【OpenAI】GPT-5.6 正式发布 GPT-5.6 登场，GPT-5.6 Luna 在最高推理设置下超越 GPT-5.5，成本降低 25 倍。Sol Ultra 版本已用 64 个子代理在一小时内证明了 50 年未解的 Cycle Double Cover 猜想。GPT-5.6 成为 Microsoft 365 Copilot 首选模型。
【OpenAI】GPT-Live 语音模型上线 新一代语音模型现已向全球所有 ChatGPT 用户推出，支持多任务并行对话（如实时查询航班、天气、制定行程）。Sam Altman 表示其语音交互频率已超过打字。
【Anthropic】Claude for Teachers 发布 面向美国 K-12 认证教师免费开放 Claude 高级功能，提供教学技能库及对接各州课程标准的教学资源。同时宣布投入 1000 万加元资助加拿大 AI 研究。
【OpenAI】ChatGPT Work 上线 ChatGPT Work 代理可在云端跨应用执行任务，支持移动端后台运行。但桌面端首版因隐藏聊天/项目入口、默认高算力设置导致额度消耗过快等问题引发用户反馈，OpenAI 已在 24 小时内发布修复更新。
【Google】Gemini Notebook 正式命名 NotebookLM 更名为 Gemini Notebook，整合进 Gemini App 和 Google Search，累计用户超 3000 万、60 万组织使用。同时 Weather Lab 更新，开放 Google AI 天气模型。
SWE-Bench Verified：Claude 4.5 Opus medium (79.2分) 与 Claude 4.5 Opus 交换排名，现居第 1。GPT-5 排名下滑至第 14（原第 13）。
Terminal Bench 2.0：Claude Opus 4.7 排名升至第 2（原第 3），Gemini 3.1 Pro 降至第 3。
/verify 和 /code-review 调用方式7月17日 — CFO Sarah Friar 发布 A scorecard for the AI age，提出衡量 AI 投资回报的四项实用指标：有用工作量、单次成功任务成本、可靠性、计算回报率。
同日，OpenAI 桌面端产品更新：对话历史与项目重新回到侧边栏，Chat/Work 模式切换更一致（来源）。
7月16日 — OpenAI 分享 Cars24 案例：使用语音和聊天代理每月处理超 100 万分钟对话，挽回 12% 流失线索。同日发布 青少年安全 AI，为 K-12 学生提供适龄保护和家长控制。
7月15日 — OpenAI 阐述 AI 安全治理的"反向联邦主义"路径，主张通过州法律构建国家级框架。同日发布 GPT-Red，介绍自动化红队测试系统。
7月14日 — OpenAI 发布企业 AI 投资管理指南（链接），以及销售团队（链接）和数据科学团队（链接）使用 ChatGPT Work 的场景。
7月10日 — GPT-Live 全量上线，周末语音使用限额翻倍（来源）。
7月9日 — GPT-5.6 发布，成为 Microsoft 365 Copilot 首选模型（链接）。Bio Bug Bounty 奖励翻倍至 5 万美元（来源）。
7月19日 — Claude Code v2.1.215 发布：/verify 和 /code-review 不再自动运行，需显式调用。
7月18日 — v2.1.214 修复单段 dir/** 允许规则的安全问题，防止对嵌套目录的意外放行。
7月17日 — v2.1.212 改进 /fork：将对话复制到后台会话，原会话继续工作；原子会话子代理改名为 /subtask。
7月15日 — v2.1.211 添加 --forward-subagent-text 标志，支持子代理文本输出流式传输。
7月14日 — Anthropic 发布 Claude for Teachers，为美国 K-12 教师提供免费高级功能。同日宣布投资 1000 万加元支持加拿大 AI 研究（来源）。
7月17日 — Google DeepMind 更新 Weather Lab，交互式展示 AI 气象模型。
7月16日 — NotebookLM 更名为 Gemini Notebook，累计用户超 3000 万。同日 Google Search 新增更多应用连接功能（链接），Google Vids 发布 Gemini Omni 和个人头像功能（链接）。
7月15日 — Google DeepMind 发布论文探讨 AI 科学发现的验证瓶颈（来源）。
7月7日 — Gemini API 扩展 Managed Agents 功能：后台任务、远程 MCP、免费层（链接）。
| 来源 | 内容 |
|---|---|
| Hacker News | Qwen 3.8 发布，引发社区讨论（770 分） |
| Hacker News | Claude Code 使用 Bun（已用 Rust 重写）引发关注 |
| Hacker News | OpenAI 将 Codex 上下文从 372k 减至 272k |
| Hacker News | Moonshot AI 因 Kimi K3 需求过载暂停新订阅 |
| Sam Altman | 新语音模型让其更多使用语音而非打字与 ChatGPT 交互（来源） |
本期变动：无
当前 Top 3：
| 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 |
本期变动：
SWE-bench Verified：
Terminal-Bench 2.0：
当前 Top 3（各榜单）：
Agentic 能力：
| 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 |
Coding 能力：
| 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 |
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 |
数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena
OpenAI CFO 提出的 ROI 四指标记分卡（有用工作量、单次成功任务成本、可靠性、计算回报率）为企业评估 AI 投资提供了可量化的框架，而非模糊的"效率提升"承诺。Claude Code 本周连续四次更新修复安全和体验问题，v2.1.214 修复的目录权限漏洞尤其值得关注——单段 dir/** 规则曾可能导致对任意嵌套目录的意外写权限。Claude 4.5 Opus medium 在 SWE-bench Verified 榜单升至第一，同分情况下超越原版 Opus，显示中等参数模型在实际编程任务中的性价比优势。