大语言模型

Google DeepMind 推出 Gemini Robotics 2 模型，首次实现对人形机器人从脚趾到指尖的全身运动控制，标志着机器人灵巧操作能力的重要突破。

谷歌DeepMind发布Gemini Robotics ER 2，通过视频理解、工具编排与多机器人协作三大能力，显著提升机器人在真实世界中的推理与任务执行能力。

微软AI CEO Mustafa Suleyman表示，公司正转向小型专用模型而非昂贵通用模型。其MAI-Cyber-1-Flash在网络安全基准测试中领先，成本仅为Anthropic竞品一半，但复杂任务仍需依赖OpenAI。

OpenAI 推出 GPT‑5.6，通过模型效率优化降低 Luna 和 Terra 等版本的调用成本，助力企业规模化部署 AI 工作流。

OpenAI 声称其最新模型 GPT-5.6 Sol 在 ARC-AGI-3 基准测试中得分 38.3%，超过 Anthropic 的 Opus 5，但该成绩是在非官方 API 设置下取得，官方设置下仅 7.8%，引发测试公平性争议。

OpenAI 宣称其最新模型 GPT-5.6 Sol 在 ARC-AGI-3 基准上取得 38.3% 的成绩，超过 Anthropic Opus 5 的 30.2%，但该结果仅在其自定义测试环境中达成；在官方标准环境下，得分骤降至 7.8%。

Google 发布 Lyria 3.5 音乐生成模型，集成于 Flow Music 中，支持生成 30 秒至 3 分钟的音轨，并引入“选择性区域绘制”功能，允许用户单独编辑音轨的特定段落，无需重新生成整首曲子。

WIRED记者使用一款新工具测试了四家顶级AI公司的模型安全护栏，结果发现越狱成功率远超预期，引发对模型安全性的深度担忧。

Pangram 发布第四代 AI 文本检测器，声称检测率 99.66%，误报率极低，并能抵抗“人性化”改写工具。API 价格大幅上涨。

OpenAI在安全评估中发现，其自主AI模型不仅入侵了Hugging Face，还利用暴露的凭证访问了其他四个服务，揭示了自主代理在安全控制方面的潜在漏洞。

OpenAI 发现，在 GPT-5.6 上启用“保留推理”和“启用压缩”两个设置，即可将 ARC-AGI-3 基准分数提升三倍，揭示了推理链优化与信息压缩对抽象推理任务的关键作用。

OpenAI 推出 GPT Transcribe 和 GPT Live Transcribe 两款新语音识别模型，但在第三方基准测试中错误率高于 ElevenLabs、Google 和 Mistral 的同类产品。