AI 日报 2026-07-10

核心速览

【OpenAI】GPT-5.6 发布：Sol、Terra、Luna 三版本 OpenAI 推出 GPT-5.6 系列模型，包含旗舰版 Sol、平衡版 Terra 和快速低成本版 Luna。据 Framer 测试，Sol 在其内部最难基准测试中首次达到 100%，Terra 以 0.6 倍成本达到 GPT-5.5 水平，Luna 运行速度是此前最快选项的 2 倍，成本仅 0.4 倍。OpenAI 表示 Sol 已自主完成后训练 Luna，展示了模型自我迭代能力。

【OpenAI】ChatGPT Work 上线：Codex 驱动的自主工作代理 ChatGPT Work 整合 Codex 与 GPT-5.6，可作为自主代理跨应用和文件执行任务，支持长时间项目跟踪。同时新桌面应用在全球推送，Work 和 Codex 对所有计划（含免费用户）开放，Sites 功能进入 Beta。

【Anthropic】Ben Bernanke 加入长期受益信托 前美联储主席 Ben Bernanke 被任命为 Anthropic 长期受益信托新成员，该机构负责监督公司 AI 发展符合长期公益目标。Bernanke 的宏观经济与政策经验将为治理框架提供专业视角。

【Google】AlphaEvolve 在 Google Cloud 正式上线 DeepMind 与 Google Cloud 联合推出 AlphaEvolve，基于 Gemini 的进化代理可自动设计优化代码，解决算法瓶颈问题，面向企业客户提供。

【Anthropic】双用途能力模块化移除研究 Anthropic 与 AE Studio 合作发布 GRAM 训练方法，可将病毒学等既可用于疫苗研发也可用于生物武器的"双用途"能力封装进可移除模块，为安全部署提供新路径。

重大 Benchmark 变化

AA Agentic 基准：GPT-5.6 Luna (max) 新上榜第 2 名（45.6 分），GPT-5.6 Sol (low) 第 4 名（40.0 分），Terra 第 6 名（37.0 分）。 原 GPT-5.5 (xhigh) 从第 2 跌至第 3，Gemini 3.5 Flash (high) 从第 3 跌至第 5。

AA Coding 基准：GPT-5.6 Luna (max) 新上榜第 3 名（71.4 分），Sol 第 5 名（69.7 分），Terra 第 6 名（64.7 分）。 Gemini 3.5 Flash (high) 从第 3 跌至第 4，Kimi K2.6 从第 4 跌至第 7。

AA Intelligence 基准：GPT-5.6 Luna (max) 新上榜第 3 名（51.2 分），Sol 第 5 名（49.4 分），Terra 第 6 名（45.6 分）。 Gemini 3.5 Flash (high) 从第 3 跌至第 4，MiniMax-M3 从第 5 跌至第 8。

SWE-Bench Pro Public：Muse Spark 1.1 新上榜第 1 名（61.5 分），超越原冠军 GPT-5.4 (xHigh) 的 59.1 分。 GPT-5.4 (xHigh) 跌至第 2。

快速预览

OpenAI 发布 GPT-5.6 系列，推出 Sol/Terra/Luna 三档模型及 ChatGPT Work 代理
Anthropic 任命前美联储主席 Bernanke 加入长期利益信托，Claude Fable 5 恢复访问
Google DeepMind AlphaEvolve 在 Google Cloud 正式上线，Gemini API 扩展托管代理功能
SWE-bench Pro 公开榜出现新冠军 Muse Spark 1.1，以 61.5 分超越 gpt-5.4
OpenAI 应用 CEO Fidji Simo 因健康原因离职，转任兼职顾问

OpenAI

产品发布

GPT-5.6: Frontier intelligence that scales with your ambition — 推出三档模型：Sol（旗舰）、Terra（均衡）、Luna（快速+低成本），OpenAI 称 Sol 已自主完成 Luna 的后训练。
ChatGPT is now a partner for your most ambitious work — ChatGPT Work 新代理可跨应用/文件执行任务，可持续数小时跟进项目，将目标转化为完成成果。
GPT-5.6 is now the preferred model in Microsoft 365 Copilot — GPT-5.6 已成为 Microsoft 365 Copilot 默认模型。
Introducing GPT-Live — 新一代语音模型，现已在 ChatGPT Voice 中部署，Go/Plus/Pro 用户已全覆盖，免费用户逐步推进。

生态动态

新版 ChatGPT 桌面应用全球上线，Work 和 Codex 面向所有计划开放，Sites 功能对 Pro/Plus 用户开放测试。
OpenAI Build Week 将于 7 月 13 日启动，鼓励开发者用 Codex 构建创意项目。
Sam Altman 表示企业对 AI 成本的担忧已被听到，GPT-5.6 在「每任务成本」上有显著进步。

其他

Our approach to government and national security partnerships — 阐述与政府及国家安全合作的原则。
Separating signal from noise in coding evaluations — 分析 SWE-Bench Pro 基准测试的可靠性问题。
Helping K–12 educators build practical AI skills — 与 Walton Family Foundation 合作开展教师 AI 技能培训。
Fidji Simo 因慢性病恶化辞去全职 CEO 职位，转任兼职顾问。

Anthropic

产品更新

Claude Fable 5 已在全球恢复访问，付费用户使用期限延长至 7 月 12 日，5 小时/每周用量限制已重置。
Claude Cowork 开始向网页和移动端推送，Chat 与 Cowork 合并为单一主页标签。
Claude Code 发布多个版本更新，新增会话转录文件篡改防护、登录即将过期提醒、动态工作流规模设置等功能。
Claude Code 发布制作历程回顾页面。

公司治理

Ben Bernanke 加入 Anthropic 长期利益信托 — 前美联储主席成为最新信托成员。
Off-switch dual-use research — 与 AE Studio 合作发表研究，提出 GRAM 训练方法，可将病毒学等「双重用途」能力封装到可移除模块中。

Google

产品更新

AlphaEvolve 正式上线 Google Cloud — 与 DeepMind 共同开发的进化型代理，可自动设计与优化代码以解决算法瓶颈。
Gemini API 扩展托管代理功能，支持后台任务、远程 MCP 等。
六月 AI 更新汇总 — Pixel Drop 等功能更新。
纽约教育 AI 峰 — 150 位教育与行业领袖参与。
英国 AI 生产力计划 — 培育 AI 先行者。
Full-stack AI 详解 — 技术博客。

基准测试

行业格局

Intelligence 榜（AA）

排名	模型	分数
1	GPT-5.5 (xhigh)	54.8
2	Claude Sonnet 5 (Adaptive Reasoning, Max Effort)	53.4
3	GPT-5.6 Luna (max)	51.2 🆕
4	Gemini 3.5 Flash (high)	50.2
5	GPT-5.6 Sol (low)	49.4 🆕

变化：GPT-5.6 Luna/Terra/Sol 新上榜，分列第 3/6/5 名；Gemini 3.5 Flash (high) 从第 3 跌至第 4。

LMArena 总榜

排名	模型	分数
1	claude-fable-5	1508.5
2	claude-opus-4-6-thinking	1503.6
3	claude-opus-4-7-thinking	1502.0

本期无变动。

干活选型

Agentic 榜（AA）

排名	模型	分数
1	Claude Sonnet 5 (Adaptive Reasoning, Max Effort)	46.7
2	GPT-5.6 Luna (max)	45.6 🆕
3	GPT-5.5 (xhigh)	44.9 ↓
4	GPT-5.6 Sol (low)	40.0 🆕
5	Gemini 3.5 Flash (high)	37.4 ↓

变化：GPT-5.6 Luna/Sol/Terra 新上榜；GPT-5.5 从第 2 跌至第 3，Gemini 3.5 Flash 从第 3 跌至第 5。

Coding 榜（AA）

排名	模型	分数
1	GPT-5.5 (xhigh)	74.9
2	Claude Sonnet 5 (Adaptive Reasoning, Max Effort)	71.5
3	GPT-5.6 Luna (max)	71.4 🆕
4	Gemini 3.5 Flash (high)	70.1
5	GPT-5.6 Sol (low)	69.7 🆕

变化：GPT-5.6 Luna/Sol/Terra 新上榜；Gemini 3.5 Flash 从第 3 跌至第 4。

SWE-bench Pro 公开榜

排名	模型	分数
1	Muse Spark 1.1*	61.5 🆕
2	gpt-5.4 (xHigh)*	59.1 ↓
3	Muse Spark*	55.0 ↓

变化：Muse Spark 1.1 新上榜即夺冠；gpt-5.4 从第 1 跌至第 2。

SWE-bench Verified

排名	模型	分数
1	Claude 4.5 Opus medium (scaffold: live-SWE-agent)	79.2 ↑
2	Claude 4.5 Opus (scaffold: Sonar Foundation Agent)	79.2 ↓
3	Doubao-Seed-Code (scaffold: TRAE)	78.8

变化：Claude 4.5 Opus medium 与 Claude 4.5 Opus 交换第 1/2 名。

Terminal-Bench 2.0

排名	模型	分数
1	GPT-5.5 (scaffold: NexAU-AHE)	84.7
2	Claude Opus 4.7 (scaffold: WOZCODE)	80.2 ↑
3	Gemini 3.1 Pro (scaffold: TongAgents)	80.2 ↓

变化：Claude Opus 4.7 与 Gemini 3.1 Pro 交换第 2/3 名。

数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena

点评

GPT-5.6 系列发布： Sol 已能自主完成 Luna 的后训练，这比单纯榜单分数更能体现模型在科研流程中的实际生产力，但 Sol 在 AA Coding 榜仅列第 5（69.7 分），落后于 GPT-5.5（74.9 分）和 Claude Sonnet 5（71.5 分），说明「最强」需区分场景。

ChatGPT Work 与 Claude Cowork 的代理竞争： 两者都在整合聊天与执行能力，但命名高度相似（Work vs Cowork、Codex vs Code），已让开发者感到困惑。产品差异化将决定谁能真正占领用户心智。

SWE-bench Pro 公开榜格局变化： Muse Spark 1.1 以 61.5 分超越 gpt-5.4（59.1 分）登顶，是近几个月来首次有非 GPT 模型在该基准夺冠，值得关注其技术细节是否公开。

来源 · 89 条