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。
全部动态
AI 相关资讯全量信息流 · 1224 条
7月30日
GPT-5.6 Sol 两处 API 设置调优，ARC-AGI-3 从 13.3% 涨至 38.3%
OpenAI 分享了两个超实用的 API 开关，GPT-5.6 Sol 在 ARC-AGI-3 上分数直接翻了三倍，token 还省了十二倍，搞推理优化的一定要看看。
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。
用HTML+CSS做AI PPT，Claude Opus效果比GPT好
作者做了两个PPT skill，经验很实在。他说Claude Opus做HTML比GPT好看，还对比了不同路线的优劣势，想省成本又出效果可以看看。
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。
GPT-5.6 Sol 在数学难题上成功，却在 ARC-AGI-3 表现差？调整 API 设置后性能三倍提升
OpenAI 发现 GPT-5.6 Sol 在 ARC-AGI-3 上表现差是因为 API 设置没开对。改两个参数分数涨三倍，token 省六倍，学起来很实用。
OpenAI 向 10 万名科学家免费开放 GPT-5.6 系列 AI 模型等资源
OpenAI 白送 10 万科学家免费试用 GPT-5.6 Sol，超大上下文窗口做深度研究爽翻，做文献调研的赶紧填表。
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
Weaviate Query Agent 升级，使用 GPT-5.6 Luna/Terra 提升检索召回率5-10%
Weaviate 的 Query Agent 现在用上 OpenAI 的新模型 GPT-5.6 Luna 和 Terra，召回率涨了5-10%，不涨价不降速，自动升级真省心。
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
OpenAI 开源 Codex Security 命令行工具
OpenAI 开源了安全扫描工具 Codex Security，真阳性率 74% 远超 Snyk 和 Semgrep，还能拦截 git 提交，安全团队赶紧试试。
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。
LLM政治对齐可控性审计：上下文框架主导模型立场偏移
这篇论文用70道政治题+12种人格提示，测了GPT-5、Claude、Grok等7个模型，发现提示词比模型本身更能左右回答方向。想了解AI怎么被‘带节奏’的可以看看。
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。
论文10:06
生成式AI证据的半衰期：40条记录审计、声明货币性框架及前沿模型辅助研究这篇论文研究了AI模型评估结论过时的速度，发现模型发布后近一年结论可能已失效。如果你做AI评测或读评测报告，它能帮你判断证据是否还新鲜。
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。