AI 新闻

OpenAI 在获得特朗普政府批准后，正式公开发布 GPT-5.6 模型，并同步推出面向企业的新产品“ChatGPT Work”。

1X Robotics 为其 Neo 人形机器人升级了高度触觉化的手指，使其能完成精细家务操作。这一进展标志着软体机器人在实用性和安全性上的重要突破。

Meta 推出新一代编程模型 Muse Spark 1.1，称其相比初代有“阶梯式”提升，并通过新 API 向开发者开放，可直接集成到代码补全等工具中。

OpenAI 审查 SWE-Bench Pro 后发现约 30% 任务存在缺陷，决定撤回对该基准的公开认可，引发对 AI 编程评估可靠性的讨论。

Databricks 在其百万行级代码库上评测发现，国产开源模型 GLM 5.2 在编码任务上以更低成本匹配 Anthropic Opus 4.8，并计划将其作为日常编码主力模型。

OpenAI 推出 GPT-5.6，强调每个 token 产生更多智能、每美元性能更强，按需提供更强大能力。本文解读其技术方向与行业影响。

本文解读Hacker News上关于智能体测试流程、LLM基准测试以及编码智能体开发的最新讨论，分析其对AI工程化与评估标准的影响。

SpaceXAI推出Grok 4.5，马斯克称其为“Opus级模型”，主打更低成本和更高效率，旨在与OpenAI等主流模型竞争。

xAI 发布 Grok 4.5，训练于数万块 GB300 GPU，编码基准落后于 Fable 5 和 GPT-5.5，但输入价格仅每百万 token 2 美元，且推理效率极高，预计 7 月中旬在欧盟上线。

Mistral 发布 Robostral Navigate，一个 8B 参数的视觉导航模型，仅用单 RGB 摄像头即可在未知环境中引导机器人，在 R2R-CE 基准上达到 76.6% 的准确率。

OpenAI推出GPT-Live-1模型，优化ChatGPT语音模式，减少打断并在停顿后等待用户继续，提升对话自然度。

Google 为 Android Bench 基准测试添加了更多大语言模型，但自家 Gemini 模型表现仍不及竞品，开发者可参与测试标准制定。