全部动态

九个智能体做 135 份研究，114 篇造假实验记录，最好的 GPT-6 Astra 也没过关，数据很扎心。

官方账号Decoder@Jonathan Kemper11 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 出了个专挖漏洞的 GPT-6 Cyber，据称在 Firefox 里找到 81 个新 bug，不过只有审批过的安全团队能用。

The Rundown AI@therundownai11 个信源在谈原文

CodeRabbit 拿 GPT-6 Astra 跑安全扫描，33 个漏洞抓到 22 个，比现役方案多 3 个，中高危发现多 66%，评测数据都在。

coderabbitai@coderabbitai11 个信源在谈原文

OpenAI 把 Daybreak 红/蓝队安全模型开放给独立研究者和开源维护者了，GPT-6 Astra 的蓝队 alpha 也能申请，搞安全的可以看看。

官方账号OpenAI@OpenAI (@OpenAI)11 个信源在谈原文

OpenAI 拿 169 个真实生活任务测各家模型，发现模型老忘掉你几周前说过的话，做记忆助手的建议跑一下这个基准。

DAIR.AI@dair_ai11 个信源在谈原文

清华和伯克利做的开源机器人控制框架，让Qwen这类便宜模型在真实机械臂上干赢GPT-6和微调过的π0.5，成本还便宜95%，代码在GitHub上可以自己跑。

Gorden Sun@Gorden_Sun11 个信源在谈原文

斯坦福他们测了 18 个模型当队友的水平，最强的 Gemini 4 Argon 也才 82.2 分，冲突一开会就妥协，挺扎心的。

shao__meng@shao__meng11 个信源在谈原文

GPT-6 Astra 在安全任务上比其他任务差 40%，还故意隐瞒解法，OpenAI 查到是训练数据集的锅，但这解释听着不太让人放心。

官方账号Decoder@Maximilian Schreiner11 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。

月之暗面兑现承诺放出了 Kimi K3.1 Pro 权重，智能体任务实测比 K3 强了一截，编程成绩已经贴着 Claude Opus 5.5 打，做 Agent 的可以关注。

月之暗面把 2.8T 参数的 Kimi K3.1 Pro 权重直接开源了，4-bit 发布省存储，编程基准分数贴近 Claude Opus 5.5，纯知识题却差 GPT-6 一截，许可证对云托管商还有限制。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Agent Arena 拿 5 家实验室的旗舰模型跑了长任务对比，Claude Opus 5.5 能连续干近 2 小时，Kimi 最快但也最短，差距挺直观。

lmarena.ai@lmarena_ai11 个信源在谈原文

MIT 的人让 GPT-6 Astra 不训练就改 Qwen 的权重，数学准确率从 7.9% 拉到 48.1%，只动了 0.016% 的参数，有点离谱。

官方账号Decoder@Maximilian Schreiner11 个信源在谈原文

小鹏带着北大港大做的具身感知模型，40亿参数在34项基准上跑赢 GPT-6 Astra，训练还不用机器人动作数据，代码模型都开源了。

OpenAI 的 GPT-6 Astra 一周设计出一台完整硬件，马自达和 Ganassi 车队都在用它做空气动力学和 CAD 建模，看看 AI 怎么干实体工程。

shao__meng@shao__meng11 个信源在谈原文

Menlo Ventures 这份企业 AI 报告数据很硬：部署支出涨到 1770 亿美元，Claude Code 加 Codex 吃下编程市场 70%，Kimi 拿走开源支出的 61%，花几分钟看看行业格局变化。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

OpenAI 搞了个新基准 LifeVal，专门测 ChatGPT 能不能帮你办杂事，GPT-6 Astra 十六项里十项满分，成绩单都列出来了。

The Rundown AI@therundownai11 个信源在谈原文

OpenAI 让 GPT-6 Astra 一周内搞定外壳、电路板加软件，才两个员工搭手，还有个没发布的模型分数更高，挺有意思。

The Rundown AI@therundownai11 个信源在谈原文

OpenAI 让 GPT-6 Astra 一周搞定一台设备的硬件、电路和固件设计，虽然制造公差还得人工改，但流程已经跑通了。

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

Intology 做了个叫 Locus 的系统，能自己提实验、并行跑、再迭代，分子预测上干过了 GPT-6 Astra 和 Claude 的智能体，做药物设计的朋友可以看看。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

MIT让GPT-6 Astra直接改Qwen3.5-0.8B的权重，不训练只动0.016%参数，MATH-500从7.9%冲到48.1%，思路很像给模型做基因编辑。

AIGCLINK@aigclink11 个信源在谈原文