日報
2026-07-10 精選 10 條，按主題聚合。其餘新聞折疊歸檔。
OpenAI 在釋出 GPT-5.6 的同時，宣佈了多項產品更新，包括推出基於 Codex 的代理工具 ChatGPT Work，並將其與 Claude Cowork 直接競爭。ChatGPT 桌面應用將整合 Codex 和 ChatGPT 為一體，形成一個超級應用，同時提供瀏覽器擴充套件和淘汰 Atlas 瀏覽器。
OpenAI 的最新一代推理模型 GPT-5.6 Sol (max) 在 Artificial Analysis 智慧指數中取得 59 分，遠超同類模型平均水平。該模型具備文本與影像輸入、100 萬 tokens 上下文視窗，但定價高昂（輸入 $5/百萬 tokens，輸出 $30/百萬 tokens），且評估中生成 7000 萬 tokens，冗長性較高。
ChatGPT的新即時語音模式採用全雙工架構，可以同時說話和聆聽，實現更自然的對話。所有使用者均可使用，在聊天過程中可以搜尋網頁並流暢處理打斷。雖然不完美，但感覺幾乎像真人。
OpenAI於週四釋出了其最新的高階AI模型ChatGPT 5.6，此前因美國政府擔憂網路安全而推遲了公開發布。特朗普政府上月要求OpenAI將釋出範圍限制在政府批准的小部分使用者內。OpenAI遵從了要求，在向政府官員介紹能力後，僅向受信任合作伙伴開放。更廣泛的釋出是在政府AI標準與創新機構進行額外測試後進行的。此舉與競爭對手Anthropic最新AI模型所受限制類似。
OpenAI正式釋出GPT-5.6系列模型，包括旗艦版Sol、主流版Terra和經濟版Luna，在多個基準測試中與Anthropic的Fable 5競爭，但成本更低。新模型在程式設計、知識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。
“代理的最後考試”是一個由伯克利RDI和300多位行業專家共同構建的大規模基準測試，覆蓋55個細分行業和1500多個任務，旨在評估AI代理在長期、經濟價值高且結果可驗證的真實工作流程中的表現。該基準透過Adobe After Effects、Siemens NX、Unreal Engine等專業軟體中的具體任務，衡量代理在動畫、工程、遊戲開發、製造、建築、神經科學等領域的實際能力。
Cortex釋出了DRIVE框架，用於衡量AI時代工程組織的健康狀態。該框架透過交付、可靠性、計劃、警惕性和效率五個支柱評估組織效能，並藉助運營卓越審查將指標轉化為行動。
Samaya Research推出了FrontierFinance，這是投資者工作流中最大的開放基準。
此次更新顯著擴充套件了 IBM 的 Bob AI 平臺，增加了多項新功能。
Frame.js是一個開源、瀏覽器嵌入式的執行時，用於建立互動式應用、圖表與草圖。可透過AI或程式碼建立，然後透過自包含的URL即時分享。無需構建、伺服器或賬戶。
Google Cloud 宣佈 Cloud Run 沙箱公開預覽，這是一種原生、安全的超快執行時環境，專為執行不可信程式碼和代理工作負載而設計，可在毫秒內啟動。它支援 LLM 程式碼直譯器、無頭瀏覽器和使用者提交程式碼執行等用例，並透過憑據隔離、預設拒絕網路和只讀檔案系統覆蓋提供零信任安全。
Autopilot-Jobhunt是一款AI工具，能自動掃描招聘資訊，匹配使用者簡歷，並透過Telegram傳送通知。它還能生成針對特定職位的定製簡歷和求職信，但不會自動投遞。該工具使用免費AI模型，注重隱私保護，預設針對軟體開發者，但可自定義其他領域。
微軟正加速利用AI檢測Windows漏洞，其新型AI管道已在5月發現16個漏洞（含4個關鍵級）並推送修復。企業管理員需預見每次更新中更多修復，但也可藉助KIR和熱補丁技術減少影響。
Windows 11更新將迎來更多安全修復。微軟宣佈利用AI更早發現潛在問題，每次安全釋出將包含更高數量的安全更新。
一項新研究表明，AI在起草醫生回信時可能引入錯誤和多餘細節，導致醫生需要更多時間編輯，反而降低效率。
AI智慧體生成的高效能GPU核心雖然透過數值測試，但仍可能存在隱藏缺陷。本文介紹了Gimlet Labs開發的一款早期研究系統，利用形式化驗證補充傳統數值測試，確保AI生成及人工編寫的核心的正確性。透過一個缺失中間裁剪的注意力機制案例，展示了形式化驗證如何發現測試遺漏的等價性問題。
本文探討了MCP（模型上下文協議）工具設計中常見的兩個問題：臃腫和混亂，並提供了透過上下文工程最佳化工具設計的實用方法，包括改進描述、約束模式、重構工具、延遲載入上下文、服務端推理以及代理工具等策略。文章還透過一個K-12內容搜尋API的六個版本例項，展示了這些方法的具體應用和效果。
此次模型釋出是 SpaceX 自六月上市以來的首次，將幫助 SpaceXAI 在編碼等領域與其他前沿模型提供商競爭。
AI代理正從一次性助手轉變為持續工作的代理人，能夠重複任務、監控變化、執行檢查、更新工作流程並返回結果。本文探討了迴圈（Loop）在AI代理工作中的作用，介紹了Claude Code的/loop命令和OpenAI Codex的自動化功能，以及迴圈工程的架構、型別和應用例項。
大約兩週前，OpenAI的GPT-5.6因監管問題僅向政府批准的組織提供預覽，如今獲得特朗普政府批准公開推出。同日，OpenAI釋出了AI代理ChatGPT Work，結合ChatGPT和Codex，使非技術使用者也能利用Codex的能力完成非編碼任務。該代理由GPT-5.6模型套件（Sol、Terra、Luna）驅動，可連線多種應用和檔案生成文件、電子表格等。全球Mac和Windows使用者可透過桌面應用立即使用，移動端和網頁版將逐步推出。OpenAI希望此舉在AI代理競爭中領先。
Aurora 1.5新增22個天氣變數、每小時時間解析度及機率集合預報，使該基礎模型更適用於實際天氣、氣候和能源應用。作為開源模型釋出，研究者與開發者可評估、擴充套件並基於此構建。
Meta 釋出了 Muse Spark 1.1，這是首個提供 API 的 Spark 模型，在智慧工具呼叫和計算機使用方面有顯著改進。評估報告中還展示了模型自我對話時產生的有趣“吸引子狀態”。開發者 Simon Willison 已為其開發了 LLM 外掛，方便透過命令列呼叫。
Simon Willison 釋出了 llm-meta-ai 0.1，這是一個 LLM 外掛，用於支援 Meta AI API，允許使用者透過 LLM 工具執行提示以使用新的 muse-spark-1.1 模型。
Simon Willison 釋出了 llm 0.31.1，修復了 OpenAI Chat Completion 端點中工具呼叫空引數導致的 JSON 錯誤。該問題在測試 llm-meta-ai 時被發現。
LangChain 為 NVIDIA Nemotron 3 Ultra 調優了 Deep Agents 框架，實現了開源模型中領先的智慧體效能，成本僅為閉源替代方案的十分之一。該模型在 Fireworks 上執行，支援後訓練定製，幫助企業構建專屬智慧。
隨著AI模型變得更大更昂貴，使用者卻報告質量下降和賬單飆升。本文提出“模型臃腫”一詞，描述不必要的規模和複雜性的積累而未帶來相應收益，並指出命名這一模式有助於解決問題。
本文介紹了 Amazon SageMaker HyperPod 推理的五項新功能：多層資料捕獲以進行審計和模型改進、從 Hugging Face Hub 直接部署、本地 NVMe 模型載入以加快冷啟動速度、自動 Route 53 DNS 自定義域名管理以及透過自定義服務賬戶實現 pod 級 IAM。這些功能共同為企業在生產環境中部署和執行大模型提供了更快速、更可觀測、更靈活的推理基礎設施。
前美聯儲主席本·伯南克被任命為Anthropic長期利益信託基金成員，將助力該公司的AI治理與經濟影響研究。