AI 新闻

OpenAI 发布中端模型 GPT-6.1 Terra，API 价格较前代减半，在部分任务上逼近甚至追上更大模型，被评价为“每美元智能”的新基准。

GPT-6.1 Terra (Max) 在第三方评测平台 Artificial Analysis 上录得 48 分，较此前水平提升 11 分。这一变化值得从评测口径与竞争格局两个层面来读。

Nace AI 将 Drex 决策模型扩展到面向 AI 智能体的文档搜索，官方称在 BrowseComp-Plus 上以平均 12.6 次搜索调用取得 92.05% 的成绩，并在 OfficeQA Pro 上减少智能体轮次。

Hacker News 上一条关于某热门开源权重模型出现异常行为的讨论引发关注。事件本身细节有限，但它把一个老问题重新摆上台面：当权重公开、行为难以预测时，责任与治理该落在谁身上。

Nace AI 将 Drex 决策模型引入 AI 智能体的文档检索场景，在 BrowseComp-Plus 上报告 92.05% 的成绩，平均仅需 12.6 次搜索调用，并在 OfficeQA Pro 上减少了智能体轮次。

OpenAI 推出 GPT-6.1 Terra，主打快速且可用的计算机操作能力，试图把此前局限于演示与实验环境的 agent 能力变成面向普通用户的基础功能。

南北阁 LLM Lab 发布 Nanbeige4.3-33B，一款 33B 稠密、Apache 2.0 许可、支持 512K 上下文的开源智能体编程模型，Terminal-Bench 2.1 得分 80.9，并将用于指导后续的 3B 小模型。

Hugging Face 发布基于 Qwen3-14B 的开源 DNA 语言模型 Carbon-X，可直接读取原始 DNA 序列并用英文作答，在 5 项 DNA 基准上平均得分 66.7%，以 Apache 2.0 协议开放。

英伟达开源数据引擎Flora，用三个微调过的Qwen3.5模型把一小时机器人视频的标注成本从88美元压到72美分，质量评分还略高，但在描述性准确度上仍有短板。

P-Zero Research 的新基准测试显示，AI 模型自主设计与评估实验的能力提升速度超出预期，Anthropic 联合创始人 Jack Clark 因此把自我改进型 AI 的时间预测提前到 2027 年。

OpenMobile-2 构建了覆盖 110 多个应用的开源训练环境，其中包含 35 个主流应用复刻版；在真实 Android 设备上，其模型在开源智能体中得分最高，说明开源手机智能体已具备与闭源模型竞争的能力。

MarkTechPost 发布 Underdog Saluki 27B 实操指南，对比 ISTA 的 GSQ-RCO 量化方案，从 GGUF 头部、内存占用与 BFCL 工具调用表现三方面评估 2-bit Qwen 系 27B 模型在原生 llama.cpp 中的可用性。