AI 日报 2026-06-09 08:38

快速预览

• OpenAI 向 SEC 递交 S-1 草案，可能进行 IPO；Anthropic 同步提交 S-1，两家头部公司同日宣布上市准备
• OpenAI 发布 Codex Sites 预览版，支持创建和部署网站；Codex 现已通过 AWS Bedrock 提供，企业可在 AWS 环境中使用
• Claude Code v2.1.166 新增最多三个后备模型配置，支持主模型过载时自动切换；新增 --safe-mode 故障排查模式
• SWE-bench Verified：live-SWE-agent + Claude 4.5 Opus medium 与 Sonar Foundation Agent + Claude 4.5 Opus 并列第一（79.2），TRAE + Doubao-Seed-Code 第三（78.8）
• SWE-bench Pro Public 榜首为 gpt-5.4 (xHigh) 59.1%，Muse Spark 55.0%；Terminal-Bench 2.0 榜首为 vix / Claude Opus 4.7 达 90.2%

一、主要新闻

OpenAI

IPO 与战略规划（2026-06-08）

• 向 SEC 递交保密 S-1 草案，尚未确定具体时间表 来源
• 发布「为所有人而建」愿景规划，强调安全、访问和共同繁荣 来源
• 启动经济研究交换项目，研究 AI 对就业、生产力和经济的影响 来源

产品与技术更新

• Codex 新功能（2026-06-02）：Sites 插件进入预览，支持创建、保存和部署网站及应用 来源
• AWS 集成（2026-06-01）：OpenAI 前沿模型和 Codex 正式在 AWS 上线，企业可通过 AWS 环境和计费流程使用 来源
• ChatGPT 记忆改进（2026-06-04）：推出新记忆系统「Dreaming」，跨对话保持偏好和上下文 来源
• GPT-Rosalind 升级（2026-06-03）：新增药物化学、基因组分析和实验工作流能力 来源
  • 启动 Rosalind Biodefense 项目，向美国政府和审查过的开发者提供访问 来源

政策与安全

• 发布前沿 AI 民主治理蓝图和公共政策议程（2026-06-03）来源 来源
• 加强青少年 AI 安全，呼吁成立国际机构制定标准（2026-06-02）来源
• 阐明 AI 政策和政治倡导立场（2026-06-01）来源
• 发布 2026 选举信息和保障措施（2026-05-27）来源
• 分享第三方可信评估指南（2026-05-29）来源
• 发布生物防御行动计划（2026-06-04）来源

基础设施与企业案例

• 在密歇根州启动 1GW Stargate 数据中心项目（2026-06-01）来源
• Travelers 部署 AI 索赔助手、Endava 使用 AI agent 重塑软件交付、Wasmer 用 Codex 构建边缘 Node.js 运行时、Cisco 和 OpenAI 用 Codex 重新定义企业工程、MUFG 使用 ChatGPT Enterprise 向 AI 原生组织转型、Boston Children's 用 OpenAI 技术诊断超 40 例罕见病例

Anthropic

IPO 与产品扩展

• 向 SEC 递交保密 S-1 草案（2026-06-01）来源
• 扩大 Project Glasswing 范围，向 15 个国家约 150 个组织提供 Claude Mythos Preview 访问（2026-06-02）来源

Claude Code 更新

• v2.1.169（2026-06-08）：新增 --safe-mode 标志，可禁用所有自定义项（CLAUDE.md、插件、技能、hook、MCP 服务器）以排查故障 来源
• v2.1.166（2026-06-06）：新增 fallbackModel 设置，支持配置最多三个后备模型，主模型过载时按顺序尝试 来源

研究与安全

• 发布研究博客：AI 在生物学数据库中的挑战，指出现有数据库架构不适合 AI agent 使用（2026-06-08）来源
• 发布 Claude 化学能力研究：Opus 4.7 在 NMR 光谱分析任务上匹敌甚至超越专用软件（2026-06-05）来源
• 分析 832 个恶意账户，将其活动映射到 MITRE ATT&CK 框架（2026-06-03）来源
• 工程博客：探讨如何通过沙箱技术限制 agent 权限和破坏性操作范围（2026-05-26）来源

模型与社区

• 推出 Claude Opus 4.8：判断更敏锐、对自身进展更诚实、能独立工作更长时间，价格不变（2026-05-28）来源

Google

• 发布 2026 年 5 月 AI 新闻汇总（2026-06-05）来源
• 分享 Gemini Omni 和 Gemini 3.5 的 9 个实际应用演示（2026-05-29）来源
• 发布 I/O 2026 主要时刻视频集锦（2026-05-28）来源
• Google DeepMind 推出 Co-Scientist 多 agent 系统，基于 Gemini 生成、辩论和演化科学假设（2026-06-02）来源

xAI

• Grok 模型现已在 Cloudflare AI Gateway 上线，支持文本、音频、图像和视频模型（2026-06-03）来源
• Gopuff 与 xAI 合作推出 Go 个人购物助手，由 Grok 文本、音频和图像模型驱动（2026-06-03）来源
• Grok @Imagine 1.5 Preview 发布（2026-06-03）来源
• Grok STT 和 TTS 在 Vapi 上线（2026-06-03）来源
• Grok Build 0.2.7 发布，新增 /usage、/login、跨子 agent 共享终端、改进图像理解（2026-05-28）来源
• Grok 现支持在 Kilocode 中使用 SuperGrok 或 X Premium+ 订阅（2026-05-27）来源

二、Benchmark 快照

SWE-bench Verified（截至 2025-12-15）

SWE-bench Pro Public（截至 2026-06-09）

Terminal-Bench 2.0（截至 2026-05-15）

LMArena 整体榜单（截至 2026-05-27）

三、Benchmark 变化

SWE-bench Verified

显著上升

• EntroPO + R2E + Qwen3-Coder-30B-A3B-Instruct：103 → 76（52.2 → 60.4）
• devlo：44 → 83（70.2 → 58.2）；另一数据点 44 → 94（70.2 → 54.2）

显著下降

• Nemotron-CORTEXA：50 → 82（68.2 → 58.2）
• Warp：11 → 36（75.6 → 71.0）
• EPAM AI/Run Developer Agent + GPT4o：156 → 162（27.0 → 24.0）
• Solver (2024-09-12)：120 → 126（45.4 → 43.6）

Terminal-Bench 2.0

显著上升

• LemonHarness / Multiple：10 → 4（79.9 → 84.5）

显著下降

• Warp / Multiple：43 → 49（61.2 → 59.1）；另一数据点 43 → 67（61.2 → 50.1）

小幅上升

• Gemini CLI / Gemini 3.1 Pro：47 → 42（59.4 → 61.4）
• little-coder / Qwen3.6-35B-A3B：123 → 118（23.0 → 24.6）

数据来源状态：所有数据来源均成功采集，无失败来源。