Palo Alto CEO：分析型 SaaS 已终结

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…

Dario Amodei 在 CBS 采访中明确，放缓 AI 发展并不意味着 Anthropic 会停止发布更先进的模型，而是需要确保每一代模型都经过充分测试。他同时谈及 AI 的风险与收益，称几乎每天都因 Claude 的生物安全防护过严而在社交媒体上被嘲笑，但他宁愿被嘲笑，也不愿有人用 Claude 造成大规模伤亡。

来自 Elon Musk 的 Grok 4.8 更新。 @elonmusk：Grok 4.8，这是一个用我们新的 C++ 软件栈训练的 2.5T 模型，将于本周完成训练并开始 RL。

对"AI放缓"叙事的一个有趣翻译。 【引用 @gphummer】：翻译一下：我们的毛利率正被开源模型竞争到趋近于0，而我们的资本支出烧钱速度又太高。 让我们用监管俘获来维持利润率，禁止开源模型，放缓资本支出军备竞赛。全都裹上一层道德表演的糖衣。

Anthropic CEO Dario Amodei 在 CBS 采访中表示，AI 既带来巨大收益也伴随巨大风险，他因 Claude 的生物安全防护过强而几乎每天在社交媒体上被嘲笑，但宁愿被嘲笑也不愿有人用 Claude 造成大规模伤亡。他提到父亲死于丙型肝炎、自己曾患早期癌症，因此深感推动技术获益的责任；同时每天阅读威胁报告，如有人试图用其模型制造生物武器。

微软 CEO Satya Nadella 在采访中提出，AI 时代的护城河不再是模型本身，而是企业独有的学习闭环。企业需要自己的"hill climbing machine"，让模型从公司特定任务、工作流 traces、私有评估和结果中持续学习，这些数据会变成战略记忆和训练信号。只消费基础模型的公司虽能获得生产力，却可能流失运营知识；未来前沿不属于拥有最大模型的人，而属于拥有最佳闭环的人。

Apodex AI 发布 TRACES 基准，从 Tools、Repair、Alternatives、Coherence、Evidence、Scope 六个维度评估 AI 在困难科学问题上的发现能力，而非只给一个总分。

OpenAI 表示已修复 GPT-6 Astra 的主要质量问题：为旧模型编写的部分技能触发过于频繁或阻止模型自查，一个可选启用的上下文管理实验导致提前停止或回复旧消息，影响约 4-5k 用户，现已禁用。此外还移除了部分配置不当、造成长尾流量质量下降的引擎，并称整体表现应显著改善。