腾讯 Gander 模型实现边聊天边后台执行复杂任务

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…

新浪发布仅3B参数的VibeThinker-3B，在AIME26等数学编程基准上持平DeepSeek V3.2等大200-333倍的模型，LiveCodeBench超越所有20B以下模型，LeetCode竞赛解决123/128题超过GPT-5.2、Kimi K2.5等。但知识密集型GPQA-Diamond大幅落后。模型基于阿里Qwen2.5-Coder-3B，经SFT、强化学习、自蒸馏等多阶段后训练。研究提出"参数压缩-覆盖假说"：逻辑推理依赖少数可压缩模式，而广泛世界知识…

OpenAI 将 ChatGPT 的默认模型更新为 GPT-5.5 Instant。内部测试显示，该模型在医学和法律等高风险主题上产生的幻觉声称减少了 52.5%。新功能"记忆来源"允许用户查看影响特定回答的存储上下文。该模型正立即向所有用户推出，但基于过去聊天记录、文件和 Gmail 的个性化功能将首先在网页版上向 Plus 和 Pro 用户开放。此次更新旨在提升回答的准确性和个性化体验。

OpenAI 正式推出 GPT-5.5，该模型被定义为一种代理模型，能够通过自主切换多种工具来完成复杂任务。公司宣称其代表了一种"新型智能"。与此同时，GPT-5.5 的 API 调用价格将提升至原来的两倍。

微软与伊利诺伊大学提出 StudentSim，用少量数据为每个学生构建数字复制体，替代真人提供快速反馈来训练 AI 导师。该系统以 Qwen3-4B-Instruct 为基座、分两阶段训练，在 chess、英语和数学三项测试中均优于被提示扮演学生的 GPT-5.4，在 chess 中预测下一步走法的准确率约为其两倍。

Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款开发者语音模型，可通过 Gemini API 和 Google AI Studio 使用。

韩国 KAIST 与 Naver AI Lab 研究发现，推理模型文本输出中的推理步骤可在其内部数值表示中被区分开，信号在中间层最强。团队定义提取、分解、公式回忆、演绎、计算等八种推理操作，用 GPT-5 为 Qwen2.5-7B、Qwen3-8B 和 Gemma4-31B 的解题路径分段打标，结果在三个模型上均成立，并复现于 Llama-3-8B。

OpenAI 将语音模型 GPT-Live-1 以 API 形式开放给开发者，支持全双工同时听和说，价格为每分钟 $0.05。相比 GPT-Realtime-2.1，其全双工交互测试得分 80.1% 对 45.4%，轮次延迟从 1.4 秒降至 0.8 秒，工具调用准确率从 60% 升至 87%，银行语音支持基准通过率从 12.4% 升至 32%。

OpenAI 发布 ChatGPT Images 2.5，含 GPT-Image-2.5 Flare 和 GPT-Image-2.5 Sunburst 两个模型，主推更自然的光照、更可靠的参考图保留和局部编辑，Flare 延迟较 Images 2.0 降低最多 50%。

OpenAI 通过 ChatGPT Work 和 Codex 向 Pro、Enterprise、Business Premium 计划用户开放 GPT-6 Astra，并通过 API、Microsoft Azure 和 AWS Bedrock 提供。