AI 日报 2026-07-04 00:45

核心速览

【Anthropic】Claude Fable 5 重新上线 美国商务部解除出口管制后，Claude Fable 5 和 Mythos 5 恢复全球访问。Anthropic 新增分类器阻止网络安全任务滥用，常规编程任务回退至 Opus 4.8。公司与亚马逊、微软、谷歌等共建 AI 越狱评估框架。重要：这标志着监管与合作的新模式。 https://x.com/AnthropicAI/status/2072163884430229756

【Anthropic】Claude Sonnet 5 发布，成为默认模型 Claude Sonnet 5 正式发布，具备 100 万 token 上下文窗口，支持自主规划、工具调用（浏览器、终端），成为 Claude Code 默认模型。至 8 月 31 日享促销定价 $2/$10 per Mtok。重要：中端模型首次达到此前高端模型的智能体能力。 https://github.com/anthropics/claude-code/releases/tag/v2.1.197

【OpenAI】发布 GPT-5.6 Sol 预览版 GPT-5.6 Sol 在编程、科学、网络安全领域能力显著增强，配套最先进的安全技术栈。同步推出 GeneBench-Pro 基准测试，评估 AI 在基因组学和生物学研究中的判断分析能力，问题需人类专家 20-40 小时完成。重要：OpenAI 持续强化科学推理能力。 https://openai.com/index/previewing-gpt-5-6-sol

【OpenAI】HP 扩大 Frontier 战略合作 HP Inc. 将 OpenAI Frontier 合作扩展至客户体验、软件开发和企业运营全场景，成为 OpenAI 重要的企业级部署案例。重要：企业级 AI 采用持续加速。 https://openai.com/index/hp-frontier-partnership

【Google DeepMind】Gemini Omni Flash 登顶 Video Arena Gemini Omni Flash 以 Elo 1404 首登 Video Arena 榜首，领先第二名 Seedance 2.0 Mini 达 101 分，创该榜单史上最大跃升。同步发布 Nano Banana 2 Lite 图像模型。重要：Google 确立视频生成领域领先地位。 https://x.com/demishassabis/status/2072833056004522440

重大 Benchmark 变化

LMArena Overall

• Gemini 3.5 Flash 排名从第 13 位升至第 11 位，分数从 1476.4 升至 1479.5（+0.2%）
• Claude Sonnet 5 Thinking 新模型入榜，排名第 32 位，得分 1464.3
• Claude Opus 4.8 排名从第 11 位降至第 13 位，分数从 1479.1 降至 1476.5（-0.2%）
• GLM-5.1 排名从第 19 位降至第 22 位，分数下降 0.1%

SWE-bench Verified

• EntroPO + R2E + Qwen3-Coder-30B 排名从第 103 位跃升至第 76 位，分数从 52.2% 升至 60.4%（+8.2 个百分点）
• Warp 排名从第 11 位骤降至第 36 位，分数从 75.6% 降至 71.0%（-4.6 个百分点）
• devlo 排名从第 44 位跌至第 94 位，分数从 70.2% 降至 54.2%（-16 个百分点）

Terminal Bench 2.0

• LemonHarness / Multiple 排名从第 8 位飙升至第 2 位，分数从 79.9% 升至 84.5%（+4.6 个百分点）