Union Alpha 匿名多模态模型上线 OpenRouter 和 OpenCode

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…

TokenRhythm 发布 NeoHorse-1，含 4B 和 9B 两个版本，基于 Qwen3.5 后训练，训练数据来自 OpenSquilla Harness 中智能体的结构化执行轨迹，涵盖路由决策、工具调用、失败与恢复步骤及结果。该模型通过 Data-RSI + Model-RSI 双循环实现自我改进，将执行经验反馈到训练中，并将通过 TokenRhythm API 提供。

"我认为我们距离能造成严重破坏的开源模型已经不远了。" -- Sam Altman 今天在与 Mark Benioff（Salesforce 联合创始人兼 CEO）的对话中表示。 "显然，我们不应该阻止开源模型的发展。这很重要。但将会出现巨大的网络威胁。" ---- 来自 "Salesforce" YouTube 频道（完整视频链接见评论）

Google 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking，面向生产级语音智能体。微软 AI 发布未来 MAI 模型行为准则，要求人类控制不可谈判。Nvidia、Palantir 和 Booz Allen 因 Anthropic 30 天保留政策限制 Claude Fable 使用。

TypeSafe AI 发布新型 AI 模型 Jev，跳过逐 token 生成，速度比 LLM 快 20-200 倍、成本低 40-400 倍（输出 token 免费），响应时间 70-500ms。

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%。

Odyssey 发布基础世界模型 Odyssey-3，称其可控制机器人、驱动人形、驾驶车辆、训练 AI、操控无人机甚至玩视频游戏。其路线是先用预训练世界模型，再接上用数十小时机器人演示训练的动作解码器；据作者转述，驾驶策略仅用 20 小时模拟数据训练后就能驶上印度真实街道，机械臂、人形遥操作和模拟无人机数据的用量也仅为数十小时。

Claude Code 创作者 Boris Cherny（@bcherny）有一个提示词连续运行了 15 天， 这个提示词正在把 Claude 基于 Electron 的桌面应用逐像素重建成原生 Swift 应用。 ---- 来自 "Y Combinator" YouTube 频道，（完整视频链接见评论）