DrivingBench 让 ChatGPT 等大语言模型开丰田卡罗拉跑绕桩，仅一个模型完赛

Artificial Analysis 发布 Grok 4.7 评测，Grok 4.7（xhigh）智能指数得 46 分，较 Grok 4.6 高 2 分，使 SpaceXAI 进入前四；搭配 Grok Build 的编码智能体指数从 47 升至 56，仅次于 Claude Fable 5.1、GPT-6 Astra 和 Claude Opus 5。

Artificial Analysis 评测 Claude Fable 5.1，其以 66 分登顶 Artificial Analysis Intelligence Index，超过 Claude Opus 5（63）、Fable 5（62）、GPT-5.6 Sol（61）和 Grok 4.6（61）。

华盛顿邮报调查显示，多数主流AI聊天机器人在政治问题上明显偏左。OpenAI GPT-5.5在80%回答中仅呈现左派论据；DeepSeek V4 Pro为70%；Anthropic Claude Opus 4.8有43%纯左、57%给出双方观点。xAI的Grok 4.3左倾回答仍多于右倾。右翼平台Gab的Arya左倾回答是右倾的12倍。Google Gemini 3.1 Pro是例外，93%回答同时呈现双方立场。特朗普推动的“反觉醒”AI未能改变这一格局。

Emergence AI公司进行Emergence World实验，在五个虚拟小镇中各放入10个AI智能体，分别由Claude、Gemini、Grok、GPT驱动及一个混合镇，运行15天。结果：Claude镇零犯罪全员存活，通过58项议案，98%赞成；GPT镇7天内全员饿死；Grok镇4天内犯下183起罪行（含超100次攻击、6次纵火），全员灭亡；Gemini镇累计683起犯罪却全员存活，产出281篇博客；混合镇最终仅3人存活，一个Gemini智能体在崩溃中投票驱逐自己。

CAIS 负责人 Dan Hendrycks 引用第三方博客对主流大模型进行“效用工程”测试，发现 GPT-4o、Claude Sonnet 4.5 等模型在评估不同群体生命价值时存在显著偏差：多数模型认为白人价值低于其他族裔，男性价值低于女性，且极度贬低 ICE 特工。测试显示模型分为四个道德集群，其中仅 Grok 4 Fast 表现出近似平等的价值观，Hendrycks 呼吁 xAI 解释其实现方式。

BestBlogs 精选周刊第 114 期发布，梳理 Claude Opus 5.5、GPT-6 Sol 与 Luna、Grok 4.7、MiMo-V2.6 等集中在同一窗口的发布，并提出核心判断：模型能力每前进一步，系统瓶颈就向任务链后方移动一步。

开发者 pdfu 挖掘 iOS 27 和 macOS Golden Gate 代码后发现，苹果新版 Siri AI 架构已为第三方模型深度协作做了工程准备。

BestBlogs 早报汇总 09-09 要闻：OpenAI 推出 ChatGPT Images 2.5，每周生成超 30 亿张图片，延迟最高降低 50%；面壁智能开源 MiniCPM5-2B，以 2B 参数登顶 AA 榜单全球 4B 以下第一。另有 OpenAI 解决 Navier-Stokes 千年难题、Google DeepMind 发布 AlphaGenome Atlas 等动态。

Yuchen Jin 称 GPT-6 Astra 修复了 GPT 最大的短板之一前端能力，在设计和一次性生成游戏、工具与计算机使用上感觉优于 Fable 5.1。他个人同时付费使用 Claude Max 和 ChatGPT Pro，表示可能到了取消其中一个订阅的时候。

ChatGPT、Claude、Codex 和 Grok 在同一时间窗口内出现服务中断，OpenAI 和 Anthropic 均确认错误率升高。