TypeSafe AI 发布决策模型 Jev，比 LLM 快 20-200 倍

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…

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。

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）

黄仁勋在 All-In Summit 上表示，过去六个月 4000 亿美元风投资金流入 AI 原生公司，其中 80% 使用开源模型。他指出当前全球对开源的最大贡献来自中国，但模型一旦下载就归使用者所有，可以 fork、改进并据为己有。

Palo Alto Networks CEO Nikesh Arora 在 All-In Podcast 上直言"分析型 SaaS 已经过时了"。他指出用户无需再购买分析 Salesforce 数据的 Marketplace 应用，直接用 LLM 跑数据即可。传统上作为增量软件模块单独售卖的功能，未来可能不再需要单独出售。

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。