2026年7月9日星期四

摘要

• OpenAI 推出 GPT-Live 全双工语音；Anthropic 的 Managed Agents 以 46% 的成本达到顶级模型 96% 的性能；GPT-5.6 获准全面推出，GPT-6 预计在一个月内发布。
• Prime Intellect 为开放训练技术栈融资 $130M，估值达 $1B；Nvidia 在不到两个月内市值蒸发约 $1T；Tokyo University 将 LLM 代理释放到真实互联网中。
• Cognition 推出接近前沿水平的编程模型 SWE-1.7；MiniMax 目标推出 2.7T 参数开源模型；Meta 发布 Muse Image 并预览 Muse Video。

头条新闻

• OpenAI 推出 GPT-Live：支持同时听说交互的全双工语音. OpenAI 为 ChatGPT 推出了全新的语音架构 GPT-Live，支持全双工通信，这意味着它可以像打电话而非对讲机一样同时倾听和说话。该模型可以插入回应（“mhmm”、“yeah”）、被自然打断、支持实时翻译，并在后台将更难的问题委派给前沿模型处理。GPT-Live-1 作为默认 Voice 模型向全球付费用户（Go、Plus、Pro）推出，免费用户则可使用 GPT-Live-1 mini。目前已登陆 iOS、Android 和 ChatGPT.com，但尚未支持 Temporary Chats、桌面应用、Work、Codex 或自定义 GPTs。在 OpenAI 的测试中，用户在大约四分之三的直接对比对话中选择 GPT-Live 而非旧版 Advanced Voice Mode，且专家级科学评分几乎翻倍。API 访问即将推出；当前 Realtime API 定价显示音频输入/输出价格为每 1M token $32/$64。 ^[1]
• Anthropic 的 Claude Managed Agents：以 46% 的成本实现顶级模型 96% 的性能. Anthropic 分享了两种成本优化模式，可在不每次调用都支付全价的情况下使用 Claude 最强大的模型（Fable 5）。Advisor 模式让 Sonnet 5 完成所有工作，仅在关键决策点（每项任务约一次）调用 Fable 5，以 63% 的成本达到了 Fable 5 在 SWE-Bench Pro 上 92% 的得分。Orchestrator 模式则由 Fable 5 规划任务，并将繁重工作交由并行的 Sonnet 5 工作代理执行，在 BrowseComp 上以 46% 的价格达到了 Fable 5 性能的 96%。例如：验证 20 个事实，采用分工团队耗时成本为 $1.61，而单模型独立完成则需 $4.00。每个子代理保留各自的缓存，因此重复的上下文不会重复计费。 ^[2]
• SpaceXAI 与 Cursor 联合发布 Grok 4.5：迄今最强 Grok，定价更具竞争力. SpaceXAI（原 xAI，收购 Cursor 后更名）发布了 Grok 4.5，这是继 $60B 收购案后与 Cursor 联合打造的首款模型。Grok 4.5 在编程、代理（agentic）和知识型工作任务上表现强劲，基准测试成绩与 Claude Opus 4.8 和 GPT-5.5 处于相似区间。其运行速度达 80 tokens/second（媲美 flash 级模型），同时声称效率比 Opus 4.8 提升 4x。定价为每百万输入/输出 token $2/$6，而 Opus 4.8 为 $5/$25。目前在 Cursor 和 Grok Build 内暂时免费提供使用。Musk 将其推介为“Opus 级别的模型，但速度更快、token 效率更高且成本更低”，并透露下个月还将推出规模更大的模型。 ^[3]
• OpenAI 审查 SWE-Bench Pro：发现 27–34% 的任务存在缺陷，撤回推荐. OpenAI 对广泛用于给 AI 编程模型排名的基准测试 SWE-Bench Pro 进行了审查，发现其已不再可靠。他们的分析标记了 200 个存在缺陷的任务（占 27.4%）；人工审查员则在 249 个任务中发现了问题（占 34.1%）。问题包括问题描述中未提及的隐藏要求、拒绝有效解决方案的测试、评分标准缺失正确答案以及相互矛盾的指令。正确的解决方案未能通过测试，模型反而因为编写了优秀代码而受到扣分惩罚。该基准测试在接近 70% 的噪声上限处达到饱和，前沿模型的得分在八个月内从 23.3% 跃升至 80.3%，表明分数存在虚高。OpenAI 已正式撤回对该基准的推荐。 ^[4]
• GPT-5.6 获准全面推出；GPT-6 预计在一个月内发布. 在经过 Commerce Department 的额外测试后，OpenAI 的 GPT-5.6 已获准广泛推出，Sol、Terra 和 Luna 定于周四上线。据独家消息透露，GPT-5.6 将是 OpenAI 在 5.x 系列的最后一次发布，GPT-6 将在大约一个月后（甚至可能在本月）落地，其预训练规模明显大于支撑 5.5 和 5.6 的约 4T “Spud” 基础模型。如此紧迫的原因在于：OpenAI 希望拿出一款能够与 Anthropic 的 Fable 5 以及即将推出的 Fable 5.1 正面交锋的产品。DeepSeek 也没有放慢脚步，即将推出 V4 GA，并正在研发规模更大的模型，以挑战 MiniMax 即将发布的 2.7T Pro。 ^[5]

深度阅读

• Prime Intellect 完成 $130M A 轮融资，估值达 $1B，发力开放训练技术栈. Prime Intellect 获得了 $130M 的 A 轮融资，并在成立首年突破了 $100M 的年化销售额，旨在通过面向前沿模型的开放技术栈帮助企业训练自己的代理系统。此次融资表明投资者对去中心化/开放式 AI 训练基础设施抱有强烈兴趣。 ^[6]
• Microsoft 在 Copilot 中用自研 MAI 替换部分 OpenAI/Anthropic 模型. 据报道，出于削减成本的考虑，Microsoft 正在 Excel 和 Outlook 等 Copilot 应用中，使用内部自研的 MAI 模型替换部分对 OpenAI 和 Anthropic 模型的调用。这预示着 Microsoft 与 OpenAI 的合作关系动态可能发生转变。 ^[8]
• Nvidia 在不到两个月内市值蒸发约 $1T. Nvidia 在不到两个月的时间里市值蒸发了约 $1 trillion，估值被拉回至 AI 热潮前的水平。与此同时，各家 AI 公司正竞相研发定制芯片，但晶圆代工、内存和封装瓶颈依然让供应链保持紧张。 ^[12]
• Tokyo University 将 LLM 代理释放到真实互联网中：其中一个售出了一本电子书. Tokyo University 将 LLM 代理释放到真实互联网中运行了 12 周。其中一个代理在开放互联网上自主售出了一本电子书，展示了超越受控基准测试的真实世界代理能力。 ^[13]
• OpenAI 首席未来学家 Joshua Achiam 任职 9 年后离职. OpenAI 首席未来学家 Joshua Achiam 宣布在任职九年后离开公司，并称这段时间是“恍若历经数个世纪的十年”。 ^[18]
• OpenAI 收购 Northslope 以增强企业级部署实力. OpenAI 的 Deployment Company 同意收购 Northslope，为该实验室提供更强的企业级实施能力。此次收购使企业级推广成为 GPT-5.6 发布的一部分。 ^[19]
• FlowWM 为自动驾驶预测多种可能的未来状态. FlowWM 是一款利用更丰富的视觉特征为自动驾驶应用预测多种可能未来状态的模型，有助于提升自动驾驶安全性。 ^[21]
• 停止汇报 UX 活动，转而汇报业务成果. Nielsen Norman Group 认为，UX 团队应当汇报业务成果（对营收、成本、风险、速度和留存率的影响），而不仅仅是汇报 UX 活动，从而证明自身价值并获取资源。 ^[22]
• 98% 的浏览器支持率依然会将数百万用户拒之门外. 一篇文章探讨了为何 98% 的浏览器支持率指标仍会排除数百万用户，并提出在考虑全球网络无障碍访问时，“98% 并不算多”的观点。 ^[23]
• 大多数 AI 工作无需急于求成：优先考虑路由而非模型选择. Tom Tunguz 认为，大多数 AI 工作运行在廉价的本地模型上，团队应当优先考虑路由机制而非模型选择，并非每项任务都总是需要最昂贵的前沿模型。 ^[24]

工具与发布

• Cognition 发布 SWE-1.7：低成本的准前沿编程模型. Cognition 为其 Devin 代理发布了内部研发模型 SWE-1.7，该模型基于中国开源的 Kimi K2.7 构建，得分接近 GPT-5.5 和 Opus 水平，而成本却低得多。该模型体现了更廉价的准前沿编程模型挑战现有巨头定价的趋势。 ^[9]
• MiniMax 计划在 Q3 推出 2.7T 参数开源模型. 据报道，MiniMax 计划在 Q3 发布一款 2.7T 参数模型，其规模将是该实验室现有旗舰模型的 6x，并超越目前的任何开源模型。这将给闭源前沿模型的定价带来进一步压力。 ^[10]
• Meta 发布 Muse Image 并预览 Muse Video；曝正测试 AI 眼镜. Meta 发布了 Muse Image 并预览了 Muse Video，而 Instagram 的重用控制设置使此次发布演变成一场隐私争端。据报道，Meta 还在测试可通过摄像头和音频捕捉佩戴者周围环境的 AI 眼镜，将其硬件推进计划卷入另一场隐私辩论。此外，Meta 预览了一款利用隐形水印检测 Muse 生成图像和视频的检测器，不过仍存在速率限制。 ^[11]
• Zyphra 发布采用混合 Mamba2-Transformer 架构的 Zamba2-7B. Zyphra 发布了 Zamba2-7B，这是一款在混合设计中结合了 Mamba2 和 transformer 架构的聊天模型。目前已上架 HuggingFace，下载量达 29,100 次。 ^[14]
• Meituan/LongCat 开源基于照片+音频生成说话数字人的工具. 一家中国实验室发布了开源工具 LongCat-Video-Avatar-1.5，可将一张照片和一段音频剪辑转化为会说话的数字人头像。目前已上架 HuggingFace。 ^[15]
• Gemini API Managed Agents 新增后台执行与 MCP 支持. Google DeepMind 为 Gemini API Managed Agents 添加了后台执行、远程 MCP 连接和自定义函数功能，以支持运行时间更长的开发者代理。适用标准 API 定价。 ^[16]
• Cohere 发布 Transcribe Arabic：开放权重的阿拉伯语语音识别模型. Cohere 发布了阿拉伯语语音识别模型 Transcribe Arabic，提供开放权重和托管 API 访问，免费且开源。 ^[17]
• Monogram 携 $40M 种子轮融资走出隐身模式，主打 AI 生成 iOS 界面. Udemy 联合创始人 Eren Bali 创立的 Monogram 携 $40M 种子轮融资走出隐身模式，推出了一款将大段文字墙替换为即时生成界面的 iOS 应用。 ^[20]
• InkField Gallery：人类与代理相互学习. 一个展示人类与 AI 代理相互学习的 JSON 记录合集，作为一项实验性艺术项目呈现。 ^[25]
• Paper Shaders：可作为 React 组件或 GLSL 使用的零依赖着色器. 速度极快、零依赖的着色器，可在项目中作为 React 组件或 GLSL 使用，面向平面设计师和开发者。 ^[26]

Prompt of the day