每天一次，过滤 AI 噪音
OpenAI宣布推出GPT-5.6，这是一款新的大语言模型，旨在为困难工作负载提供更高的Token智能度、更佳的单位成本性能以及按需的可扩展能力。该模型旨在为开发者和企业客户优化成本效益与高性能计算之间的平衡。作为相关集成，GPT-5.6也已成为驱动Microsoft 365 Copilot的首选模型，将这些先进的语言能力直接引入Word、Excel、PowerPoint、Chat和Cowork等生产力应用中，以实现更快的执行和更高质量的输出。
OpenAI推出了ChatGPT Work，这是一款自主AI智能体，旨在与用户在复杂和长周期的专业任务中展开合作。该系统可以直接跨多个软件应用和文件采取行动，允许其在数小时内持续协助，将高层目标转化为已完成的产出。此次发布标志着其从对话助手向能够执行复杂工作流和管理跨各种软件环境的技术细节的功能性工作场所智能体的转变。
SemiAnalysis发布了一份关于Meta超级智能（MSL）的分析，详细介绍了Meta追赶OpenAI和Anthropic等前沿AI领军者的积极策略。尽管与其Muse Spark模型相比，DeepSeek v4 Pro等竞争对手的初期结果并不理想，但Meta正在人才、基础设施和团队重建方面投入巨资。关键战略举措包括对Scale AI投资143亿美元以获取专业工程人才、提供具有竞争力的薪酬方案以及采用新的“Tent”数据中心设计，使Meta有望在全球前沿LLM格局中超越Google。
OpenAI发表了一项分析，指出了用于评估AI代码模型的著名基准测试SWE-Bench Pro中存在的严重可靠性和准确性问题。调查显示，基准测试中的噪声可能会扭曲模型性能指标，从而难以区分真正的算法进步与评估方差。研究人员强调，迫切需要稳健且抗噪的评估框架，以在未来的大语言模型中准确衡量智能体编码能力。
OpenAI启动了生物漏洞赏金计划，这是一项专门的众包计划，旨在识别与其前沿AI模型相关的潜在生物风险。该计划邀请外部研究人员和安全专家发现并报告GPT-4等系统可能无意中协助合成或复制危险生物材料的漏洞。参与者可根据严重程度获得经济奖励，旨在在模型广泛部署前主动减轻生物安全风险。
Anthropic任命诺贝尔奖获得者、前美联储主席Ben Bernanke博士加入其长期利益信托（LTBT）。作为Anthropic公共利益公司结构的独立管理机构，LTBT有权任命董事会成员并就社会影响向领导层提供咨询。Bernanke博士将运用其经济学专业知识，指导Anthropic关于先进人工智能和大语言模型如何影响全球劳动力和经济的研究。
OpenAI发布了其新模型GPT-5.6的部署安全卡及更新后的开发者API指南，提供了相关信息。文档强调了该模型的先进推理能力及其与OpenAI最新部署安全框架的一致性。此次发布表明GPT-5.6已准备好集成至开发者工作流中，并具备了升级后的缓解协议和系统稳健性标准，体现了对安全且可扩展的前沿模型部署的审慎关注。
Meta推出了Muse Spark 1.1，标志着公司向对其先进AI能力收费的转型。作为一款智能体模型，Muse Spark 1.1旨在支持多步推理工作流和自主任务执行。与此同时，Meta发布了一份评估报告，详细介绍了技术基准和Muse Spark API的开发者集成指南，在企业级AI智能体市场中确立了一个直接的商业竞争者。
《纽约时报》在正在进行的版权诉讼中指控OpenAI伪造了搜索其训练数据的能力，并隐藏了数十亿条系统日志。该出版商声称，OpenAI在数据索引能力方面系统性地误导了法庭和研究人员，而这些能力对于识别其基础模型中的版权侵权至关重要。这些指控可能会对生成式AI开发者的法律取证和透明度要求产生重大影响。
OpenAI正式推出了ChatGPT Work，这是一项专门的产品，旨在将其语言模型集成到企业和团队的工作流中。该解决方案提供了工作区集成、先进推理和数据隐私保护，确保客户数据不会被用于模型训练。此发布旨在将对话式AI工具引入安全、协作的业务操作系统中。
中国人工智能公司DeepSeek正转向设计专有的AI芯片，以减少对外国硬件的依赖并规避美国出口限制。这一定制芯片策略旨在实现软硬件的直接集成，降低训练和运行其大规模模型的运营成本。从AI软件开发商转型为全栈软硬件提供商可能会对全球半导体供应链产生重大影响。
Context.dev推出了其API平台，可将非结构化的网页转换为针对AI智能体和软件应用优化的精简、结构化数据包。这一由YC S26支持的工具除了提取Markdown、渲染后的HTML、图像和截图外，还能提取域名级别的品牌背景信息（如Logo、描述和社交链接），从而简化网页抓取工作流。
对GLM 5.2语言模型的性能评估显示，其在专业领域任务（特别是在财务簿记和增值税（VAT）计算方面）取得了显著进展。基准测试表明，该模型的准确性水平几乎达到了专业人类簿记员的水平。这一成就展示了利用大语言模型自动化处理高度结构化、精度要求极高且受监管的财务工作流的潜力。
一款新的浏览器端开发工具问世，它能将Web应用逆向工程为AI智能体的可执行工具。该工具直接在已认证的Web应用内运行，监控内部API调用并进行动态翻译，充当自更新的模型上下文协议（MCP）服务器。这种方法简化了企业软件自动化，并将AI智能体的集成能力扩展到了传统的检索增强生成（RAG）之外。
OpenAI首席执行官Sam Altman宣布了ChatGPT生态系统的一系列重大更新。此次发布推出了ChatGPT Work（一种面向企业的协作智能体），以及专用的ChatGPT桌面应用。此外，平台还通过增加直接站点托管功能扩展到集成式Web开发领域。这些更新使ChatGPT从基础对话界面转型为协作内容创作、站点管理和专业工作流的多功能跨平台中心。
OpenAI宣布推出其最新且能力最强的人工智能模型，并在博客文章中详细介绍了其架构、推理进展和性能基准。随此次发布，OpenAI还推出了Sol和Terra模型以优先考虑运营效率，降低Token消耗并减少企业单位任务成本。这些更新共同为推理、编码、网络安全和科学应用确立了新的行业基准。
Prime Intellect成功完成了1.3亿美元的A轮融资，以加速其开放超级智能栈（Open Superintelligence Stack）的开发。本轮投资由Radical Ventures领投，NVIDIA和Intel Capital等半导体和技术行业领军者也参与了投资。这笔资金将用于设计可访问的开源基础设施和模块化栈架构，旨在实现高性能计算的民主化并扩展先进人工智能能力。
GPT-5.6 Sol模型通过在François Chollet设计的ARC-AGI-3基准测试中获得7.8%的成功率，树立了新的最先进里程碑。这是验证过的前沿AI模型首次成功解决ARC-AGI-3任务。与衡量模式匹配的传统评估不同，ARC基准测试评估了高度抽象、新颖场景下的真实机器推理和泛化能力。
Runway推出了Runway Dev，这是一个企业级平台，将公司先进的生成式媒体模型集中在一个环境中。该平台专为开发者和企业用户设计，集成了Seed Audio 1.0和Seedance Mini，以大规模精简多媒体工作流。Runway旨在为高性能音频和视频合成提供稳健的基础设施，促进其部署到专业生产流水线中。
Anthropic宣布任命前美联储主席Ben Bernanke博士为其长期利益信托（Long-Term Benefit Trust）的最新成员。信托作为负责任命Anthropic董事会的独立管理机构，Bernanke博士的加入旨在加强企业监督，确保公司在快速扩展过程中始终遵循其安全标准和长期利益使命。
Google宣布AlphaEvolve在Google Cloud上全面可用。该工具与Google DeepMind合作开发，利用Gemini驱动的进化算法来自动化并扩展计算发现与优化。通过将DeepMind的研究与Google可扩展的云基础设施相结合，开发者和企业客户可以部署复杂的进化计算模型，以解决极具挑战性的工业和科学优化问题。
Samaya AI推出了FrontierFinance，这是一个新的基准测试框架，旨在评估自主智能体AI系统的财务推理能力。作为该领域极具挑战性的评估标准，FrontierFinance衡量了自主智能体在严格测试条件下处理复杂财务数据集、进行市场分析、执行决策任务以及生成精确财务报告的有效性。
研究人员推出了单次展开异步优化（SAO），这是一种旨在优化大语言模型以处理长周期智能体任务的强化学习（RL）框架。为了解决异步RL中的稳定性和策略外挑战，SAO用单次展开采样策略取代了传统的组采样，每个提示词使用一次展开。它结合了值模型训练设计和严格的双边Token级裁剪策略。在SWE-Bench Verified、BeyondAIME和IMOAnswerBench等智能体编码和推理基准测试中，SAO表现持续优于GRPO及其变体。该管线已成功部署在开源GLM-5.2模型（750B-A40B）的训练中。
研究人员推出了LingBot-World 2.0（也称为LingBot-World-Infinity），这是一个为交互式、无界视距视频生成而设计的先进世界建模迭代。该系统利用因果预训练范式，并包含一个能够以60 fps驱动720p视频流的蒸馏实时变体。它集成了一个智能体挂钩系统，其中驾驶智能体规划角色行为，指挥智能体合成新的环境元素。此次发布包含一个14B主模型，以及一个适合单GPU部署的轻量级1.3B模型。
研究人员开发了LingBot-Video，这是一种基于扩散Transformer（DiT）的视频预训练范式，专门为具身智能进行了优化。为了在物理真实感和建模能力之间取得平衡，作者采用了混合专家（MoE）架构而非稠密框架。该模型在结合了标准Web素材与机器人导向数据集（包含操作、导航和自我中心视角）的视频引擎上进行训练。多维奖励系统对物理有效性的输出进行对齐。LingBot-Video作为开源MoE视频基础模型被引入。
研究人员推出了LaMem-VLA，这是一个通过将记忆直接集成到潜在嵌入空间来克服长周期操作失败的视觉-语言-动作框架。它通过四部分系统将历史经验重构为短期和长期潜在Token：策展人、搜索者、冷凝器和编织者。通过将记忆保持在原生的连续潜在空间内，这些经验Token能够积极参与VLA模型的多模态推理。在SimplerEnv和LIBERO基准测试上的实验证明了其性能的提升。
研究人员研究了用于物理系统的智能体架构搜索（AAS），以自动化感知、记忆和规划的模块化设计。他们引入了AgentCanvas，一个托管具身执行器的类型图运行时，以及KDLoop，这是一种在提案、批评、实验和蒸馏之间循环的搜索过程。在四个具身执行器中评估三个AAS变体，显示在视觉-语言导航、具身QA和语言条件操作方面成功率有所提高，同时也暴露了噪声展开信号和局部编辑盆地等关键挑战。
研究人员发布了AgentLens，这是一个用于交互式编码智能体的开源评估基准，旨在衡量全轨迹性能而非二元成功指标。AgentLens将形式化代码验证与LLM生成的轨迹审查及并排比较相结合，以解释智能体失败、工具使用和恢复策略。该基准可帮助开发者诊断模型行为并发现产品回归。代码库已在GitHub上公开。
研究人员引入了RoboDojo，这是一个用于评估仿真和物理部署中通用机器人操作策略的统一仿真与现实基准。RoboDojo包含在Isaac Sim中构建的42个仿真任务，以及18个评估记忆、精度、长周期执行和指令遵循的现实世界任务。它包括RoboDojo-RealEval，这是一个具有远程云访问、标准化硬件和重置协议的标准化现实世界设置。该基准已集成到XPolicyLab中，已有30种策略在此接受了评估。
研究人员推出了Splash，这是一种掩码隔离触觉对齐学习框架，在不降低视觉-语言能力的情况下，为多模态大语言模型增加了物理触觉对齐。Splash将预训练参数隔离为稳定的关键子空间和可训练的休眠子空间。休眠子空间被选择性地更新以将触觉输入与语言模型对齐，而关键子空间保留了一般的视觉推理，避免了灾难性遗忘。Splash在视觉-触觉基准TVL、SSVTP和TacQuad上表现领先。