AI 日报 2026-05-02 15:58
2026-05-02 15:58 CST
核心速览
1. 【OpenAI】发布 GPT-5.5，号称"最智能模型" OpenAI 发布 GPT-5.5，定位为迄今最强模型，在编码、研究和数据分析等复杂任务上更快、更强。同步推出 System Card、Bio Bug Bounty（最高 $25,000 奖励），并已在 Codex 中上线。 原文链接
2. 【DeepSeek】发布 DeepSeek-V4 系列，API 75% 折扣 DeepSeek 推出 V4-Pro 和 V4-Flash 两个新模型，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% 折扣，已延长至 5 月 31 日。 原文链接
3. 【OpenAI × Microsoft】宣布合作协议新阶段 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 创新上的持续推进。这是两家公司伙伴关系的重要里程碑。 原文链接
4. 【xAI × SpaceX × Cursor】三方深度合作 SpaceXAI 与 Cursor 宣布深度合作，结合 Cursor 的产品分发能力和 SpaceX 百万 H100 等效 Colossus 超算，打造最强编码与知识工作 AI。Cursor 同时授予 SpaceX 今年以 600 亿美元收购的选择权。 原文链接
5. 【Anthropic】提出"内省适配器"研究，让模型自报告不良行为 Anthropic Fellows 研究提出 Introspection Adapter，可让微调后的语言模型自我报告训练中学到的行为——包括潜在的错位、后门和安全防护移除，为 AI 对齐研究提供新工具。 原文链接
重大 Benchmark 变化
SWE-bench Verified：
| 模型 | 排名变动 | 分数变动 | 说明 |
|---|---|---|---|
| devlo | #44 → #83~#94 | 70.2 → 54.2~58.2 | 排名暴跌 39-50 位，分数下降 17%-23%，疑为评测方法变更或回退 |
| Warp | #11 → #36 | 75.6 → 71.0 | 排名下降 25 位，跌出 Top 10 |
| Nemotron-CORTEXA | #50 → #82 | 68.2 → 58.2 | 排名下降 32 位，分数下降 14.7% |
| EntroPO + R2E + Qwen3-Coder-30B | #103 → #76 | 52.2 → 60.4 | 排名上升 27 位，分数提升 15.7%，表现亮眼 |
Terminal-bench 2.0：
| 模型 | 排名变动 | 分数变动 | 说明 |
|---|---|---|---|
| Warp / Multiple | #32 → #37~#54 | 61.2 → 50.1~59.1 | 排名下降 5-22 位，分数下降 3.4%-18.1% |
快速预览
- OpenAI 发布 GPT-5.5：4/23 发布，Codex CLI 同步集成，Terminal-Bench 2.0 登顶 82.0 分
- DeepSeek-V4 上线：V4-Pro / V4-Flash 可用，API 75% 折扣延至 5/31
- xAI 上线 Voice Cloning API：80+ 语音、28 种语言，2 分钟内克隆自定义语音
- LMArena 榜首：Claude Opus 4.7 Thinking 以 1502.65 分登顶，Anthropic 包揽前三
- SWE-bench Verified 有变动：Warp 从 #11 跌至 #36，devlo 从 #44 跌至 #83/#94
一、新闻
OpenAI（按日期倒序）
| 日期 | 标题 | 摘要 |
|---|---|---|
| 4/30 | Advanced Account Security | 推出防钓鱼登录、增强恢复与账户保护 |
| 4/29 | Where the goblins came from | GPT-5 行为"小毛病"的时间线、根因与修复 |
| 4/29 | Building compute infrastructure | Stargate 扩容，新增数据中心以满足 AI 算力需求 |
| 4/29 | Cybersecurity in the Intelligence Age | 五步网络安全行动计划，推动 AI 驱动的网络防御民主化 |
| 4/28 | Community Safety | ChatGPT 模型安全、滥用检测与政策执行 |
| 4/28 | OpenAI on AWS | GPT 模型、Codex、Managed Agents 登陆 AWS |
| 4/27 | FedRAMP Moderate | ChatGPT Enterprise 与 API 获 FedRAMP Moderate 授权 |
| 4/27 | Microsoft 合作新阶段 | 修订协议，简化合作结构，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 |
| 4/27 | Choco 客户案例 | Choco 用 OpenAI API 自动化食品分销 |
| 4/26 | Our Principles | Sam Altman 分享五项指导原则 |
| 4/23 | GPT-5.5 发布 | 最新旗舰模型，更快更强，面向编码/研究/数据分析 |
| 4/23 | GPT-5.5 System Card | GPT-5.5 系统安全卡 |
| 4/23 | GPT-5.5 Bio Bug Bounty | 生物安全红队挑战，最高 $25,000 奖励 |
| 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 | Codex 驱动的 ChatGPT 工作区代理，自动化复杂工作流 |
| 4/22 | WebSockets 加速 Agentic 工作流 | Responses API 通过 WebSocket 降低延迟 |
| 4/22 | OpenAI Privacy Filter | 开源 PII 检测与脱敏模型 |
| 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 成立，与 Accenture/PwC/Infosys 合作，Codex WAU 达 400 万 |
| 4/20 | Hyatt 案例 | Hyatt 全球部署 ChatGPT Enterprise |
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 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 模型提供者 |
Anthropic / Claude Code
| 日期 | 版本 | 要点 |
|---|---|---|
| 5/1 | v2.1.126 | /model 选择器支持网关 /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 配置新增 alwaysLoad 选项 |
| 4/23 | v2.1.119 | /config 设置持久化至 ~/.claude/settings.json |
Anthropic 研究（4/29）：发布"Introspection Adapters"研究——让模型自我报告训练中学到的行为（包括潜在的不对齐），可泛化检测隐藏后门与安全护栏移除。来源
| 日期 | 标题 | 摘要 |
|---|---|---|
| 4/28 | Google Translate 20 周年 | 新功能与使用技巧 |
| 4/27 | AI Agents Vibe Coding 课程 | Google × Kaggle 联合课程 |
| 4/24 | Gemini 春季整理技巧 | 8 个 Gemini 使用技巧 |
| 4/23 | TPU 驱动 AI 工作负载 | TPU 技术视频 |
| 4/23 | 奥地利首个数据中心 | Google 在阿尔卑斯山区投资首个数据中心 |
| 4/22 | TPU v8t & v8i 发布 | 第八代 TPU，两款专用芯片面向 agentic 时代 |
| 4/21 | Ads Advisor 3 项更新 | Google Ads 更安全、更快 |
xAI
| 日期 | 标题 | 摘要 |
|---|---|---|
| 5/1 | Voice Cloning API 上线 | 80+ 语音、28 种语言，2 分钟克隆自定义语音 |
| 4/21 | SpaceXAI × Cursor 合作 | SpaceX 百万 H100 Colossus 超算 + Cursor 产品分发，$600 亿收购权 |
DeepSeek
| 日期 | 标题 | 摘要 |
|---|---|---|
| 4/29 | V4-Pro 折扣延至 5/31 | 75% OFF 延期；Claude Code 可设 deepseek-v4-pro[1m] 解锁 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 与 V4-Flash 上线，支持 OpenAI 与 Anthropic 接口；旧名称 3 个月后停用 |
二、Benchmark 快照
SWE-bench Verified（Top 10）
| 排名 | 模型 | 分数 | 采集日期 |
|---|---|---|---|
| 1 | live-SWE-agent + Claude 4.5 Opus medium | 79.2 | 2025-12-15 |
| 2 | Sonar Foundation Agent + Claude 4.5 Opus | 79.2 | 2025-12-05 |
| 3 | TRAE + Doubao-Seed-Code | 78.8 | 2025-09-28 |
| 4 | live-SWE-agent + Gemini 3 Pro Preview | 77.4 | 2025-11-20 |
| 5 | Atlassian Rovo Dev | 76.8 | 2025-09-02 |
| 6 | EPAM AI/Run + Claude 4 Sonnet | 76.8 | 2025-08-04 |
| 7 | mini-SWE-agent + Claude 4.5 Opus (high) | 76.8 | 2026-02-17 |
| 8 | ACoder | 76.4 | 2025-08-19 |
| 9 | mini-SWE-agent + Gemini 3 Flash (high) | 75.8 | 2026-02-17 |
| 10 | mini-SWE-agent + MiniMax M2.5 (high) | 75.8 | 2026-02-17 |
来源：live-swe-agent 等
SWE-bench Pro Public（Top 10）
| 排名 | 模型 | 分数 | 采集日期 |
|---|---|---|---|
| 1 | gpt-5.4 (xHigh)* | 59.1 | 2026-05-02 |
| 2 | Muse Spark* | 55.0 | 2026-05-02 |
| 3 | claude-opus-4-6 (thinking)* | 51.9 | 2026-05-02 |
| 4 | gemini-3.1-pro (thinking)* | 46.1 | 2026-05-02 |
| 5 | claude-opus-4-5-20251101 | 45.89 | 2026-05-02 |
| 6 | claude-4-5-Sonnet | 43.6 | 2026-05-02 |
| 7 | gemini-3-pro-preview | 43.3 | 2026-05-02 |
| 8 | claude-4-Sonnet | 42.7 | 2026-05-02 |
| 9 | gpt-5-2025-08-07 (High) | 41.78 | 2026-05-02 |
| 10 | gpt-5.2-codex | 41.04 | 2026-05-02 |
来源：Scale Leaderboard；* 标记为近期提交
Terminal-Bench 2.0（Top 10）
| 排名 | 模型 | 分数 | 采集日期 |
|---|---|---|---|
| 1 | Codex CLI / GPT-5.5 | 82.0 | 2026-04-23 |
| 2 | ForgeCode / GPT-5.4 | 81.8 | 2026-03-12 |
| 3 | TongAgents / Gemini 3.1 Pro | 80.2 | 2026-03-13 |
| 4 | ForgeCode / Claude Opus 4.6 | 79.8 | 2026-03-12 |
| 5 | SageAgent / GPT-5.3-Codex | 78.4 | 2026-03-13 |
| 6 | ForgeCode / Gemini 3.1 Pro | 78.4 | 2026-03-02 |
| 7 | Droid / GPT-5.3-Codex | 77.3 | 2026-02-24 |
| 8 | Capy / Claude Opus 4.6 | 75.3 | 2026-03-12 |
| 9 | Simple Codex / GPT-5.3-Codex | 75.1 | 2026-02-06 |
| 10 | Terminus-KIRA / Gemini 3.1 Pro | 74.8 | 2026-02-23 |
来源：tbench.ai；GPT-5.5 于 4/23 登顶
LMArena Overall（Top 10）
| 排名 | 模型 | ELO 分数 | 采集日期 |
|---|---|---|---|
| 1 | claude-opus-4-7-thinking | 1502.65 | 2026-05-01 |
| 2 | claude-opus-4-6-thinking | 1502.04 | 2026-05-01 |
| 3 | claude-opus-4-6 | 1497.10 | 2026-05-01 |
| 4 | gemini-3.1-pro-preview | 1492.56 | 2026-05-01 |
| 5 | claude-opus-4-7 | 1491.27 | 2026-05-01 |
| 6 | muse-spark | 1491.21 | 2026-05-01 |
| 7 | gpt-5.5-high | 1487.59 | 2026-05-01 |
| 8 | gemini-3-pro | 1485.68 | 2026-05-01 |
| 9 | grok-4.20-beta1 | 1479.62 | 2026-05-01 |
| 10 | grok-4.20-beta-0309-reasoning | 1477.23 | 2026-05-01 |
三、榜单变化
SWE-bench Verified 变动
| 模型 | 变化 | 排名 | 分数 |
|---|---|---|---|
| Warp | 大幅下滑 | #11 → #36 | 75.6 → 71.0 |
| devlo | 大幅下滑 | #44 → #83 / #94 | 70.2 → 58.2 / 54.2 |
| Nemotron-CORTEXA | 下滑 | #50 → #82 | 68.2 → 58.2 |
| EntroPO + R2E + Qwen3-Coder-30B | 上升 | #103 → #76 | 52.2 → 60.4 |
| EPAM AI/Run + GPT4o | 小幅下滑 | #156 → #162 | 27.0 → 24.0 |
| Solver (2024-09-12) | 小幅下滑 | #120 → #126 | 45.4 → 43.6 |
Terminal-Bench 2.0 变动
| 模型 | 变化 | 排名 | 分数 |
|---|---|---|---|
| Warp / Multiple | 下滑 | #32 → #37 / #54 | 61.2 → 59.1 / 50.1 |
LMArena / SWE-bench Pro Public
本期无变动。