1. HydraFusion: frontier quality through multi-model orchestration / HydraFusion：用多模型编排逼近前沿质量
GitHub says HydraFusion selectively routes coding work across models and, in controlled offline evaluations, matched or exceeded an Opus 5 baseline while reducing estimated cost.
GitHub 表示，HydraFusion 通过选择性路由让不同模型承担不同编码任务；在受控离线评估中，其质量达到或超过 Opus 5 基线，同时降低预估成本。这说明模型路由正在从“降价工具”升级为质量与成本的联合优化层。
链接：https://github.blog/ai-and-ml/github-copilot/project-hydrafusion-frontier-quality-via-multi-model-orchestration/
2. Perplexity uses GPT-6 Astra for end-to-end systems work / Perplexity 用 GPT-6 Astra 承担端到端系统工作
OpenAI describes Perplexity using Astra beyond code generation: modifying systems, monitoring production, and operating with infrequent human intervention.
OpenAI 的案例显示，AI coding 正从“生成代码”迈向修改系统、监控生产环境和低频人工介入。真正的产品壁垒不再只是模型能力，而是权限、验证、审计和回滚。
链接：https://openai.com/index/perplexity-improving-accuracy-with-astra
3. Scaling storage to one billion ChatGPT users / ChatGPT 在线存储扩展至 10 亿用户
OpenAI shared infrastructure lessons from scaling online storage to one billion users and 22 million requests per second.
OpenAI 披露其在线存储服务已支撑 10 亿用户和每秒 2200 万请求。对 AI SaaS 来说，这类基础设施会直接决定延迟、可靠性和毛利；规模化不是模型接入问题，而是完整的系统工程问题。
链接：https://openai.com/index/scaling-storage-one-billion-users-part-one
4. Marketing operations as code / 把营销运营写成代码
GitHub showed how its APAC marketing team automated event planning, execution, and follow-up as a repeatable workflow on GitHub.
GitHub 展示了 APAC 营销团队如何把活动策划、执行和跟进流程自动化。近期 Agent 机会并不局限于研发：凡是可描述、可重复、可验证的业务流程，都可能被产品化为“operations as code”。
链接：https://github.blog/ai-and-ml/github-copilot/marketing-ops-as-code-automating-events-from-planning-to-follow-up-on-github/
5. The gap between agreement and reliable agency / 从语言上同意到可靠执行仍有鸿沟
Builder Zara Zhang reported an Astra failure mode: after accepting a correction, the model explained the right action but did not actually execute it.
Zara Zhang 指出了典型的 Agent UX 缺陷：模型接受纠正后，只复述应该怎么做，却没有执行修正动作。可信 Agent 的关键指标应是“纠正是否改变后续状态”，而不是语言是否显得顺从。
链接：https://x.com/zarazhangrui/status/2099348631291883945
我的判断
今天的主线不是某个模型再次变强，而是 Agent control plane 正在成为 AI SaaS 的核心产品层：上游通过多模型路由优化质量与成本，中间通过权限、监控、验证和回滚保证执行，下游把研发、营销等具体流程产品化。下一阶段的竞争单位将从“一个模型”转向“一个可持续运行的执行系统”。
对 opcpay.org 读者的意义
支付、风控、合规和财务流程天然具备高权限、高风险、强审计属性，因此会比普通办公场景更早需要可信执行系统。值得跟踪的机会包括多模型路由、Agent 权限管理、执行审计、自动回滚、成本归因，以及跨币种结算与稳定币出款的工作流自动化。