日报
2026-07-10 精选 10 条，按主题聚合。其余新闻折叠归档。
OpenAI 在发布 GPT-5.6 的同时，宣布了多项产品更新，包括推出基于 Codex 的代理工具 ChatGPT Work，并将其与 Claude Cowork 直接竞争。ChatGPT 桌面应用将整合 Codex 和 ChatGPT 为一体，形成一个超级应用，同时提供浏览器扩展和淘汰 Atlas 浏览器。
OpenAI 的最新一代推理模型 GPT-5.6 Sol (max) 在 Artificial Analysis 智能指数中取得 59 分，远超同类模型平均水平。该模型具备文本与图像输入、100 万 tokens 上下文窗口，但定价高昂（输入 $5/百万 tokens，输出 $30/百万 tokens），且评估中生成 7000 万 tokens，冗长性较高。
ChatGPT的新实时语音模式采用全双工架构，可以同时说话和聆听，实现更自然的对话。所有用户均可使用，在聊天过程中可以搜索网页并流畅处理打断。虽然不完美，但感觉几乎像真人。
OpenAI于周四发布了其最新的高级AI模型ChatGPT 5.6，此前因美国政府担忧网络安全而推迟了公开发布。特朗普政府上月要求OpenAI将发布范围限制在政府批准的小部分用户内。OpenAI遵从了要求，在向政府官员介绍能力后，仅向受信任合作伙伴开放。更广泛的发布是在政府AI标准与创新机构进行额外测试后进行的。此举与竞争对手Anthropic最新AI模型所受限制类似。
OpenAI正式发布GPT-5.6系列模型，包括旗舰版Sol、主流版Terra和经济版Luna，在多个基准测试中与Anthropic的Fable 5竞争，但成本更低。新模型在编程、知识工作和安全性方面均有提升。
本文探討了AI代理如何徹底改變軟體工程，將執行和部分「如何」問題自動化，從而動搖了傳統的企業層級結構。作者指出，AI增加了人類的代理權和機會，但同時也帶來了更大的代理風險，導致初級工程師就業市場崩潰，並要求工程師和經理都承擔類似CEO的職責。
“代理的最后考试”是一个由伯克利RDI和300多位行业专家共同构建的大规模基准测试，覆盖55个细分行业和1500多个任务，旨在评估AI代理在长期、经济价值高且结果可验证的真实工作流程中的表现。该基准通过Adobe After Effects、Siemens NX、Unreal Engine等专业软件中的具体任务，衡量代理在动画、工程、游戏开发、制造、建筑、神经科学等领域的实际能力。
Cortex发布了DRIVE框架，用于衡量AI时代工程组织的健康状态。该框架通过交付、可靠性、计划、警惕性和效率五个支柱评估组织效能，并借助运营卓越审查将指标转化为行动。
Samaya Research推出了FrontierFinance，这是投资者工作流中最大的开放基准。
此次更新显著扩展了 IBM 的 Bob AI 平台，增加了多项新功能。
Frame.js是一个开源、浏览器嵌入式的运行时，用于创建交互式应用、图表与草图。可通过AI或代码创建，然后通过自包含的URL即时分享。无需构建、服务器或账户。
Google Cloud 宣布 Cloud Run 沙箱公开预览，这是一种原生、安全的超快运行时环境，专为执行不可信代码和代理工作负载而设计，可在毫秒内启动。它支持 LLM 代码解释器、无头浏览器和用户提交代码执行等用例，并通过凭据隔离、默认拒绝网络和只读文件系统覆盖提供零信任安全。
Autopilot-Jobhunt是一款AI工具，能自动扫描招聘信息，匹配用户简历，并通过Telegram发送通知。它还能生成针对特定职位的定制简历和求职信，但不会自动投递。该工具使用免费AI模型，注重隐私保护，默认针对软件开发者，但可自定义其他领域。
微软正加速利用AI检测Windows漏洞，其新型AI管道已在5月发现16个漏洞（含4个关键级）并推送修复。企业管理员需预见每次更新中更多修复，但也可借助KIR和热补丁技术减少影响。
Windows 11更新将迎来更多安全修复。微软宣布利用AI更早发现潜在问题，每次安全发布将包含更高数量的安全更新。
一项新研究表明，AI在起草医生回信时可能引入错误和多余细节，导致医生需要更多时间编辑，反而降低效率。
AI智能体生成的高性能GPU内核虽然通过数值测试，但仍可能存在隐藏缺陷。本文介绍了Gimlet Labs开发的一款早期研究系统，利用形式化验证补充传统数值测试，确保AI生成及人工编写的内核的正确性。通过一个缺失中间裁剪的注意力机制案例，展示了形式化验证如何发现测试遗漏的等价性问题。
本文探讨了MCP（模型上下文协议）工具设计中常见的两个问题：臃肿和混乱，并提供了通过上下文工程优化工具设计的实用方法，包括改进描述、约束模式、重构工具、延迟加载上下文、服务端推理以及代理工具等策略。文章还通过一个K-12内容搜索API的六个版本实例，展示了这些方法的具体应用和效果。
此次模型发布是 SpaceX 自六月上市以来的首次，将帮助 SpaceXAI 在编码等领域与其他前沿模型提供商竞争。
AI代理正从一次性助手转变为持续工作的代理人，能够重复任务、监控变化、运行检查、更新工作流程并返回结果。本文探讨了循环（Loop）在AI代理工作中的作用，介绍了Claude Code的/loop命令和OpenAI Codex的自动化功能，以及循环工程的架构、类型和应用实例。
大约两周前，OpenAI的GPT-5.6因监管问题仅向政府批准的组织提供预览，如今获得特朗普政府批准公开推出。同日，OpenAI发布了AI代理ChatGPT Work，结合ChatGPT和Codex，使非技术用户也能利用Codex的能力完成非编码任务。该代理由GPT-5.6模型套件（Sol、Terra、Luna）驱动，可连接多种应用和文件生成文档、电子表格等。全球Mac和Windows用户可通过桌面应用立即使用，移动端和网页版将逐步推出。OpenAI希望此举在AI代理竞争中领先。
Aurora 1.5新增22个天气变量、每小时时间分辨率及概率集合预报，使该基础模型更适用于实际天气、气候和能源应用。作为开源模型发布，研究者与开发者可评估、扩展并基于此构建。
Meta 发布了 Muse Spark 1.1，这是首个提供 API 的 Spark 模型，在智能工具调用和计算机使用方面有显著改进。评估报告中还展示了模型自我对话时产生的有趣“吸引子状态”。开发者 Simon Willison 已为其开发了 LLM 插件，方便通过命令行调用。
Simon Willison 发布了 llm-meta-ai 0.1，这是一个 LLM 插件，用于支持 Meta AI API，允许用户通过 LLM 工具运行提示以使用新的 muse-spark-1.1 模型。
Simon Willison 发布了 llm 0.31.1，修复了 OpenAI Chat Completion 端点中工具调用空参数导致的 JSON 错误。该问题在测试 llm-meta-ai 时被发现。
LangChain 为 NVIDIA Nemotron 3 Ultra 调优了 Deep Agents 框架，实现了开源模型中领先的智能体性能，成本仅为闭源替代方案的十分之一。该模型在 Fireworks 上运行，支持后训练定制，帮助企业构建专属智能。
随着AI模型变得更大更昂贵，用户却报告质量下降和账单飙升。本文提出“模型臃肿”一词，描述不必要的规模和复杂性的积累而未带来相应收益，并指出命名这一模式有助于解决问题。
本文介绍了 Amazon SageMaker HyperPod 推理的五项新功能：多层数据捕获以进行审计和模型改进、从 Hugging Face Hub 直接部署、本地 NVMe 模型加载以加快冷启动速度、自动 Route 53 DNS 自定义域名管理以及通过自定义服务账户实现 pod 级 IAM。这些功能共同为企业在生产环境中部署和运行大模型提供了更快速、更可观测、更灵活的推理基础设施。
前美联储主席本·伯南克被任命为Anthropic长期利益信托基金成员，将助力该公司的AI治理与经济影响研究。