天眼晚报

🤖 AI 大模型

𝕏 GPT-5.6 Sol 系列发布：日常协作优秀，复杂任务仍不及 Claude Fable，科学推理提升 2.7 倍

OpenAI 发布 GPT-5.6 家族，包括 Sol（旗舰）、Terra（均衡）和 Luna（低成本），主打编程、研究、科学、工具调用及 agentic workflows 和长时程规划。Every 团队 测评显示，Sol 速度快、遵循指令、主动找上下文，但在高级工程基准测试中仅得 56/100，Claude Fable 得 90/100；Sol 重写任务新增约 12900 行代码，缺乏克制。多位用户反馈 Sol 在长程编码任务中表现优异，但高速模式额度消耗快。在长期单细胞生物学任务中，Sol 取得 42.5% 的成绩，较 GPT-5.5 提升约 2.7 倍。Artificial Analysis 对比显示，Luna 和 Sol 在性价比上始终优于 Terra。

𝕏 Grok 4.5 构造超收缩反例，填补数学维度缺口，并在软件工程排名第二

xAI 的 Grok 4.5 构造了一个 4 球面上的超收缩反例，填补了数学上维度 4 到 12 之间长期未验证的空白。该模型基于 V9 架构（1.5 万亿参数）运行，证明了泊松半群在维度 4 上的平滑性失效，标志着 AI 辅助数学证明的里程碑。同时，马斯克 发推称 Grok 4.5 在真实世界软件工程任务中排名第二（仅次于 Fable），并发布评测视频；X 平台推出 SuperGrok Heavy 订阅，马斯克同意 Heavy 应包含 X Premium+ 权益。

𝕏 Meta 研究：通过记忆 Agent 解决长期 Agent 状态衰减问题

**Meta** 发布新研究，命名长期 Agent 信息遗忘问题为“行为状态衰减”。提出旁路记忆 Agent，主动注入结构化记忆提醒，在 Terminal-Bench 2.0 等基准上提升 pass@1。论文链接已公开。

🏠 扎克伯格承认 Meta 在 AI 上落后，预告“西瓜”模型打造极致智能

扎克伯格 称 Meta 在 AI 领域落后于 OpenAI 等公司，并预告下一代模型“Suica（西瓜）”，旨在打造极致智能。此前 Meta 发布 Muse Spark 1.1，可能在价格上发起竞争。

𝕏 Kimi K2.7 Code 免费集成至 Freebuff 编码 Agent

Kimi K2.7 Code 模型已免费集成到开源编码 Agent Freebuff 中，通过 npm i -g freebuff 即可使用，支持代码生成与调试。

𝕏 中国移动发布 JT-4.1 Flash 236B 模型，接近中文前沿水平

中国移动 于 7 月 9 日 发布非推理模型 JT-4.1 Flash 236B A21B，在 Artificial Analysis 智能指数得分 39，接近 GLM-5.2（51）和 Qwen3.7 Max（46）等中文前沿模型。Hallucination 率降低 20 个百分点，HLE 达 16.1%。

𝕏 Muse Spark 1.1 在 Coding Agent 评测中得 69 分，成本接近前沿

Meta 的 Muse Spark 1.1 (xhigh) 在 Artificial Analysis Coding Agent Index 上得分 69，略低于 GPT-5.5 medium（71），但每次任务成本仅约 1.4 美元，性价比突出。

---