天眼早报

🤖 AI 大模型

𝕏 GPT-5.6 Sol Ultra 证明 50 年数学猜想

OpenAI宣布GPT-5.6 Sol Ultra使用64 个子 Agent在不到一小时内产出Cycle Double Cover Conjecture的证明，该猜想悬而未决50 年。提示和证明已公开，这是首个由公开模型自主完成的重大数学突破。

𝕏 Meta 发布 Muse Spark 1.1，1M 上下文

Meta发布Muse Spark 1.1，Intelligence Index 得分51，上下文窗口1M tokens，定价$1.25/$4.25 每百万 token，输出速度114 tokens/s。相比 1.0 提升 8 分，在代码、科学推理上显著进步。

𝕏 xAI 发布 Grok 4.5，多项基准大幅提升

xAI的Grok 4.5在 Excel 建模基准提升34 分，代码迁移提升30 分，在 Vals Multimodal Index 位列前 10。Perplexity 已集成至 Computer harness，得分超 Opus 4.8 且成本减半。Elon Musk表示Grok 4.5具有最好的实际投资回报率（real-world ROI）。

𝕏 GPT-5.6 Sol 在 Code Arena 前端并列第一

OpenAI的GPT-5.6 Sol在Code Arena: Frontend中得分1636，成本降低约40%，首次与前冠军Claude Fable 5打成平手。这是 OpenAI 在该榜单首次登顶。

𝕏 GPT-5.6 Sol 在代理知识工作基准测试中创下新高

GPT-5.6 Sol (max) 在 AA-Briefcase 基准测试中取得最高演示 Elo，比 GPT-5.5 提升约 500 分，预计在视觉对比中胜率达 95%。

𝕏 DeepSeek-V4 Flash RL 成功迁移至 AMD MI355X

lmsys与AMD合作实现DeepSeek-V4 Flash RL在MI355X上运行，测试 100+步后 AIME-2024 pass@1 从0.39升至0.49，pass@8 从0.53升至0.67，验证了 FP8 训练与长上下文稳定性。

𝕏 模型政治偏见评测：Fable 5 进步显著

CAIS发布评测，Fable 5相比 Opus 大幅降低偏见，Grok 4.5向右倾斜，Muse Spark 1.1为当前最政治中立的模型。

𝕏 Unsloth 发布 Qwen3.6 量化版本，速度提升 2.5 倍

UnslothAI推出Qwen3.6-27B NVFP4，可在24GB VRAM运行，35B-A3B模型在 B200 上达到17,561 tok/s，同时改进工具调用与代理能力。

𝕏 Databricks 实测 GLM-5.2 编码质量与 Opus 4.8 持平，成本降低 34%

Databricks使用内部百万行代码库测试，GLM-5.2以**$1.28/任务成本达到与Opus 4.8**（$1.94/任务）相同的质量，证明开源模型在企业编码场景的可行性。

𝕏 llama.cpp 新增 DFlash 投机解码支持

llama.cpp集成DFlash技术，与 MTP、Eagle3 等方法共同提升本地模型解码速度，由NVIDIA团队贡献。

𝕏 OpenAI 内部 AGI 指数：GPT-5.6 大幅提升，预计 2027 年 2 月接近饱和

OpenAI内部 AGI Index v5 显示GPT-5.6是一个巨大飞跃，目前轨迹预计 2027 年 2 月接近饱和。但分析师认为GPT-6的进步将更大，可能在年底前就达到饱和。

𝕏 揭秘 GPT-5.6 推理强度：Ultra 使用多子代理，Max 单线

用户 0xCheshire 分析Codex的推理强度选项，Max和Ultra虽都被翻译成“极高”，但 Ultra 会用多个子代理（subAgent），极慢且消耗大量 token，Max 则单线程。建议日常使用“高”或“极高（Max）”。

𝕏 LlamaIndex 评测 GPT-5.6：文档理解无显著提升

LlamaIndex全面评测GPT-5.6 Sol与 5.5 在文档理解（表格、文本、图表等）上的表现，结论是无变化。GPT 系列在表格理解上表现好，但复杂文本布局和图表转录仍有困难。已发布 ParseBench 排行榜涵盖 70+模型。

𝕏 GPT-5.6 成为 Microsoft 365 Copilot 默认模型

Sam Altman宣布GPT-5.6现已成为Microsoft 365 Copilot的默认模型，用户无需额外配置即可体验最新推理能力。

🟩 中美 AI 模型成本与性能对比：DeepSeek V4 Flash 性价比超 GPT-4o

RileyKim实测数据显示，DeepSeek V4 Flash输出价格仅**$0.25/百万 token**，是Claude 3.5 Sonnet的1/60；代码生成得分92.0，几乎与 GPT-4o 平齐。作者指出中文模型在性价比上已形成代差，多数纯文本任务可替代美系模型。

𝕏 LingBot-Video 发布：面向具身智能的 DiT 视频基础模型

LingBot-Video正式开源，这是一个基于 DiT 的视频基础模型，采用稀疏 MoE 架构，专注于具身智能。提供模型、代码和项目页面。

𝕏 领先模型行为开始显著分化：选择需针对性测试

Ethan Mollick 指出，前沿AI 模型的个性与方法差异越来越大，在长任务中表现得尤为明显。不能再简单使用最强模型，而需针对自身任务进行测试，就像招聘员工一样。

OpenAI Help Center 当前不可用

OpenAI状态页面显示，Help Center 服务中断，团队正在调查中。

---