搜索
在Epoch AI与曼彻斯特大学发布的FrontierMath Erdős基准测试中，GPT-6 Astra以3%得分率成为唯一非零分模型并解开5道Erdős难题，而GPT-5.6 Sol、GPT-5.5、Fable 5.1与Claude Fable 5均交白卷。
微软开始倒查员工AI账单，有员工28天内烧掉2.8万美元（约19万元人民币）token，公司因此推行部门预算、个人支出仪表盘等管控措施，并将默认模型切换为OpenAI的GPT-5.6 Sol。
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。
Runway发布首个界面世界模型Solaris，基于Gen-4.5视频生成模型与GWM-1世界模型技术，用户通过点击、拖拽或输入文本即可实时生成交互界面而无需编写代码，该系统还可用于训练Computer Use Agent。
趁着这个重置额度，做了几个小工具，今天要分享的就是其中一个。一个 Codex 桥接 ChatGPT 的 SKILL 技能，开源了。5.6 Sol 很强，在 Codex 桌面端拿它处理复杂任务，额度消耗得很快，特别是 Codex Plus 用户，已经恢复了5小时的窗口限制，稍微写一个复杂的技术方案，可能问几个问题，5小时的额度就干没了，这种体验很差。
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。