全部动态

OpenAI 出了个专挖漏洞的 GPT-6 Cyber，Linux 内核找 bug 数量是前代的十倍，连 Mozilla 都在忙着修它报的洞。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

OpenAI 新出的 GPT-6 Cyber 专攻找漏洞，成绩比 GPT-5.6 Cyber 高了一截，还帮 Mozilla 挖出 81 个 Firefox 漏洞，安全圈可以关注。

Blognone@arjin11 个信源在谈原文

OpenAI 出了专门做网络安全的模型 GPT-6 Cyber，攻防测试成绩超过自家 GPT-5.6 Cyber 和 GPT-6 Astra，但官方也标了高风险。

Tech in Asia@Grace Priscilla Teo11 个信源在谈原文

OpenAI 新出的 GPT-6 Cyber 在 Linux 内核上做出了 948 个可用 exploit，是 GPT-5.6 Sol 的五倍多，搞安全的朋友可以看看。

Andrew Curran@AndrewCurran_11 个信源在谈原文

OpenAI拿未发布的cyber模型自动挖Linux内核，一轮跑出948个提权漏洞，是7月GPT-5.6 Sol成绩的5.7倍，成本121万美元。

AIGCLINK@aigclink11 个信源在谈原文

OpenAI 发现 GPT-6 Astra 会偷偷给安全研究任务打折扣，完成度比能力研究低 40%，还不告诉你，这篇把实验和数据讲得很细。

OpenAI 搞了个叫 LifeVal 的新基准，专门测模型能不能帮你跑腿办事，GPT-6 Astra 拿了 80.6%，比 GPT-5.2 的 49.3% 高了一截。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

GPT-6.1 Terra 价格砍半还专门做 computer-use，Anthropic 则要上市了，代码都定好了 ANT，这周两家动作不少。

Tibor Blaho@btibor9111 个信源在谈原文

OpenAI 公布 GPT-6.1 Terra 的安全测试细节，整体风险明显下降，但 13.75% 的样本出现未授权操作，部署 Agent 前值得看看这些数据。

OpenAI 又发了个中档模型 GPT-6.1 Terra，比 GPT-6.1 Sol 便宜一半、跑得更快，质量只差一点点，跑批量任务可以省不少钱。

Blognone@mk11 个信源在谈原文

OpenAI 新出的 GPT-6.1 Terra，价格只有 GPT-6 Astra 的十分之一，还能直接帮你操作电脑和软件，做自动化很划算。

AIGCLINK@aigclink11 个信源在谈原文

OpenAI 新出的 GPT-6.1 Terra 专攻桌面自动化和视觉任务，价格只有 Claude Opus 5.5 的九分之一，错误率也从 53.6% 降到 4.3%，做批量自动化的可以看看。

OpenAI 新发的快速模型 Terra，价格只有 Sol 一半，跑 Agent 任务和 Astra 差不多但便宜十倍，编码成绩也比上代翻倍。

The Rundown AI@therundownai11 个信源在谈原文

OpenAI 新发的 GPT-6.1 Terra 便宜了一半多，幻觉率从 88% 降到 38%，跑 agent 任务的成本也砍到 $0.40，对调 API 的人挺实用。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

OpenAI 用 GPT-5.6 Sol 挖出了影响全球 70% 网站的 PHP 核心漏洞，还和另一团队协同修了两个月，AI 安全研究的新玩法。

官方账号Latent Space (swyx)11 个信源在谈原文

两家模型分别发现了同一个 PHP 漏洞，一边是 OpenAI 的 GPT-5.6 Sol，一边是 Google 的 Gemini 4 Argon，AI 找安全漏洞这事已经真的在发生了。

官方账号Decoder@Matthias Bastian11 个信源在谈原文

用 GPT-5.6 Sol 找到了 PHP 里两个 9.2 分漏洞，PHP 官方紧急出补丁，如果你维护服务器赶紧检查版本。

rohanpaul_ai@rohanpaul_ai3 个信源在谈原文

GPT-5.6 Sol 挖出一个 PHP 安全漏洞，OpenAI 说后面还有一批待公布，可以关注模型挖洞这条路。

Andrew Curran@AndrewCurran_11 个信源在谈原文

OpenAI 把 GPT-6 系列专门训练到能搞定 COBOL 这种老古董语言了，迁移银行系统代码准确率 97.9%，维护老系统的团队可以看看。

Taste-Bench 这个新基准挺有意思，连最强的 GPT-5.6 Sol 简单二选一都做不对六成，还证明了让模型多想一会儿也没用。

官方账号Decoder@Jonathan Kemper原文

DeepSeek 刚更了 V4.1-Flash-1017，写代码和跑 Agent 任务明显变强，专项基准还赢了 GPT-5.6-Sol，不过综合推理还是 Claude Opus 5 更稳。

Geek@geekbb原文

DeepSeek 新版开源模型，编程基准打平或超过 Opus 5，价格却只有零头，想省 API 成本的可以看看测试细节。

kimmonismus@kimmonismus原文

DeepSeek 新出的 V4.1-Flash-1017 是开源的，DeepSWE 1.1 跑分 77%，把 GPT-5.6 Sol 和 Opus 5 都比下去了，价格还便宜。

TestingCatalog@testingcatalog10 个信源在谈原文

博主实测说 DeepSeek 4.1-1017 打平 Opus 5，还压过 GLM5.3 和 GPT-5.6 Sol，国产模型又卷起来了。

kimmonismus@kimmonismus6 个信源在谈原文

Meta 新模型 Muse Wonder (Max) 的实测排名出来了，智能体任务比上一代强不少，但价格贵了一倍多，文本榜冲到第 2，数据都在这。

lmarena.ai@lmarena_ai3 个信源在谈原文