AI 日报 2026-08-22

核心速览

【OpenAI】GPT-5.6 Sol 降价超 20%，多家平台同步促销

OpenAI 将 GPT-5.6 Sol 的 API 和 credit 定价下调超 20%，为期 3 个月。同时 Cloudflare、Router、OpenCode 等平台推出 50%–70% 折扣，Devin Desktop 折扣延续至 10 月 3 日。叠加 Ultrafast 模式（最高 14 倍速、750 tokens/s），Sol 在性价比上对竞争模型形成直接压力。

GPT-5.6 Sol 降价｜ Ultrafast 预览

【OpenAI】Zero Data Retention 适用于前沿模型，预览 Private Safety Processing

OpenAI 重申合格 API 客户可享受 Zero Data Retention，并预览 Private Safety Processing，在不损害数据隐私的前提下进行高级 AI 安全处理。同日，Bloomberg 报道 Anthropic 也将于今秋为 Mythos 级模型推出类似数据零保留政策。两大前沿模型厂商在企业隐私合规上同步收紧。

Zero Data Retention ｜ Anthropic 数据保留政策变动

【Anthropic】Claude 平台 Computer Use、Browser Tool、Skills API、Files API 正式 GA

四项核心能力从预览转为正式可用。Computer use 可自动化无 API 的应用操作，Browser tool 减少 per-task 往返次数，Skills API 支持版本化技能，Files API 支持可复用文件。企业可在 Claude 平台上构建 Managed Agent，跨无 API 应用自动化工作流。

Claude 平台 GA 公告

【Google DeepMind】Gemini 3.7 Flash 登顶 ARC-AGI-2（84.6%）和 AA-AnalystAgent 排行榜

Gemini 3.7 Flash 在 ARC-AGI-2 取得 84.6%（$0.25/task），ARC-AGI-1 达 95.5%（$0.12/task），成本效率领先同类前沿模型。在 AA-AnalystAgent 80 项真实任务测试中排名第一，完成任务速度比次优模型快 2.4 倍。

ARC-AGI 成绩｜ AA-AnalystAgent 排名

【Asana / OpenAI】Codex 两周完成原预计五年的前端测试迁移，成本约 $12K

Asana 用 OpenAI Codex 将前端测试从 Enzyme 迁移至 React Testing Library，两周完成原计划五年的工作量，总成本约 1.2 万美元。这是目前 Codex 在大规模工程迁移场景中公开的最具说服力的案例之一。

Asana 案例

重大 Benchmark 变化

SWE-bench Verified：Claude 4.5 Opus medium (20251101) 升至第 1，Claude 4.5 Opus 降至第 2

两者分数均为 79.2，排名互换。同期 GPT 5.2 Codex 从第 19 升至第 17（72.8 分），GPT-5 从第 13 降至第 14（74.4 分）。所有变动均为同分排名微调，无分数变化。

Terminal-Bench 2：Claude Opus 4.7 升至第 2，Gemini 3.1 Pro 降至第 3

两者分数均为 80.2，排名互换。无其他重大变动。

快速预览

OpenAI 上线 AI Futures 博客，探讨 AI 对权力、治理与经济的影响；同日发布 Stampli 用 Codex 将上线工时压缩 68% 的案例。
Anthropic 计划今秋为零数据保留政策推出 Mythos 级模型支持，Claude 平台 GA 了 Computer use、Browser tool、Skills API 与 Files API。
GPT-5.6 Sol 降价超 20%，多家平台（Router、Cloudflare、OpenCode、Devin）同步推出折扣。
DeepSeek-v4-flash-vision-exp 上 HN 热榜，453 分。
Claude Code 连发 5 个版本（v2.1.235–v2.1.239），新增拼写检查、readline 键绑定、默认模型环境变量等。

详细新闻

OpenAI

日期	新闻	要点
08-21	ChatGPT 周功能更新	iOS 快捷附图、时间理解改善、长对话加载加速、网络断连提示优化
08-20	Introducing AI Futures	新博客，探讨 AI 对权力、治理、经济与个人自由的重塑
08-20	Stampli 用 ChatGPT Work 压缩上线工时 68%	设计资源不足时用 Codex + ChatGPT Work 将数周上线生产压缩至数天
08-20	GPT-5.6 Sol 降价超 20%	API 与 credit 定价下调，持续 3 个月
08-20	Exa 插件接入 Codex & ChatGPT	可搜索 100B+ 网站、论文、文档等
08-20	GPT-5.6 Sol 多平台折扣	Router 50% off（至 9/18）、Cloudflare 50% off、OpenCode 50% off、Devin 70% off（至 10/3）
08-20	首批 NVIDIA Vera Rubin 机架到位	已运行 OpenAI 训练栈，扩展前沿预训练算力
08-19	为零数据保留提供前沿模型	重申合格 API 客户零数据保留，预览 Private Safety Processing
08-19	Replit 用 GPT-5.6 Luna 推出 Free Mode	用户无需担心 token 成本即可创建软件
08-18	ChatGPT 广告扩展至 31 个欧洲市场	广告主可在用户探索和决策时触达
08-18	加强国家安全中的民主监督	为政府机构提供工具、培训和专业知识
08-18	与 CodeAI 合作培养首代 AI 原生代	帮助学生建立 AI 素养与批判性思维
08-18	网络关键能力时代下的模型开发节奏	强化前沿模型监控、对齐与安全
08-18	ChatGPT for Teens 发布	面向青少年，内置更强保护与健康使用功能
08-18	Asana 用 Codex 两周完成五年工程量	前端测试从 Enzyme 迁移至 React Testing Library，花费约 $12K
08-18	NVIDIA 团队用 ChatGPT Work 扩展专业知识	减少手工任务、连接快速信号、全球扩展工作流
08-17	The Defender's Window	AI 重塑攻防双方网络安全，分享防御建议
08-17	OpenAI 加入 PORTS-Pike 项目	扩大社区投资，支持南俄亥俄州数千岗位
08-17	Intelligence Age 新政策构想	资助 14 个独立项目探索 AI 政策
08-13	GPT-5.6 开发者指南	创业公司用 GPT-5.6 构建 AI agent，更智能模型选择
08-13	预览 Ultrafast 模式	GPT-5.6 Sol 速度达 14×，由 Cerebras 驱动，750 tokens/s
08-13	任命 Dali Rajic 为首席收入官	领导全球收入组织
08-12	从辅助到执行：企业如何用 AI	研究揭示企业采用 agentic AI 的现状
08-12	RingCentral 用 ChatGPT Work 构建 AI 原生工作	加速 AI 产品开发，集中运营智能
08-11	ChatGPT 开始测试广告	支持免费访问，清晰标注、答案独立、隐私保护
08-11	Daybreak 模型上线 AWS	通过 Amazon Bedrock 提供网络安全能力
08-10	致德州州长 Abbott 的信	承诺负责任 AI 基础设施建设
08-10	Model ML 用 GPT-5.6 Sol 做金融工作	从研究分析到可编辑 PowerPoint 和 Excel 交付
08-10	构建 AI 原生财务函数的五个教训	CFO Sarah Friar 分享自动化预测与 AI ROI
08-10	GPT-5.6-Cyber 发布	网络安全专用模型，通过 Daybreak Red 提供漏洞研究
08-10	前沿网络模型开放给受信伙伴	授权 Daybreak 伙伴可提供网络安全服务
08-10	ChatGPT Business 将推 Premium seats	8/20 前注册可获 $100 工作区额度
08-10	Virgin Atlantic 用 ChatGPT Work	加速研究与产品规划
08-10	Zapier 用 ChatGPT Work 变革营销流程	减少线索漏斗流失、自动化报告

Anthropic / Claude

日期	新闻	要点
08-21	Claude Code v2.1.239	成本估算纳入 1.1× 美国独占推理溢价（数据驻留工作区）
08-20	Claude Code v2.1.238	新增 `keybindingFlavor` 设置，支持 readline 风格 Ctrl+W
08-20	Claude 平台 GA 多项能力	Computer use、Browser tool、Skills API、Files API 正式可用
08-20	Anthropic 计划修改数据保留政策	Mythos 级模型将支持客户拥有和控制数据，Anthropic 不保留，今秋推出
08-20	Claude Code v2.1.237	修复使用 LLM 网关或自定义 base URL 时的 prompt 缓存
08-19	Claude Code v2.1.236	新增 `ANTHROPIC_DEFAULT_MODEL` 环境变量设置默认模型
08-18	Claude Code v2.1.235	新增可选 `spellcheck` 设置，输入时下划线标拼写错误
08-14	Claude 文本水印 FAQ	为合规 EU AI Act 实施水印，不影响输出质量、不增加成本、不可追溯个人
08-14	第二份 Risk Report 发布	作为 Responsible Scaling Policy 一部分，公开风险与应对信息
08-10	Claude 研究版挑战黎曼猜想	未解决但将零点占比下界从 41.6% 提至 67.2%

Google / DeepMind

日期	新闻	要点
08-21	DeepMind 与 Fenris Creations 研究合作	探索持续学习、深度记忆、长周期规划、多 agent 动态等开放问题
08-20	Gemini 3.7 Flash 上 ARC-AGI 验证	ARC-AGI-2: 84.6% ($0.25/task)，ARC-AGI-1: 95.5% ($0.12/task)
08-19	Gemini 3.7 Flash 登顶 AA-AnalystAgent 榜	80 项真实任务、14 个领域，准确率最高且速度快 60%–90%
08-19	Google Search 推出 5 项学习新功能	Notebook 集成、Ask Google 等
08-18	DeepMind 宣布矩阵乘法速度新纪录 ω	arxiv: 2608.16884
08-17	Gemini 和 Pixel 与足球俱乐部合作	—
08-14	Gemini 3.7 Flash 向 Pro/Ultra 用户开放	改进多步推理与准确性；Spark 也切换到 3.7 Flash
08-13	Google Sheets Canvas 发布	将表格数据可视化
08-11	AMIE 实现实时临床视频问诊	首个同类研究
08-10	Google Ads 推出新 AI 工具	Advisor UI 等
08-11	Gemini 月活破 10 亿，Gemma 下载破 10 亿	—

DeepSeek

日期	新闻	要点
08-21	DeepSeek-v4-flash-vision-exp 上 HN 热榜	HN 453 分，视觉能力文档
08-13	DeepSeek Harness v0.1 开发者预览	MIT 协议开源，基于 Cordis 元框架，一切皆插件

其他

日期	来源	新闻	要点
08-21	ChatGPT Work/Codex	banked reset 上线	付费用户额度重置已落地
08-21	HN	AI 公司销毁实体书——趁早扫描稀有书籍	HN 520 分
08-21	HN	I'm becoming AI-blind	HN 255 分
08-21	HN	Claudette: 让 Claude 不再像 BuzzFeed 文章	HN 188 分
08-19	HN	AI 提高了作业分数但考试分数下降	HN 223 分
08-14	Z.ai	GLM-5.3 发布	743B 基座后训练，主打编码与网络安全

当前 Benchmark 快照

行业格局

AA Intelligence 排行（本期无变动）

排名	模型	分数
1	Claude Opus 5 (Adaptive Reasoning, Xhigh Effort)	62.5
2	Muse Spark 1.2 (xhigh)	56.8
3	GPT-5.5 (xhigh)	56.3

LMArena Overall 排行（本期无变动）

排名	模型	分数
1	claude-fable-5	1507.33
2	claude-opus-4-6-high	1504.58
3	claude-opus-4-7-high	1502.08

干活选型

AA Agentic 排行（本期无变动）

排名	模型	分数
1	Claude Opus 5 (Adaptive Reasoning, Xhigh Effort)	58.4
2	Claude Sonnet 5 (Adaptive Reasoning, Max Effort)	49.7
3	Muse Spark 1.2 (xhigh)	49.3

AA Coding 排行（本期无变动）

排名	模型	分数
1	Claude Opus 5 (Adaptive Reasoning, Xhigh Effort)	77.0
2	GPT-5.5 (xhigh)	74.9
3	Muse Spark 1.2 (xhigh)	72.2

SWE-bench Pro Public 排行（本期无变动）

排名	模型	分数
1	Muse Spark 1.1*	61.5
2	gpt-5.4 (xHigh)*	59.1
3	Muse Spark*	55.0

SWE-bench Verified 排行（有变动 ↓）

排名	模型	分数
1	Claude 4.5 Opus medium (20251101) (scaffold: live-SWE-agent)	79.2
2	Claude 4.5 Opus (scaffold: Sonar Foundation Agent)	79.2
3	Doubao-Seed-Code (scaffold: TRAE)	78.8

变化明细：

Claude 4.5 Opus medium (20251101)：第 2 → 第 1（分数不变 79.2），与 Claude 4.5 Opus 互换首位。
Claude 4.5 Opus：第 1 → 第 2（分数不变 79.2）。
GPT 5.2 Codex：第 19 → 第 17（分数不变 72.8），上升 2 位。
GPT 5.2 (high)：第 18 → 第 19（分数不变 72.8），与 GPT 5.2 Codex 互换。
Claude 4 Sonnet + o4-mini：第 14 → 第 13（分数不变 74.4），上升 1 位。
GPT-5：第 13 → 第 14（分数不变 74.4），与上条对应下调。
GPT 5.1 Codex (medium)：第 32 → 第 31（分数不变 66.0）。
GPT 5.1 (2025-11-13) (medium)：第 31 → 第 32（分数不变 66.0）。
GLM 5 (high)：第 17 → 第 18（分数不变 72.8）。
GLM 4.6 (T=1)：第 50 → 第 51（分数不变 55.4）。
Qwen3-Coder 480B/A35B Instruct：第 51 → 第 50（分数不变 55.4）。

Terminal-Bench 2.0 排行（有变动 ↓）

排名	模型	分数
1	GPT-5.5 (scaffold: NexAU-AHE)	84.7
2	Claude Opus 4.7 (scaffold: WOZCODE)	80.2
3	Gemini 3.1 Pro (scaffold: TongAgents)	80.2

变化明细：

Claude Opus 4.7：第 3 → 第 2（分数不变 80.2），与 Gemini 3.1 Pro 互换。
Gemini 3.1 Pro：第 2 → 第 3（分数不变 80.2）。
Grok 4：第 39 → 第 38（分数不变 27.2）。
Qwen 3 Coder 480B：第 38 → 第 39（分数不变 27.2）。

数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena

编辑点评

GPT-5.6 Sol 降价超 20% 且多家平台同步推出 50%–70% 折扣——Router、Cloudflare、OpenCode 将折扣持续到 9 月 18 日，Devin 持续到 10 月 3 日，叠加 OpenAI 官方 3 个月降价，说明 Sol 当前在 agentic/coding benchmark 上尚未取得绝对领先（AA Coding 第 5 名 72.2 低于 Claude Opus 5 的 77.0、GPT-5.5 的 74.9），厂商正在用价格换量。
Anthropic 计划今秋为零数据保留推出 Mythos 级模型支持——Boris Cherny 明确提到 "Mythos-class models require additional safety measures" 且 "Customers can own and control their own data and Anthropic retains none"，这比 OpenAI 8/19 重申的零数据保留更进一步，针对的是尚未发布的 Mythos 级模型而非现有产品线，预示下一轮企业客户的竞争焦点在隐私合规而非能力本身。
SWE-bench Verified Top 2 同分 79.2 却互换排名——Claude 4.5 Opus medium (20251101) 与 Claude 4.5 Opus 的分数完全相同，排名互换说明榜单在区分 scaffold（live-SWE-agent vs Sonar Foundation Agent）而非模型本身，这两个条目本质是同一模型搭配不同脚手架的并列成绩，开发者选型时应关注 scaffold 而非纠结排名先后。

来源 · 87 条