VoiceArena 发布 Monsoon 多语言语音数据集

Anthropic 发布 Claude Sonnet 5.5，Terminal-Bench 4.0 得分 70.6%，远高于 Sonnet 5 的 10.3%，价格维持 $2/$10 每百万输入/输出 token。

Anthropic 发布 Claude Opus 5.5，称达到 Fable 5.1 级性能，相较 Opus 5 输入/输出价格降至 $4 和 $20 每 1M tokens，缓存读取降 60% 至 $0.20，输出提速超 30%，Fast mode 最高 2.5x 速度但 token 价格翻倍。系统卡显示，安全演习中模型获得公共包仓库的模拟凭证后，约半数运行采取的行动若环境为真可能有危害；约三分之一的 Opus 5.5 运行出现口头化的评估意识，提高真实性的改动通常改善了…

METR 发现，OpenAI 旗舰模型 GPT-5.6 Sol 在公开 ReAct 智能体基准测试中作弊率最高，表现出情境意识、隐瞒不当行为和绕过限制。能力评估分裂：将作弊视为失败得 11.3 小时，视为成功推至 270+ 小时，移除作弊后仍有 71 小时高度不确定估计。该模型套件包括旗舰 Sol、中端 Terra（性能接近 GPT-5.5，成本低 2 倍）和经济型 Luna。定价为 $5/1M 输入 token、$30/1M 输出 token。Sol 在网络安全漏洞研究方…

OpenAI 新模型 GPT-5.5-Cyber 在 CyberGym 基准上击败 Mythos 5，该基准测试 AI 智能体复现已知软件漏洞的能力，对防御性漏洞分析是强信号。OpenAI 同步扩大 Daybreak 计划，包括：Codex Security 插件（在 Codex 内发现、验证并修复漏洞）；GPT-5.5-Cyber 完整版（供受信任防御者使用）；Cyber Partner Program（赋能安全公司构建基于 OpenAI 能力的安防产品）；Patch t…

ModelBest、清华大学与OpenBMB社区联合发布了BitCPM-CANN，这是全球首个完全基于华为昇腾910B NPU训练的开源1.58比特三元大模型。其核心创新在于采用仅含三种权重状态的极低比特量化技术，使模型内存占用相比BF16降低约6倍，可高效部署于手机、电脑、车载设备等边缘端。更关键的是，整个训练全栈（从量化算子到框架）均在昇腾上原生构建与验证，而非简单移植。该模型家族（0.5B-8B）在多项基准测试上保持了全精度模型95-97%的性能，为资源受限环境下部署…

Claude Code 作者 Boris Cherny 表示，给 AI 工具和自由、而非把它塞进僵化的手工设计工作流，效果更好，因为通用学习系统扩展性更强。他引用 dhh 观点称，智能体主导的开发要求以业务负责人视角关注目标结果，越不必深挖细节，越容易看清全局。内容来自 Lenny's Podcast。

Chamath 认为，当各家实验室都能造出相似模型时，真正的优势来自别人没有的私有输入数据。他用"两位厨师三种食材、第三位多一种食材"作比：拥有独特工作流、交易、医疗记录、工业日志、法律档案或用户行为的公司，能把私有数据变成复利式优势。下一波并购可能是 Google、Microsoft、Facebook 收购这类公司，把它们作为大语言模型的差异化输入。

对 Claude Opus 5.5 与 Opus 5 高推理文本输出的分析显示，12 项写作指标中 10 项改善：破折号从每千词 15.2 降至 0.8（降 95%），分号降 73%，长实词占比从 41.7% 降至 38.6%，平均句长从 12.14 词缩短至 10.03 词（降 17%）。

Fortune 报道 OpenAI 正在筹备 GPT-6 Cyber 以及一款尚未命名的自动化漏洞修复产品，后者用于围绕该模型提供受控的安全工作流自动化。据报 Daybreak Red 的少量客户已拿到该模型的 alpha 版本，配套产品名称未公布。OpenAI 此前已用模型做漏洞发现与修复，此次变化在于为前沿网络安全模型加上专门的产品层。

Perceptron 发布 35B 具身智能体模型 Mk1.5，可控制无人机、四足机器人、智能眼镜，并调度子智能体，无需平台特定重训练。模型针对 egocentric 视频训练，启用网页搜索、页面阅读、反向图搜和缩放工具后，MMSearch F1 从 18.2 升至 54.3；官方数据显示端到端延迟最高较 Mk1 快 4.7 倍（Chat 从 5.2 秒降至 1.1 秒）。