GPT-5.6 Sol 刷新网络安全能力纪录
OpenAI 宣布 GPT-5.6 Sol 在「The Last Ones」网络靶场创下新的 SOTA，且能力已在真实世界落地：帮助安全团队在生产代码中发现、验证并修复漏洞。
OpenAI 本周宣布，GPT-5.6 Sol 在「The Last Ones」网络靶场上创下网络安全能力的新纪录。这一进展并未停留在跑分层面：OpenAI 表示，模型的能力正在转化为可度量的防御成果——安全团队已经在用它对真实生产代码进行漏洞发现、验证与修复的完整闭环。OpenAI 总裁 Greg Brockman 称 Sol 是「网络安全领域的最先进水平」，并透露团队在发现与修复全新漏洞方面看到了显著成效，防御方可以注册 Codex Security 将其用于加固自有系统。
这一发布落在行业模型对比的密集浪潮之中——过去 24 小时里，多家独立评测机构把各前沿模型放到同一擂台上反复比较。网络安全被视为通用大模型之外的一条「专业化纵深」路线，也折射出行业正加速走向领域专精的智能体推理。当进攻与防御都由模型驱动时，谁先把能力交到防御者手里，谁就掌握主动。
Kimi K3 屠榜日：编码评测全面登顶
Vercel 编码智能体评测第一、Vals 指数第二、Artificial Analysis 智能指数 57 分——月之暗面的新模型把开源与闭源的差距压到了肉眼难辨。
Kimi K3 在 Vercel 官方发布的 AI 编码智能体评测中表现最佳，超越 Anthropic 的 Fable，以更短的执行时间达到相近乃至更高的成功率。该评测聚焦 Next.js 代码生成与迁移任务，同时衡量成功率与耗时；配合 AGENTS.md 内置文档时，智能体能通过更多测项。与此同时，K3 在 Artificial Analysis 智能指数上拿下 57 分，与 Opus 4.8、GPT-5.6 同档；在 Vals 指数上位列总榜第二，仅以微弱差距落后榜首；在 Frontend Code Arena 上更是直接登顶。一天之内多榜齐动，前沿推理能力不再集中于单一地理版图，已成行业共识。
Claude Platform 半年密集补齐智能体 API
平台负责人 Katelyn Lesse、Angela Jiang 与 Jess Yan 对谈，复盘过去六个月发布的新 API 与生产环境中的智能体模式。
过去六个月，Claude Platform 持续新增了一批帮助开发者快速构建与部署智能体的 API。三位平台负责人在最新对谈中梳理了已发布的能力，以及从数千个生产级智能体负载中沉淀出的通用模式：编排、工具接入与可靠性是最常见的三大痛点。随着企业从试验走向部署，Anthropic 正把更多筹码押在 AI 栈的智能体层。
「原来蒸馏出来的学生模型，还能反超老师模型。」
—— @amasad（Replit CEO），回应 Kimi K3 引发的「蒸馏」争论
杨植麟：把 Transformer 的三块地基重做一遍
月之暗面创始人杨植麟在 GTC 2026 的演讲「How We Scaled Kimi K2.5」中给出了 K 系列快速跃迁的底层答案：把 AI 训练中沿用近十年的三个基础组件全部重造——优化器 Adam（2014）、注意力机制（2017）、残差连接（2015），各自给出替代方案，并且全部开源。在 K3 引爆时间线的当口回看，这场「重写地基」的豪赌，是这家公司敢于持续押注超大规模预训练的方法论注脚。
OpenAI 回应「删除主目录」事故
OpenAI 正面回应了 GPT-5.6 在用户电脑上删文件一事：在执行编程任务时，模型确实可能把用户的整个主目录（$HOME）删掉。事故前提是用户开启了 Codex 的 Full Access 完全访问模式、关闭了沙盒保护、也没有开启 Auto Review——模型在做清理任务时试图重写目录。官方提醒：给智能体放开权限之前，请先想清楚代价。
Runway Agent 全维度评测第一
一项独立人工评测让六个 AI 视频智能体完成 30 个电影级提示词、比拼 16 项指标。Runway 在叙事连贯、电影语言与制作质量三大支柱上全部第一。在视频生成智能体赛道竞争者云集的当下，这是对其技术路线的一次有分量的背书。
NVIDIA：智能体正走向 RL 专精化
NVIDIA 指出，智能体正在通过强化学习后训练获得领域专属技能。每一次后训练 rollout 都是一次推理调用——单 token 成本每降一分，「每美元智能」就升一档。更便宜的推理，正在通过迭代改进回路解锁更复杂的智能体行为。
OpenAI 上线「Welcome to Codex」作品墙
Sam Altman 转发了 OpenAI 新上线的「Welcome to Codex」博客：集中展示社区基于 GPT-5.6 构建的作品，邀请 ChatGPT Go、Plus 与 Pro 订阅者公开分享使用体验，前 10000 名合格参与者可获得 100 美元 ChatGPT 积分，每个入选条目都会回链原始帖子，形成一面持续生长的「builder 作品墙」。
浏览器里跑出一个「macOS 27」
独立开发者 Pieter Levels（@levelsio）用 Kimi K3 一次性生成了一个可以在浏览器里交互运行的「macOS 27」桌面环境，视频演示当天播放量突破 44 万。这类「一句话生成整个系统级 UI」的演示，正在成为衡量新模型前端与工程能力的民间硬指标——榜单会说谎，但一个能拖拽窗口的假操作系统不会。
「Sun Microsystems 巅峰市值 2050 亿美元，被 Linux、x86 和商品化硬件颠覆后，以 74 亿美元卖给 Oracle，蒸发了 96%。跑在本地硬件上的开源模型，正在让历史押韵。」
—— @AravSrinivas（Perplexity CEO）
vLLM：月合并 2000 次提交如何保住生产级质量
vLLM 团队发布长文，拆解在每月合并约 2000 个 commit、每两周发一版的节奏下保持生产级质量的三层机制：自动化测试、社区评审流程与结构化发布节奏。这个项目已经成为开源模型推理的基础设施级依赖。
中文社区实测：K3 与 Opus 4.8 互有胜负
中文社区博主发布 Kimi K3 详细测评，称其为「一个比较小的 DeepSeek 时刻」：与 Opus 4.8 直接对比测试，结果互有胜负；在复杂前端与复杂开发场景下，两者水平大致相当。民间实测与官方跑分正在相互印证。
「反向刷榜」：K3 与 GLM 5.2 在官宣里少报成绩
有观察者注意到一个罕见现象：Kimi K3 和 GLM 5.2 在官方公告中反而低报了自己在高价值评测上的成绩——在 DeepSWE 上，K3 与 Fable 的真实差距约 1% 而非官宣的 2.5%，且更便宜。「我们已经远离 benchmaxxing 时代了，请相应更新认知。」
Decart Lucy 2.5：实时变身任意角色直播
实测 Decart 新发布的 Lucy 2.5 模型：延迟与角色一致性均令人印象深刻，还能实时编辑周围环境或重绘整个场景风格。「以任何角色的身份开直播」正在从概念变成产品。
Cohere 三位联创连续两年入选 AI Power Index
Aidan Gomez、Ivan Zhang 与 Nick Frosst 连续第二年入选 Observer 的 AI Power Index。Cohere 继续把自己定位为领先的主权 AI（sovereign AI）公司，专注企业级模型。
Recraft V4.1：不是生成，是「艺术指导」
Recraft V4.1 发布，主打「有观点的插画」：官方强调其输出不是简单生成，而是经过编辑意图组织的艺术指导结果，面向想要保留创意控制权的设计师。
别只盯着 Arena 分数下结论
沃顿商学院教授 Ethan Mollick 提醒：许多关于 Kimi K3 的仓促结论建立在接近饱和的基准与 ELO 分数上，而非真正的高难度问题实测。「前沿已经走得太远，一个落后几个月的好模型，在很多人眼里就像未来本身。」
英国 AI 安全机构将测 K3 权重
英国政府 AI 安全机构的基准值得盯住：K3 权重数周后放出时将接受其测试。结果既能说明 Kimi 是否追平公开前沿，也势必引爆一大波关于开源模型网络安全风险的讨论。
中国开源模型的内卷：都能留在牌桌上吗
中国开源权重模型已经非常出色，但相互之间的竞争同样残酷：K3 强于 GLM-5.2，GLM-5.2 又胜过 DeepSeek v4。当它们成长为巨大而有价值的生意时，所有玩家还能都留在竞赛里吗？
「文化是最好的护城河」得到惊人验证
K3 被视为对梁文锋「文化是最好护城河」这一看似天真论点的惊人验证：论算力不如 xAI，论预训练科学不如巨头，论人才数据不如 GDM——月之暗面几乎没有传统意义上的护城河，却交出了这样的模型。
Kimi 再次押注「最大」：逼近 3T 参数
Kimi 团队又一次做出了最大的中国模型：当年大家都在 200B-700B 区间时它做了 1T，如今直接逼近 3T——连 ERNIE 5 也只有 2.4T。「他们承担疯狂的风险，并拿到了回报。对预训练的掌握令人费解地娴熟。」
K3 利好，为何 $NVDA 反而在跌？
Replit CEO Amjad Masad 发问：按理说 K3 的消息应该推升英伟达股价——更强的开源模型意味着更多推理需求——但市场给出的却是下跌。开源冲击波如何传导到算力资本市场，仍是未解之题。
限制模型发布，可能适得其反
美国以「太危险」为由限制自家 AI 模型，中国造出更强的模型，然后所有人都切换到中国模型——这就是为什么限制发布很可能行不通：对美国而言，让全世界都用美国模型反而更可控。
前沿开源模型：加速扩散，压缩估值
Nathan Lambert 认为，前沿开源模型对 AI 扩散是加速器，对高资本开支科技巨头的估值则是通缩力量——而这对普通人大概率是好事：AI 使用方式越多元，红利来得越早。
Claude Fable 提前两天转为额外计费？
有用户发现 Claude Fable 开始要求额外积分，比原定时间提前两天从订阅套餐中移出。配合当天 Fable 在 Claude Code 中的短暂下架风波，Anthropic 的容量压力肉眼可见。
Perplexity Agent API 支持自定义技能
Perplexity Agent API 新增自定义技能支持，开发者可为特定领域与工作流扩展智能体能力。
v0：斜杠命令直接调用技能目录
在 v0 提示栏输入「/」即可调用技能，可从 Agent Skills Directory 拉取 Vercel、Anthropic、Microsoft、Supabase 等社区技能仓库，或导入自己保存的技能。
Ollama 0.32.1 大幅改进 Gemma 4 工具调用
新版本显著提升 Gemma 4 在编码智能体中的工具调用可靠性；配合 MLX 引擎可在 Apple 芯片上获得最高性能，一条命令即可启动。
Replit 日均拦截 8000 个恶意包
Replit 与 SocketSecurity 的合作现在每天拦截约 8000 个恶意包，并过滤掉 30% 从未真正可利用的高危误报警报。
MiniMax M3 接入 Raven 持久记忆
M3 提供长上下文推理，Evermind 的 Raven 则补上持久记忆与可复用技能，让智能体的工作成果可以跨运行累积复利。
智能体负载的算力预留经济学
MiniMax 拆解了 M3 PTU 在 Together Compute 上的消耗方式，以及不同生产负载下预留推理容量的成本模型——难得一见的智能体规模化运营账本。
Codex 桌面端更新：交互终于「对味」
左上角切换改为 ChatGPT 与 Codex；历史聊天全部并入「最近聊天」并可筛选；顶部分出 Chat 与 Work 两个 Tab，交互逻辑与网页端、移动端对齐。
Fable 短暂无法选用，官方已修复
Claude.ai 与 Claude Code 中 Fable 有 30 分钟无法被选为模型，问题已解决；官方提示可能需要重启 Claude Code 并用 /model 重新选择默认模型。
AfterLab 走出隐身模式
新研究实验室 AfterLab 获得融资并公开亮相，主打「高效流体智能」的另类路线，François Chollet 发文祝贺。
新论文 Diffusing Blame：让网络遵守 Dale 法则
真实神经元只能兴奋或抑制邻居，不能两者兼具；标准深度学习无视这一点。新论文提出一种路由方法弥合这个鸿沟。
VideoChat3：全开源视频多模态大模型
VideoChat3 发布：面向高效、通用视频理解的全开源视频 MLLM。
吴恩达联合 Cerebras 推快推理新课
新短课教你在专为快速推理设计的硬件上构建低延迟 LLM 应用，与 Cerebras 团队共同授课。
AI 助手让法官办案量提升 6%
一项研究显示，GPT-4 驱动的助手让巴基斯坦法官的办案量增加 6%，且质量没有下降。
Weather Lab 迎来重大更新
Google 分享 AI 天气模型的交互站点 Weather Lab 宣布重大更新，继续向公众开放前沿气象预测能力。
月之暗面更新 Hugging Face 模型阵容
Moonshot AI 在 Hugging Face 上更新多个模型：1.1T 参数的 Kimi K2.5、1T 参数 MoE 的 K2 系列，以及多模态推理演示。
李开复携 01.AI 企业级产品亮相 WAIC
01.AI 发布面向 CEO 的代理型决策产品、销售侧 TopSales AI 与企业决策中枢 TrueNorth；Yi-Lightning（100B MoE）在 LMSYS 盲测位列全球第六、中国第一。
Muse Spark 1.1 上线 OpenRouter
Muse Spark 1.1 正式登陆 OpenRouter，开发者可直接经由统一 API 调用。
Inkling 可在 Claude Code 中调用
Thinking Machines 的 Inkling 模型现可通过 hf claude 在 Claude Code 中使用。