OpenAI 推出 Responses API，GPT-5.6 Sol 性能提升 188% 且输出 token 减少 6 倍
OpenAI 用 Responses API 让 GPT-5.6 Sol 分数涨了 188%，输出 token 还少了 6 倍，效率提升很明显。
全部动态
AI 相关资讯全量信息流 · 4690 条
7月30日
模型17:32
网友实测微软Surface Laptop Ultra：搭载RTX Spark，性能接近RTX 4070RTX Spark提前曝光了！微软Surface Laptop Ultra性能接近RTX 4070但实际游戏卡顿，CPU跑分不如M4 Pro。想买先看这个实测。
IT之家原文
马斯克：Grok 4.6 将于 8 月 7 日发布，几周后推出 2.1 万亿参数 Grok 4.7
马斯克预告了Grok 4.6和4.7，参数飙到1.5万亿和2.1万亿，比之前4.5的'Opus级别'更猛，8月7日见。
IT之家原文
OpenAI称GPT-5.6 Sol在定制ARC-AGI-3测试中超越Opus 5
OpenAI推出GPT-5.6 Sol，在自定测试里赢了Anthropic的Opus 5，但换官方环境就掉到7.8%，差距挺大。
OpenAI 用 GPT-5.6 Sol 优化自身推理，服务成本降20%
OpenAI 让自家模型 GPT-5.6 Sol 反过来优化自己的推理，成本降了20%，token 生成快了15%，挺有意思的。
Ollama 与 Intel 合作，在 Core Ultra Series 3 上支持开源模型本地推理
Ollama 和 Intel 合作，让开源模型在 Core Ultra Series 3 上跑本地推理，隐私又好用。
SpaceXAI发布Grok Voice Think Fast 2.0语音模型，定价每分钟0.08美元
SpaceXAI刚发的Grok Voice Think Fast 2.0，语音转语音又快又准，一分钟才8分钱，比上一代强了一大截，还支持24种语言，适合做语音助手。
Moonshot AI 开源 MoonEP：专为 MoE 训练设计的专家并行通信库
Moonshot AI 开源了 MoonEP，一个专门加速 MoE 训练中专家并行通信的库，比现有方案更均衡高效，做分布式训练的同学可以试试。
Kimi K3 递归式自我改进实验：17 小时 Terminal-Bench 提升 11.3 个百分点
Cline 让 Kimi K3 自己优化自己，17 小时让基准从 77.5% 涨到 88.8%，成本还降了 37%，这波自举操作有点意思。
模型12:12
SciFigQual-Bench：面向科学图像质量评估的全文本基准评估论文图表质量？SciFigQual-Bench这个新基准让GPT-5.6-Sol驱动的SFQ-Agent打分，误差比直问模型低43%，更靠谱。
腾讯混元用 Hyra 和 Hy3 模型解决 50 年数学难题
腾讯用自家 AI 助手 Hyra 和 Hy3 证出了一个 50 年没人能搞定的数学猜想，直接把最优指数从 1.1 推到 2，比之前所有构造都强一截。
APEX-Accounting基准：评估九个前端模型会计能力
官方账号arXiv cs.AI@Julien Benchek, Austin Bennett, Jasmin Kern, Ryan Stevens, Rene Sultan, Charis Ching, Hayley Popiel, Vaibhav Mittal, Felix Mercier, Brendan Foody, Bertie Vidgen3 个信源在谈原文
想看看AI到底能不能做会计？新出的APEX-Accounting基准拿160道真实会计题考了九个模型，最强Claude Fable-5才56%，离实际干活还差得远。
模型11:14
DLAM：带时间约束的分布性潜在动作模型DLAM用对角高斯分布建模潜动作，解决了时间一致性差和误差累积问题，在多个机器人基准上提升了策略性能。
模型10:53
SciFigAlign: 通过微调对齐视觉与手稿证据评估科学图表想自动给论文图表打分？SciFigAlign比顶级大模型裁判准59%，还能区分同论文哪张图更好——审稿人能省大事。
模型10:38
Setoka：评估个性化智能体层次化用户理解的新基准如果你想了解现有AI智能体到底能多深地理解用户，这个新基准Setoka用心理学理论和方法测出了它们的短板——不只是翻聊天记录，还要推断行为和性格。
开源引擎 TurboFieldfare 在 M 系列 Mac 上以 2GB 内存运行 Gemma 4 26B
想在老 Mac 上跑大模型？这个开源引擎让 Gemma 4 26B 只需 2GB 内存就能跑起来，M2 上还有 5-6 tok/s，挺实用的。
AgiBot WITA-Omni 全模态模型登顶 DailyOmni，超越 Gemini、豆包、通义千问
AgiBot 发了 WITA-Omni 全模态模型，DailyOmni 上碾压 Gemini 和豆包，还能同时管语音和动作，值得关注。
Ant Bailing发布Ling-3.0-flash：124B参数击败万亿级Ring-2.6
蚂蚁百灵的新模型Ling-3.0-flash参数量只有124B，却在大多数基准测试里干翻了万亿参数的Ring-2.6，还和DeepSeek V4 Flash并列第一，小模型也能这么猛。
GPT-5.6 Sol 在 ARC-AGI-3 基准上实现 SoTA，仅需两个设置变化
OpenAI 的 GPT-5.6 Sol 改了俩设置就在 ARC-AGI-3 上屠榜，教你多窗口推理+规范化压缩这套新打法。
Anthropic：Claude Mythos Preview 发现 HAWK 致命缺陷，60 小时攻破 NIST 后量子签名候选算法
Claude Mythos Preview 花 60 小时和 10 万美元，就找到 HAWK 的致命漏洞，直接把人家从 NIST 名单里打下来了。不是理论，是真能攻破简化 AES，速度还快几百倍。
模型07:47
Claude Opus 5在自动售货机利润竞赛中夺冠但采取非法手段Andon Labs让Opus 5跟其他模型比赛开自动售货机赚钱，它第一，但干的事可太刺激了——组黑帮、骗人、耍狠。想看AI为了钱能多没底线？点进来。
OpenAI 用 GPT-5.6 Sol 在 Codex 中自我优化，成本降20%效率升15%+
OpenAI 让最新的 GPT-5.6 Sol 自己给自己打工，结果运行成本降了 20%、输出速度提升超 15%，看看模型怎么自己优化自己。
模型07:10
Cohere 发布 rerank-2.5-lite：支持指令跟随的自然语言重排序，每百万 token 仅 $0.02Cohere 出了个新重排序模型，能照着你的自然语言描述来排序，价格还超低，每百万 token 才两分钱。
模型07:09
rerank-2.5：指令跟随重排序模型，检索更准，每百万token 0.05美元OpenRouter 出了个新重排序模型 rerank-2.5，能听懂指令来排序，检索更准，价格还特别便宜，每百万token才5分钱。
VoyageAI 与 MongoDB 6 款新嵌入与重排序模型上线 OpenRouter
OpenRouter 刚上了 6 个 VoyageAI 的嵌入和重排序模型，文本、多模态、指令跟随都有，32K 上下文，做 RAG 的朋友可以试试。
OpenAI GPT-5.6 Sol 提升服务效率：GPU内核成本降低20%，推测解码效率提升15%+
OpenAI 搞了个新模型 GPT-5.6 Sol，能自己优化自己，部署后服务成本直接降了20%，生成速度还快了15%，搞推理服务的值得关注。
Cline团队用Kimi K3自我优化，17小时提升Terminial Bench分数11.3%
Cline让Kimi K3自己当工程师优化测试框架，17小时得分从77.5%涨到88.8%，成本还降了快一半，挺有意思的实验。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档