OpenAI / ChatGPT

Opus 5烧6.9亿token做游戏，GPT-5.6用5美元复刻

网友Vyom使用Opus 5模型，通过一条2000字的提示词和6.9亿token，生成了一款美式卡通风格的水上快艇竞速游戏《INK TIDE》，成本约423美元。随后，网友Anul Agarwal在Codex中利用GPT-5.6 Sol和Luna Max模型，以约5美元的成本复刻了类似游戏，但画面细节和完成度相对粗糙。两个案例展示了AI生成游戏的能力，但最终

Anthropic 默认启用 Claude Code 自动模式以提升开发安全

Anthropic 宣布从 8 月 14 日起，Claude Code 将默认启用 Auto Mode，该模式允许 AI 自主执行开发任务，仅在检测到危险或不可逆操作时请求人工确认。测试显示，Auto Mode 在安全性上不逊于手动审批，并能使团队生成的 pull request 数量增加约 25%。此外，该模式还能抵御提示注入攻击，独立审计显示 720 次

另有 2 家信源报道

菲尔兹奖得主加入OpenAI研究AI安全

新晋菲尔兹奖得主、多伦多大学数论学家Jacob Tsimerman加入OpenAI，专注于AI安全研究。他曾发表论文探讨AI可能导致人类灭绝的“omnicide”情景，并认为数学家能为AI安全做出贡献。前DeepMind CEO Demis Hassabis评论称，AI在数学上的进展尚未达到AlphaGo“第37步”那样的根本性突破，但未来可能实现。

xAI 发布 Imagine Image 2.0，在 Arena 基准测试中紧随 GPT-Image-2

xAI 发布了 Imagine Image 2.0 模型，作为 Grok 平台的新“质量模式”，提供精细指令遵循、排版布局优化和跨生成一致性。该模型在 Arena 基准测试中排名第二，仅次于 OpenAI 的 GPT-Image-2。新模型包含 Magic Wand、区域分割、背景移除、多参考编辑和智能调整大小等编辑工具，并推出模板和视频预制作功能。API

谷歌AI团队大变动背后：竞争压力还是内部调整？

本周谷歌AI团队发生重大人事变动，包括传奇工程师Jeff Dean在内的多位核心成员职位调整，部分人离开谷歌。The Vergecast节目讨论了这一变动背后的原因，包括谷歌模型与Anthropic和OpenAI的竞争差距，以及Demis Hassabis可能对虚拟助手之外更感兴趣的工作。节目还探讨了谷歌与Reddit的相互依赖关系及其潜在问题。

langchain-openai 1.4.2 发布：多项修复与更新

LangChain 发布了 langchain-openai 1.4.2 版本，主要修复了多个问题，包括处理上下文窗口超限错误、过滤生成的 content block ID、保留 Responses 的 text 选项、编辑 MCP 授权信息，并更新了模型配置文件。

微软推出 Azure API 管理 AI 网关预览版，集中治理模型与工具

微软发布了 Azure API Management 的专用 AI 网关层公开预览版，该网关围绕模型、MCP 服务器和工具而非 API 进行组织，支持 OpenAI、Anthropic、Mistral 等模型，并提供策略配置、遥测和工具联邦功能。该网关旨在集中治理 AI 流量，但引发了关于治理边界、密钥风险、预览限制及与现有网关共存等问题的讨论。

DeepSeek-V4 Flash 与 GPT-5.6 Luna 对比：成本与编码能力

Together AI 对 DeepSeek-V4 Flash 0731 和 GPT-5.6 Luna 在 DeepSWE 基准上进行了 900 次测试。Luna 在 pass@1 上领先 14 个百分点（67.2% vs 53.3%），但 DeepSeek 成本仅为 Luna 的六分之一，每美元解决任务数是 Luna 的 4.8 倍。采用 DeepSeek

ASGE-RR：面向动态 AI 代理调用的可修订预留服务图嵌入

arXiv 论文提出 ASGE-RR，一种用于动态 AI 代理调用的在线控制器，通过可修订预留机制保护未来调用所需资源。在 OpenHands 和 GPT Researcher 工作流上评估，相比其他控制器，ASGE-RR 在 WAN 测试平台上可完成多达 10% 更多的工作流价值。研究表明运行时揭示的工作流结构创造了新的网络控制机会。

微软AI收入七成依赖OpenAI，达241亿美元

据彭博社报道，微软的AI收入中约70%来自OpenAI，在截至6月的财年中达到241亿美元。微软CEO萨蒂亚·纳德拉曾表示AI业务年化收入有望超过370亿美元。这种依赖解释了微软近期支持开放权重模型、批评蒸馏等行为的立场。同时，微软正在Office产品中逐步替换为自家AI模型。

Claude Code 速度最快但成本为最便宜对手近三倍

AI 工具公司 Composio 测试了 DeepSeek V4 Flash 在四个代理框架（Claude Code、Codex、OpenCode 和 Oh My Pi）上的表现，使用 Gmail、GitHub、Slack 和 Notion 等真实工具执行 30 项任务。结果显示，没有单一框架在所有类别中胜出：Oh My Pi 成功率最高（17/30）但速度

张磊：不以动作为输入条件，就不叫世界模型

IDEA研究院讲席科学家、视启未来创始人张磊在接受雷峰网专访时，明确提出了世界模型的严格定义：必须以动作输入为条件，即Action Conditioned的Next State Prediction。他认为纯视频生成模型如Sora因未建模动作不能称为世界模型，并指出隐空间路线优于像素路线，同时强调在隐空间中引入物体结构是提升物理合理性的关键。张磊还分析了具身

用 Claude Fable 5 一次性构建浣熊抢劫游戏

Simon Willison 在 2026 年 8 月 5 日，使用 Claude Fable 5（在 Claude Code for web 中运行）根据他 2022 年的一条推文内容，一次性构建了一个完整的 3D 浏览器游戏“Raccoon Heist”。他通过 GitHub Pages 实现实时预览，并赋予 Claude 访问 OpenAI 图像生成

LLM 0.32 发布：支持推理轨迹、OpenAI Responses 与服务端工具

Simon Willison 发布了 LLM 0.32，这是该项目自启动以来最重要的版本，新增了对推理轨迹、OpenAI Responses API、服务端工具和内容寻址日志的支持。该版本还引入了新的模型（如 GPT-5.6 系列）和 Python API 改进，包括流式事件和消息列表参数。同时，llm-anthropic 等插件也获得了重大更新，增加了 W

删除回避：LLM 代码编辑中的隐藏缺陷及缓解方法

Hugging Face 每日论文发布了一项研究，指出大型语言模型在代码编辑中存在“删除回避”问题，即系统性地保留本应删除的代码。研究显示，在 SWE-bench Verified 基准上，五个领先模型对开发者补丁的删除召回率最高仅 71.7%，且 29% 的通过补丁采用“Guard-and-Go”模式，通过保留代码并添加守卫来通过测试。研究者构建了 Can

苹果指控更多前员工向OpenAI泄露机密，申请禁令

苹果在针对OpenAI的商业机密诉讼中申请初步禁令，并寻求加快证据开示，声称更多前员工可能参与了机密窃取。苹果指出，调查发现除已起诉的两名员工外，另有11名前员工可能涉案。OpenAI回应称苹果的指控基于虚假信息，且其无意获取苹果商业机密。

三星收缩中国手机业务；阿里发布Qwen3.8-Max；DeepSeek日处理8万亿Token

三星被曝收缩中国手机业务，将清退月销售额不足30万元的门店，以应对市场份额仅0.1%的困境。阿里巴巴发布Qwen3.8-Max模型，带动港股上涨，并推出千问办公产品。DeepSeek V4 Flash单日处理8万亿Token，OpenAI被迫降价。智元官网披露合伙人团队，蚂蚁灵波确认融资传闻，MiniMax H3开源获多芯片适配。

Karpathy 用 Claude Opus 5 将《指环王》段落转化为 3D 场景，探索 AI 游戏生成潜力

OpenAI 联合创始人 Andrej Karpathy 在 Anthropic 工作期间，使用 Claude Opus 5 将《指环王》的一段文字转化为 3D 浏览器场景，生成了 5500 行代码，耗时约两小时，成本约 10 美元。他认为这展示了按需生成廉价定制游戏世界的潜力，但结果更像是一种'氛围测试'而非严格基准。Karpathy 指出模型无法观看自己

阿里巴巴发布Qwen3.8-Max，挑战美国AI主导地位

阿里巴巴发布了其最大、最强大的AI模型Qwen3.8-Max，声称性能可与Anthropic和OpenAI的顶级系统媲美。该模型拥有2.4万亿参数，在Arena.AI排行榜上仅次于Anthropic的Fable 5和Opus系列。阿里巴巴计划下周开放模型权重，标志着其回归开源策略，加剧了中美AI竞争。

DragonCrawl：基于意图的生成式移动端到端测试框架

DragonCrawl 是一个基于大语言模型的移动端端到端测试框架，从嵌入相似度匹配演进到生成式意图推理，利用 GPT-4o 的多模态能力在 CI/CD 中持续验证用户流程。该系统在 iOS 和 Android 上分别达到 91.6% 和 92.2% 的通过率，将测试接入时间从 96-120 小时缩短至 4 小时以内，并节省了约 27 人年的维护工作量。论文