Codos 推出首个虚拟首席 AI 官，Aethos X 在 EnterpriseRAG-Bench 初步得分 94%

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…

新基准 JevBench 发布，专为输出受限软件决策而非开放式文本的模型设计，紧随 TypeSafe 9 月 15 日发布 Jev--输入应用状态与固定选项，返回带概率的类型化答案。该基准综合智能、校准、速度与成本，用几何平均防止单一维度优势掩盖短板。GPT-5.6 Luna 在难题准确率上明显高于 Jev 1.13.0，但 Jev 因延迟、校准和成本更优而在综合分上领先。

Vals AI 联合创始人兼 CEO Rayan Krishnan 在 Bloomberg 上预测，约 2027 年 8 月模型将在研究能力上超越人类研究员，实现完全无需人类参与的递归自我改进（RSI）。他描述这一状态为 GPT-6 自主造出 GPT-7，或 Claude 自主造出下一代版本，而当前人类仍参与模型开发过程。

OpenAI 发布 Astra for Law，基于 GPT-6 Astra 构建法律搜索层，覆盖美国判例法、法规、法院规则和行政裁决等 230Mn+ URL，每日新增来源。该工具将 OpenAI 法律研究正确率从 38.7% 提升至 54%。

GPT-6 Astra 已在 OnSolo 上线，带来游戏生成、Whitebox Video Expert 和 3D Model Expert 三项更新。Whitebox Video Expert 可先用文字描述场景，由 Astra 推理空间与运动并生成白盒预览，让用户在正式渲染前验证走位、物体摆放和镜头运动。3D Model Expert 则能一句话生成可渲染、重混或导出的 3D 模型。

Google 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，据 Artificial Analysis 榜单取得语音对语音综合第一，Extended Thinking 以 82.6% 领先 GPT-Live-1 Astra（Medium）的 81.5%。

Apodex AI 发布 TRACES 基准，从 Tools、Repair、Alternatives、Coherence、Evidence、Scope 六个维度评估 AI 在困难科学问题上的发现能力，而非只给一个总分。

OpenAI 表示已修复 GPT-6 Astra 的主要质量问题：为旧模型编写的部分技能触发过于频繁或阻止模型自查，一个可选启用的上下文管理实验导致提前停止或回复旧消息，影响约 4-5k 用户，现已禁用。此外还移除了部分配置不当、造成长尾流量质量下降的引擎，并称整体表现应显著改善。

在浏览器上使用 ChatGPT 时发现一个奇怪的问题。 书签中的项目 URL 报错"请重试"，并出现 React #418 水合/渲染错误。 但同样的项目在 ChatGPT 内部打开却正常。 不同浏览器均出现此问题，而书签中的自定义 GPT 仍能正常工作。