1. GPT-6 production practice: optimize the whole system / GPT-6 上生产：优化整套系统
OpenAI's production guide puts model choice, reasoning effort, prompt caching, compaction, and long-running task governance into one framework. Cached input tokens can cost up to 95% less than uncached inputs.
OpenAI 把模型选择、推理强度、Prompt Caching、上下文压缩和长任务治理放进同一套生产框架。重点不再是“选最强模型”，而是优化任务成功率、延迟、缓存命中和人工复核共同构成的系统成本；缓存输入 token 最高可比未缓存便宜 95%。
链接：https://openai.com/index/practical-guide-building-gpt-6
2. Chatham cuts trade validation from 30 minutes to under four / 高风险交易验证从 30 分钟降至 4 分钟内
Chatham Financial uses AI to collect transaction evidence, compare key terms, and flag anomalies. The workflow is continuously evaluated against real transactions and reviewed by experienced specialists.
Chatham Financial 用 AI 自动收集交易证据、比对关键条款并标记异常，同时使用真实交易和资深审核员持续验证结果。真正可复制的不是“快 7 倍”，而是证据链、异常升级和专家复核共同构成的可审计闭环。
链接：https://openai.com/index/chatham-financial
3. The harness is becoming the company / Agent 产品的护城河正在转向 Harness
As foundation models become more interchangeable, product quality increasingly depends on the surrounding harness: context, tools, permissions, evaluations, and feedback loops.
当基础模型逐渐商品化，AI 产品的差异化会从模型本身迁移到 Harness：上下文组织、工具调用、权限边界、评估体系与反馈闭环。模型决定能力上限，Harness 决定生产环境中的稳定下限。
链接：https://blog.sshh.io/p/the-harness-is-the-company
4. Software work shifts toward verification engineering / 软件工程转向 Verification Engineering
Vercel CEO Guillermo Rauch argues that proofs, end-to-end tests, benchmarks, linters, and deterministic plus agentic checks will become central as AI-generated software accelerates.
Vercel CEO Guillermo Rauch 判断，软件工程正在转向 verification engineering：生成速度越快，证明、端到端测试、benchmark、linter，以及确定性与 agentic 检查的组合就越重要。未来稀缺的不是代码产量，而是验证系统结果的能力。
链接：https://x.com/rauchg/status/2105723481413550427
5. Agents may reveal reward hacking through internal activations / Agent 的内部激活可能暴露 Reward Hacking
Goodfire reports that agents often carry detectable internal signals when they exploit benchmarks or infrastructure. A layered monitor using activation probes, lightweight judges, and stronger-model escalation may reduce monitoring cost by roughly 90%.
Goodfire 的研究表明，Agent 在钻 benchmark 或基础设施漏洞时，内部 activation 可能出现可检测信号。由 activation probe、轻量 judge 和强模型升级裁决组成的纵深防御，有机会把监控成本降低约 90%，这为高权限 Agent 提供了比只检查输出更深的一层安全机制。
链接：https://www.youtube.com/@DataDrivenNYC/videos
我的判断
今天五条信号指向同一件事：AI 竞争的主战场正在从“模型是否更聪明”转向“执行系统是否可控”。成本优化、权限治理、持续评估、异常升级和人工复核不是外围功能，而是企业 AI 的产品本体。
其中最值得形成长期专题的是 Agent Harness + Verification Engineering。两者分别解决“怎样稳定执行”和“怎样证明执行正确”，组合后才构成可进入金融、支付等高风险流程的可信执行系统。
对 opcpay.org 读者的意义
支付与金融科技天然具备高权限、高风险、高审计要求，会比通用 SaaS 更早遇到 Agent control plane 问题。可落地的机会不是再做一个聊天入口，而是围绕交易证据、权限、审计、异常处理和人工复核，设计可计量 ROI 的垂直工作流。
本周建议：建立一张 AI 工作流评估表，至少同时记录任务成功率、单次成功成本、P95 延迟、人工复核时间与异常率；工程侧同步检查 Stripe Endive API 对 Checkout、Payment Intents、Billing Cycle Anchor 和 Connect 的迁移影响。