OpenAI / ChatGPT

AI大牛转向AI4S：Kevin Weil新公司估值7.5亿美元，赛道进入基建时代

前OpenAI首席产品官Kevin Weil创办新公司，定位为AI模型收集科学数据，估值7.5亿美元，计划募资1.5亿美元。与此同时，Jeff Dean创立Discovery Loop，前OpenAI研究员创立Periodic Labs，AI4S赛道进入基础设施建设阶段，分为数据层、模型层和应用层。文章指出科学数据整合难度高，存在碎片化风险，但长期可能形成壁

MiniCPM-o 2.6：8B 参数端侧多模态模型发布

OpenBMB 发布了 MiniCPM-o 2.6，这是一个 8B 参数的多模态大模型，支持视觉、语音和实时多模态流式交互，在多个基准上超越 GPT-4o 等闭源模型。该模型基于 SigLip、Whisper、ChatTTS 和 Qwen2.5 构建，支持端侧部署，并已开放 ollama、int4、GGUF 等格式。

langchain-openai 1.5.2a1 发布：支持 OpenAI 3.0 SDK 与网关元数据

LangChain 发布了 langchain-openai 1.5.2a1 版本，包含多项更新：支持从响应头提取网关元数据、修复 o 系列模型的 token 计数、支持 OpenAI 3.0 SDK、新增 ChatGPT OAuth 支持的 ChatOpenAICodex 模型、支持显式提示缓存等。这些改进增强了与 OpenAI 服务的集成，并提升了流式处

Qwen 3.8 27B 在智能指数上获 52 分，与 GPT-5.6 Luna 持平

Qwen 3.8 27B 在 Artificial Analysis Intelligence Index 上获得 52 分，与 GPT-5.6 Luna（max）持平，仅比 GLM-5.2（max）和 DeepSeek V4 Pro 0813（max）低一分。该模型参数规模远小于对比模型，被认为是一款令人惊叹的模型。

英伟达投资15亿美元于软银数据中心项目，助力OpenAI设施

英伟达宣布向软银和OpenAI关联的数据中心开发商SB Energy投资15亿美元，并承诺提供高达1050亿美元的信贷支持，用于建设俄亥俄州辛辛那提附近的OpenAI Ports-Pike数据中心。该设施初期规模4.25吉瓦，可扩展至8吉瓦，英伟达将成为其唯一计算基础设施供应商。项目还包括一座92亿瓦的天然气发电厂，预计耗资330亿美元，但天然气价格可能因竞

另有 1 家信源报道

Nvidia 推动开源模型生态，意图打破智能垄断

Nvidia 正大力投资近乎开源的模型（如 Nemotron），通过发布训练数据和代码，鼓励更多公司构建自己的模型，从而扩大对其芯片的需求。文章指出，开源模型生态的未来取决于能否形成经济回报闭环，否则可能转向效率优先的细分市场。同时，训练复杂度的提升和开源社区对后训练的关注，可能改变传统训练流程的划分。

AI视频市场从Sora失败中反弹，催生新产业

AI视频市场在Sora初期炒作失败后反弹，形成了包括AI工作室、营销平台和虚拟人产业的新行业。好莱坞的Promise等公司利用AI技术降低电影制作成本，Netflix计划在2026年前在300部作品中使用AI。视频初创公司Higgsfield估值达54亿美元，年化收入增长至7亿美元。同时，Inception Point AI等公司批量生产AI虚拟人，用于播客

美团开源LoHoSearch：基于知识图谱的下一代搜索智能体评测基准

美团LongCat团队开源了搜索智能体评测基准LoHoSearch，基于覆盖762万维基百科实体的知识图谱自动生成题目，通过控制搜索空间和结构复杂度来提升难度。评测显示，最强模型GPT-5.5准确率仅34.74%，远低于在BrowseComp上的表现，且现有上下文管理策略提升有限。该基准旨在提供更具区分度的评测标准，并推动下一代上下文管理技术研究。

英伟达缩减OpenAI数据中心担保，Anthropic营收激增

英伟达因投资者压力，将其对OpenAI数据中心项目的担保金额从原计划的2500亿美元削减至不到1200亿美元，该项目由软银旗下SB Energy开发，总容量10吉瓦。与此同时，Anthropic季度营收从Q1的47.3亿美元翻倍至Q2的115亿美元以上，同比增长14倍，并计划以近1万亿美元估值上市。这些数据对AI泡沫论构成挑战。

新基准测试显示AI模型视觉感知能力仍差

Moonshot AI 推出了 PerceptionBench 基准测试，用于独立评估多模态模型的视觉感知能力，不涉及逻辑推理和外部知识。测试结果显示，包括 GPT-5.6 Sol、Kimi K3 和 Claude Fable 5 在内的所有领先模型均表现不佳，最高准确率仅为 59.7%。作者指出，许多所谓的推理错误实际上源于视觉感知缺陷。该基准测试基于真实

GLM-5.3 发布：中国实验室如何保持前沿竞争力

Z.ai 发布了 GLM-5.3 模型，目前仅在编程计划中提供，API 即将上线，两周后开放权重。该模型在多个基准测试中超越了 Moonshot AI 的 Kimi K3，部分指标甚至超过 Claude Fable 5 和 GPT-5.6-Sol，且参数量仅为 Kimi K3 的三分之一。Z.ai 表示 GLM-5.3 基于 GLM-5.2 的相同基础模型，

新研究质疑Anthropic和OpenAI关于自主AI研究的说法

普林斯顿大学与英国AI安全研究所联合发布了一项研究，通过“影子评估”方法测试前沿AI模型（如Claude Opus 4.8和GPT-5.6）的自主研究能力。结果显示，这些模型能完成工程任务，但在研究判断、创造性问题解决和资源管理上存在系统性缺陷，生成的两篇论文均被原审稿人拒绝。该研究对Anthropic和OpenAI关于AI可加速自身研究的说法提出了质疑。

DeepSeek Harness开源实测：Agent时代的安卓，为自进化而生

DeepSeek正式发布并开源了DeepSeek Harness（DSH），这是一款为自进化与DIY设计的Agent框架，采用Cordis插件架构，一切皆可插拔，内置超100个插件。实测显示DSH在长程任务能力上表现优于Codex，但UI细节仍有差距。DSH被视为Agent时代的安卓，旨在通过开放生态推动AI自进化。

Grok 4.6发布：性能反超对手，价格更低，Grok Bot同步上线

SpaceXAI发布Grok 4.6模型，在多项基准测试中超越GPT-5.6 Sol和Fable 5 Max，且价格更低。同时推出Grok Bot智能体产品，可自主操作工具并24小时运行。这些产品整合了Cursor的技术和SpaceXAI的算力，标志着马斯克在AI领域的战略布局。

Fable 5 采用缓慢，企业前沿 AI 付费意愿或触顶

Anthropic 的最强模型 Fable 5 上市首月仅占其 API 代币销售量的 6%，收入占比 11.4%，远低于 OpenAI 的 GPT-5.6 Sol（代币占比 25%，收入占比 23%）。Ramp 经济学家认为，Fable 5 的高定价（每百万输入/输出 token 分别为 10 美元和 50 美元）触及了企业 AI 支出的天花板，性能提升难以

Backtrader-Bench：基于自生成多选题的算法交易 LLM 智能体基准

Backtrader-Bench 是一个用于评估 LLM 智能体在算法交易中能力的基准框架，包含确定性 MCQ 管道和生成器-求解器过滤管道，可自动生成并验证问题。在 30 道精选题目上，工具增强的智能体（如 GPT-5.5 和 Opus 4.7）单次准确率达 90.0%，比最佳无工具基线（73.0%）高出 17 个百分点。该框架旨在生成训练语料，用于强化学

Strands Agents SDK TypeScript v1.13.0 发布

Strands Agents SDK 发布了 TypeScript 版本 v1.13.0，该版本引入了 ModelRouter 以支持通过 Agent(model=) 进行模型路由，并新增了 strands-github-storage 集成、顶层存储支持以及 AgentStreamStage 中间件功能。同时修复了多个问题，包括 Bedrock 请求取消、

Strands Agents SDK Python v1.52.0 发布

Strands Agents SDK 发布了 Python 版本 v1.52.0，新增了 ModelRouter 模型路由功能，并支持通过 Agent(model=) 参数使用。同时引入了 strands-github-storage 集成、顶层存储模块以及 AgentStreamStage 中间件。此外，修复了多个问题，包括 Bedrock 请求重试、Op

Grok 4.6 性能追平 GPT-5.6，价格大幅低于对手

SpaceXAI 发布了新模型 Grok 4.6，在 Artificial Analysis Intelligence Index 上得分 61，与 OpenAI 的 GPT-5.6 Sol 持平，仅次于 Anthropic 的 Claude Opus 5 和 Claude Fable 5。该模型在代理任务上表现优异，在 GDPval-AA v2 基准上排名

另有 1 家信源报道

研究人员实现从LLM输出文本近乎完美地逆向工程提示词

IIT Bombay和Adobe Research的研究人员开发了一种名为“Previous-Token Prediction”(PTP)的方法，能够仅根据LLM的输出文本以近乎完美的准确率重建原始提示词，无需访问模型权重，甚至适用于第三方模型。该方法通过训练一个逆语言模型来预测前一个token，并能在不知道具体模型的情况下提取提示词，这可能导致专有系统提示