还有一个 Codex 游戏工作室环节，观众可以用 Codex 做复古游戏，每人能领一台 DevDay 限定的 chromatic computer，用来玩自己做的游戏。最后是 Sam、Tibo (Thibault) 和 Tejal 的现场问答。 Sam 和 Tibo 还在台上按下按钮，给全世界的用户重置了一次用量额度。Sam 说 OpenAI 已经做过太多次重置，Tibo 一直想把公司改名叫“重置公司”。 最后 Sam 说，他不喜欢把 AI 比作新一轮工业革命，那意味着人变成巨大机器里的齿轮，转得越来越快；生活里有些部分不能也不该被自动化。他希望，如果做对了，AI 带来的会更像一场新的文艺复兴：让人对自己的生活有更多掌控，有更多工具去创造、学习和探索。

Everything we shipped at DevDay 2026: - Dots - ChatGPT Space - Pages - Teams + team automations - @ChatGPT in Slack + Microsoft Teams - Meetings plugin (beta) - Shareable profiles - GPT-6.1 Sol - GPT-6 Astra Ultrafast - Pro 500 - Sign in with ChatGPT + plan usage in partner apps - Codex cloud environments - Refreshed Codex CLI with voice + /agents - Code Review + automatic reviews + GitLab support - Codex Security Cloud - Computer use in the Agents API - Bedrock Managed Agents powered by OpenAI - Decisions API (limited preview) - Plugin extensions: sidebars, panels + file viewers - Plugin submission + discovery improvements - MCP events for automations - MCP extensions SDKs: Python + Node - Plugins + MCP hosting in Sites - ZDR with Private Safety Processing What an incredible time to be building!!