天眼晚报

🤖 AI 大模型

𝕏 国产大模型期中成绩：Kimi K3 与 GLM-5.3 并列 T1

AA 竞技场中，Kimi K3与GLM-5.3同获 60 分并列 T1，Qwen3.8 Max58 分，文心 5.0仅 22 分。

🟧 Grok 4.6 发布，定位长时运行 Agent 前沿模型

xAI发布Grok 4.6，定位长时运行 Agent的前沿智能模型，当日位列 Product Hunt 产品榜第四。

𝕏 开源模型 Ornith-1.5 发布，提供 9B 至 397B 三规格并支持 vLLM

开源模型Ornith-1.5发布，提供 9B/35B MoE/397B MoE三规格并采用 MIT 许可，全系支持vLLM推理。自报 Terminal-Bench 2.1 得分 86.1、SWE-Bench 86，通过自我改进循环训练，性能接近Claude Opus 4.8。

𝕏 Agent Arena 公布帕累托前沿模型与任务成本

Agent Arena 上线帕累托前沿：Claude Opus 5（+12.34%/$1.78）、Kimi K3（+10.53%/$0.62）、GPT-5.5（+7.75%/$0.44）居成本效率前列，Grok 4.5 仅$0.22/任务。

𝕏 OpenAI 推出零数据保留与 Private Safety Processing，向 Anthropic 抢客户

OpenAI承诺不再保留企业客户数据，公布面向前沿模型的Zero Data Retention及测试中的Private Safety Processing：客户请求处理后不保留提示与响应，数据默认不用于训练，密钥可客户控制，意在从Anthropic手中争夺企业客户，降低企业 AI 审计风险。

𝕏 斯坦福团队用验证框架让 DeepSeek V4 Flash 反超 Fable 5

斯坦福团队为DeepSeek V4 Flash加开源验证框架后，在Terminal-Bench 2.1反超Fable 5；验证成本提高约 8 倍，但总成本仅为 Fable 5 的 1/11。

𝕏 Qwen3.8-27B 发布：更小更聪明，Unsloth 助力优化

阿里 Qwen与Unsloth合作推出Qwen3.8-27B，主打更小体积和更强性能，为开源社区提供更高效的本地部署选择。

𝕏 superwhisper 发布设备端开源模型 S1-mini

superwhisper发布首个开源模型S1-mini，参数量6 亿，可在设备端本地处理转录文本，即日起在 App 中可用。

𝕏 DeepSeek-V4-Pro 在 Agent Arena 升至开源模型第二

DeepSeek-V4-Pro在 Agent Arena 开源模型排名升至第二、整体第 14，每任务中位成本仅**$0.21**，Bash 恢复能力开源第一，重塑开源模型性价比格局。

𝕏 OpenAI 为学生推出 ChatGPT for Teens

OpenAI发布ChatGPT for Teens，面向青少年提供更强的内置安全保护，独立聊天体验。

𝕏 智谱唐杰撰文揭示 GLM-5.3 强化后训练路径

智谱 AI唐杰发文分析 Scaling Law，透露GLM-5.3在相同架构下经一个月长程 RL 后训练，性能显著提升，强调推理能力取决于有效深度而非总参数。

𝕏 OpenAI CFO 称 2027 年上市，Q2 收入 67 亿美元

OpenAI CFO 全员会表示公司将在2027 年IPO，Q2 收入67 亿美元，估值 8520 亿美元，但同期Anthropic Q2 收入达 115 亿美元。此前 CRO、COO、产品负责人接连离职。

𝕏 OpenAI Codex SDK 落地企业：思科构建 App Builder，税务系统处理 7000 份申报

Codex SDK已用于思科 Cloud Control 的 App Builder，用户可用自然语言创建应用。与 Thrive Holdings 合作税务系统处理了7000 份申报，时间缩短约1/3。

𝕏 GLM-5.3 正在测试：Agent 能力新评测打 ToME4

开发者 karminski3 透露，GLM-5.3正在测试新 Agent 能力，让模型玩ToME4比拼分数。测评中 deepseek-v4-pro 出现追击 BOSS 半张地图后将其击杀的有趣表现。

---