← 返回列表
SILASCODING · AI 情报

AI 日报 2026-07-03 00:34

2026-07-03 08:34 CST
快速版 完整版

核心速览

【Anthropic】Claude Fable 5 恢复全球访问

美国商务部解除对 Claude Fable 5 和 Mythos 5 的出口管制，Anthropic 重新部署模型并新增分类器阻止网络安全滥用。部分常规任务将回退至 Opus 4.8，公司正与政府、Amazon、Microsoft、Google 等合作制定 AI 越狱评估框架。这是继 6 月 12 日管制以来的重大进展。 https://x.com/AnthropicAI/status/2072163884430229756

【Anthropic】Claude Sonnet 5 发布，成为 Claude Code 默认模型

Claude Sonnet 5 现为 Claude Code 默认模型，具备原生 100 万 token 上下文窗口，可自主规划、使用浏览器和终端工具。推广期定价为输入 $2/输出 $10 每百万 token（至 8 月 31 日），性能接近数月前更大更昂贵的模型。 https://github.com/anthropics/claude-code/releases/tag/v2.1.197

【OpenAI】GPT-5.6 Sol 预览版发布

OpenAI 发布下一代模型 GPT-5.6 Sol，在编程、科学和网络安全领域能力显著增强，配备最先进的安全技术栈。该模型在 GeneBench-Pro 基准测试中表现突出，标志着 AI 在基因组学和科学研究领域的重要进步。 https://openai.com/index/previewing-gpt-5-6-sol

【OpenAI】GeneBench-Pro 基准测试发布

OpenAI 推出 GeneBench-Pro，专为测试 AI 在基因组学、生物学和科学研究中的表现而设计，使用真实复杂数据集。测试问题需人类专家约 20-40 小时完成，GPT-5.6 Sol 在此基准上取得重大突破。 https://openai.com/index/introducing-genebench-pro

【Google DeepMind】Gemini Omni Flash 登顶视频生成榜首

Gemini Omni Flash 以 Elo 1404 分位居 Video Arena 第一，领先第二名 Seedance 2.0 Mini 101 分，创下视频生成领域最大领先幅度纪录。Google 同时发布 Nano Banana 2 Lite 图像模型。 https://x.com/demishassabis/status/2072833056004522440

重大 Benchmark 变化

SWE-bench Verified

  • EntroPO + R2E + Qwen3-Coder-30B-A3B-Instruct：排名从 103 升至 76，分数从 52.2 提升至 60.4（+8.2分，上升27名）
  • Warp：排名从 11 跌至 36，分数从 75.6 降至 71.0（-4.6分，下降25名）
  • devlo：排名从 44 跌至 83，分数从 70.2 降至 58.2（-12.0分，下降39名）
  • Nemotron-CORTEXA：排名从 50 跌至 82，分数从 68.2 降至 58.2（-10.0分，下降32名）

Terminal Bench 2.0

  • LemonHarness / Multiple：排名从 8 升至第 2，分数从 79.9 提升至 84.5（+4.6分，上升6名）
  • Warp / Multiple：排名从 41 跌至 65，分数从 61.2 降至 50.1（-11.1分，下降24名）

快速预览

  • OpenAI 预览 GPT-5.6 Sol：下一代模型，强化编程、科学和网络安全能力，同步发布 GeneBench-Pro 基因组学基准测试 (来源)
  • Claude Fable 5 恢复上线：美国商务部解除出口管制，Anthropic 重新部署并新增网络安全任务分类器 (来源)
  • Claude Sonnet 5 发布：成为 Claude Code 默认模型，原生 1M token 上下文窗口，促销价 $2/$10 per Mtok (来源)
  • SWE-Bench Pro Public 榜单：GPT-5.4 (xHigh) 以 59.1 分居首，Muse Spark 55.0 分第二，Claude Opus 4.6 (thinking) 51.9 分第三
  • Terminal Bench 2 变化：LemonHarness/Multiple 从第 8 名跃升至第 2 名（79.9→84.5 分），Warp/Multiple 排名下滑

新闻

OpenAI

日期 新闻
06-30 How ChatGPT adoption has expanded — 新数据显示 ChatGPT 全球使用增长，用户增加使用频率并探索更多功能
06-30 Introducing GeneBench-Pro — 新基准测试 AI 在基因组学、生物学和科研领域的表现，使用真实复杂数据集
06-30 Core dump epidemiology — 工程师通过大规模 core dump 分析发现硬件故障和 18 年历史的软件 bug
06-29 Mapping Europe's AI Workforce Opportunity — 报告分析 AI 如何重塑欧盟就业，识别面临自动化、增长或工作流变化的职业
06-28 HP Inc. launches Frontier strategic partnership — HP 扩大与 OpenAI 的 Frontier 合作，在客户体验、软件开发和企业运营中部署 AI
06-26 Previewing GPT-5.6 Sol — 预览下一代模型，强化编程、科学和网络安全能力，配备最先进的安全栈
06-25 How agents are transforming work — 研究论文展示 AI Agent 如何处理更长、更复杂的任务
06-24 OpenAI and Broadcom unveil LLM-optimized inference chip — 发布 Jalapeño 定制 AI 芯片，专为 LLM 推理优化
06-23 How GPT-5 helped immunologist solve mystery — GPT-5 Pro 协助解决 3 年免疫学难题，或助力癌症和自身免疫研究
06-22 Daybreak: Tools for securing every organization — 发布 Daybreak 安全工具，包括 Codex Security 和 GPT-5.5-Cyber
06-22 Patch the Planet — Daybreak 计划帮助开源维护者发现、验证和修复漏洞
06-21 Samsung Electronics brings ChatGPT and Codex — 三星向全球员工部署 ChatGPT Enterprise 和 Codex，为最大规模企业 AI 部署之一

Codex 更新：

  • 07-01: Codex CLI 0.142.5 — 防止完整 WebSocket 响应写入日志
  • 06-25: Codex Remote GA — 正式发布，支持从 ChatGPT 移动端操作远程 Mac/Windows

Anthropic

日期 新闻
07-02 Claude Code v2.1.199 — 支持堆叠 slash-skill 调用（最多加载 5 个 skill）
07-01 Claude Code v2.1.198 — 子 Agent 默认后台运行
06-30 Claude Sonnet 5 发布 — 成为 Claude Code 默认模型，原生 1M token 上下文
06-29 Claude Code v2.1.196 — 支持组织默认模型设置
07-01 Fable 5 恢复上线 — 商务部解除出口管制，新增网络安全任务分类器，部分编码任务回退至 Opus 4.8
06-30 商务部解除 Mythos 5 和 Fable 5 出口管制
06-27 Mythos 5 向关键基础设施组织恢复访问
06-25 加入 RAISE US 联盟 — 作为创始伙伴，支持美国劳动力 AI 转型
06-23 Claude Tag 发布 — Slack 中 Claude 作为团队成员加入频道

Google

日期 新闻
07-01 June 2026 AI updates — 6 月 Pixel Drop 更新汇总
07-01 NYC AI Education Summit — 与纽约教育界探讨 AI 在课堂的应用
06-30 UK AI Trailblazers — 英国 AI 生产力计划
06-29 Full-stack AI explainer — 解释 AI 全栈基础设施
06-25 Google Finance updates — Google Finance 新功能和新应用
06-30 Gemini Omni Flash + Nano Banana 2 Lite — 发布视频生成模型和最快图像模型
07-02 Gemini Omni Flash 登顶 Video Arena — Elo 1404，领先第二名 101 分
06-25 Gemma 4 下载量破 2 亿 — 2.5 个月内达成

xAI

日期 新闻
07-02 Grok Build 登陆 Railway sandboxes
06-29 Grok 语音 API 登陆 Vercel AI Gateway — 支持 realtime voice、TTS、STT
06-25 SuperGrok 和 X 订阅支持 T3code
06-24 MongoDB 官方插件上线 Grok Build
06-23 Firecrawl 插件上线 Grok Build Plugin Marketplace
06-22 Interactive Brokers 集成 — 支持投资组合分析
06-22 /goal 命令发布 — 支持长时间自主任务执行

Benchmark 快照

SWE-Bench Verified

本期无变动。当前 Top 3：

排名 模型 分数
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

来源：GitHub

SWE-Bench Pro Public

本期无变动。当前 Top 3：

排名 模型 分数
1 GPT-5.4 (xHigh)* 59.1
2 Muse Spark* 55.0
3 Claude Opus 4.6 (thinking)* 51.9

来源：Scale Labs

Terminal Bench 2

有变化：

模型 变化
LemonHarness / Multiple 排名 8→2，分数 79.9→84.5 ⬆️
Gemini CLI / Gemini 3.1 Pro 排名 45→40，分数 59.4→61.4 ⬆️
Warp / Multiple 排名 41→65，分数 61.2→50.1 ⬇️
little-coder / Qwen3.6-35B-A3B 排名 121→116，分数 23.0→24.6 ⬆️

当前 Top 3：

排名 模型 分数
1 NexAU-AHE / GPT-5.5 84.7
2 LemonHarness / Multiple 84.5
3 Capy / GPT-5.5 83.1

来源：TBench

LM Arena Overall

本期无变动。当前 Top 3：

排名 模型 Elo
1 Claude Fable 5 1508.16
2 Claude Opus 4.6 (thinking) 1503.09
3 Claude Opus 4.7 (thinking) 1502.31

来源：HuggingFace

SWE-Bench Verified 变化详情

模型 变化
EntroPO + R2E + Qwen3-Coder-30B-A3B-Instruct 排名 103→76，分数 52.2→60.4 ⬆️
Nemotron-CORTEXA 排名 50→82，分数 68.2→58.2 ⬇️
Warp 排名 11→36，分数 75.6→71.0 ⬇️
devlo 排名 44→83/94，分数 70.2→58.2/54.2 ⬇️
EPAM AI/Run Developer Agent + GPT4o 排名 156→162，分数 27.0→24.0 ⬇️
Solver (2024-09-12) 排名 120→126，分数 45.4→43.6 ⬇️
来源 · 65 条
openai.com ×16 developers.openai.com ×5 github.com ×5 raw.githubusercontent.com ×3 @AnthropicAI ×7 blog.google ×5 @xai ×7 @thsottiaux ×3 @gdb ×3 @bcherny ×3 @mikeyk ×2 @OfficialLoganK ×3 @demishassabis ×3