AI 日报 2026-07-12

核心速览

【OpenAI】GPT-5.6 正式发布，成为 Microsoft 365 Copilot 首选模型 OpenAI 发布 GPT-5.6 模型家族，包含 Sol、Terra、Luna 等版本，在健康智能、编程等领域显著提升性能。GPT-5.6 Luna 以最低推理成本超越 GPT-5.5 最高推理设置的性能，成本降低 25 倍。Microsoft 365 Copilot 已将 GPT-5.6 设为首选模型，覆盖 Word、Excel、PowerPoint 等产品。GPT-5.6 Sol Ultra 成功证明 50 年未解的 Cycle Double Cover Conjecture 数学猜想，使用 64 个子代理在一小时内完成。 GPT-5.6: Frontier intelligence that scales with your ambition

【OpenAI】ChatGPT Work 发布，集成 Codex 实现跨应用自主执行 ChatGPT Work 是新的代理功能，可跨应用和文件执行任务，可持续数小时跟踪项目进度，将目标转化为完成的工作。Codex 应用已与 ChatGPT 桌面应用合并，OpenAI 承诺 Codex 将长期存在。发布后用户反馈混淆了 Work 与 Codex 的定位，OpenAI 已快速调整默认设置并优化桌面应用界面，承诺下周进行更大规模改进。 ChatGPT is now a partner for your most ambitious work

【OpenAI】GPT-Live 全面上线，语音模型替代 Atlas 浏览器 GPT-Live 是新一代语音模型，现已面向全球所有 ChatGPT 用户推出，周末期间语音使用限制翻倍。该模型取代了 Atlas 浏览器功能，ChatGPT 应用内嵌浏览器提供更自然的交互体验。部分用户担忧浏览器集成带来的安全隐私问题，倾向于 AI 使用独立浏览器环境。 Introducing GPT-Live

【Anthropic】Ben Bernanke 加入长期利益信托，Claude Fable 5 恢复全球访问 前美联储主席 Ben Bernanke 被任命为 Anthropic 长期利益信托新成员，负责监督公司使命执行。Claude Fable 5 和 Mythos 5 出口管制已解除，全球恢复访问，模型新增分类器以阻止更多网络安全任务滥用，日常编码和调试任务暂时回退至 Opus 4.8。Anthropic 与 Amazon、Microsoft、Google 等合作起草 AI 越狱评估共识框架。 Claude Fable 5 将恢复全球访问

【Google DeepMind】AlphaEvolve 正式上线 Google Cloud AlphaEvolve 是 Gemini 驱动的进化代理，可自主设计和发现高度优化的代码，解决算法瓶颈问题。现已正式上线 Google Cloud，面向企业用户开放。Google 同时扩展 Gemini API 的托管代理功能，支持后台任务和远程 MCP。 AlphaEvolve is now GA on Google Cloud

重大 Benchmark 变化

LM Arena 总榜

GPT-5.6-Sol-xhigh 新增上榜，排名第 8，得分 1486.31
Gemini-3.5-flash-high 新增上榜，排名第 14，得分 1476.43
Gemini-3.5-flash-medium 新增上榜，排名第 15，得分 1476.30
Muse-Spark-1.1 新增上榜，排名第 6，得分 1489.53（超越 Muse-Spark）
Claude-Opus-4-8 排名下降 5 位（13→18），得分下降 1.61 点
GLM-5.2 (max) 排名下降 7 位（26→33），得分下降 3.16 点（降幅 0.21%，未达阈值）
GPT-5.4 排名下降 6 位（28→34），得分下降 1.75 点

SWE-Bench Verified

Claude 4.5 Opus medium (20251101) 超越 Claude 4.5 Opus，升至第 1 名

Terminal Bench 2.0

Claude Opus 4.7 超越 Gemini 3.1 Pro，升至第 2 名

快速预览

OpenAI 发布 GPT-5.6 模型家族，Sol Ultra 证明 50 年数学猜想，Luna 性价比达 GPT-5.5 的 25 倍
ChatGPT Work 上线，整合 Codex 成为跨应用、可持续数小时的 Agent 工作空间
Anthropic 任命前美联储主席 Ben Bernanke 加入长期受益信托，并与 AE Studio 合作推出 GRAM 双用途能力移除技术
GPT-Live 语音模型全量上线，Claude Code 桌面版新增内置浏览器
Google AlphaEvolve 正式商用，Gemini API 扩展 Managed Agents 支持后台任务与远程 MCP

新闻

OpenAI

时间	标题	要点
07-11	GPT-Live 全量上线	所有 ChatGPT 用户已可用，周末语音额度翻倍
07-10	GPT-5.6 Sol Ultra 证明 50 年数学猜想	Cycle Double Cover Conjecture 用 64 个子 Agent 在约 1 小时内完成证明
07-10	Bio Bug Bounty 升级为长期项目	奖金翻倍至 50K 美元，邀请研究人员挑战前沿模型生物安全防线
07-10	ChatGPT Work 与 Codex 发布后快速修复	重置额度、调整默认设置、澄清 Codex 定位，下周继续改进
07-09	GPT-5.6 正式发布	Sol、Terra、Luna 三档，性能/成本双重优化，Luna 低成本档位表现亮眼
07-09	GPT-5.6 成为 Microsoft 365 Copilot 首选模型	Word/Excel/PPT/Chat/Cowork 全面集成
07-09	ChatGPT Work 上线	可跨应用操作、持续数小时跟进项目，整合 Codex
07-08	GPT-Live 发布	新一代语音模型，现已用于 ChatGPT Voice
07-08	SWE-Bench Pro 可靠性分析	指出该基准存在噪声问题，影响模型评估准确性
07-08	政府与国家安全合作原则	公布责任 AI 使用、民主问责与公共安全三大原则
07-07	MUFG 与 Australian Payments Plus 客户案例	三菱 UFJ 与澳洲支付公司用 ChatGPT Enterprise 构建 AI 原生组织
07-10	Deutsche Telekom AI 原生转型	客服、员工流程、网络运营全面 AI 化

Sam Altman 07-11 表示 AI 目前净创造就业，超出其预期。

Anthropic

时间	标题	要点
07-09	Ben Bernanke 加入长期受益信托	前美联储主席任新成员
07-08	GRAM 双用途能力移除技术	与 AE Studio 合作，可将病毒学等双用途能力模块化移除
07-07	Claude Cowork 整合 Chat 与 Cowork	Web 与桌面端合并为单一主页签

Claude Code 桌面版新增内置浏览器（07-10），可拉取文档、设计稿并交互。Mike Krieger 07-02 表示 Artifacts 已向 Pro/Max 计划开放。

Google

时间	标题	要点
07-09	AlphaEvolve 正式商用	Gemini 驱动的进化型 Agent，自动优化算法瓶颈
07-07	Gemini API Managed Agents 扩展	支持后台任务、远程 MCP 等
07-10	AI Studio 部署应用支持自定义 URL	免费 apps 可获得 your-own-url.ai.studio 域名

DeepMind 07-08 发布技术收益分配论文，主张 AI 收益应让全球共享。

Claude Code 更新

版本	时间	变化
v2.1.207	07-11	Auto Mode 在 Bedrock/Vertex/Foundry 无需 opt-in 即可使用
v2.1.206	07-10	`/cd` 增加路径建议
v2.1.205	07-08	Auto Mode 规则禁止篡改会话转录文件

行业动态

Perplexity Agent API 集成 GPT-5.6：xHigh/High/Medium 预设均更新，成本更低、准确率更高
Figma Make 集成 GPT-5.6：Dylan Field 称"效果很好"
GPT-5.6 tops DeepSWE 73%：Sol/Terra/Luna 结果已公布
ARC-AGI-3 首个突破：GPT-5.6 Sol 达 7.8%，成本比 GPT-5.5 Pro 低一个数量级
JetBrains IDE 集成 GPT-5.6：现已用于 JetBrains IDE、Junie、Air
Stop Telling Me to Ask an LLM：HN 讨论 150 分，批评过度依赖 LLM 的建议习惯

行业格局

LMArena 变化：

muse-spark-1.1 新上榜，排名第 6，分数 1489.5
gpt-5.6-sol-xhigh 新上榜，排名第 8，分数 1486.3
gemini-3.5-flash-high 新上榜，排名第 14，分数 1476.4
gemini-3.5-flash-medium 新上榜，排名第 15，分数 1476.3
claude-sonnet-5-high 新上榜，排名第 36，分数 1462.6
grok-4.5 新上榜，排名第 29，分数 1468.8
glm-5v-turbo 新上榜，排名第 66，分数 1440.1
claude-opus-4-8-thinking 排名下降 9→11，分数降至 1482.1
gpt-5.4 排名下降 28→34，分数降至 1465.5
glm-5.2 (max) 排名下降 26→33，分数降至 1465.5

当前 Top 5（LMArena overall）：

claude-fable-5：1508.6
claude-opus-4-6-thinking：1503.7
claude-opus-4-7-thinking：1502.8
claude-opus-4-6：1498.2
claude-opus-4-7：1494.2

Artificial Analysis Intelligence 变化：本期无变动

当前 Top 3（AA Intelligence）：

GPT-5.5 (xhigh)：54.8
Claude Sonnet 5 (Adaptive Reasoning, Max Effort)：53.4
GPT-5.6 Luna (max)：51.2

干活选型

SWE-bench Verified 变化：

Claude 4.5 Opus medium (20251101) 排名上升 2→1
Claude 4.5 Opus 排名下降 1→2
GPT-5-2 Codex 排名上升 18→16

当前 Top 3（SWE-bench Verified）：

Claude 4.5 Opus medium (20251101) (scaffold: live-SWE-agent)：79.2
Claude 4.5 Opus (scaffold: Sonar Foundation Agent)：79.2
Doubao-Seed-Code (scaffold: TRAE)：78.8

Terminal Bench 2.0 变化：

Claude Opus 4.7 排名上升 3→2
Gemini 3.1 Pro 排名下降 2→3

当前 Top 3（Terminal Bench 2.0）：

GPT-5.5 (scaffold: NexAU-AHE)：84.7
Claude Opus 4.7 (scaffold: WOZCODE)：80.2
Gemini 3.1 Pro (scaffold: TongAgents)：80.2

AA Agentic / Coding 变化：本期无变动

当前 Top 3（AA Agentic）：

Claude Sonnet 5 (Adaptive Reasoning, Max Effort)：46.7
GPT-5.6 Luna (max)：45.6
GPT-5.5 (xhigh)：44.9

当前 Top 3（AA Coding）：

GPT-5.5 (xhigh)：74.9
Claude Sonnet 5 (Adaptive Reasoning, Max Effort)：71.5
GPT-5.6 Luna (max)：71.4

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

点评：GPT-5.6 Sol Ultra 用 64 个子 Agent 在约 1 小时内证明 Cycle Double Cover Conjecture 这一 50 年悬而未决的数学难题，标志着 frontier 模型已从"辅助工具"进入"独立研究者"区间；Luna 以 25 倍成本优势逼近 GPT-5.5 最高推理档位的表现，说明 OpenAI 正主动下压性价比曲线以扩大覆盖面，而非单纯追逐峰值。

来源 · 97 条