AI 日报 2026-05-02 15:52

2026-05-02 15:52 CST

快速版 完整版

核心速览

1.【OpenAI】发布 GPT-5.5，定位"最强模型" OpenAI 推出 GPT-5.5，定位为迄今最智能的模型，在编程、研究和数据分析等复杂任务上速度更快、能力更强。GPT-5.5 已同步上线 Codex，支持跨工具工作流。LM Arena 排名从第 15 升至第 13，分数 1475.5。 原文链接

2.【DeepSeek】发布 V4 系列模型，API 75 折促销 DeepSeek 发布 V4-Pro 和 V4-Flash 两款新模型，同时支持 OpenAI 和 Anthropic 接口。旧模型名 deepseek-chat/deepseek-reasoner 将于 3 个月后停用。V4-Pro API 限时 75 折至 5 月 31 日，支持 Claude Code 1M 上下文接入。 原文链接

3.【OpenAI × Microsoft】宣布合作协议修订，进入新阶段 OpenAI 与微软宣布修订合作协议，简化合作关系、增加长期确定性，支持双方在大规模 AI 创新上的持续协作。这是两家公司战略关系的重要里程碑。 原文链接

4.【xAI × SpaceX × Cursor】三方联手打造最强编程 AI SpaceXAI 与 Cursor 达成深度合作，结合 Cursor 的产品分发能力和 SpaceX 百万 H100 等效 Colossus 超算，目标打造世界最强编程与知识工作 AI。Cursor 同时授予 SpaceX 以 600 亿美元收购的选择权。 原文链接

5.【Anthropic】提出"内省适配器"，让模型自我报告训练中学到的不良行为 Anthropic Fellows 研究提出 Introspection Adapter（IA），可让微调后的语言模型自我报告其学到的行为，包括潜在的错位、后门和安全防护移除。该方法具有泛化能力，为 AI 对齐研究提供新工具。 原文链接

重大 Benchmark 变化

SWE-bench Verified（排名变动 ≥5）

模型 排名变动 分数变动 说明
EntroPO + R2E + Qwen3-Coder-30B 103 → 76（↑27） 52.2 → 60.4（↑15.7%） 大幅跃升，编码能力显著提升
Warp 11 → 36（↓25） 75.6 → 71.0（↓6.1%） 排名大幅下滑
Nemotron-CORTEXA 50 → 82（↓32） 68.2 → 58.2（↓14.7%） 分数与排名双降
devlo 44 → 83/94（↓39-50） 70.2 → 58.2/54.2（↓17-23%） 多条目大幅下跌

LM Arena Overall（排名变动 ≥5）

模型 排名变动 分数 说明
grok-4.3 新上榜 34 名（1455.7） xAI 新模型首次入榜
GPT-5.5 15 → 13（↑2） 1475.5（↑1.4） 新发布后排名上升
deepseek-v4-flash-thinking 52 → 55（↓3） 1438.8 小幅下滑

注：LM Arena 本轮变动以 1-3 名微调为主，无 ≥5 名的大幅变动。SWE-bench 变动最为剧烈。

快速预览

  • OpenAI 发布 GPT-5.5（4/23），号称最强模型，Terminal-Bench 2.0 以 82.0 分登顶；同期推出 Codex CLI 0.123–0.128 系列更新
  • DeepSeek-V4-Pro/V4-Flash 上线（4/24），API 75% 折扣延至 5/31；LM Arena 排名 24–27 位区间
  • xAI 上线 Voice Cloning API（5/1），80+ 语音、28 种语言；LM Arena 新增 grok-4.3（rank 34）
  • Anthropic 发布"内省适配器"研究（4/29），让模型自报告训练中学到的不当行为；Claude Code 迭代至 v2.1.126
  • LM Arena Top 3 不变：claude-opus-4-7-thinking (1502.7)、claude-opus-4-6-thinking (1502.0)、claude-opus-4-6 (1497.1)；gpt-5.5 升至第 13 位

一、新闻（按厂商 / 日期倒序）

OpenAI

日期 标题 要点
4/30 Advanced Account Security 防钓鱼登录、增强恢复、防账户接管
4/29 Where the goblins came from GPT-5 性格驱动怪癖的时间线、根因与修复
4/29 Building compute infrastructure Stargate 扩容，新增数据中心
4/29 Cybersecurity in the Intelligence Age 五步网络安全行动计划
4/28 Community safety ChatGPT 模型保障、滥用检测、政策执行
4/28 OpenAI on AWS GPT 模型、Codex、Managed Agents 登陆 AWS
4/27 FedRAMP Moderate ChatGPT Enterprise & API 获 FedRAMP Moderate 授权
4/27 Microsoft partnership next phase 修订合作协议，简化结构、增加长期确定性
4/27 Symphony 开源编排规范 将 issue tracker 变为 always-on agent 系统
4/23 Introducing GPT-5.5 最强模型，面向编码/研究/数据分析；同步发布 System Card
4/23 GPT-5.5 Bio Bug Bounty 生物安全红队挑战，最高 $25,000
4/23 Codex 系列教程（6 篇） What is Codex · Getting started · Settings · Working with Codex · Plugins & skills · Top 10 uses · Automations
4/22 ChatGPT for Clinicians 免费 面向美国执业医师、NP、药剂师免费开放
4/22 Workspace agents in ChatGPT Codex 驱动的云端 agent，自动化复杂工作流
4/22 Privacy Filter 开放权重 PII 检测与脱敏模型
4/22 WebSockets 加速 agentic workflows Responses API 中 WebSocket + 连接级缓存降低延迟
4/21 ChatGPT Images 2.0 新一代图像生成，改进文字渲染与多语言支持
4/21 Codex 企业扩展 Codex Labs + Accenture/PwC/Infosys 合作；Codex WAU 达 400 万

OpenAI Codex Changelog

日期 版本 要点
4/30 CLI 0.128.0 持久化 /goal 工作流、app-server API、TUI 控制
4/24 CLI 0.125.0 Unix socket 传输、分页 resume/fork、sticky 环境
4/23 GPT-5.5 + Codex app 更新 GPT-5.5 在 Codex 中可用
4/23 CLI 0.124.0 TUI 快速推理控制（Alt+,/Alt+.）
4/23 CLI 0.123.0 内置 Amazon Bedrock provider

Anthropic / Claude Code

日期 标题 要点
5/1 Claude Code v2.1.126 /model picker 支持 gateway /v1/models 端点
4/29 v2.1.123 修复 OAuth 401 重试循环
4/28 v2.1.122 新增 ANTHROPIC_BEDROCK_SERVICE_TIER 环境变量
4/28 v2.1.121 MCP server config 新增 alwaysLoad 选项
4/23 v2.1.119 /config 设置持久化至 ~/.claude/settings.json
4/29 Introspection Adapters 研究 训练模型自报告学到的行为（含潜在错位），可泛化检测隐藏后门

Google

日期 标题 要点
4/28 Google Translate 20 周年 新功能与使用技巧
4/27 AI Agents Vibe Coding Course Google + Kaggle 联合课程
4/24 Gemini 春季整理技巧 8 个 Gemini 实用提示
4/23 TPU 驱动 AI 工作负载 新视频介绍 TPU 能力
4/23 奥地利首个数据中心 Google 在阿尔卑斯山区投资建设
4/22 TPU v8t & v8i 第八代 TPU，面向 agentic 时代
4/21 Ads Advisor 3 项更新 Google Ads 更安全、更快

xAI

日期 标题 要点
5/1 Voice Cloning API 2 分钟创建自定义语音，80+ 语音、28 种语言
4/21 SpaceXAI × Cursor 合作 Cursor 与 SpaceX 联合打造编码/知识工作 AI；Cursor 可被 $600 亿收购

DeepSeek

日期 标题 要点
4/29 V4-Pro 折扣延至 5/31 75% OFF 延期；支持 Claude Code 1M 上下文
4/25 V4-Pro 75% OFF 截止 5/5；集成 Claude Code / OpenCode / OpenClaw
4/24 DeepSeek-V4 发布 V4-Pro & V4-Flash 上线；旧名 deepseek-chat / deepseek-reasoner 三个月后停用

二、Benchmark 快照（当前 Top 10）

LM Arena — Overall（2026-05-01）

Rank Model Score
1 claude-opus-4-7-thinking 1502.65
2 claude-opus-4-6-thinking 1502.04
3 claude-opus-4-6 1497.10
4 gemini-3.1-pro-preview 1492.56
5 claude-opus-4-7 1491.27
6 muse-spark 1491.21
7 gpt-5.5-high 1487.59
8 gemini-3-pro 1485.68
9 grok-4.20-beta1 1479.62
10 grok-4.20-beta-0309-reasoning 1477.23

SWE-bench Verified（截至 2026-02-17）

Rank Model Score
1 live-SWE-agent + Claude 4.5 Opus medium 79.2
2 Sonar Foundation Agent + Claude 4.5 Opus 79.2
3 TRAE + Doubao-Seed-Code 78.8
4 live-SWE-agent + Gemini 3 Pro Preview 77.4
5 Atlassian Rovo Dev 76.8

SWE-bench Pro Public（2026-05-02）

Rank Model Score
1 gpt-5.4 (xHigh)* 59.1
2 Muse Spark* 55.0
3 claude-opus-4-6 (thinking)* 51.9
4 gemini-3.1-pro (thinking)* 46.1
5 claude-opus-4-5-20251101 45.89

Terminal-Bench 2.0（截至 2026-04-23）

Rank Model Score
1 Codex CLI / GPT-5.5 82.0
2 ForgeCode / GPT-5.4 81.8
3 TongAgents / Gemini 3.1 Pro 80.2
4 ForgeCode / Claude Opus 4.6 79.8
5 SageAgent / GPT-5.3-Codex 78.4

三、榜单变化

LM Arena — 本期显著变化

新模型入场：

  • grok-4.3 首次上榜，直接进入 rank 34（score 1455.67）

排名上升：

  • gpt-5.5：15 → 13（score 1474.02 → 1475.46）
  • grok-4.20-beta-0309-reasoning：11 → 10
  • deepseek-v4-pro：25 → 24
  • deepseek-v4-pro-thinking：28 → 27
  • mimo-v2.5-pro：24 → 22
  • mimo-v2.5：72 → 70（score 上升）
  • qwen3.6-max-preview：32 → 31
  • qwen3.6-plus：47 → 46（score 上升）
  • glm-5：33 → 32

排名下降：

  • gpt-5.4-high：10 → 11
  • ernie-5.1-preview：14 → 15
  • grok-4.20-multi-agent-beta-0309：13 → 14
  • gpt-5.4-mini-high：31 → 33（score 下降）
  • kimi-k2.6：27 → 28（score 下降）
  • qwen3.5-max-preview：23 → 25
  • deepseek-v4-flash-thinking：52 → 55

分数微调（Top 3）：

  • claude-opus-4-7-thinking：1504.00 → 1502.65（↓1.35）
  • claude-opus-4-7：1492.58 → 1491.27（↓1.31）

SWE-bench Verified — 本期变化

模型 变化 详情
Warp 排名大幅下降 11 → 36（75.6 → 71.0）
devlo 排名大幅下降 44 → 83/94（70.2 → 58.2/54.2）
Nemotron-CORTEXA 排名下降 50 → 82（68.2 → 58.2）
EntroPO + R2E + Qwen3-Coder-30B 排名大幅上升 103 → 76（52.2 → 60.4）
EPAM AI/Run + GPT4o 小幅下降 156 → 162（27.0 → 24.0）
Solver (2024-09-12) 小幅下降 120 → 126（45.4 → 43.6）

Terminal-Bench 2.0 — 本期变化

模型 变化 详情
Warp / Multiple 排名下降 32 → 37（61.2 → 59.1）

注：Terminal-Bench 2.0 Top 3 无变动，仍为 Codex CLI / GPT-5.5 (82.0)、ForgeCode / GPT-5.4 (81.8)、TongAgents / Gemini 3.1 Pro (80.2)。

SWE-bench Pro Public — 本期无变动

Top 3 为 gpt-5.4 (xHigh) 59.1、Muse Spark 55.0、claude-opus-4-6 (thinking) 51.9，排名与分数均未变化。

Sources