GPT-5.6: Frontier intelligence that scales with your ambition
OpenAI · 07-09 18:00 UTC+8
OpenAI 发布 GPT-5.6，强调每 token 更高智能和每美元更强性能，可根据任务难度弹性扩展能力，面向最苛刻的工作负载。
每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
跨年累积的 AI 精选：顶会顶刊高被引论文（全领域，按**具体会刊**分组）+ 各厂商实验室论文与官方动态；多源召回 + 大模型相关性精筛，每周自动维护；支持自助检索 arXiv 添加并自动归类。
GPT-5.6: Frontier intelligence that scales with your ambition
OpenAI 发布 GPT-5.6，强调每 token 更高智能和每美元更强性能，可根据任务难度弹性扩展能力，面向最苛刻的工作负载。
SpaceXAI 发布基于 Cursor 训练的 Grok 4.5，擅长编码、智能体任务和知识工作，定价 $2/$6 每百万 tokens，在 Harvey 法律智能体基准上排名第一。
SpaceXAI releases Grok 4.5, which Elon describes as an ‘Opus-class model’
SpaceXAI 发布 Grok 4.5，马斯克称其为「Opus 级模型」，承诺更便宜更高效的替代方案。
首个具身视频基模开源！LingBot-Video 如何为“机器人大脑”构建物理引擎？
首个具身视频基座模型 LingBot-Video 开源，为机器人大脑搭建物理引擎，推动具身智能发展。
Zero-Shot提升31%！原力灵机DM0.5登场，15万小时数据喂出
原力灵机发布 DM0.5 模型，使用 15 万小时数据训练，零样本性能提升 31%，出现泛化涌现现象。
ChatGPT is now a partner for your most ambitious work
OpenAI 推出 ChatGPT Work，一个可跨应用和文件行动、持续数小时跟进项目的智能体，能将目标直接转化为完成的工作。
Grok 4.5 is so cheap compared to Fable 5 and GPT 5.5 that benchmark gaps may not matter much
Grok 4.5 价格仅 $2/百万输入 tokens，远低于 Fable 5 和 GPT-5.5，虽编码基准稍逊，但极高的性价比可能使跑分差距变得不那么重要。
[AINews] SpaceXAI launches Grok 4.5, first Opus-class model post Cursor acquisition
SpaceXAI 在收购 Cursor 后发布 Grok 4.5，成为首个 Opus 级模型，继续保持行业最快迭代速度。
全球首个专为具身智能设计的 MoE 视频模型 LingBot-Video 开源，有望成为机器人大脑的核心组件。
世界模型首次迎来“小时级”生成！蚂蚁灵波开源LingBot-World 2.0，支持AI原生多人交互
蚂蚁灵波开源 LingBot-World 2.0，首次实现小时级世界模型生成，并支持 AI 原生多人交互。
蚂蚁灵波开源LingBot-Video，全球首个面向具身的视频基模来了！
蚂蚁灵波开源 LingBot-Video，这是全球首个面向具身智能的视频基座模型。
Unsloth Studio 更新支持导出 NVFP4/FP8 格式、DeepSeek-V4，GRPO 训练加速 1.3 倍，MoE 训练快 3-5 倍，并增加多语言与更多功能。
OpenAI 推出 GPT-Live，ChatGPT 语音模式升级为全双工，可将复杂问题转交 GPT-5.5 后台处理，显著提升响应质量。
ChatGPT can now listen and talk at the same time, making AI conversations seem more human
OpenAI 的 GPT-Live 采用全双工架构实现同时听和说，复杂查询委托 GPT-5.5 后台推理，使对话更人性化，已向付费用户开放。
OpenAI 发布 GPT-Live 及轻量版 GPT-Live-1 mini，都是全双工语音模型，可将深度推理委托给 GPT-5.5，大幅提升语音交互体验。
Mistral 进军机器人领域，推出 Robostral Navigate，8B 参数模型仅依赖单目 RGB 相机导航，结合仿真训练与强化学习 CISPO，在 R2R-CE 基准达 76.6%。
Popular open source AI developer tool Ollama raises $65M, grows to nearly 9M users
Ollama 获 6500 万美元融资，用户接近 900 万，GitHub 星标 17.6 万，成为开发者本地运行 AI 模型的首选工具。
llama.cpp 更新支持 Metal 后端的深度可分离卷积（CONV_2D_DW），并完善相应测试与 F16 支持，进一步优化端侧推理能力。
vLLM v0.25.0rc3 修复了预填充/解码（P/D）异步KV加载在MTP推测解码场景下的前瞻处理逻辑，避免因窗口处理错误导致推理异常，提升分布式及推测推理的稳定性。
蚂蚁集团Robbyant发布开源跨具身机器人操控模型「LingBot-VLA 2.0」，采用Apache-2.0许可，6B参数，预训练于约60,000小时数据，涵盖20种机器人构型的轨迹和人类自我中心视频，将所有具身统一到55维规范动作空间，并通过无辅助损失的Token级混合策略增强泛化。
GPT-5.6 is now the preferred model in Microsoft 365 Copilot
OpenAI宣布GPT-5.6已成为Microsoft 365 Copilot的首选模型，为Word、Excel、PowerPoint、Chat及Cowork等应用提供更强的AI能力，旨在加速工作任务并提升输出质量。
llama.cpp 提交b9931为OpenCL后端引入ragged-tile MoE预填充FP16 GEMM优化，通过跳过填充的专家tile（上半部分全为填充时跳过第二次点积）来加速低token-per-expert场景，数值结果不变。
Introducing Claude apps gateway for AWS
AWS推出「Claude apps gateway」，一个自托管控制平面，可对Claude Code和Claude Desktop进行统一的访问、成本和策略管控，并与Amazon Bedrock及Claude Platform集成，便于企业集中管理AI应用。
AWS发布搭建生产级电商MCP服务器的教程，基于「Amazon Bedrock AgentCore」和「Mistral AI Studio」，实现产品搜索、下单、评价和退货处理的MCP工具，采用两层JWT认证和AWS CDK部署，并接入Mistral AI的「Vibe」，提供企业MCP最佳实践。
Claude“脑内小剧场”首曝光：隐藏工作空间自发涌现类人意识，谷歌DeepMind权威认证！
Claude模型内部隐藏的工作空间首次曝光，其推理过程自发涌现出类人意识结构，并获得谷歌DeepMind团队的验证，为理解大模型内在机制提供了新视角。
MCP协议推出企业统一授权功能，为多工具调用场景提供标准化的认证与权限管理，简化企业级智能体开发中的安全控制。
Databricks将中国开源模型「GLM 5.2」设为默认编码引擎，其内部评测显示该模型性能匹敌Anthropic的「Opus 4.8」，但每任务成本仅1.28美元（Opus为1.94美元），并建议企业应自建评测基准而非依赖公开榜单。
llama.cpp 提交b9938为AMD HIP后端启用「-funsafe-math-optimizations」编译选项，在避免-ffast-math引入NaN问题的同时获得类似CUDA的快速数学加速，提升AMD GPU推理效率。
OpenAI's AI beats every human at AtCoder, a top competitive programming contest
OpenAI的AI系统在「AtCoder」世界巡回赛总决赛2026展览赛中击败所有人类选手，算法组五题全解，其中两题被评为异常困难，展现顶尖的竞技编程能力。
llama.cpp 提交b9937修复CUDA后端snake融合的类型匹配逻辑，强制a和inv_b保持F32以对齐CPU和Metal后端，解决了F16/BF16链从未融合而回退朴素路径的问题，提升融合算子的正确性和覆盖范围。
llama.cpp 提交b9936使HTTP服务器在拆分提示批次时正确遵守「min-step」参数，避免批次分割导致调度异常，提升服务稳定性。
llama.cpp 提交b9935为Hexagon后端添加「VISION RoPE」支持，可处理跨步半维视图和非连续目标张量，扩展了视觉模型在端侧设备上的旋转位置编码能力。
vLLM v0.25.0rc2 修复了Transformers建模后端中嵌入缩放与CUDA图兼容性问题，确保图捕获和推理加速效果正常。
llama.cpp 提交b9934针对WebGPU后端的「flash_attn_vec」内核微调了子组分割参数d_split，进一步优化注意力计算的效率。
Incentivizing Temporal-Awareness in Egocentric Video Understanding Models
Apple ML提出「Temporal Global Policy Optimization（TGPO）」，一种强化学习策略，通过显式奖励模型的时间推理能力，解决多模态大模型在自中心视频理解中依赖空间捷径而缺乏时序意识的问题，有效提升视频理解准确性。
llama.cpp 提交b9933修复了OpenCL后端Q6_K量化在权重维度非128倍数时的GEMM/GEMV错误，解决了Adreno GPU上如granite-3.1-3b-a800m-instruct等模型的乱码输出问题。
llama.cpp 提交b9932针对Vulkan后端在AMD GCN架构GPU上禁用了闪存注意力的mask_opt，以避免性能下降，并对head size大于256的场景重新启用该优化。
Ollama v0.31.2 为旧款NVIDIA GPU（计算能力6.x）启用闪存注意力，集成显卡现可卸载视觉模型并自动填充适应可用内存，修复了思考模型禁用思考时的结构化输出问题，并增强了GGUF模型创建和引擎更新。
Anthropic's fix for Fable 5's high cost is turning it into a manager that delegates to Sonnet 5
Anthropic建议将昂贵的「Fable 5」用作规划器，将大部分任务委托给「Sonnet 5」，这种「顾问」模式仅用63%的成本便实现「Fable 5」独自运行92%的性能，显著优化了成本效益。
Anthropic’s new Claude feature is quietly selling you on AI
Anthropic为Claude推出「Reflect」仪表板，可视化用户的AI使用习惯，同时巧妙地强化日常工作对Anthropic聊天机器人的依赖感，提升用户粘性和感知价值。
Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning
针对大模型在复杂任务训练中的稳定性问题，提出基于单次 rollout 的异步强化学习优化方法，在编码和推理基准上显著超越现有方案，提升了智能体强化学习的训练效率与效果。
📖 阅读⬇ PDFScaling Mixture-of-Experts Video Pretraining for Embodied Intelligence
LingBot-Video 提出基于 DiT 架构的 MoE 视频预训练框架，结合专门的数据增强和多维奖励系统，专为具身智能设计，在多个任务上展现了强大的环境理解与动作生成能力。
📖 阅读⬇ PDFSparse Delta Memory: Scaling the State of Linear RNNs through Sparsity
通过稀疏寻址扩展门控线性 RNN 的隐藏状态，使模型在长上下文学习和检索任务中大幅提升容量，同时保持计算效率，为线性 RNN 在长序列场景的应用开辟了新可能。
📖 阅读⬇ PDFSciReasoner 将蛋白质、分子、晶体的结构元素离散化为统一词汇，构建多模态科学基础模型，实现了可解释的跨领域结构推理，显著提升了预测性能和科学推断能力。
📖 阅读⬇ PDFDual Latent Memory in Vision-Language-Action Models for Robotic Manipulation
LaMem-VLA 在视觉-语言-动作模型中引入双潜在记忆组件，于共享潜在空间内协同整合历史经验，增强了机器人在操作任务中的推理连续性和准确性。
📖 阅读⬇ PDFAutomating the Design of Embodied Agent Architectures
自动化搜索具身智能体架构的实验表明虽能提升性能，但暴露出优化信号模糊、易陷入局部最优以及信用分配困难等问题，为后续架构设计提供了明确改进方向。
📖 阅读⬇ PDFAgentLens: Production-Assessed Trajectory Reviews for Coding Agent Evaluation
AgentLens 跳出单纯通过/失败二元评判，全面评估代码智能体在交互过程中的指令遵循、工具使用、自我验证和错误恢复等完整轨迹，结合形式化验证与 LLM 撰写的评审，提供更贴近生产环境的代码智能体评测。
📖 阅读⬇ PDFOmniTacTune: Policy-Agnostic Real-World RL for Tactile Residual Adaptation of Visual Policies
OmniTacTune 采用两阶段强化学习，将触觉反馈自适应地叠加到视觉策略之上，在接触密集型操作任务中成功率大幅提升，证明了触觉对精细操作的关键作用。
📖 阅读⬇ PDFImagined Rollouts are Kinematic, Not Dynamic: A Diagnosis of Long-Horizon World-Model Failure
研究发现世界模型长时域崩溃源于运动学想象而非动力学，通过测量运动学一致性误差发现其保持平稳但策略奖励在摩擦边界断裂，精准定位了长时域规划失败的根本原因。
📖 阅读⬇ PDFWake up for Touch! Mask-isolated Tactile Alignment Learning in MLLMs
Splash 通过掩码隔离的触觉对齐学习和选择性参数更新，使多模态大模型获得触觉感知能力的同时不损害原有视觉语言推理，有效防范灾难性遗忘。
📖 阅读⬇ PDFRoboDojo 提供统一的仿真与真实环境基准，覆盖多样化任务和多维度评估指标，用于全面衡量通用机器人操作策略的泛化能力和实际表现。
📖 阅读⬇ PDFWildCity: A Real-World City-Scale Testbed for Rendering, Simulation, and Spatial Intelligence
WildCity 构建了大规模城市场景多模态数据集，支持导航与空间表征研究，助力 AI 以接近人类的水平感知和推理城市级空间环境。
📖 阅读⬇ PDFTeaching LLMs a Low-Resource Language: Enhancing Code Completion in Pharo
通过专门定制的训练流程和评测基准，成功将大语言模型适配到低资源编程语言 Pharo 上，代码补全性能超出通用模型，为小众编程语言智能化提供了范本。
📖 阅读⬇ PDFJailbreak 方法直接读取数据库存储文件并将其物化为列式内存缓冲区，完全绕开 JDBC/ODBC 驱动层，消除了分析型负载的外部数据库访问瓶颈，实现了高效的数据库旁路。