AI科技圈最近一周又发生了啥OpenAI全面开放GPT-6 Astra模型GPT-6 Astra模型在ARC-AGI-3基准上取得99.9%的得分在FrontierMath Tier 4上达到97.6%并在网络安全测试ExploitBench中拿下100%成为首个触发OpenAI准备框架“关键级”网络安全门槛的模型。该模型针对真实工作环境进行训练在OSWorld 2.0中任务完成时间较GPT-5.6 Sol缩短约47%在BenchCAD中几何重合度达95.9%且估算API成本降低约43%输出Token比Claude Opus 5少约65%。API标准定价为输入每百万Token 10美元、输出50美元已向Work/Codex中所有Pro、Enterprise和Business Premium用户及API正式开放并计划继续向Plus和Business用户推送同时为所有Plus、Pro和Business用户进行完整额度刷新https://openai.com/index/gpt-6-astra/阿里联合淘天集团发布E-Commerce Bench电商经营评测基准E-Commerce Bench用于评估大模型在模拟电商市场中的长程经营能力。模型需以10万元本金、在365天内同时运营多家网店面对真实市场数据驱动的需求与供应商行为完成选品、谈判、定价、库存与现金流管理等决策。评测从盈利、谈判质量、反欺诈、运营效率等七个维度对18个模型进行打分结果显示GPT-5.6 Sol以143万元总资产位居盈利榜首但反欺诈仅排第16位开源模型中Qwen3.8-Max-Preview表现最佳回报达4.16倍且是唯一在重复进货时展现价格压低能力的模型。同时所有模型在谈判、反欺诈等维度均远未达到上限https://github.com/QwenLM/E-CommerceBench英伟达约130亿美元收购Hugging Face英伟达宣布将以约130亿美元的价格收购人工智能初创公司Hugging Face其中包括约119亿美元的支付给投资者部分及为留任员工提供的10亿美元股权激励。此举旨在加快开放权重模型的普及Hugging Face将继续保持开放平台定位超过1800万名开发者、研究人员和创作者使用该平台共享模型超过300万个。此次收购成为英伟达史上规模最大的交易之一https://mp.weixin.qq.com/s/Jvox0Xsq5vE23W9NHojUTQ微软推出MAI-Transcribe-2语音识别模型微软发布的MAI-Transcribe-2语音识别模型在FLEURS多语言基准测试中平均词错率为5.2%排名第一并在Artificial Analysis平台的准确率与延迟帕累托前沿上占据领先位置。该模型支持说话人分离、词级时间戳、关键词偏置、可配置转录风格逐字记录或清理版以及60种语言的自动识别与代码切换。在效率方面其处理速度比GPT-Transcribe快10倍、比Scribe v2快7倍、比Gemini 3.5 Transcribe快5倍同时保持更高准确率。模型定价为每音频小时0.10美元https://microsoft.ai/news/mai-transcribe-2-is-the-fastest-most-accurate-and-cheapest-speech-recognition-model-in-the-world/谷歌推出Gemini 3.8 Flash系列模型Gemini 3.8 Flash在保持与3.7版本相同速度与成本输入每百万Token 0.75美元输出3.75美元的基础上提升了推理与代码能力在DeepSWE v1.1长周期软件工程测试中取得73.7%的成绩并在金融与法律等专业领域Agent任务中超越前代及部分前沿模型。同期发布的Gemini 3.8 Flash Cyber通过Fairwind Program向安全防御人员开放在CyberGym漏洞发现基准上达到86.2%的成功率并在CWE-Bench补丁修复测试中以47.2%的Pass1成绩接近领先模型同时成本显著更低https://mp.weixin.qq.com/s/JHZVEmZexvadAinLYc-GIg李飞飞旗下World Labs发布新一代世界模型AtlasAtlas是一款从零预训练的多模态自回归扩散Transformer原生支持文本、图像、视频和3D数据能将输入图像锚定三维空间位置形成空间上下文。模型具备相机可控生成从一到六张参考图输出最高1440p、最长1分钟视频、空间重建输出点云与3D高斯泼溅、时空模拟及图像生成四大能力。在相机可控生成的人类盲评中Atlas对多款主流视频模型的胜率达75%至94%在稀疏视角重建任务上其平均误差为25.3优于多个开源专用模型。Atlas目前仅向少数合作伙伴开放早期访问将用于驱动Marble产品及机器人仿真等应用https://www.worldlabs.ai/blog/atlasAnthropic发布Claude Fable 5.1和Mythos 5.1模型Claude Fable 5.1与Mythos 5.1采用相同基础模型区别在于安全防护等级不同。基准测试显示Fable 5.1在Terminal-Bench-Science 0.152.6%和GDPval-AA v21853分等测试中均超过前代Fable 5、Opus 5及GPT-5.6 Sol。两款模型缓存读取费用下调75%典型工作负载下成本较Fable 5降低约25%。Mythos 5.1在分子设计任务中结合亲和力比顶级竞赛作品高出10倍命中率接近50%。Anthropic还推出了零数据保留的企业级前沿防护措施并为符合欧盟法案要求的输出添加不可见水印https://www.anthropic.com/claude-fable-and-mythos-5-1DeepSeek开源多模态模型V4-Flash-Vision-ExpDeepSeek在Hugging Face上开源了其V4系列首个多模态模型V4-Flash-Vision-Exp采用MIT许可证公开内容包括模型文件、核心模块的PyTorch实现及参考代码。该模型原生支持图片输入可进行图像描述、截图文字识别和图表分析等任务。官方称其在Agent、推理等纯文本任务上与V4-Flash正式版持平而在需要视觉理解的Agent基准测试中多模态能力已接近Opus-4.8https://www.ithome.com/0/996/637.htmOpenAI向部分大客户提供按结果付费模式OpenAI开始向部分大客户提供一种新的付费方式只有当AI真正完成任务时才需付费。这种模式反映了AI时代软件行业收费方式的转变即从按席位或使用量收费转向按业务结果收费。客户管理公司Sierra、编程智能体公司Cognition及Salesforce等均已采用或探索类似模式。这一转变要求AI厂商承担更多风险但也面临诸多挑战包括如何定义和衡量AI创造的具体结果以及如何将结果归因于AI的贡献https://mp.weixin.qq.com/s/fTuFtvIH7NQGbRuio0DsdQOpenClaw发布2.0版本OpenClaw发布的2.0版本是该项目有史以来最大的一次更新共有933名贡献者参与合并了超过1.6万个pull request。此次更新重构了安装流程新增引导式安装并支持复用已有AI访问权限浏览器端Control UI被重写为以对话为中心的结构启动时间从约1.6秒降至575毫秒底层存储迁移至SQLite并新增了支持权限控制的共享云会话功能。安全方面文档明确将模型选择视为对抗prompt injection的缓解措施并指出工具策略、执行审批和沙箱才是真正的强制防御层https://openclaw.ai/blog/openclaw-2-accidentallyOpenAI宣布终止与Cursor的合作关系OpenAI发布声明因Cursor被SpaceX收购后无法确信其能在服务条款范围内使用技术将自11月12日起终止Cursor对OpenAI模型的直接访问权限。OpenAI提及SpaceX旗下xAI曾违反服务条款的历史而Cursor创始人回应称OpenAI模型仅占其用户流量的约5%。此次断供的背景是OpenAI正为具备潜在关键级网络攻击能力的Astra模型部署做准备需严格控制分发渠道。此前Anthropic也曾因类似原因切断过Windsurf等产品的模型访问权限https://mp.weixin.qq.com/s/CH5o8ER5iluS5RY5or664w
AI科技圈最近一周又发生了啥OpenAI全面开放GPT-6 Astra模型GPT-6 Astra模型在ARC-AGI-3基准上取得99.9%的得分在FrontierMath Tier 4上达到97.6%并在网络安全测试ExploitBench中拿下100%成为首个触发OpenAI准备框架“关键级”网络安全门槛的模型。该模型针对真实工作环境进行训练在OSWorld 2.0中任务完成时间较GPT-5.6 Sol缩短约47%在BenchCAD中几何重合度达95.9%且估算API成本降低约43%输出Token比Claude Opus 5少约65%。API标准定价为输入每百万Token 10美元、输出50美元已向Work/Codex中所有Pro、Enterprise和Business Premium用户及API正式开放并计划继续向Plus和Business用户推送同时为所有Plus、Pro和Business用户进行完整额度刷新https://openai.com/index/gpt-6-astra/阿里联合淘天集团发布E-Commerce Bench电商经营评测基准E-Commerce Bench用于评估大模型在模拟电商市场中的长程经营能力。模型需以10万元本金、在365天内同时运营多家网店面对真实市场数据驱动的需求与供应商行为完成选品、谈判、定价、库存与现金流管理等决策。评测从盈利、谈判质量、反欺诈、运营效率等七个维度对18个模型进行打分结果显示GPT-5.6 Sol以143万元总资产位居盈利榜首但反欺诈仅排第16位开源模型中Qwen3.8-Max-Preview表现最佳回报达4.16倍且是唯一在重复进货时展现价格压低能力的模型。同时所有模型在谈判、反欺诈等维度均远未达到上限https://github.com/QwenLM/E-CommerceBench英伟达约130亿美元收购Hugging Face英伟达宣布将以约130亿美元的价格收购人工智能初创公司Hugging Face其中包括约119亿美元的支付给投资者部分及为留任员工提供的10亿美元股权激励。此举旨在加快开放权重模型的普及Hugging Face将继续保持开放平台定位超过1800万名开发者、研究人员和创作者使用该平台共享模型超过300万个。此次收购成为英伟达史上规模最大的交易之一https://mp.weixin.qq.com/s/Jvox0Xsq5vE23W9NHojUTQ微软推出MAI-Transcribe-2语音识别模型微软发布的MAI-Transcribe-2语音识别模型在FLEURS多语言基准测试中平均词错率为5.2%排名第一并在Artificial Analysis平台的准确率与延迟帕累托前沿上占据领先位置。该模型支持说话人分离、词级时间戳、关键词偏置、可配置转录风格逐字记录或清理版以及60种语言的自动识别与代码切换。在效率方面其处理速度比GPT-Transcribe快10倍、比Scribe v2快7倍、比Gemini 3.5 Transcribe快5倍同时保持更高准确率。模型定价为每音频小时0.10美元https://microsoft.ai/news/mai-transcribe-2-is-the-fastest-most-accurate-and-cheapest-speech-recognition-model-in-the-world/谷歌推出Gemini 3.8 Flash系列模型Gemini 3.8 Flash在保持与3.7版本相同速度与成本输入每百万Token 0.75美元输出3.75美元的基础上提升了推理与代码能力在DeepSWE v1.1长周期软件工程测试中取得73.7%的成绩并在金融与法律等专业领域Agent任务中超越前代及部分前沿模型。同期发布的Gemini 3.8 Flash Cyber通过Fairwind Program向安全防御人员开放在CyberGym漏洞发现基准上达到86.2%的成功率并在CWE-Bench补丁修复测试中以47.2%的Pass1成绩接近领先模型同时成本显著更低https://mp.weixin.qq.com/s/JHZVEmZexvadAinLYc-GIg李飞飞旗下World Labs发布新一代世界模型AtlasAtlas是一款从零预训练的多模态自回归扩散Transformer原生支持文本、图像、视频和3D数据能将输入图像锚定三维空间位置形成空间上下文。模型具备相机可控生成从一到六张参考图输出最高1440p、最长1分钟视频、空间重建输出点云与3D高斯泼溅、时空模拟及图像生成四大能力。在相机可控生成的人类盲评中Atlas对多款主流视频模型的胜率达75%至94%在稀疏视角重建任务上其平均误差为25.3优于多个开源专用模型。Atlas目前仅向少数合作伙伴开放早期访问将用于驱动Marble产品及机器人仿真等应用https://www.worldlabs.ai/blog/atlasAnthropic发布Claude Fable 5.1和Mythos 5.1模型Claude Fable 5.1与Mythos 5.1采用相同基础模型区别在于安全防护等级不同。基准测试显示Fable 5.1在Terminal-Bench-Science 0.152.6%和GDPval-AA v21853分等测试中均超过前代Fable 5、Opus 5及GPT-5.6 Sol。两款模型缓存读取费用下调75%典型工作负载下成本较Fable 5降低约25%。Mythos 5.1在分子设计任务中结合亲和力比顶级竞赛作品高出10倍命中率接近50%。Anthropic还推出了零数据保留的企业级前沿防护措施并为符合欧盟法案要求的输出添加不可见水印https://www.anthropic.com/claude-fable-and-mythos-5-1DeepSeek开源多模态模型V4-Flash-Vision-ExpDeepSeek在Hugging Face上开源了其V4系列首个多模态模型V4-Flash-Vision-Exp采用MIT许可证公开内容包括模型文件、核心模块的PyTorch实现及参考代码。该模型原生支持图片输入可进行图像描述、截图文字识别和图表分析等任务。官方称其在Agent、推理等纯文本任务上与V4-Flash正式版持平而在需要视觉理解的Agent基准测试中多模态能力已接近Opus-4.8https://www.ithome.com/0/996/637.htmOpenAI向部分大客户提供按结果付费模式OpenAI开始向部分大客户提供一种新的付费方式只有当AI真正完成任务时才需付费。这种模式反映了AI时代软件行业收费方式的转变即从按席位或使用量收费转向按业务结果收费。客户管理公司Sierra、编程智能体公司Cognition及Salesforce等均已采用或探索类似模式。这一转变要求AI厂商承担更多风险但也面临诸多挑战包括如何定义和衡量AI创造的具体结果以及如何将结果归因于AI的贡献https://mp.weixin.qq.com/s/fTuFtvIH7NQGbRuio0DsdQOpenClaw发布2.0版本OpenClaw发布的2.0版本是该项目有史以来最大的一次更新共有933名贡献者参与合并了超过1.6万个pull request。此次更新重构了安装流程新增引导式安装并支持复用已有AI访问权限浏览器端Control UI被重写为以对话为中心的结构启动时间从约1.6秒降至575毫秒底层存储迁移至SQLite并新增了支持权限控制的共享云会话功能。安全方面文档明确将模型选择视为对抗prompt injection的缓解措施并指出工具策略、执行审批和沙箱才是真正的强制防御层https://openclaw.ai/blog/openclaw-2-accidentallyOpenAI宣布终止与Cursor的合作关系OpenAI发布声明因Cursor被SpaceX收购后无法确信其能在服务条款范围内使用技术将自11月12日起终止Cursor对OpenAI模型的直接访问权限。OpenAI提及SpaceX旗下xAI曾违反服务条款的历史而Cursor创始人回应称OpenAI模型仅占其用户流量的约5%。此次断供的背景是OpenAI正为具备潜在关键级网络攻击能力的Astra模型部署做准备需严格控制分发渠道。此前Anthropic也曾因类似原因切断过Windsurf等产品的模型访问权限https://mp.weixin.qq.com/s/CH5o8ER5iluS5RY5or664w
