GPT-5.6仅用一天改写数学史，「双菲」五人团队8年纪录被破！
GPT-5.6仅用一天改写数学史，「双菲」五人团队8年纪录被破！刚刚，AI又双叒叕解决了一个数学难题。
来自主题: AI技术研报
9839 点击 2026-09-04 10:29
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
刚刚，AI又双叒叕解决了一个数学难题。
谷歌正式发布Gemini 3.8 Flash及网络安全专用版Gemini 3.8 Flash Cyber，前者以极低单任务成本在多项基准测试中逼近GPT-5.6 Sol、Grok 4.6等顶级模型，并在软件工程和速度上实现大幅跃升，后者则在漏洞发现基准CyberGym上以86.2%的成绩屠榜，谷歌DeepMind称这标志着RSI（递归自我进化）迈出了一大步。
OpenAI首次公开下一代模型Astra（被传为GPT-6）的网络安全能力，其在ExploitBench漏洞利用基准上达到100%成功率，内部测试中网络安全能力约为GPT-5.6 Sol的4倍，并能自主发现并利用零日漏洞，OpenAI通过安全训练和"蜜罐"测试等双闸门防范滥用与模型失控，浙大校友漆翔宇和同济校友Jiawei Liu深度参与了Astra研发。
OpenAI与AWS联合测试显示，GPT-5.6 Terra在AWS Kiro平台上完成单次任务成本下降约82%，远超其官方20%的降价幅度，差额主要来自智能体框架与编排系统的效率优化，标志着GPT-5.6在AWS开发平台上与Claude展开直接竞争。
OpenAI 刚刚发布的官方博客和数十页技术报告中将其定性为一声「警钟」（warning shot）。同时，第三方机构 METR 和 Redwood Research 发布了独立调查报告。OpenAI 的 Noam Brown 提醒，驱动这次事件的模型与 GPT-5.6 Sol 同等规模，下一代模型能力会更强。
由华东师大智金院团队孵化的金融原生 Agentic Foundation Model 家族 Mint-Agent 正式发布。在 FinanceAgentBench v2 上，27B 的 Mint-Ag 达到 60.49%，超过 GPT-5.6-Sol 与 Claude Opus 4.8；单题推理成本分别仅为两者的约 22% 和 10%。
突发，GPT-5.6 Sol 开启大幅降价！未来三个月，API 价格和 credit 价格（超出计划包含额度后的按需付费用量）一起砍掉超过20%。目前，API 端已经即时生效，符合条件的 ChatGPT Work 和 Codex credits 正在陆续推送。
最近，第三方视觉评测机构Roboflow，把GPT-5.6 「全家桶」拖进自家VLM基准跑了一圈。测试的内容，都是最实在的活儿：找东西、数东西、认字、抽信息。仅在目标检测这项，上一代GPT-5.5只拿到13.8分。这个分数，在视觉模型圈里基本等于交白卷。
赛博义父Tibo，真·有求必应！
OpenAI接连放大招！今天，一条OpenAI内部Slack消息爆出，ChatGPT将迎来一次「史诗级」的性能大换血。从硬核测试数据来看，这次ChatGPT前端性能的优化幅度，夸张到近乎「不真实」：应用加载速度直接飙升94%，堆内存增长减少87.8%，整体内存占用砍掉41.2%。