AI News Digest

核心速览

【OpenAI】预览 GPT-5.6 Sol 下一代模型

OpenAI 发布 GPT-5.6 Sol 预览版，在编程、科学和网络安全领域展现更强能力，配备最先进的安全技术栈。这标志着 OpenAI 模型能力的又一次重大跃升，为专业领域应用提供更强支撑。 https://openai.com/index/previewing-gpt-5-6-sol

【OpenAI & Broadcom】推出 LLM 推理专用芯片 Jalapeño

OpenAI 与 Broadcom 联合发布定制 AI 芯片 Jalapeño，专为 LLM 推理优化，提升性能、效率和规模化能力。此举降低对通用 GPU 的依赖，增强 OpenAI 在基础设施层面的自主权。 https://openai.com/index/openai-broadcom-jalapeno-inference-chip

【Anthropic】恢复 Claude Mythos 5 对关键基础设施组织的访问

美国政府解除限制，允许 Claude Mythos 5（Anthropic 最强网络安全模型）重新部署给运营和防御关键基础设施的美国组织。Fable 5 的通用访问仍在协调中。这显示 AI 安全与国家安全之间的平衡正在调整。 https://x.com/AnthropicAI/status/2070665903440871779

【OpenAI】发布 Daybreak 安全工具套件

OpenAI 推出 Daybreak 工具，包括 Codex Security 和 GPT-5.5-Cyber，帮助组织大规模发现、验证和修补漏洞。同时启动 Patch the Planet 计划，支持开源维护者用 AI 修复漏洞。这是 AI 驱动安全领域的重要进展。 https://openai.com/index/daybreak-securing-the-world

【xAI】Grok TTS 在语音人性化测试中领先

xAI 的 Grok TTS 在 Vapi 的 Humanness Index 盲测中获得 96 分，仅比真人语音低 4 分，位居所有模型之首。这表明 xAI 在语音合成领域达到业界领先水平。 https://x.com/xai/status/2067654108123910495

重大 Benchmark 变化

SWE-bench Verified

• EntroPO + R2E + Qwen3-Coder-30B-A3B-Instruct：排名从 103 升至 76，分数从 52.2 提升至 60.4（+15.7%），显著进步
• Warp：排名从 11 跌至 36，分数从 75.6 降至 71.0（-6.1%）
• devlo：排名从 44 跌至 83，分数从 70.2 降至 58.2（-17.1%），大幅下滑
• Nemotron-CORTEXA：排名从 50 跌至 82，分数从 68.2 降至 58.2（-14.7%）

Terminal Bench 2.0

• LemonHarness / Multiple：排名从 8 升至第 2，分数从 79.9 提升至 84.5（+5.8%），跻身前三
• Warp / Multiple：排名从 41 跌至 65，分数从 61.2 降至 50.1（-18.1%），大幅下滑