Smallest AI 的 Pulse 登顶 Voice Arena 说话人分离榜

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 722 篇 AI 生成的数学证明论文，覆盖 372 个数学结果族。其中矩阵乘法证明将 2 个 n×n 矩阵乘法的已证明成本从 AlphaEvolve 今年 8 月创下的约 n^2.371177 降至约 n^2.25，并附 Lean 形式化，但这是理论界，尚未给工程师提供可用于真实 GPU 负载的更快例程；这些结果来自内部模型处理约 4K 研究问题后的分组过滤，每个平均使用约相当于 3 小时 ChatGPT Pro 思考的算力。

Google 发布 EmbeddingGemma 2，是其首个原生多模态开放嵌入模型，将文本、代码、图像、音频和视频统一到一个共享空间，采用 Apache 2.0 许可证。

Reflection AI 发布开源智能体模型 Beam，为稀疏 MoE 架构，总参数 501B、激活 23B，完整权重将于本月以 Apache 2.0 发布，并提供 FP8 和 NVFP4 构建。

Tavus 发布首个 Human Interaction Model（HIM）Griffin，称其为首个通过视频图灵测试的模型。48% 与其实时视频对话的人误以为对方是真人，此前系统通过率低于 3%，并位列 NVIDIA 全双工 AI 视频基准第一。作者 Rohan Paul 转引 Tavus 官方发布并补充演示视频中的表现。

Grok 4.7 已在网页端可用。截图显示 Expert 模式提示“Thinks hard Grok 4.7”，界面还提供 Auto、Fast、Build、Heavy 等模式选项。

Tavus 发布 Griffin，称其为首个通过视频图灵测试的人类交互模型（HIM），48% 与之实时对话的人认为它是真人，此前系统通过率低于 3%。Griffin 在 NVIDIA 全双工 AI 视频基准上得 3.83 分（真人为 3.92），次优系统为 2.80 分；它将听、想、说和面部动画整合在单一系统中，可在对话者仍在说话时读取表情、语气并实时反应。

DeepSeek 开源六个 Huawei Ascend 项目，矩阵内核速度达到芯片峰值的 99.8%。