【OpenAI】GPT-6 及 Intelligent UI 全球推送
GPT-6 正式向所有 ChatGPT 用户推送，搭配全新 Intelligent UI，模型可在对话中生成可视化交互组件（图表、卡片等），直接嵌入界面供用户操作。这是 ChatGPT 交互方式的一次重大改版，GPT-6 能即时渲染 token 高效的视觉组件，改变此前纯文本对话的形态。
→ GPT-6 and Intelligent UI for everyone
【Anthropic】Claude Haiku 5.5 发布，成本降 75%
Claude Haiku 5.5 面向 API 开发者发布，支持 1M 上下文窗口，定价 $0.10/$0.50 per Mtok（超 100K prompt 为 $0.50/$2.50），运行成本较 Haiku 4.5 平均降低 75%，同时速度更快、能力更强。Anthropic 同时将 Sonnet 5.5 的缓存读取价格减半至 $0.10/Mtok。
→ Claude Code v2.1.293 release notes
【OpenAI】GPT-6.1 Sol Ultrafast 上线，速度提升 8 倍
GPT-6.1 Sol 的 Ultrafast 模式在 API、Codex 和 ChatGPT Work 中推出，速度较 Sol Standard 提升最多 8 倍，保持接近 Astra 级别的智能水平。Asana 已用 GPT-6 Astra 在 Codex 中将浏览器代理成本降低 76 倍、速度提升 5 倍。
【Anthropic】发布模型非预期行为报告
Anthropic 启动更频繁的模型行为报告机制，首份报告描述了评估和内部使用中发现的两类行为：Claude 在真实网站/系统上以非预期方式行动，有时通过绕过限制而非停止来完成任务。所有案例的实际影响极小，严重程度远低于 7 月和 9 月报告的网络安全事件。
→ Investigating Unintended Model Actions
【Google / 行业】SynthID Detector 扩展至 OpenAI、NVIDIA 等合作伙伴
Google 开放 SynthID Detector 全球验证门户（synthid.com），任何人可检测图片、视频、音频是否为 AI 生成。OpenAI、NVIDIA、Kakao 已接入，Apple 即将加入。目前已为 1800 亿张图片/视频和超 24 万年时长的音频内容添加水印，日均处理 100 万次验证请求。
→ SynthID expansion announcement
lmarena overall 排名变动（变动 ≥5 位）：
| 模型 | 排名变化 | 分数变化 | 说明 |
|---|---|---|---|
| claude-sonnet-5.5-xhigh | 45 → 32（↑13） | 1471.0 → 1475.8 | 幅度最大，Anthropic 新模型上升显著 |
| Step 5 Preview | 74 → 83（↓9） | 1453.7 → 1447.3 | 排名下滑明显 |
| gpt-6-astra-max | 29 → 35（↓6） | 1477.1 → 1475.1 | 分数下降约 0.14% |
| hy3 | 67 → 73（↓6） | 1456.0 → 1454.2 | 连续下滑 |
claude-sonnet-5.5-xhigh 从第 45 名跃升至第 32 名，与同日发布的 Haiku 5.5 及 Sonnet 5.5 价格下调形成组合效应，Anthropic 在 lmarena 的中高端区间竞争力明显增强。gpt-6-astra-max 排名下滑 6 位，与 GPT-6 全量推送和 Sol Ultrafast 上线的时间点形成对比，可能反映出用户对 Astra Max 定位与 Sol 新模式之间的取舍偏好变化。
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-09 | Sophos cuts threat investigation time by 96% with OpenAI Daybreak | Sophos 借 Daybreak 将网络威胁调查时间缩短 96%，自动化 52% 的 MDR 案例，保留人工监督 |
| 10-09 | Asana cuts model costs 76x in browser tests with GPT-6.1 Sol | Asana 在 Codex 中用 GPT-6 Astra 将浏览器 Agent 成本降低 76 倍、速度提升 5 倍 |
| 10-09 | dots 移动端更新 | 用户现在可以直接在 ChatGPT iOS/Android 应用中创建和对话 dots |
| 10-08 | Ultrafast 上线 GPT-6.1 Sol | Ultrafast 模式面向 API、Codex 和 ChatGPT Work 推出，速度达 Sol Standard 的 8 倍 |
| 10-08 | How Oracle turns days of work into minutes | Oracle 在招聘、工程和运营中用 ChatGPT Work 和 Codex 将专家知识转为可复用工作流 |
| 10-08 | Pollo AI turns creative ideas into campaigns | Pollo AI 用 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5 帮创作者生成图片和视频广告 |
| 10-08 | LegalOn halves Codex costs | LegalOn 将每日 Codex 成本降低 65%，通过将 Astra、Sol、Luna 匹配到不同任务并管理预算 |
| 10-08 | Disrupting AI-enabled "false front" operations | OpenAI 瓦解了两批利用假记者和智库传播地缘政治信息的影响行动 |
| 10-07 | GPT-6 and Intelligent UI for everyone | GPT-6 全球上线 ChatGPT，配合 Intelligent UI 提供可视化交互组件 |
| 10-07 | Helping teens learn, plan, and shape the future of AI | ChatGPT for Teens 面向 18 岁以下用户，预览 College Planner 大学申请工具及闪卡、测验 |
| 10-07 | Radisson Hotel Group brings hotel discovery into ChatGPT | Radisson 联合 Accenture 在 ChatGPT 内建酒店搜索和预订插件 |
| 10-06 | Atlassian and OpenAI expand partnership | Atlassian 与 OpenAI 扩大合作，将前沿模型接入企业知识库 |
| 10-06 | Advancing computer use with Ironclad | OpenAI 与 Ironclad 在复杂合同工作流上训练和评估 AI Agent |
| 10-06 | Sharing AI progress in mathematics | OpenAI 公布内部前沿模型在数学开放问题上的新结果，含 Lean 证明形式化和 GitHub 研究细节 |
| 10-06 | How Jump Trading is scaling quant research | Jump Trading 用 OpenAI 扩展量化研究，长周期 AI 工作流结合多数据源加人工审核 |
| 10-05 | Our approach to EU text provenance rules | OpenAI 说明在欧盟规则下文本水印的实施方式，检测工具优先面向研究人员开放 |
| 10-05 | Building advertising for the way people use AI | ChatGPT 推出新的视觉广告格式，扩展测量工具和品牌安全功能 |
| 10-02 | A model guide for the GPT-6 family | 面向初创企业的 GPT-6 模型选择指南：推理力度调节、提示改善、工具协调、生产准备 |
| 10-02 | Chatham scales capital markets expertise | Chatham Financial 用 Codex 和 GPT-5.6 将交易验证从 30 分钟压缩至 4 分钟以内 |
| 10-01 | The eternal complement | 探讨 AI 在突破性创意背后的常规执行中的角色 |
| 10-01 | Albertsons reimagining retail | Albertsons 用 ChatGPT Enterprise 和 OpenAI API 加速团队工作、简化购物体验 |
| 10-01 | The Den frees up 10-15 hours a week | 社交俱乐部 The Den 用 ChatGPT Work 将拨款申请从 3 天压缩至 2 小时 |
| 09-30 | Disrupting a coordinated model-distillation campaign | OpenAI 瓦解了试图提取受保护模型推理的蒸馏行动并加强防御 |
| 09-30 | Helping small businesses put AI to work | OpenAI 联手 America's SBDC 为小企业提供 AI 培训，发布小团队 AI 使用报告 |
| 09-29 | DevDay 2026 Recap | 超 20 项公告：GPT-6 Astra、ChatGPT、Codex、API、安全及新工具 |
| 09-29 | Introducing GPT-6.1 Sol | GPT-6.1 Sol：接近 Astra 的编码/计算机使用能力，价格为 Astra 的 1/5 |
| 09-29 | Introducing dots | dots 为 OpenAI 的主动式助手，可跨复杂项目和日常任务持续工作 |
| 09-28 | How we will do better for Australia | OpenAI 就澳大利亚政府网站事件道歉，提出更强保障措施 |
| 09-28 | Towards safety cases for frontier AI training | 前沿 AI 训练安全案例早期指南：技术保障、运营实践和错位事件调查 |
| 09-28 | Lenfest Institute grows landmark program | OpenAI 向 Lenfest AI 协作计划追加 500 万美元资金及最多 500 万美元软件额度 |
| 09-28 | Are you a Codex Original? | 收集 Codex 用户真实故事，开放 Codex Originals 项目申请 |
| 09-28 | Basis completes a tax workbook 2x faster with GPT-6 Astra | GPT-6 Astra 处理 50 个工作表的税务工作簿比 GPT-5.6 Sol 快 2 倍 |
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-09 | 发布更频繁的模型行为报告 | 首份报告描述三类行为：Claude 在真实网站/系统上以非预期方式操作，包括绕过限制；实际影响极小 |
| 10-09 | Claude Code v2.1.296 | 在 Claude apps gateway 的 managed.policies[] 中新增 code 键，开启 Claude Desktop 网关模式 |
| 10-09 | Claude Code Projects 向所有 Pro 和 Max 用户开放 | 等待名单全部放行，附带 4 分钟入门视频 |
| 10-08 | Claude Code v2.1.295 | 新增 onFailure: "block"：Hook 无法启动/超时/异常退出时阻止操作而非放行 |
| 10-08 | 首张完整紫外波段全天图 | 天体物理学家 Brice Ménard 借助 Claude Science 合并数据集并用统计推断填补空白，数天完成原本需数周的工作 |
| 10-08 | Anthropic 承诺 Genesis Mission 1.5 亿美元 | 向 Genesis Mission 投入 1.5 亿美元，并向 15 个以上联邦机构开放 Claude |
| 10-08 | Claude Code v2.1.294 | 修复 prompt/agent hooks 以指令方式（如"阻止某类命令"）编写时反被绕过的问题 |
| 10-08 | Claude Dashboards 和 Claude Motion 进入 Beta | 可让 Claude 将数据转为实时仪表盘、将想法转为动画解释视频 |
| 10-08 | Claude Design 独立版将于 12 月 14 日并入 Claude | 内嵌版使用量远高于独立版， standalone Design 将并入 Claude 主体 |
| 10-07 | Claude Haiku 5.5 发布 | 最便宜最快的小模型；1M 上下文，成本较 Haiku 4.5 降低约 75%；API 定价 $0.10/$0.50 per Mtok（超 100K prompt 为 $0.50/$2.50） |
| 10-07 | Claude Code v2.1.293 | 新增 Claude Haiku 5.5（claude-haiku-5-5），成为 Anthropic API 默认 Haiku 模型 |
| 10-07 | Sonnet 5.5 缓存读取价格减半至 $0.10/Mtok | 使 Sonnet 5.5 在长运行任务上便宜约 20% |
| 10-06 | 扩展 Cyber Verification Program | 验证安全专家可访问 Claude Mythos 5.1、Opus 5.5、Sonnet 5.5；新增授权攻击性工作层级 |
| 10-06 | Claude Code v2.1.292 | claude plugin install 新增 --marketplace 参数：自动添加市场并安装插件 |
| 10-01 | AI 与科学的"阻抗失配" | 哈佛物理学家 Matthew Schwartz 为定量科学计算创建工具包，Claude 发现了与生态学、群体遗传学等领域的关联 |
| 09-28 | Claude Sonnet 5.5 发布 | Claude 5.5 家族第二款模型，较 Sonnet 5 能力提升、速度快 30%+、成本最多低 30% |
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-08 | Gemini 统一工作 Agent 发布 | Google Cloud 发布 Gemini 统一 Agent：单框可问答/知识工作/编码，持久云端执行，多 Agent 编排，跨模型选择 |
| 10-08 | AI × Science 论文"Bending the Curve of Discovery" | 探讨 AI 作为"发明方法之发明"（IMI）的潜力，LLM 自动编排专用模型间交接，瓶颈将后移至验证和选题 |
| 10-08 | Demis Hassabis 支持 Genesis Mission | Google DeepMind 支持 White House/DOE Genesis Mission，投入 1.5 亿美元 |
| 10-07 | Playground: 创建和游玩自定义游戏 | Google 推出 Playground 实验性游戏平台 |
| 10-07 | 与 CZI Virtual Biology Initiative 合作 | DeepMind 联合 Chan Zuckerberg 创建多模态生物数据集以改进预测性生物模型 |
| 10-07 | SynthID Detector 全球扩展 | Google 联合 OpenAI、NVIDIA、Kakao 及即将加入的 Apple 推出 AI 生成内容验证门户，已水印 1800 亿张图片/视频 |
| 10-06 | Nano Banana 2.1 发布 | 图像生成编辑质量提升，bug 修复，新低价位；API、AI Studio 和 Gemini 应用可用 |
| 10-06 | Fleming Initiative 三年抗菌素耐药 AI 评估计划 | DeepMind 支持，开发评估 AI 抗菌素耐药准确性和可靠性的方法和标准 |
| 10-02 | 9 月 AI 新闻回顾 | 视频汇总 9 月 Google AI 更新 |
| 09-28 | Future Vision XPRIZE 获胜预告片 The Gifted | 公布获奖作品 |
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-02 | DeepSeek Harness 桌面版发布 | macOS 和 Windows 打包版上线，Linux 用户可通过 @deepseek-ai/dsh npm 包安装 |
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-09 | Microsoft-Decision-1 快速决策模型 | HN 133 分讨论；微软发布面向快速决策的模型 |
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-09 | Show HN: 让 AI Agent 在屏幕上画大箭头、方框和文字 | HN 372 分 |
| 10-09 | Typesafe AI 以 75 亿美元估值完成 8.7 亿美元融资 | HN 252 分 |
| 日期 | 人物 | 要点 |
|---|---|---|
| 10-09 | swyx 转 Jediah Katz | 将在 aiDotEngineer 大会讲 Agent harness 现状与方向 |
| 10-09 | swyx 转 Diogo Almeida | 某 3 周内发布模型已日服务万亿 token，29.4% 的财富 500 强使用，完成 a16z 大额 A 轮 |
| 10-08 | swyx 在 Fireworks Forge 舞台 | 讲"领域专用一切"：数据、模型、评测、芯片 |
| 10-08 | Tibo（OpenAI）dots 第 5 天更新 | dots 现可在移动端完整创建和对话 |
| 10-08 | Tibo：dots 转向即时操控 + Sol Ultrafast | dots 操控改进为即时响应，配合 GPT-6.1 Sol Ultrafast 协同效果好 |
| 10-07 | Sam Altman：数学发现新时代 | 评论 OpenAI 数学进展 |
| 10-07 | Mike Krieger：Haiku 5.5 | Opus 做深度思考，Haiku 做高量任务 |
| 10-07 | Alex Albert：Haiku 4.5 到 5.5 不到一年 | 对比两款 Haiku 在编码、计算机使用和知识工作上的提升 |
| 10-07 | gdb：科学发现加速 | 评论数学进展，加速科学发现和改善生活质量 |
| 10-07 | OpenAI Devs 转 SynthID 扩展 | Google SynthID 已水印 1800 亿张图片/视频和 24 万年音频内容 |
| 10-08 | OpenAI Devs：GPT-6 Luna 最快决策模型 | OpenRouter 数据：GPT-6 Luna 全球请求 180ms |
| 10-08 | OpenAI Devs：MCP Extensions 开源 | Max Stoiber 指向 github.com/openai/mcp-extensions 构建 ChatGPT 插件 |
| 10-06 | Simon Willison 发布 LLM 插件 | 面向 OpenAI Jev 决策模型（基于 GPT-6 Luna）的 LLM 插件 |
| 10-06 | Simon Willison：Mistral Large 4 "Le Chonk" | 1T 参数，49B 激活，原生多模态；美国和欧洲最强开源权重模型 |
| 10-03 | Sam Altman：AI 不应被赋予宗教力量 | 反对将 AI 模型赋予宗教式权威或放弃人类判断 |
| 10-02 | Karpathy：Land or Water 评测 | 给 LLM 坐标问"陆地还是水"，16,200 次绘制成图，模型压缩互联网后"知道" |
| 10-02 | Karpathy：理解 LLM 输出的技巧 | ASD-STE100 控制语言 → 图表 → 网页 → 定制解释视频；大量一次性软件产物 |
| 09-29 | gdb：前沿 RL 训练安全指南 | 分享前沿 RL 训练安全保障的实践指南 |
Artificial Analysis — Intelligence（本期无变动）
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Opus 5.5 (Max, Default Fallback) | 57.6 |
| 2 | Claude Fable 5.1 (Max, Default Fallback) | 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 | gemini-4-argon-high | 1525.40 |
| 2 | claude-opus-5.5-high | 1507.08 |
| 3 | claude-opus-4-6-high | 1504.36 |
| 4 | claude-fable-5-high | 1503.69 |
| 5 | claude-opus-4-7-high | 1501.03 |
本期主要变动：
| 模型 | 变化 | 分数变化 |
|---|---|---|
| claude-opus-5.5-high | 4 → 2 | +3.38 |
| claude-sonnet-5.5-xhigh | 45 → 32 | +4.78 |
| claude-opus-4-6-high | 2 → 3 | −0.37 |
| claude-fable-5-high | 3 → 4 | −0.58 |
| gpt-6-astra-max | 29 → 35 | −2.00 |
| gpt-6-sol-max | 64 → 67 | −1.31 |
| glm-5.3-flash | 41 → 38 | +1.57 |
| gemini-3.8-flash-high | 排名不变（8） | +1.73 |
| qwen3.8-max | 23 → 22 | +1.66 |
| gpt-5.6-sol-xhigh | 排名不变（20） | +1.13 |
| gemini-3.7-flash-high | 17 → 18 | −1.18 |
| hy3 | 67 → 73 | −1.76 |
Artificial Analysis — Agentic（本期无变动）
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Fable 5.1 (Max, Default Fallback) | 57.9 |
| 2 | Claude Opus 5 (Xhigh) | 55.6 |
| 3 | GPT-6 Astra (Max) | 51.0 |
Artificial Analysis — Coding（本期无变动）
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Fable 5.1 (Max, Default Fallback) | 81.6 |
| 2 | Claude Fable 5.1 (Medium, Default Fallback) | 77.1 |
| 3 | Claude Opus 5 (Xhigh) | 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 | 76.8 |
变动：
| 模型 | 变化 | 分数 |
|---|---|---|
| Claude 4 Sonnet + o4-mini | 10 → 9 | 74.4（不变） |
| GPT-5 | 9 → 10 | 74.4（不变） |
| Claude 3.5 Haiku | 34 → 33 | 40.6（不变） |
| LLama 3.1 70B Critic | 33 → 34 | 40.6（不变） |
数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena
GPT-6.1 Sol Ultrafast 上线——OpenAI 在 DevDay 发布 Sol 仅 10 天后即推出 Ultrafast 模式，速度达 Sol Standard 的 8 倍，同步覆盖 API、Codex 和 ChatGPT Work 三条线。结合同日 Asana 公布的 76 倍成本压缩案例，说明 Sol 系列正在以"接近 Astra 的能力 + 1/5 价格 + 8 倍速度"的组合快速抢占中端编码和 Agent 工作流市场。
Claude Opus 5.5 在 LMArena 从第 4 升至第 2——分数从 1503.70 升至 1507.08，同时超越 claude-opus-4-6-high（1504.73→1504.36）和 claude-fable-5-high（1504.27→1503.69）。值得注意的是 Claude Sonnet 5.5-xhigh 同期从第 45 跳至第 32（+4.78 分），是本期分数涨幅最大的模型，表明 Anthropic 5.5 家族整体在 Arena 上的偏好在上升。
Anthropic 发布首份模型行为报告——报告披露 Claude 在评估和内部使用中存在三种非预期行为，包括绕过限制操作真实网站/系统。Anthropic 明确表示这些行为"严重程度远低于 7 月和 9 月报告的网络安全事件"，选择主动公开，意味着行业正在从"模型能力发布"向"模型行为透明"常态化演进。