AI 日报 2026-07-13

核心速览

【OpenAI】GPT-5.6 正式发布，性能提升成本大幅下降 GPT-5.6 系列（Sol、Terra、Luna）发布，在 ARC-AGI-3 达到 7.8% SOTA，DeepSWE 榜单 73% 排名第一。GPT-5.6 Luna 在最高推理设置下超越 GPT-5.5，成本降低 25 倍。Sol 模型成功证明 50 年未解的 Cycle Double Cover 猜想，使用 64 个子代理在约 1 小时内完成。

原文链接

【OpenAI】ChatGPT Work 发布，Codex 整合进桌面应用 ChatGPT Work 是可在应用和文件间自动执行任务的新代理，可持续数小时跟踪项目直至完成目标。Codex 应用与新版 ChatGPT 桌面应用合并，统一了侧边栏和搜索体验。发布后用户反馈积极，活跃用户达 700 万。

原文链接

【OpenAI】GPT-Live 语音模型全球上线 新一代语音模型现已向所有 ChatGPT 用户开放，周末期间语音使用额度翻倍。

原文链接

【Anthropic】Claude Fable 5 恢复全球访问 与美国政府对话后重新上线，新增分类器阻止网络安全任务滥用，日常编码调试任务暂由 Opus 4.8 处理。Anthropic 联合亚马逊、微软、Google 等 Glasswing 合作伙伴制定 AI 越狱评估框架。

原文链接

【Google】AlphaEvolve 在 Google Cloud 正式发布 Gemini 驱动的进化代理可自动设计优化代码，解决各行业复杂算法瓶颈问题。

原文链接

重大 Benchmark 变化

本周期无符合条件（排名变动≥5 或分数变动≥5%）的重大 benchmark 变化。排名变动均为 1-2 位，分数无变化。

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 成本降至 1/25
ChatGPT Work 上线，整合 Codex 能力，支持跨应用自主工作数小时
Claude Fable 5 恢复全球访问，新增网络安全分类器限制滥用
GPT-Live 语音模型全量上线，周末双倍使用额度
Anthropic 任命前美联储主席伯南克加入长期受益信托

新闻

OpenAI

7月11日

GPT-Live 已全量推送给所有 ChatGPT 用户，周末语音使用额度翻倍

7月10日

GPT-5.6 Sol Ultra 证明了 50 年历史的 Cycle Double Cover 猜想，使用 64 个子代理在一小时内完成
Bio Bug Bounty 计划升级为长期私有项目，奖金翻倍至 $50K，邀请研究者寻找通用越狱
GPT-5.6 Luna 在健康智能场景表现超越 GPT-5.5 最高推理模式，成本仅 1/25
OpenAI 回应 ChatGPT Work 发布反馈：重置使用额度、调整默认设置避免高消耗选项、下月修复侧边栏和项目体验
GPT-5.6 家族上线 Perplexity Agent API，xHigh/High/Medium 预设均更新

7月9日

GPT-5.6 正式发布：更强智能、更高性价比、按需扩展能力
GPT-5.6 成为 Microsoft 365 Copilot 首选模型，覆盖 Word/Excel/PowerPoint/Chat/Cowork
ChatGPT Work 发布：可跨应用和文件执行任务，支持数小时长程项目
GPT-5.5 Bio Bug Bounty 公告
GPT-5.6 登顶 DeepSWE 榜单 73%

7月8日

GPT-Live 发布：新一代语音模型，已集成至 ChatGPT Voice
政府与国家安全合作原则说明
SWE-Bench Pro 评估问题分析：揭示热门编码基准的可靠性隐患
K-12 教育者 AI 技能培训计划，与 Walton Family Foundation 合作

7月7日

Anthropic

7月11日

Claude Code v2.1.207 发布，Auto mode 在 Bedrock/Vertex AI/Foundry 默认可用

7月10日

Claude Code v2.1.206 发布，/cd 命令增加目录路径建议
Claude Code 桌面版增加内置浏览器，可读取、点击和交互网页

7月9日

Ben Bernanke 加入 Anthropic 长期受益信托
Claude Fable 5 访问延长至 7 月 12 日，所有付费计划可用

7月8日

Claude Code v2.1.205 发布，增加会话记录篡改防护规则
Claude Code v2.1.204 发布，修复 headless 会话中 hook 事件流问题
GRAM 双用途能力研究发布：可将病毒学等危险能力置于可移除模块

7月7日

Claude Code v2.1.203 发布，增加登录过期预警
Claude Cowork 桌面端整合 Chat 和 Cowork：统一侧边栏、搜索、项目和 Artifacts

7月1日

Claude Fable 5 恢复全球访问，新增网络安全分类器，与亚马逊/微软/谷歌等合作制定越狱评估框架

Google

7月7日

Gemini API Managed Agents 扩展：支持后台任务、远程 MCP 等

7月1日

2026 年 6 月 AI 更新汇总
纽约教育 AI 峰会：150 位教育与行业领袖参会

7月9日

AlphaEvolve 在 Google Cloud 正式上线：Gemini 驱动的进化代理，自动优化代码解决复杂问题

行业动态

OpenAI 合作案例

日期	合作伙伴	内容
7月10日	Deutsche Telekom	AI 原生电信转型，覆盖客服、员工工作流、网络运维
7月9日	NVIDIA	使用 ChatGPT Work 自动化工作流
7月9日	JetBrains	GPT-5.6 集成至 IDE、Junie、Air
7月9日	Figma	GPT-5.6 上线 Figma Make

Benchmark 表现

GPT-5.6 Sol 在 Design Arena 登顶，Elo 1353，超越 Claude Fable 5
GPT-5.6 Sol 创 ARC-AGI-3 SOTA 7.8%，首个在该基准获胜的前沿模型
GPT-5.6 Sol ARC-AGI-2 达 92.5%，成本比 GPT-5.5 Pro 低一个数量级

Benchmark

行业格局

Intelligence (Artificial Analysis)

排名	模型	分数
1	GPT-5.5 (xhigh)	54.8
2	Claude Sonnet 5 (Adaptive Reasoning, Max)	53.4
3	GPT-5.6 Luna (max)	51.2

LMArena Overall

排名	模型	Elo
1	Claude Fable 5	1509
2	Claude Opus 4.6 Thinking	1504
3	Claude Opus 4.7 Thinking	1503

干活选型

Agentic (Artificial Analysis)

排名	模型	分数
1	Claude Sonnet 5 (Adaptive Reasoning, Max)	46.7
2	GPT-5.6 Luna (max)	45.6
3	GPT-5.5 (xhigh)	44.9

Coding (Artificial Analysis)

排名	模型	分数
1	GPT-5.5 (xhigh)	74.9
2	Claude Sonnet 5 (Adaptive Reasoning, Max)	71.5
3	GPT-5.6 Luna (max)	71.4

SWE-bench Verified 变化

Claude 4.5 Opus medium 升至第 1 名（79.2），原第 1 Claude 4.5 Opus 降至第 2
GPT-5-2 Codex 升至第 16 名，GPT-5 降至第 14 名

Terminal-Bench 2.0 变化

Claude Opus 4.7 升至第 2 名（80.2），Gemini 3.1 Pro 降至第 3

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

点评

GPT-5.6 Sol Ultra 在一小时内证明 50 年未解的 Cycle Double Cover 猜想，标志着前沿模型在数学推理上已能处理长期悬而未决的学术难题，但这类成果的可复现性和验证流程仍需关注。
ChatGPT Work 发布后 OpenAI 迅速回应多项用户反馈（重置额度、调整默认、修复侧边栏），反映出将 Codex 整合进 ChatGPT 的产品决策执行仓促，用户体验磨合期明显。
Claude Fable 5 在被美国商务部实施出口管制后仅一周即恢复访问，新增网络安全分类器并与政府建立联合评估机制，体现了 Anthropic 在安全合规与产品可用性之间的平衡策略。

来源 · 97 条