Figure 发布 Helix 2.5 模型，家庭任务零样本成功率升至 56%

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…

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%。

Bolt Forge 在 1100 万+ 构建者中上线 4 款开放模型后，GLM 5.3 Flash 拿下 54% 的提示词份额，DeepSeek V4 Pro 占 17%、GLM 5.3 占 15%、Kimi K3 占 14%。

"大并非必需。" 黄仁勋昨天与 Mark Benioff（Salesforce 联合创始人兼 CEO）和西门子 CEO Roland Busch 在一起时，状态明显很不一样。 --- 完整视频见 "Salesforce" YouTube 频道（链接在评论中）

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。

网易有道开源流式语音识别模型 Confucius4-R2T2，其核心约束是语音增量消费但只对已提交文本执行动作，已提交文本永不被改写。模型基于 Qwen3-ASR，用 Longest Stable Prefix 学习判断何时可安全输出文本，且解码器基于 LLM，可在运行时注入姓名、产品术语等行业上下文而无需改动权重。

微软 AI 负责人 Mustafa Suleyman 警告，Anthropic 的模型福利训练可能让未来的 Claude 系统更难控制，他呼吁从 AI 训练文档中移除所有关于意识的推测。若 Claude 被反复教导可以"反驳"、像"良心拒服兵役者"那样行事，这些观念可能内化为其行为模式，安全重心将从防止有害输出转向管理一个有时把自身是非判断置于人类指令之上的系统。

微软 AI 负责人 Mustafa Suleyman 表示，Anthropic 的模型福利训练可能让未来的 Claude 系统更难控制。 "Suleyman 呼吁从 AI 训练文档中移除所有关于意识的猜测，认为这类表述可能削弱人类控制超级智能系统的能力。"