AI 日报 2026-07-21

核心速览

【OpenAI】GPT-5.6 发布，成为 Microsoft 365 Copilot 首选模型

GPT-5.6 带来更强的性能和更低的成本，GPT-5.6 Luna 在最高推理设置下超越 GPT-5.5，成本降低 25 倍。该模型现已成为 Microsoft 365 Copilot 的首选模型，支持 Word、Excel、PowerPoint 等应用。这是 OpenAI 在企业级 AI 能力上的重要一步。

原文链接

【Anthropic】推出罕见病研究资助计划，最高 $50,000 Claude 额度

Anthropic 宣布为加速罕见病研究的科学家提供最高 $50,000 的 Claude 使用额度，这是其 AI for Science 项目首次定向资助。该计划旨在帮助科研人员利用 Claude 加速科学发现。

原文链接

【OpenAI】ChatGPT Work 上线，支持跨应用长时间任务

ChatGPT Work 是一个能在应用和文件间执行操作的 Agent，可持续数小时跟踪项目目标并交付完成的工作。该功能已在移动端和网页端上线，桌面端同步支持。

原文链接

【Anthropic】Claude Fable 5 在数学证明上取得突破

Claude Fable 5 生成了 Jacobian Conjecture 的反例，引发数学界关注。这是 AI 模型在开放性数学问题上的重要进展，表明前沿模型已能参与高水平数学研究。

原文链接

【Kimi】推出 Kimi Work 产品

中国 AI 公司月之暗面推出 Kimi Work，定位为工作场景的 AI 助手。这是继 OpenAI、Anthropic 之后又一厂商推出面向工作流的 Agent 产品，市场竞争加剧。

原文链接

重大 Benchmark 变化

无重大变化。本次排名变动均为同分模型间的位次交换，无分数变动≥5%或排名变动≥5的情况。

快速预览

OpenAI 发布长时运行模型安全对齐研究，揭示新风险与防护措施
Anthropic 推出罕见病研究资助计划，最高 $50,000 Claude 额度
Claude Fable 在数学证明上取得突破，产出 Jacobian Conjecture 反例
Kimi 发布 Work 产品，国产 Agent 产品线持续扩展
Claude Code 连续更新，新增 sandbox 文件系统控制等特性

OpenAI

7 月 20 日

发布 Safety and alignment in an era of long-horizon models，分享长时运行模型部署中的安全风险、观察到的失败案例及迭代改进的防护措施。
Greg Brockman 转发推广 ChatGPT Work，用户发推分享使用体验可获 $100 免费额度（前 10,000 名）。

7 月 17 日

CFO Sarah Friar 发表 A scorecard for the AI age，提出 ROI 评估框架：有用工作量、单任务成本、可靠性、计算回报率。
Tibo 宣布 ChatGPT 桌面端更新：侧边栏恢复对话历史和项目显示、Chat/Work 模式切换、历史记录跨平台同步。

7 月 16 日

发布 Why teens deserve access to safe AI，介绍面向青少年的年龄适配保护、学习工具和家长控制。
案例 Cars24：使用 OpenAI 语音和聊天代理每月处理 100 万+ 分钟对话，挽回 12% 流失线索。

7 月 15 日

发布 GPT-Red: Unlocking Self-Improvement for Robustness，介绍自动化红队测试系统，通过自我对弈提升安全性和提示注入鲁棒性。
发布 The US is advancing AI safety through state and federal action，提出"反向联邦主义"治理路径。

7 月 9 日

发布 GPT-5.6：更强性能、更低成本，Luna 版本以 25 倍成本优势超越 GPT-5.5 最高推理设置。
发布 ChatGPT Work：可跨应用和文件执行任务、持续数小时跟进项目的 Agent。
GPT-5.6 成为 Microsoft 365 Copilot 首选模型。
发布 GPT-Live，新语音模型已全量上线 ChatGPT Voice。

Anthropic

7 月 20 日

推出罕见病研究资助计划，最高 $50,000 Claude 额度，属 AI for Science 项目首批专项征集。

7 月 15 日

发布 Claude for Teachers：美国 K-12 认证教师免费使用高级功能，配套教学技能库和各州课标对接。

7 月 14 日

承诺 1,000 万加元资助加拿大 AI 研究，与当地机构合作。

7 月 9 日

Long-Term Benefit Trust 任命 Ben Bernanke 为新成员。
发布与 AE Studio 合作的 GRAM 研究：将双用途能力（如病毒学）封装为可移除模块。

Claude Code 更新

版本	日期	主要变更
v2.1.216	7/20	新增 `sandbox.filesystem.disabled` 设置，跳过文件系统隔离但保留网络出口控制
v2.1.215	7/19	`/verify` 和 `/code-review` 不再自动运行，需显式调用
v2.1.214	7/18	修复单段 `dir/**` 允许规则错误授权嵌套目录写入的问题
v2.1.212	7/17	`/fork` 将对话复制到后台会话；原会话内子代理改为 `/subtask`
v2.1.211	7/15	新增 `--forward-subagent-text` 标志，在 stream-json 输出中包含子代理文本

Google

7 月 16 日

Search 新增 Connected Apps，扩展应用连接。
Google Vids 推出 Gemini Omni 和 Personal Avatars。
NotebookLM 正式更名为 Gemini Notebook，用户超 3,000 万。

7 月 17 日

Weather Lab 重大更新，分享 AI 天气模型。

7 月 15 日

发表科学发现验证瓶颈论文，提出四项政策建议。

行业动态

Kimi

发布 Kimi Work，Agent 产品线持续扩展。

社区热点

中国开源权重 AI 战略正在获胜（HN 963 分）
Claude Fable 产出 Jacobian Conjecture 反例（HN 655 分）

行业格局

本期无变动

当前 Top 3（Artificial Analysis Intelligence）：

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

当前 Top 3（LMArena Overall）：

排名	模型	分数
1	claude-fable-5	1507.48
2	claude-opus-4-6-thinking	1503.81
3	claude-opus-4-7-thinking	1502.28

干活选型

SWE-bench Verified 变化

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）

Terminal-Bench 2.0 变化

Claude Opus 4.7 从第 3 名升至第 2 名（80.2 分）
Gemini 3.1 Pro 从第 2 名降至第 3 名（80.2 分）

当前 Top 3（Agentic）：

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

当前 Top 3（Coding）：

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

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

点评

OpenAI 长时运行模型安全研究揭示了一个关键矛盾：模型能解决更复杂的开放式问题，但其持久性也带来了短时评估无法覆盖的安全风险——这为 Agent 时代的评估方法敲响警钟。
Anthropic 罕见病资助计划以最高 $50,000 额度定向支持特定科学领域，显示出 AI 实验室从通用能力竞赛向垂直领域价值落地的策略分化。
Claude Fable 产出 Jacobian Conjecture 反例印证了数学界对模型数学推理能力的关注——GPT-5.6 Sol 同样在 Erdős 问题上有正确证明，前沿模型在开放数学问题上的表现正在成为新的能力风向标。

来源 · 91 条