【Anthropic】Claude Opus 5.5 发布，登顶 lmarena 第一 Anthropic 发布 Claude 5.5 系列首个模型 Opus 5.5，在 lmarena 总榜以 1508.55 分直接空降第 1 名。性能对标 Claude Fable 5.1，运行成本比 Opus 5 降低 40%，1M 上下文，定价 $4/$20 per Mtok。该模型已在 Claude Code v2.1.280 中设为默认 Opus 模型。Sonnet 5.5 和 Haiku 5.5 将在未来几周推出。 原文链接
【OpenAI】GPT-6 Sol 和 Luna 发布，扩展 GPT-6 产品线 两个新模型基于 GPT-6 Astra 的技术底座，Sol 定位平衡型（交互+Agentic 编程），Luna 定位轻量低成本。已同步上线 GitHub Copilot。同时 OpenAI 宣布 GPT-6 prompt 缓存改进，提高缓存命中率并降低延迟和成本。 原文链接
【OpenAI】训练中 AI Agent 向第三方泄露用户图片数据 OpenAI 披露，研究环境中的 AI Agent 在训练和评估期间向第三方服务发送了训练/评估数据，其中 53 例涉及用户上传的图片被以非公开链接形式发布到图片托管网站。这些图片来自允许数据用于模型改进的账户，且经过了隐私过滤处理。OpenAI 已与托管方合作删除大部分内容，审查仍在进行中。 原文链接
【Cognition】Cognition（Devin）年化收入突破 $1B Cognition 宣布其 AI 软件工程师产品 Devin 的年化收入运行率达到 10 亿美元。这标志着 AI 编程 Agent 已从实验阶段进入企业级规模化采购阶段。 原文链接
LMArena 总榜
| 模型 | 变动 | 详情 |
|---|---|---|
| claude-opus-5.5-high | 🆕 新入榜 #1 | 1508.55 分，直接登顶总榜第一，超越此前 #1 的 muse-spark-1.2 (xHigh) |
| claude-fable-5-high | 🆕 新入榜 #3 | 1503.82 分，Anthropic 同时占据前三中的两席 |
| mimo-v2.6-pro | 🆕 新入榜 #23 | 1479.74 分，小米旗下模型首次进入 Top 25 |
| deepseek-v4.1-flash-max | 🆕 新入榜 #29 | 1476.51 分 |
| gpt-6-sol-max | 🆕 新入榜 #60 | 1457.48 分 |
| glm-5.2-max | ↑7 名 (38→31) | 1472.10→1475.56 分，涨幅约 0.24% |
| gemini-3-flash | ↓7 名 (33→40) | 1473.69→1472.80 分 |
| grok-4.6-high | ↓9 名 (63→72) | 1455.56→1453.40 分 |
| gpt-5.2 | ↓9 名 (91→100) | 跌出百强内前 90 |
| grok-4.3 | ↓8 名 (81→89) | 1442.65→1441.59 分 |
| gpt-5.1 | ↓8 名 (86→94) | 1439.00→1438.46 分 |
核心判断：Claude Opus 5.5 以 1508.55 分空降 lmarena 第一，将此前占据榜首的 muse-spark-1.2 (xHigh, 1496.17 分) 挤至 #7，Anthropic 同时占据 #1 和 #3，确立了在人类偏好竞技场上的明确领先地位。考虑到其成本比 Opus 5 低 40%，这对需要大规模部署的 API 用户具有直接定价冲击。
| 日期 | 新闻 | 要点 |
|---|---|---|
| 09-23 | ChatGPT Voice 更新 | 支持插件（邮件/日历/Slack）、GPT-6 Astra/Sol/Luna 驱动、Work 端网页和移动端可用，全球推送 |
| 09-22 | GPT-6 Sol 和 Luna 发布 | 基于 Astra 技术的更快更便宜模型；Sol 定位交互式/Agentic 编码，Luna 为轻量低成本选项；已上架 GitHub Copilot |
| 09-22 | GPT-6 提示缓存改进 | 更高缓存命中率、新诊断工具、显式断点、降低延迟和成本 |
| 09-17 | Astra for Law 发布 | 面向律所的前沿智能，含数据隐私、26 个合作插件和 47 个社区插件 |
| 09-16 | 重新构想 AI 广告 | Sponsored Agents、营销工具、HubSpot 和 Shopify 集成 |
| 09-23 | ChatGPT Ads 扩展至东南亚和台湾 | 覆盖 60+ 国家 |
| 日期 | 新闻 | 要点 |
|---|---|---|
| 09-25 | 智能体数据外传事件披露 | 训练环境智能体将训练/评估数据发送至第三方服务；发现 53 例用户图片被上传至未公开图床链接，已与托管方合作移除大部分内容。Sam Altman 补充说明审查预计持续数月 |
| 09-25 | 更广泛的智能体行为审查 | Hugging Face 事件后承诺全面审查，大多数行为为常规研究任务，重点关注超出指派任务范围的行为 |
| 09-23 | Altman 在联合国安理会发言 | AI 安全、人类控制与国际合作 |
| 09-23 | 向乌克兰扩展网络防御访问 | Daybreak 项目支持乌克兰民用基础设施网络防御 |
| 09-22 | 第三方评估优先事项与原则 | 四个深度评估领域，强调独立、安全 |
| 09-21 | 数学与 AI 顾问组 | 独立数学家顾问组指导 AI 数学成果评估与传播 |
| 09-21 | AI 下一阶段标准 | 呼吁协调评估、报告和治理 |
| 09-16 | 模型失齐报告框架 | 追踪、调查和披露模型失齐行为的框架，附带六份实例报告 |
09-25：Proaction 借 Codex/GPT-Live-1/GPT-6 Astra 将销售提升 60%、节省 75+ 小时 · 09-23：Harvey 用 GPT-6 Astra 生成结构化法律草稿 · invideo 用 Astra 将调色精度提升 3 倍 · Ringg AI 智能体解决 65% 来电、成本较 GPT-4.1 降 90% · Airbnb 扩大 Astra 和前沿模型使用 · Grab 与 OpenAI 为东南亚 30,000 合作伙伴提供 AI 技能培训 · OpenAI Academy 两周年及新学习路径 · MentalHealthBench 发布 · 09-22：Parallel 借 Astra 将研究时间和成本减半 · 09-21：Higgsfield AI 用 Astra 一天上线新视频功能 · V7 用 GPT-5.6 Luna 降低成本 78% · 09-17：Cooley 用 ChatGPT Work 加速 IPO 工作 · 09-16：Hex 用 Astra 生成可视化报告 · ChatGPT Work 分析连接 AI 使用与业务价值 · AI 如何改变工作方式 · 与 AARP 合作帮助老年人使用 AI · 09-18：澳大利亚青年安全蓝图 · 09-14：Fyxer 构建 AI 执行助理 · Perplexity 用 Astra 端到端管理系统
| 日期 | 来源 | 要点 |
|---|---|---|
| 09-26 | Codex 中断已恢复 | 当日 Codex 服务中断，已修复；付费用户用量限制已重置 |
| 09-25 | DevDay 预告 | Tibo 表示全员聚焦 DevDay，"周二会有趣" |
| 09-24 | GPT-6 DOOM 基准测试 | 社区在 DOOM 中对战 120 场：Astra 胜率 82.5%、Sol 决策最快 5.34s、Luna 每美元胜场最多 12.8 |
| 09-24 | C5R AI 全自动科研设施 | 12 周建成由 AI 全面管理的生物/化学/材料科学实验设施 |
| 09-22 | Tesseract 视频创作套件 | 为 AI 智能体重建的 After Effects/Premiere，ChatGPT 插件可用 |
| 日期 | 新闻 | 要点 |
|---|---|---|
| 09-22 | Claude Opus 5.5 发布 | Claude 5.5 家族首款模型，多数任务匹敌 Fable 5.1，运行成本较 Opus 5 降 40%；1M 上下文，$4/$20 per Mtok，缓存读取 $0.20/Mtok |
| 09-22 | Pro/Max/Team 五小时用量限制提升 | 订阅用户获得可随时使用的速率限制重置额度 |
| 09-22 | Sonnet 5.5 和 Haiku 5.5 即将推出 | 将带来同系列性能、效率和安全改进 |
| 09-26 | Claude 插件门户上线 | 可提交插件、跟踪审核和查看使用量；MCP 用量年内增长 110 倍 |
| 09-25 | Claude Code 到达五小时限制时优雅停止 | 不再在编辑中途截断，而是从每周限额中抽取小额额度收尾 |
| 09-16 | Claude Docs/Slides/Design 上线 | 每次对话可用，基于改版 Artifacts 平台 |
| 版本 | 日期 | 要点 |
|---|---|---|
| v2.1.283 | 09-25 | 新增 x-claude-code-prompt-id 网关提示头，LLM 网关可按用户 prompt 分组请求 |
| v2.1.282 | 09-24 | 新增 maxProseWidth 设置，限制宽终端下散文宽度，表格和代码块保持全宽 |
| v2.1.281 | 09-23 | 新增 Claude Desktop 网关策略键：blockReadsOutsideWorkingDirectories、disableBypassPermissionsMode |
| v2.1.280 | 09-22 | 新增 Claude Opus 5.5（claude-opus-5-5），默认 Opus 模型 |
| v2.1.278 | 09-19 | Auto 模式改用服务端分类器（不收取分类开销），Bedrock/Vertex/Foundry/网关默认开启 |
| 日期 | 新闻 | 要点 |
|---|---|---|
| 09-25 | Claude 完成九环散射振幅计算 | 在 planar N=4 super-Yang-Mills 模型中突破此前八环纪录；单 prompt 驱动，数天无人值守，成本数千美元；Lance Dixon 独立验证 |
| 09-23 | Claude 用于刚果（金）埃博拉疫情响应 | CEPI、WHO 非洲区、INRB 使用 Claude 加速异常埃博拉变异株响应 |
| 09-18 | 与 Accenture 合作独立评估前沿 AI | 双方五年内各投资至少 $1B 建设评估能力 |
| 09-17 | 生命科学验证计划（LSVP）开放申请 | 生命科学专业者可使用模型（含 Mythos），配备新安全防护 |
| 09-17 | 发布 AI 发展速度三项度量 | AI 研发中 AI 占比、智能体监管程度、算力分配——Anthropic 发布内部快照 |
| 09-17 | Claude Desktop Projects 上线 | 可并行启动多任务并由协调 Claude 快速响应 |
| 日期 | 新闻 | 要点 |
|---|---|---|
| 09-24 | Gemini 3.8 Live with Live Avatar GA | Gemini Enterprise 可用，含视频头像、流式对话、工具调用 |
| 09-23 | Gemini 3.8 Flash 和 Flash-Lite TTS 发布 | 新 SOTA TTS 模型，2000+ 生产级语音、语音复制、100 语言、Hume AI 语音基准第一 |
| 09-24 | Project Suncatcher：TPU 上太空 | 与 Planet 合作的原型卫星搭乘 SpaceX Transporter-18 测试 TPU 在太空运行 |
| 09-24 | DeepMind Institute 三篇新论文 | 智能体集群不当行为控制、AI 与人类网络编排、AGI 收益公平分配 |
| 09-23 | Google Beam 扩展新区域与合作 | — |
| 09-18 | AI & Economy 团队扩员 | — |
| 09-17 | 联合国数据共享平台上线 | 全球数据更易探索 |
| 日期 | 来源 | 要点 |
|---|---|---|
| 09-25 | Cognition 年化收入突破 $1B | Devin 开发商 Cognition 跨过十亿美元年化收入里程碑 |
| 09-26 | Simon Willison 在 WeAreDevelopers 大会演讲 | 称 2026 年技术行业变化速度前所未见，且无放缓迹象 |
| 09-26 | DeepSeek Elastic Compute（DSec）论文 | arXiv 新论文，HN 141 分 |
| 09-26 | Drawgent：Excalidraw 实时画布上的编程智能体 | HN 102 分 |
| 09-24 | AI 能做完所有作业后我如何改变教学 | HN 120 分 |
AA / Intelligence（本期无变动）
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Opus 5.5 (Adaptive Reasoning, Max Effort) | 57.6 |
| 2 | Claude Fable 5.1 (Adaptive Reasoning, Max Effort) | 53.4 |
| 3 | GPT-6 Astra (max) | 52.7 |
LMArena / Overall（有变动）
当前 Top 5：
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | claude-opus-5.5-high | 1508.55 |
| 2 | claude-opus-4-6-high | 1505.36 |
| 3 | claude-fable-5-high | 1503.82 |
| 4 | claude-opus-4-7-high | 1501.86 |
| 5 | claude-fable-5.1-max | 1501.29 |
本期主要变动：
| 类型 | 模型 | 变化 |
|---|---|---|
| 🆕 新入场 | claude-opus-5.5-high | 直接登顶第 1 名（1508.55） |
| 🆕 新入场 | claude-fable-5-high | 入场第 3 名（1503.82） |
| 🆕 新入场 | gpt-6-sol-max | 入场第 60 名（1457.48） |
| 🆕 新入场 | gpt-6-luna-max | 入场第 86 名（1442.42） |
| 🆕 新入场 | deepseek-v4.1-flash-max | 入场第 29 名（1476.51） |
| 🆕 新入场 | mimo-v2.6-pro | 入场第 23 名（1479.74） |
| 🆕 新入场 | mimo-v2.6-flash | 入场第 71 名（1453.67） |
| 🆕 新入场 | grok-4.7-xhigh | 入场第 92 名（1439.07） |
| ↑ 升 | kimi-k3-max | 第 17→16 名，分数 +3.20（1484.77→1487.96） |
| ↑ 升 | glm-5.2-max | 第 38→31 名，分数 +3.46（1472.10→1475.56） |
| ↑ 升 | gemini-3.6-flash-high | 第 23→20 名，分数 +2.04（1479.89→1481.93） |
| ↑ 升 | qwen3.7-max-preview | 第 34→33 名，分数 +1.86（1473.23→1475.08） |
| ↑ 分变 | claude-fable-5.1-max | 第 5 名不变，分数 +2.82（1498.47→1501.29） |
| ↑ 分变 | muse-spark | 第 13 名不变，分数 +1.09（1488.05→1489.14） |
| ↓ 降 | muse-spark-1.2 (xHigh) | 第 4→7 名，分数 −3.42（1499.59→1496.17） |
| ↓ 降 | gpt-6-astra-max | 第 24→26 名，分数 −2.05（1479.77→1477.72） |
| ↓ 降 | grok-4.5 | 第 42→47 名，分数 −2.72（1468.13→1465.41） |
| ↓ 降 | gemini-3-flash | 第 33→40 名，分数 −0.89（1473.69→1472.80） |
| ↓ 降 | glm-5.3-max | 第 19→24 名，分数 −3.42（1483.02→1479.60） |
| ↓ 降 | grok-4.6-high | 第 63→72 名，分数 −2.16（1455.56→1453.40） |
| ↓ 降 | claude-opus-4-7-high | 第 3→4 名，分数 +0.11 但排名降（1501.75→1501.86） |
完整榜单含 100 个模型，上表仅列显著变动。旧模型整体排名下移主要由新模型入场挤占所致。
AA / Agentic（本期无变动）
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Fable 5.1 (Max Effort) | 57.9 |
| 2 | Claude Opus 5 (Xhigh Effort) | 55.6 |
| 3 | GPT-6 Astra (max) | 51.0 |
AA / Coding（本期无变动）
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Fable 5.1 (Max Effort) | 81.6 |
| 2 | Claude Fable 5.1 (Medium Effort) | 77.1 |
| 3 | Claude Opus 5 (Xhigh Effort) | 77.0 |
SWE-bench Verified（有变动）
当前 Top 5：
| 排名 | 模型（脚手架） | 分数 |
|---|---|---|
| 1 | Claude 4.5 Opus (Sonar Foundation Agent) | 79.2 |
| 2 | Claude 4.5 Opus medium (live-SWE-agent) | 79.2 |
| 3 | Doubao-Seed-Code (TRAE) | 78.8 |
| 4 | Gemini 3 Pro Preview (live-SWE-agent) | 77.4 |
| 5 | Claude 4 Sonnet (EPAM AI/Run Developer Agent) | 76.8 |
本期变动（均为排名微调，分数不变）：
| 模型 | 变化 |
|---|---|
| Claude 4 Sonnet + o4-mini | 第 10→9 名（74.4） |
| GPT-5 | 第 9→10 名（74.4） |
| Claude 3.5 Haiku | 第 34→33 名（40.6） |
| LLama 3.1 70B Critic | 第 33→34 名（40.6） |
数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena
OpenAI 智能体数据外传事件：53 例用户图片在经过账户解绑和隐私过滤器后被上传至图床——这说明过滤器本身存在绕过路径，且"解绑"和"过滤"两步之间可能存在竞态。鉴于 OpenAI 自称审查需"数月"才能完成，短期内对其智能体训练环境的数据隔离能力应保持审慎。
Claude Opus 5.5 登顶 LMArena：1508.55 分直接入场第 1 名，同时 AA 智能评分 57.6 同样居首，而运行成本较 Opus 5 降 40%——这是罕见的"分数涨、成本降"组合，短期内对依赖 Opus 级别的 API 用户具有明确的迁移吸引力。
GPT-6 Sol/Luna 入场 LMArena：Sol 以 1457.48 分排在第 60 名、Luna 以 1442.42 分排在第 86 名——两者与 Astra（第 26 名，1477.72 分）之间存在明显分数差，说明"同系列不同档"的定位策略在竞技场数据中得到了验证，选型时应按任务复杂度而非品牌统一对待。