OpenAI 模型工具调用频率分析

Meta 发布 Muse Spark 1.3，为五个月内第四个 Muse Spark 版本。max 变体（合作伙伴限时预览）在 Artificial Analysis Intelligence Index 得 62 分。

OpenAI 推出 GPT-5.6 系列，包括旗舰 Sol、平衡型 Terra 和成本最优 Luna。在 Agents' Last Exam 上，Sol 以 53.6 分超越 Claude Fable 5（自适应推理）13.1 分；中等推理时以约四分之一成本领先 11.4 分。Terra 和 Luna 以约十六分之一成本超越 Fable 5。在 Artificial Analysis Coding Agent Index 上，Sol 以 80 分创 SOTA，高于 Fabl…

OpenAI GPT-5.6 模型于周四发布。该模型6月底亮相，最初因美国政府限制仅向部分合作伙伴提供，商务部在AI标准与创新中心完成额外测试后批准公开。OpenAI公开批评延迟，称将最佳工具与开发者及企业隔离。新模型Sol在TerminalBench 2.1得分88.8%，Sol Ultra达91.9%，高于Anthropic的Claude Mythos 5（88%）。在网络安全任务中，Sol与Mythos 5水平相当但仅用三分之一的token。Sol定价$5/$30每百…

Code Arena WebDev 榜单中，OpenAI 的 GPT-6 Astra Max 以 1，800 分排名第一，Anthropic 的 Claude Fable 5.1 Max 以 1，758 分位列第二。分类别来看，Astra 在数据与分析、消费产品与平台应用、内容创作与编辑工具上领先，Fable 则在模拟、基于参考的设计和游戏类别占优，两者在品牌营销与信息类网站上表现接近。

OpenAI 的 GPT-6 Astra （Max） 以 1800 分位列 Code Arena WebDev 榜首，Anthropic 的 Claude Fable 5.1 （Max） 以 1758 分排名第二。

OpenAI 正在筹备 Codex Replay 功能，可从任意导入的对话线程测试任务执行。该功能支持选取历史 Claude 线程、选择共享 Codex 模型并启动隔离实现，每个线程的历史状态与配置单独检测。默认选用 GPT-5.6 Sol、Terra 和 Luna 模型，多个回放会话可并行运行，选择、执行、验证与评估均在浏览器控制器中完成。

马斯克在 X 平台透露，Grok 4.7 能力大致与 Anthropic Opus 5.0 相同，仍需修复多模态性能；Grok 4.8 将带来明显改进，Grok 4.9 可能与 OpenAI Astra（GPT-6）或 Anthropic Fable 同级，Grok 5 或许会超越目前一切。他回应 AGI 提问时称，AGI 将会是 Grok 5。

又一个疯狂的周要来了 我希望是 GPT-6 Astra sol，因为 OpenAI 知道大家喜欢 sol，这可能是一个 mini astra，定价在 GPT-5.6 sol 左右甚至更便宜 opus 5.2 也传闻本周发布，Anthropic 显然跳过了 opus 5.1

OpenAI 发布 ChatGPT for Financial Services，面向符合条件的金融机构开放，支持将多种金融数据接入 ChatGPT 对话。该功能在 ChatGPT Work 模式下由 GPT-6 Astra 驱动，其在 OfficeQA Pro 基准上比 GPT-5.6 Sol 高 9%、比 Claude Fable 5.1 高 7%。

欧盟委员会发言人证实，欧盟网络与信息安全局（ENISA）已获准访问 Anthropic 的 Mythos 5 模型，目前处于测试阶段，同时获准访问 OpenAI 最新模型 GPT-6-Astra。此前美国白宫曾禁止外国机构访问美国公司的高性能 AI 模型，后虽放宽限制，但外国机构能否访问始终没有定论。