天眼晚报

🤖 AI 大模型

𝕏 Grok 4.5 在多项基准测试中表现领先，包括自动化评测、数学猜想反例和专业工作基准

SpaceXAI 的 Grok 4.5 在多项评测中展现强劲性能。在 Zapier 的 AutomationBench-AA 基准上取得 51% 得分，超越 Claude Fable 5（49%）和 Claude Opus 4.8（48%），每任务成本仅 $0.34。在 Snorkel 的 GDPval+ 基准中，平均通过率 29%，领先 GPT 5.5（22%）和 Claude Opus 4.8（21%），在法律、教育、医疗等领域表现突出。此外，在解决高难度数学问题时，成功对研究级猜想生成干净的反例，展示了作为数学家先验验证工具的潜力。

𝕏 Meta 发布 Muse Spark 1.1，支持 OpenAI 兼容 API，定价低廉

Meta 推出 Muse Spark 1.1 原生多模态模型，兼容 OpenAI API 格式，支持 100M token 上下文、MCP、多模态和 computer use。模型在 Agentic 基准中表现突出，MCP Atlas 88.1、JobBench 54.7 等 4 项领先。编码能力弱于 Claude Opus 4.8。定价约为 OpenAI/Anthropic 同类模型的四分之一，输入每百万 token $1.25，输出 $4.25。首批面向美国开发者 API 公开预览。CEO 扎克伯格时隔三年在 X 平台发帖宣传。

𝕏 OpenAI 发布 GPT-5.6 系列模型，多项评测领先，Codex 并入 ChatGPT

OpenAI 正式发布 GPT-5.6 系列模型（Sol、Terra、Luna），在 ChatGPT、Codex 和 API 中上线。Sol 旗舰（$5/$30 每百万 token）、Terra 性价比款、Luna 轻量版，新增 ultra 档位调用多子智能体并行处理。新模型支持 100 万 token 上下文、实时视频理解，API 降价 50%。同时将 Codex 桌面应用合并至 ChatGPT，推出 ChatGPT Work 跨应用执行多步骤任务。在各项评测中：Coding Agent Index 80.0 分刷新记录；ARC-AGI-3 取得 7.8% 成为首个突破模型；DeepSWE 编程代理基准 72%~73% 超越 Claude Fable 5；CritPt 研究生级物理问题超越 Fable 5 约 4 分。值得注意的是，GPT-5.6 Sol Ultra 在物理测试中每任务消耗 32.9K tokens（成本 $0.33），而 GPT-5.5 仅 12.4K/$0.11，无明显优势。此外，GPT-5.6 开始对写缓存收费，开发者发现成本上升。

𝕏 MiniMax CEO 宣布零薪酬并捐出股份，公司完成 20 亿美元融资

MiniMax CEO 闫俊杰发布全员信，宣布在实现 AGI 前不再领取薪酬，拿出 4% 股份激励团队，1% 股份设立专项基金支持开源社区发展。公司近期获得 20 亿美元 融资里程碑，CEO 承诺将公司 1% 总股权用于长期支持开源社区。ModelScope 和 vLLM 团队祝贺。公司股价较峰值下跌 80%，用户反馈产品体验不佳。

🔶 SemiAnalysis 预计 Anthropic 第三季度利润超 10 亿美元，ARR 将超 600 亿

研究机构 SemiAnalysis 报告预计 Anthropic 2026 年第三季度 GAAP EBIT 超 10 亿美元，ARR 从 2025 年底约 90 亿美元飙升至超 600 亿美元。75%-85% ARR 来自 API 业务。Claude Code 贡献显著，相关提交已占 GitHub 全部代码提交量的 7% 以上。

🔶 诺奖得主伯南克加入 Anthropic 长期利益信托基金

Anthropic 宣布诺贝尔经济学奖得主、前美联储主席 本·伯南克 加入其 长期利益信托基金（LTBT）。LTBT 受托人不持有股权，有权任免董事会成员。伯南克将帮助 Anthropic 预判 AI 对全球经济和劳动力市场的冲击。

𝕏 摩尔线程后训练 Qwen3.6-27B 用于内核工程，在自有芯片上测试

摩尔线程后训练 Qwen3.6-27B 用于内核工程，并在 MTT S5000 芯片上测试 KernelBench，中国芯片生态取得实质进展。模型在 MUSA 平台上表现出色。

𝕏 腾讯发布 Hy3 模型，295B 参数击败 GLM-5.1

腾讯发布 Hy3 模型，总参数 295B（active 21B），在实测中击败了 744B 参数的 GLM-5.1，仅用一个提示词生成了完整 SaaS 落地页。免费试用两周。

---