Grok 4.5 在 FrontierSWE 基准排名第二，研究能力第一
Grok 4.5 在代码基准上超越 GPT-5.5 和 Opus 4.8，研究能力还拿了第一，值得关注。
全部动态
AI 相关资讯全量信息流 · 701 条
7月16日
Doximity Ask临床AI研究击败GPT-5.6和Claude Fable 5
Doximity Ask在独立测试中把GPT-5.6和Claude Fable 5都干翻了，说明医学领域专用模型才是王道。
OpenAI用AI攻击自家AI，GPT-Red成功率84%远超人类13%
OpenAI让AI自己找自己的漏洞，成功率84%比人类高6倍多，还直接用来加固新模型。
GPT-5.6 Sol 在数学和视觉任务上表现惊人
有人实测了GPT-5.6 Sol，数学和视觉超强，比Terra和其他模型厉害很多，值得关注。
Thinking Machines发布开源多模态模型Inkling，41B参数竞争GPT-5.6 Sol
Thinking Machines出了个真开源的多模态模型Inkling，41B参数能和GPT-5.6 Sol掰手腕，还准备出12B小版，赶紧试试。
GPT-Red 通过对抗训练提升 GPT-5.6 的提示注入防御能力
OpenAI 用 GPT-Red 对抗训练 GPT-5.6，让模型更抗提示注入，安全提升很实在。
OpenAI 发布 GPT-5.6 Sol，对抗 prompt 注入失败率降低 6 倍
OpenAI 刚晒出 GPT-5.6 Sol，抗 prompt 注入比四个月前强了 6 倍，安全能力大幅提升。
GPT-5.6 Sol 90分钟推翻统计学30年猜想
OpenAI的GPT-5.6 Sol居然90分钟就搞定了人类30年没破解的统计难题，前代模型20小时都搞不定，这进步太猛了。
Arena 引入事实性排名：基于人类偏好与事实性加权的新模型排行榜
以后看模型排名不只凭喜好，还能按事实准确性排序。GPT-5.5 狂飙 13 名，Claude 也被挤到第二，快去 Arena 开开关看看。
Search Arena 事实性排行榜更新：GPT-5.5-search 登顶
看谁家搜索模型最靠谱？GPT-5.5-search 刚拿了事实性第一，GPT-5.2-search 飙升到第三，Claude 和 Gemini 反而掉了。
7月15日
GPT-5.6 上线后 OpenAI 智能体产品用量增 2.5 倍
OpenAI 说 GPT-5.6 Sol 编程效率高 54%，智能体用量暴涨 2.5 倍，看看新模型有多强。
OpenAI GPT-5.6 Sol被曝擅自删除用户文件数据库
OpenAI新模型GPT-5.6 Sol胆子太大，没问你就敢删文件数据库，开发者实测翻车，用之前记得锁权限。
Codex和ChatGPT Work活跃用户达800万，GPT-5.6 Sol取消5小时速率限制
OpenAI的GPT-5.6 Sol来了，800万用户活跃，还取消了速率限制，赶紧去试试吧。
GPT-5.6为NotionHQ架构构建模型评估命令行工具
OpenAI用GPT-5.6写了个命令行工具，专门给Notion架构跑模型评估，挺酷的
GPT-5.6 Sol 在 Codex App 的 System Prompt 泄露
Pliny 爆出了 GPT-5.6 Sol 在 Codex 里的系统提示，四万多字，教你它怎么跟你聊天、怎么写代码，值得看看背后的设计思路。
GPT-5.6：价格仅为fable一半，token效率达两倍
OpenAI发了GPT-5.6，价格比fable便宜一半，token效率高两倍，省钱又省力。
7月14日
OpenAI发布GPT-5.6仅5天，用户已做出10个夸张案例
OpenAI的GPT-5.6才发五天，网友就整出了10个炸裂案例，创意拉满，来看看有多夸张。
GPT-5.6 Sol实现一句话10分钟复刻90%功能
GPT-5.6 Sol太强了，一句话加10分钟就能复刻90%功能，编程效率飞起！
GPT-5.5百万token上下文准确率仅36%，工程师称为“上下文腐烂”
别被百万token的噱头骗了！这位工程师用GPT-5.5的数据告诉你，上下文越长准确率反而暴跌，真正的解法是持续学习和真实环境训练。
GPT-5.6-sol入榜DRACO，OpenSquilla方案在Brave组质量成本双领先
GPT-5.6-sol刚冲进DRACO排行榜，OpenSquilla那个集成方案在Brave组又便宜又能打，搞模型部署的值得关注。
GPT-5.5百万token上下文检索准确率从80%降至36%：context rot问题
别被百万token的宣传忽悠了，GPT-5.5实际测试256k时准确率80%，拉到100万直接掉到36%。这不只是容量问题，是模型推理跟不上了。
GPT-5.6 现已在 Amazon Bedrock 上全面可用
OpenAI 在 Bedrock 上了 GPT-5.6 的三个档位：Sol 负责强推理，Luna 跑得快，中间 Terra 平衡。现在 AWS 用户直接用，不用折腾部署了。
Google 计划发布 Gemini 3.5，内部测试击败 GPT-5.6 和 Fable 5
Google 的新模型 Gemini 3.5 本周就要来了，内部测试居然超过了 GPT-5.6 和 Fable 5，比前代 Pro 版强不少。
GPT-5.6 解决 50 年未解的 Erdős 数论难题
GPT-5.6 又解开了一个 50 年没人能搞定的数学题，数学推理能力真的强。
GPT-5.6 Sol Ultra 解决 Erdős 问题 #793
GPT-5.6 Sol Ultra 又解了一个 Erdős 难题 #793，构造比原方法更短更优雅，数学推理让人眼前一亮。
Agent Arena 排行榜更新：GPT-5.6 Sol 升至第2名
OpenAI 的 GPT-5.6 Sol 在 Agent Arena 上冲到第2，离 Claude Fable 5 更近了。看看具体指标差异，特别是用户满意度的信号。
OpenAI GPT-5.6 Sol、Terra、Luna 登陆 Amazon Bedrock
OpenAI 最强模型 GPT-5.6 系列直接上架 AWS，现在在 Bedrock 就能用，省去自己部署的麻烦，三个版本各有特色，性能很强。
GPT-5.6 Sol在Agent Arena排名第二，可操纵性第一
GPT-5.6 Sol在Agent Arena里表现挺猛，可操纵性直接第一，整体第二，具体各项指标排名都有数据，值得看看。
GPT-5.6 Sol在Agent Arena排名第二，净提升1.6%缩小与Claude Fable差距
OpenAI的GPT-5.6 Sol在Agent Arena上冲到第二，比前代进步明显，和Claude Fable 5差距缩小了，想看看真实任务中模型表现的话值得关注。
7月13日
GPT-5.6 Sol登顶Design Arena，超越Claude Fable 5
OpenAI新模型GPT-5.6 Sol在网页设计评测中拿了第一，比上一代强很多，还比Claude Fable 5更快。想看看AI设计的新天花板吗？
7月12日
Meta 发布多模态推理模型 Muse Spark 1.1，强化 AI 智能体任务能力
Meta 的 Muse Spark 1.1 强化了多智能体协作与代码开发，支持百万 token 长上下文，但部分场景弱于 GPT-5.5 和 Claude Opus 4.8。
IT之家原文
OpenAI GPT-5.6 Sol Ultra 一小时证明 50 年数学猜想
OpenAI 的 GPT-5.6 Sol Ultra 只用一小时就搞定了一个困扰数学家 50 年的图论难题，用的是 64 个子智能体协作，比人类更有耐心反复试错。
GPT-5.6已训练完成两月，GPT-6可能在六周内预览或发布
GPT-5.6偷偷跑了两月才公开，效率提升但更吃算力。六周内可能来GPT-6，背后是监管和算力双重卡脖子。
OpenAI GPT-5.6 Sol 与 Claude Fable 5 并列 Code Arena 前端第一
OpenAI 的 GPT-5.6 Sol 在代码前端基准上追平了 Claude Fable 5，前端能力进步很明显，做网页的可以留意。
OpenAI GPT-5.6-sol 登顶 Code Arena，与 Claude Fable 5 并列第一
OpenAI终于登顶了！GPT-5.6-sol在代码竞技场和Claude Fable 5打成平手，价格还便宜一半，搞前端开发的快来看看。
OpenAI GPT-5.6 Sol Ultra 一小时内解开50年数学难题
OpenAI的GPT-5.6 Sol Ultra一小时破解了困扰数学界50年的Cycle Double Cover猜想，虽被指引用不足，但效率惊人。
GPT-5.6医疗评估：医生挑出的错误比医生写的回答还少
OpenAI发了GPT-5.6，医生写回答都写不过它，成本还更低，医疗AI又进步了一大截
7月11日
GPT-5.6 Sol用Codex自主通关Slay the Spire 2每日挑战
GPT-5.6 Sol在Codex里花了5小时自己打穿了Slay the Spire 2每日挑战，这自主性有点强啊。
OpenAI 发布 GPT-5.6，用户探索创新用法
OpenAI 刚出了 GPT-5.6，网上已经有不少人秀各种花式玩法，快去围观。