AI 日报 2026-07-16

核心速览

【OpenAI】GPT-5.6 发布：三档模型覆盖不同场景 GPT-5.6 分为 Sol（旗舰推理）、Terra（均衡）、Luna（快速推理）三档，GPT-5.6 Luna 在最高推理设置下性能超越 GPT-5.5，成本降低 25 倍。已登陆 Microsoft 365 Copilot 和 Amazon Bedrock。[GPT-5.6: Frontier intelligence]

【OpenAI】Codex 与 ChatGPT Work 用户突破 800 万 Codex 周活用户达 700 万+，150+ 更新发布。OpenAI 多次重置使用限制以应对需求激增，并推出 100 美元 Codex 积分奖励活动吸引用户从 Claude 迁移。[Codex update]

【Anthropic】Claude Fable 5 登顶 LM Arena 排行榜 Claude Fable 5 以 1508.62 分位居 LM Arena 总榜第一，Claude Opus 4-6-thinking 排名第二。同期推出 Claude for Teachers，为美国 K-12 教师提供免费高级功能。[Claude Fable 5]

【Thinking Machines】发布开源模型 Inkling Inkling 在 Artificial Analysis Agentic 排行榜位列第 8 名（32.3 分），Coding 排行榜位列第 13 名（52.1 分），展示了开源模型在智能体领域的竞争力。[Inkling: Our Open-Weights Model]

【xAI】Grok Build 开源 xAI 开源 Grok Build，同时在 HN 获得 221 点讨论热度。此举为 AI 编程智能体领域增添新的开源选择。[Grok Build is open source]

重大 Benchmark 变化

LM Arena 总榜新格局

Claude Fable 5 新上榜即夺第一（1508.62 分）
Claude Opus 4-6-thinking 新上榜排名第二（1503.68 分）
Claude Opus 4-7-thinking 新上榜排名第三（1502.81 分）
GPT-5.6-sol-xhigh 新上榜排名第八（1486.31 分）

SWE-Bench Verified 排名变动

Claude 4.5 Opus medium (20251101) 从第 2 名升至第 1 名（79.2 分）
Claude 4.5 Opus 从第 1 名降至第 2 名（79.2 分）

Artificial Analysis Agentic 新秀

Inkling 新上榜排名第八（32.3 分），超越 GPT-5、Kimi K2.6 等模型

快速预览

OpenAI 发布 GPT-Red 自动红队系统，用自我博弈提升模型安全性
Claude Fable 5 登顶 LMArena 总榜，Inkling 开源模型首秀进入 AA 榜单前十
JetBrains AI 推荐 Codex 作为默认代理，OpenAI Codex 周活用户突破 700 万
Anthropic 面向美国 K-12 教师推出免费 Claude for Teachers 计划
Google DeepMind 呼吁解决 AI 科学发现的验证瓶颈问题

OpenAI

7 月 15 日

The US is advancing AI safety through state and federal action — 提出"反向联邦主义"AI 治理路径，各州法律协助构建国家级安全框架
GPT-Red: Unlocking Self-Improvement for Robustness — 自动红队系统通过自我博弈发现 prompt 注入漏洞，提升安全对齐
GPT-Live 语音模型展示多任务能力：对话中同时查航班、看天气、规划行程

7 月 14 日

How to manage AI investments in the agentic era — 企业如何用"单位美元有效工作量"衡量 AI 投资
Codex 周活用户达 700 万，两个月更新 150+ 项功能；GPT-5.6 Sol Ultra 证明 50 年数学猜想 Cycle Double Cover
JetBrains AI 推荐 Codex 为默认代理，称将按月重新评估模型选择

7 月 10 日

GPT-5.6 Luna 性价比 GPT-5.5 最高推理设置高 25 倍；Bio Bug Bounty 奖励翻倍至 $50K

7 月 9 日

GPT-5.6: Frontier intelligence that scales with your ambition — 新一代旗舰模型，更强性价比
GPT-5.6 is now the preferred model in Microsoft 365 Copilot — 已集成至 Word、Excel、PowerPoint 等产品
ChatGPT is now a partner for your most ambitious work — ChatGPT Work 代理可跨应用执行任务，持续数小时完成项目
GPT-Live 发布，新一代语音模型已全量上线

Anthropic

7 月 15 日

Claude Code v2.1.211 发布，新增 --forward-subagent-text 标志支持流式 JSON 输出子代理内容
Claude Code artifacts 现支持调用 MCP 连接器，可构建动态数据仪表盘

7 月 14 日

Claude for Teachers — 面向美国 K-12 教师免费开放高级功能，提供教学技能库并对接各州课程标准
Anthropic 承诺 1000 万加元资助加拿大 AI 研究

7 月 9 日

Dr. Ben Bernanke 加入 Anthropic 长期利益信托担任理事

Google

7 月 15 日

Google DeepMind 发布文章探讨 AI 代理科学发现的验证瓶颈，提出政策制定者和资助方的四项优先事项

7 月 14 日

Google Images 迎来 25 周年，回顾视觉搜索创新历程

其他

来源	新闻
Thinking Machines	Inkling 开源权重模型发布，进入 AA Agentic 榜单第 8 名
xAI	Grok Build 开源，HN 热度 221 分

行业格局

LMArena 总榜变化

claude-fable-5 新上榜即登顶第 1 名（1508.6 分）
Top 5 均为 Claude 模型：fable-5、opus-4-6-thinking、opus-4-7-thinking、opus-4-6、opus-4-7
新上榜模型：muse-spark-1.1（第 6）、muse-spark（第 7）、gpt-5.6-sol-xhigh（第 8）、gemini-3-pro（第 9）、gemini-3.1-pro-preview（第 10）

Artificial Analysis 智能榜

本期无变动。Top 3：GPT-5.5 (54.8)、Claude Sonnet 5 (53.4)、GPT-5.6 Luna (51.2)

干活选型

AA Agentic 变化

模型	变化
Inkling	新上榜第 8 名（32.3 分）
Nex-N2-Pro	第 8 → 9
Kimi K2.6	第 9 → 10

本期 Top 3：Claude Sonnet 5 (46.7)、GPT-5.6 Luna (45.6)、GPT-5.5 (44.9)

AA Coding 变化

模型	变化
Inkling	新上榜第 13 名（52.1 分）

本期 Top 3：GPT-5.5 (74.9)、Claude Sonnet 5 (71.5)、GPT-5.6 Luna (71.4)

SWE-bench Verified 变化

Claude 4.5 Opus medium (20251101) 第 2 → 1 名
Claude 4.5 Opus 第 1 → 2 名

Terminal-Bench 2.0 变化

Claude Opus 4.7 第 3 → 2 名
Gemini 3.1 Pro 第 2 → 3 名

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

点评

Claude Fable 5 首日登顶 LMArena 总榜：作为新发布的模型直接超越所有现有模型拿到第一名，且 Top 5 被 Claude 系列包揽，显示 Anthropic 在通用对话能力上的领先优势。

GPT-Red 自动红队系统值得关注：通过自我博弈而非人工红队来发现 prompt 注入漏洞，这种规模化自动化安全测试方式可能是未来模型安全评估的方向。

Inkling 开源模型首秀进入 AA Agentic 榜单前十：新发布的开源权重模型在代理能力上超越 Nex-N2-Pro、Kimi K2.6 等闭源模型，显示开源社区在代理领域的追赶速度。

来源 · 94 条