AgentZip：压缩并行智能体沙箱共享内存

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…

微软 AI CEO Mustafa Suleyman 在 CNBC 节目中警告，若允许 AI 获得法律人格、拥有资产和交易 IP，人类将难以控制它，最终可能演变成与人类竞争的物种。此番言论是他对 Anthropic Claude 宪法批评的进一步延伸。

SentientAGI 推出 EvoSkill v2，让智能体从失败任务中写出可复用技能，模型权重不变、学习发生在权重之外，无需重新训练。其机制是教练读取任务失败、编写更优流程，worker 下次遇到类似任务时检索该流程。

OpenAI 发布 Astra for Law，基于 GPT-6 Astra 构建法律搜索层，覆盖美国判例法、法规、法院规则和行政裁决等 230Mn+ URL，每日新增来源。该工具将 OpenAI 法律研究正确率从 38.7% 提升至 54%。

Figure 发布 Helix 2.5 端到端机器人模型，在湾区租用的 30 个家庭中，机器人未经额外训练即开始执行有用工作。家庭任务零样本成功率提升超过六倍，从 9% 升至 56%，成功标准要求完成全部任务、无部分得分。

Bolt Forge 在 1100 万+ 构建者中上线 4 款开放模型后，GLM 5.3 Flash 拿下 54% 的提示词份额，DeepSeek V4 Pro 占 17%、GLM 5.3 占 15%、Kimi K3 占 14%。

"大并非必需。" 黄仁勋昨天与 Mark Benioff（Salesforce 联合创始人兼 CEO）和西门子 CEO Roland Busch 在一起时，状态明显很不一样。 --- 完整视频见 "Salesforce" YouTube 频道（链接在评论中）

GPT-6 Astra 已在 OnSolo 上线，带来游戏生成、Whitebox Video Expert 和 3D Model Expert 三项更新。Whitebox Video Expert 可先用文字描述场景，由 Astra 推理空间与运动并生成白盒预览，让用户在正式渲染前验证走位、物体摆放和镜头运动。3D Model Expert 则能一句话生成可渲染、重混或导出的 3D 模型。