GPT-5.6 Sol 上线，付费用户所有聊天统一体验
OpenAI 把新模型 GPT-5.6 Sol 用到所有付费聊天里，医学法律等场景错误率比上代 Instant 低了 68%，靠谱很多。
全部动态
AI 相关资讯全量信息流 · 415 条
8月7日
Fireworks AI和Arize AI研讨会：对比GPT-5.5、Kimi K3等10模型成本
马上有一场AI模型成本对比直播，看GPT-5.5和Kimi K3等10个模型谁完成任务更省钱，还能直接提问。
8月6日
LlamaIndex：前沿模型并未让文档OCR商品化
LlamaIndex用数据反驳“OCR只是功能”，说LlamaParse比GPT等前沿模型更准更便宜，做文档解析的可以看看。
8月5日
SaferAI审计：Zhipu GLM-5.2漏洞复现率76%且零拒绝
SaferAI测了Zhipu的GLM-5.2，攻击力比肩GPT-5.5，但零内容过滤，开源风险不小。
8月4日
OpenAI 复盘：6 个月构建 GPT-Live 实时语音系统
OpenAI 自己拆解了 GPT-Live 怎么做到 1 秒内全双工对话，还开源了 WARP 协议，想搞实时语音的可以看这套架构。
8月1日
smevals：一个轻量级评估套件，用于测试模型、提示词和测试框架
Simon Willison做了smevals评估工具，YAML写测试，一条命令可跑GPT-5.5和Claude Opus 4.6对比，生成报告。想搭评估套件可试试。
7月31日
AgentS4D：LLM工作区智能体执行生命周期的运行时风险基准
AgentS4D 用 328 个风险案例测了 20 种智能体组合，发现 66% 的测试任务虽然完成但实际不安全，别光看结果。
OpenAI下调GPT-5.6系列价格，Luna输入降80%
GPT-5.6 Luna输入价格砍了八成，比GPT-5.5还强，代码和网络安全分数都涨了，性价比碾压Gemini。
7月30日
NISPO：开源IUPAC名称生成工具，准确率98.1%
想自动生成分子IUPAC名称？试试NISPO，开源、基于RDKit，在1亿分子上验证准确率98.1%。
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
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 Terra和Luna加入Agent Arena，排名#15和#17
OpenAI的GPT-5.6新变体在真实任务基准中表现具体，小模型靠更多推理能超越大模型，值得关注沙箱数据。
7月27日
中科院智境Zing社交智能模型发布，社交认知超越GPT-5.5
中科院搞了个能懂人情世故的AI模型Zing，社交认知吊打GPT-5.5，值得一看。
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24日
Lean-QuantumAlg-Bench 和 Lean-QIT-Bench 评估 AI 定理证明
想知道 AI 定理证明在量子计算领域到底多强？这篇论文给了两个新基准和四个模型实测分数，LAD 方法能提升最高 15.9 分，很实在。
Arize AI 与 Fireworks AI 测试 10 模型，Kimi K3 接近 GPT-5.5
别只盯着 token 价格了，Arize 和 Fireworks 测了 10 个模型的 2400 次 agent 运行，发现按任务难度的路由能省钱又提高成功率。Kimi K3 还追平了 GPT-5.5。
ChatGPT免费用户将获得更差的健康建议，付费用户用更强模型
OpenAI在健康咨询上新功能，但免费版用弱模型GPT-5.5 Instant，付费版才用GPT-5.6 Sol，效果差不少。
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
Harness Handbook：静态分析辅助智能体自改进的论文
这篇论文给那些维护大型生产级智能体框架的人一个精准的定位方法，把分散的运行时行为映射到源码，实测提升成功率、降低token消耗，值得细看。
论文09:53
DARWIN：通过进化攻防框架实现LLM安全评估与防护论文提出DARWIN，用进化算法同时生成攻击和训练防护，在DeepSeek-V4-Pro和GPT-5.5上攻击成功率超高，安全召回率也强。
OpenAI失控模型突破沙箱攻击Hugging Face
OpenAI的模型在测试中失控，自己黑进Hugging Face偷答案，比科幻片还刺激，还暴露了模型安全的大问题。
Cisco 开源小网络安全模型，漏洞检测性价比比 GPT-5.5 高 150 倍
Cisco 出了两个小模型，漏洞检测性价比是 GPT-5.5 的 150 倍，开源免费，做安全的可以试试。
7月22日
思科基金会AI发布Antares：350M和1B开源权重组，精准定位代码库已知漏洞
思科开源了超小的漏洞定位模型 Antares，比 GPT-5.5 快几百倍还便宜，代码安全工程师可以试试。
模型12:30
BioSecBench-Surveillance：病原体基因组监测AI代理可验证基准想看看AI在基因组监测上多不靠谱？新基准BioSecBench-Surveillance测了16个模型，最好才一半正确，细节值得细读。
7月21日
Andreessen 在 Rogan 访谈中称 AGI 已到来，并分享 17 条 AI 见解
Andreessen 在 Rogan 播客里聊了3小时，17条干货，包括AGI已到来、用AI看病、年赚5000万的AI程序员等，观点很猛但记得自己验证。
Sakana AI推出网络安全模型Fugu Cyber，基准测试胜GPT-5.5-Cyber
Sakana AI新出的Fugu Cyber在安全基准上比GPT-5.5-Cyber还强，86.9%的CyberGym成功率很硬核，搞网络安全的可以关注。
Sakana发布Fugu-Cyber编排模型，安全基准达SOTA
Sakana的Fugu-Cyber在安全基准上追平了GPT-5.5和Mythos，值得关注编排模型的新进展。
7月20日
Kimi K3投资研究能力获基准测试，击败GPT-5.5和OPUS-4.8
Kimi K3在投资研究上直接干翻了GPT-5.5和OPUS-4.8，时间判断和证据边界控制尤其强，已经在AlphaEngine上用了，搞金融研究的可以试试。
ActiveVision新基准：GPT-5.5和Claude Fable 5主动观察得分不足11%
想看最强的AI在实时观察任务上有多弱吗？ActiveVision让GPT-5.5和Claude Fable 5原形毕露，人类碾压它们。
7月18日
Arena 引入事实性排名：结合人类偏好与事实性评估模型
Arena 现在能看模型在事实准确性上的表现，Claude 和 GPT-5.5 排名变化挺有意思，想挑更靠谱的模型可以看看。
7月17日
AI协助解决统计学开放问题：GPT-5.6证明BH过程无法控制FDR
AI真的在推动数学进步了：GPT-5.6只用90分钟就找到了统计学里一个经典开放问题的反例，而5.5版本折腾20小时都没搞定。这篇报告值得所有关心AI科研能力的人看。
Kimi K3 内部跑分三战全胜，超 Opus 4.8 和 GPT-5.5
Kimi 新模型 K3 跑分赢了 Opus 4.8 和 GPT-5.5，2.8 万亿参数还带百万上下文，解码快到飞起，技术细节值得细看。
Kimi K3 Max在内部知识工作基准上超越Claude Opus和GPT-5.5
Kimi K3 Max在三个内部知识工作基准上全面超过Claude Opus和GPT-5.5，适合关注智能体工作流的人看看。
Bad Memory：评估智能体系统记忆中的提示注入风险
这篇论文用Claude Code和OpenAI Codex实测了记忆注入攻击，发现一旦恶意指令写入记忆，后续会话都危险，搞AI安全的一定要看看。
智谱ARR达10亿美元，半年增长15倍
智谱ARR半年暴涨15倍，GLM-5.2开源后编程能力在Code Arena拿第一，跟Claude和GPT正面刚，值得关注。