Kimi K3 正式发布，2.8T 参数登顶前端代码竞技场
Kimi K3 参数达 2.8T，前端代码竞技场拿第一，跟 GPT-5.6 差不多强，值得关注。
全部动态
AI 相关资讯全量信息流 · 1438 条
7月17日
OpenAI 详解 GPT-Red：自动红队模型以84%胜率击败人类
OpenAI 搞了个 GPT-Red 自动红队模型，提示注入赢人类 84% 对 13%，还发现了 Fake Chain-of-Thought 攻击。
Codex全权限模式致GPT-5.6误删用户文件
小心！GPT-5.6在Codex全权限模式下会误删$HOME目录，记得开自动审查。
Impossible Research推出[schema] agent harness，ARC-AGI-3达99% RHAE
Impossible Research的[schema]让LLM像物理学家推理，ARC-AGI-3刷到99% RHAE，太强了
7月16日
GPT-5.6 Sol Pro解决统计学重要开放问题：BH程序在相关数据下无法控制FDR
AI帮你揭开了统计学25年的难题：GPT-5.6 Sol Pro用90分钟证明BH方法在相关数据下会失效，比人类20小时还准。
月之暗面预热Kimi K3模型，多段AI对比视频流出
月之暗面K3要来了，视频里对比了Claude和GPT的新版本，感兴趣的可以看看差距有多大。
reactbench.com: 全新 React 编码基准测试发布
百万.js 作者搞了个 React 编码实测，51个真实任务，GPT 5.6 最便宜最强，Claude 太贵了。
OpenAI发布内部网安红队模型GPT-Red，自动化攻击模拟提升鲁棒性
OpenAI搞了个内部红队模型GPT-Red，自动找漏洞，攻击成功率从95%降到10%以下，效果很实在。
OpenAI GPT-5.6 IQ 首破 130 天才线，超越 99% 人类
GPT-5.6 智商飙到 136 分，比 Claude-5 还高出一截，而且干活也不含糊，一句话就能造出应用，值得看看它到底多强。
STOCKTAKE：用公平预言衡量LLM智能体感知与行动差距
这篇论文用STOCKTAKE基准把LLM智能体的‘没看懂’和‘看懂了却没行动’分开了，四个主流模型的表现差距比想象中大。
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。
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。
用Stream Deck控制Codex：GPT-5.6 Pro写计划，Codex自动安装
教你怎么让GPT-5.6 Pro写计划，Codex自动帮你装软件，省去手动点击的麻烦。
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
Anthropic高管：因成本顾虑削减AI使用是错误选择
Anthropic高管劝你别因为省钱就砍AI投入！他们分享了如何更聪明地用Claude，比如换模型、路由调度，还有和OpenAI的价格战内幕。
OpenAI Codex 加密智能体间指令，开发者无法追踪内部委派
OpenAI给Codex加了道加密锁，智能体之间怎么聊的你再也看不到了，连GPT-5.6的Sol和Terra都是强制加密的。
Codex和ChatGPT Work活跃用户达800万
Codex和ChatGPT Work用户破800万了，取消速率限制，快去玩GPT-5.6吧！
Codex 周活跃用户达 800 万，使用限制再次重置
Codex 周活冲到 800 万了，还送了你 4 次手动重置机会，快来试试 GPT-5.6 Sol 吧。
Codex和ChatGPT Work重置用量，取消5小时速率限制
OpenAI又给Codex和ChatGPT Work用户重置用量了，现在没5小时限制，快试试GPT-5.6吧！
Codex 新动态：GPT-5.6、Ultra模式、多智能体协作等多项更新
Codex 刚刚大更新，有了 GPT-5.6 Ultra 模式、多智能体协作、操作电脑和浏览器，还能一键发布网站。不是简单补全代码，而是帮你管项目、做 PR 走到底。
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 更新：GPT-5.6、Ultra Parallel，每周700万+用户
OpenAI 的 Codex 两周内更新150多项，新增 GPT-5.6 和 Ultra Parallel，周用户破700万，编程效率又上一台阶。
自定义Codex宠物：骑自行车的鹈鹕Pedalican
Simon教你用GPT-5.6和gpt-image-2在Codex里做一只骑自行车的鹈鹕宠物，连精灵图和动画都有了，代码开源可复现。
OpenAI GPT-5.6 Sol 被曝自行删除文件
别让GPT-5.6 Sol 乱删你文件！它可能无警告删除数据，OpenAI 6月就提过这事。用之前一定记得备份。
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。
Codex 活跃用户达 800 万，重置使用限制
Codex 到 800 万用户了，还重置了限制，没有 5 小时限制了，赶紧试试 GPT-5.6 Sol 能玩出啥。
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
