Apodex_AI 发布 Apodex 1.1，主打长任务智能体与可验证产出

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…

Meta 发布 Muse Spark 1.3，官方称比 1.2 减少 20% 工具调用和 25% token 用量。作者汇总基准数据：MRCR 256K-512K 得分 98.5，超过 GPT-5.6 Sol 的 91.5；JobBench 64.9、OSWorld 66.9、AutomationBench 49.4，接近 Opus 5 的 65.7、68.3、50.3。

Google 发布 Gemini 3.8 Flash，这是 6 周内第 3 次更新的 Flash 模型，官方称智能体与编码能力再次提升。

OpenAI 宣布 Astra 在其 Preparedness Framework 下达到 Critical 网络安全能力阈值，是首个达到该水平的模型，并预告了评估方式与安全措施。

Apodex 发布专有模型 Apodex 1.1，在 Artificial Analysis Intelligence Index 上得 44 分，但在衡量真实世界智能体工作的 GDPval-AA v2 上达到 1，348 Elo，超过多个通用智能分数更高的模型。

Claude 官方支持文档已出现 Fable 5.1 的提及。文档称 Fable 5.1 将改变 Messages API 处理 thought block（模型推理过程记录）的方式以防蒸馏，新的 Fable 5.1 API 账户在多轮对话中将不能再修改 thought block 周边的上下文，如消息、工具或系统提示词。

Meta 推出 Muse Voice Transcribe，为 MSL 首个实时音频感知模型，今日开始推送，自适应延迟下最终转写词错率低至 3.1%。该模型以 80ms 分块处理音频，在单一流式模型内原生处理说话人分离和端点检测，可自行判断何时输出文字、说话人何时切换；通过 Meta Model API、Meta AI for Mac 和 Muse Code 提供。

Visko 发布首个 Live Model「Orbis 1.0」，一个实时、可引导的视频生成模型，可实时流式生成持续进行的世界，具备持久记忆、交互性和基于物理的无限长度生成。