Deepnote 发布 Agent Initiative Benchmark，GPT-6 Astra 居首

Rohan Paul 梳理 OpenAI GPT-6 Astra 117 页系统卡的要点：Astra 控制自身链式思维的能力从 GPT-5.6 Sol 的 16.1% 跃升至 60.9%，可监控性相应下降。

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…

Nace AI 发布 Drex 开源决策模型技术报告，作者评价其用 27B 模型只做选择不做生成，专攻 Agent 中的大量小决策。Drex Max 在 Decision Bench v4 上与 GPT-6 Sol 统计持平，单次前向传播即输出各选项概率；成本 $0.06/1K 决策、延迟 183 ms，对比 Claude Opus 5.5 的 $10.17 和约 3.5 秒。

OpenAI 发布 GPT-6 Cyber，一个用于在授权目标内发现和利用软件漏洞的安全研究模型，目前仅向部分获批的 Daybreak Red 客户开放，可通过 API 和 Codex 使用。

中国机器人初创公司 LiberAI 发布 World Action Model Liber-0，面向零样本机器人操作，包括灵巧的多步任务。在 GPT-6 提出的 60 个任务、600 次尝试中，无需针对这些任务收集机器人演示，整体成功率 36%，其中 pick-and-place 63.5%、其他操作任务 34.0%、多步任务 10.5%。

即将发布的下一代 GPT，正是 OpenAI 用来证明一道千禧年数学难题的模型。 ~ Sam Altman，于阿布扎比 ADIPEC 开幕式上。 > 它的 10,000 个副本不间断运行了约 4 天，证明了一道千禧年难题。 > 这些副本之间没有层级：每个副本自行选择方向，共享进展，并相互学习。 ---- 完整视频见 "ADIPEC Official" YouTube 频道，（链接在评论中）

Skyfall AI 发布 SKY-001，可按零件与建造步骤在 3D 中设计实体产品，CAD 精度与 GPT-6 Astra 相当，单次设计成本约低 150 倍。模型输出零件树、每步操作草图及中间实体，由 Hierarchical Composer 拆解装配与零件、Construction World Model 预测建造视觉步骤两阶段完成。

OpenAI 发布了 LifeVal，一个测试 AI 模型能否替人们完成日常事务的基准。 GPT-6 Astra 在日常任务上得分 80.6%，而不到 9 个月前 GPT-5.2 的得分为 49.3%。 LifeVal 的任务涵盖照护、健康、教育、金融、购物和家庭行政事务，从预约车辆年检到在预算内订购清真食品杂货。

Rohan Paul 转述 Google 的 Gemini 4 Carbon 以 59 分登上 Artificial Analysis Intelligence Index 第一名，比 Claude Opus 5.5（58）高 1 分，比 GPT-6 Astra（57）高 2 分。Artificial Analysis 发现 Carbon 在 9 项评测中赢了 4 项（HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、Aut…