AI News Digest

核心速览

【OpenAI】ChatGPT Work 支持网站登录，可代用户完成端到端任务

ChatGPT Work 现可通过其云端浏览器代用户登录网站并执行操作，全程不接触用户密码。支持预约 DMV、订餐、取消订阅、提交报销等场景。凭据通过安全登录表单直接注入目标网站字段，模型本身无法看到。同日还推出 $100/月 Business Premium 席位，面向小团队提供全套 ChatGPT Work + Codex 功能，含 SSO/MFA 及 Slack/GitHub/Workspace 集成。这是 AI 助手从"回答问题"转向"替你操作浏览器完成任务"的关键一步——如果安全和可靠性过关，大量重复性网页操作工作流将被重构。

【OpenAI】Jalapeño 自研推理芯片首批结果公布

Jalapeño 是 OpenAI 自定义推理芯片，首批数据显示其在吞吐量和能效上达到行业领先水平，可降低现代模型推理延迟和功耗。CFO Sarah Friar 同期发文阐述 OpenAI 在芯片、算力、模型、产品全栈的复利策略。Greg Brockman 另称"AI 用于芯片设计被低估"，暗示芯片设计本身也在用 AI 优化形成闭环。

【OpenAI】Hugging Face 安全事件调查报告发布

OpenAI 完成对 Hugging Face 安全事件的全面调查，发布技术报告还原攻击者活动路径、解释现有防护为何失效，并公布在训练和评估基础设施（而非仅部署阶段）加强安全、监控和对齐的具体措施。Sam Altman 评价为"关于坏事的好报告"。

【Google DeepMind】Gemini 3.5 Transcribe 发布，支持 85+ 语言实时语音转写

Gemini 3.5 Transcribe 是 Google 新一代语音转文本模型，支持智能转写、函数调用、多说话人识别、自定义词汇和 85+ 种语言，提供实时流式支持。API 已在 Google AI Studio 和 Gemini Enterprise 上线。此前 Gemini 3.7 Flash 已成为 Google 史上增长最快的模型发布，在 ARC-AGI-2 上达 84.6%、$0.25/task。

【OpenAI】WebMCP 标准上线并启动 $35K 黑客松

OpenAI 在 ChatGPT 桌面版内置浏览器中添加 WebMCP 支持，使网站能向 AI agent 暴露工具接口。与 Chromium Dev、Cloudflare、Shopify、Vercel 等联合举办 10 天黑客松，奖金 $35,000。这意味着网站可以直接为 agent 提供结构化交互接口，而非让 agent 模拟人类点击——可能催生新一代 agent-native 网页。

重大 Benchmark 变化

GLM-5.3-Flash 新模型强势入榜，多个 benchmark 排名被挤压

• AA Agentic 榜：GLM-5.3-Flash 以 58.2 分直接空降第 2 名，将 Grok 4.6（56.3 分）从第 2 挤至第 3，Claude Sonnet 5 从第 3 降至第 4，GPT-5.5、GPT-5.6 Luna、GPT-5.6 Sol、Gemini 3.5 Flash 各降 1 位。
• AA Intelligence 榜：GLM-5.3-Flash 以 57.5 分空降第 3，Muse Spark 1.2 从第 3 降至第 4，GPT-5.5 从第 4 降至第 5，Claude Sonnet 5 从第 5 降至第 6，Claude Opus 5 从第 6 降至第 7。
• AA Coding 榜：GLM-5.3-Flash 以 71.5 分空降第 5。

GLM-5.3-Flash 是 Z.ai 发布的 743B 基座模型经后训练得到的模型，主打编程和 agentic 能力，在三个分榜同时高位入局，直接压缩了 GPT-5.x、Claude 5、Grok 4.6 等一线模型的排名空间。

SWE-bench Verified 排名微调

• Claude 4.5 Opus medium (20251101) 与 Claude 4.5 Opus 互换前两名（均 79.2 分，排名 2→1 / 1→2）。
• GPT 5.2 Codex 从第 19 升至第 17（72.8 分），GPT-5 从第 13 降至第 14。

Terminal Bench 2：Claude Opus 4.7 与 Gemini 3.1 Pro 互换第 2/3 名（均 80.2 分）。