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。
全部动态
AI 相关资讯全量信息流 · 633 条
7月30日
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。
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。
APEX-Accounting基准：评估九个前端模型会计能力
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。
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。
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。
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。
Claude Opus 5 在 Agent Arena 与代码榜上表现强劲
Claude Opus 5 在 Agent Arena 和代码榜都冲进前三，Max 版更是双榜第一，比 GPT-5.6 还靠前，很强悍。
7月29日
Wiz公布漏洞挖掘系统Atlas：多AI智能体协作已发现超200漏洞
Wiz搞了个Atlas系统，让多个AI智能体像安全团队一样协作挖漏洞，已经在开源项目找到200多个漏洞，基准测试还超过了GPT-5.5-Cyber和Claude 4.6。
IT之家原文
7月28日
模型12:30
ClinFusion: 面向整体医学理解的视觉中心多模态LLM系统ClinFusion用新架构统一2D/3D医学图像，在20/24基准上碾压Hulu-Med、Lingshu，甚至超GPT-5.2。医生盲评说它报告最好，值得关注。
Kimi K3：2.8T参数开源MoE模型，性能接近Claude Fable 5和GPT-5.6 Sol
Kimi 开源了2.8T参数的K3模型，激活104B参数，能处理百万token上下文，视觉能力也不弱，性能直逼Claude和GPT-5.6，适合用来部署或研究。
纳德拉官宣微软首个AI安全模型MAI-Cyber-1-Flash，跑分超Mythos 5和GPT-5.5 Cyber
微软出了个专攻安全的AI模型MAI-Cyber-1-Flash，CyberGym跑分95.95%，比Mythos 5和GPT-5.5 Cyber都强，还更省钱。
GPT-5.6 三变体 Agent Arena 战绩：Sol +10.1%，Terra +4.0%，Luna +3.3%
GPT-5.6 的 Sol 版在 Agent Arena 上表现亮眼，比 Terra 和 Luna 都强，直接对标 Claude Opus 4.8。想了解新模型实力的话可以看看。
7月27日
月之暗面开源 Kimi K3 模型，2.8 万亿参数
月之暗面开源了 2.8 万亿参数的 Kimi K3，MoE 架构效率比 K2 高 2.5 倍，支持 100 万 token 上下文和视觉推理，值得关注。
7月26日
Sakana AI 发布 Fugu-Cyber：CyberGym 86.9%，CTI-REALM 72.1%
Sakana AI 新出的网络安全模型 Fugu-Cyber 在 CyberGym 上拿了 86.9%，比 GPT-5.5-Cyber 还高，做安全测试的可以关注。
7月25日
纳德拉：微软自研 MAI 模型在 Excel 任务中性能与 GPT-5.6 相当，部署成本更低
微软新出的 MAI 模型，在 Excel 上比肩 GPT-5.6，而且跑在旧款显卡上就能用，成本低不少。
IT之家原文
7月24日
月之暗面 Kimi K3 在 AA-Briefcase 跑分超越 GPT-5.6 Sol，仅次于 Claude Fable 5
月之暗面新发的 Kimi K3 在知识工作跑分上干掉了 GPT-5.6 Sol，只输给 Claude Fable 5，看参数和表现都很猛。
Kimi K3 max vs GPT-5.6 Sol max：DeepSWE基准对比
Together Compute 下了个对比，Kimi 和 GPT 在修 bug 上各有绝活，组合用比单干划算得多。
每周超3亿人用ChatGPT咨询健康，GPT-5.6 Sol提升复杂问题表现
OpenAI公布新数据，每周3亿人用ChatGPT问健康，还出了GPT-5.6 Sol专门优化复杂问答，免费用户也能体验升级。
7月23日