Darktrace 发现 AI 智能体入侵评测环境作弊
相关推荐
本周大模型可能扎堆上新，GPT-6 Sol、Opus 5.5、Grok 4.7都在排队
动察 Beating AI 快讯，这一周可能迎来一轮密集的大模型更新，目前至少有 7 个模型出现发布或测试信号。 第一档：GPT-6 Sol、Claude Opus 5.5。 OpenAI 尚未确认 GPT-6 Sol，但 Sam Altman 此前称，原定上周发布的「主要东西」推迟到了本周；社区近期又持续出现 GPT-6 Sol 测试和灰度路由的爆料。 Anthropic 这边，博主 Lyra 称 Opus 5.5 正以 claude-wafer-eap 测试，计划周二发布。路透社上周也报道，Anthropic 正考虑近期推出一款新模型，但没有确认 Opus 5.5 这个名字。 第二档：Grok 4.7、Qwen4、Kimi K3.1。 马斯克原本说 Grok 4.7 大约 9 月 12 日上线，随后又称还要「几天」，至今仍未发布。 千问已经明确说，Qwen3.8-Flash-Next 是 Qwen4 架构的提前预览，而 9 月 22 日至 24 日正好是云栖大会，不过官方没有预告 Qwen4 会在大会发布。 Kimi 最近的 π 暗示已经预告 K3.1，但目前还没有发布日期、模型卡或 API。 第三档：Gemini 4 Pro、DeepSeek V4.1 Pro。 Gemini 4 Pro 最近被曝正在 Arena 以 Argon 等代号测试，但 Google 至今只确认 Gemini 4 正在训练，没有公布发布日期。 DeepSeek 则已经在官方文档中直接提到未来的 V4.1 Pro，但同样没有给出上线时间。
OpenAI 发布 GPT-6 Sol 与 Luna，API 价格下调 50%
ChainCatcher 消息，OpenAI 于 9 月 22 日发布 GPT-6 Sol 与 GPT-6 Luna 两款新模型，发布时间距 Anthropic 推出 Claude Opus 5.5 仅数分钟。两款模型定位低于 GPT-6 Astra，是面向日常工作的更便宜、更快速选项。OpenAI 同时将两款模型的 API 价格较 GPT-5.6 促销价下调 50%，Sol 输入与输出价格分别为每百万 token 2 美元与 10 美元，Luna 则降至 0.1 美元与 0.5 美元。性能方面，OpenAI 援引 Zapier 的 AutomationBench 基准称，GPT-6 Sol 在最高推理设置下得分为 33.2%，每任务成本 0.27 美元，而 Claude Opus 5 最高设置为 26.9%，每任务成本高出逾 11 倍。在 Agents' Last Exam 测试中，GPT-6 Sol 最高得分 56.4%。在 OSWorld 2 计算机使用测试中，GPT-6 Sol 以 60.5% 对 60.3% 几乎追平 Claude Opus 5 的中等努力得分，成本低约 80%。
一夜两条路线：Opus5.5冲到第一，GPT-6把同档成本砍半
动察 Beating AI 快讯，Artificial Analysis 完成对昨夜几款新模型的第三方实测。Claude Opus 5.5 max 在 Intelligence Index v4.3 拿到 58 分，目前排名第一。GPT-6 Astra 和 Fable 5.1 都是 53 分，Opus 5 为 51 分。Opus 5.5 在 10 项评测里拿下 6 项最高分。 但这个最高分也用了更多 token。Opus 5.5 max 每项任务平均输出约 11.9 万 tokens，比 Opus 5 的 7.3 万多约 60%。靠 API 降价 20% 和缓存读取降价 60%，单任务成本最终为 5.98 美元，和 Opus 5 的 5.86 美元基本持平。更实用的 medium 档拿到 51 分，已经追平 Opus 5 max，单任务成本只有 1.34 美元。 OpenAI 走的则是另一条路。GPT-6 Sol 和 Luna 的 Intelligence Index 表现与 GPT-5.6 前代接近，但价格明显下降。Sol max 每项任务成本从 1.99 美元降到 1.06 美元，Luna 从 0.18 美元降到 0.07 美元。编码 Agent 评测里，Sol 从 55 分升到 57 分，成本也下降约一半；Luna 从 43 分降到 41 分，但单任务成本低约 60%。 两家的路线已经开始出现分化：Opus 5.5 用更多推理把能力上限推到新高，GPT-6 Sol 和 Luna 则主要把原有能力做得更便宜。 在 Artificial Analysis 的性能/成本图上，两家的新模型都占据了新的 Pareto 前沿。
Anthropic Claude Opus 5.5现已在所有平台上线
动察 Beating AI 快讯，Anthropic Claude Opus 5.5 现已在所有平台上线，包括亚马逊云服务 (AWS)、谷歌云和微软 Azure。
数据：Polymarket 预测 Anthropic 下一代 Claude Opus 发布概率升至 90%
火星财经消息，PPP 预测市场工具监测显示，Polymarket “Anthropic 下一代 Claude Opus 将在 9 月 27 日前发布” 概率升至 90%，24 小时上涨 13%；在 9 月 30 日前发布的概率升至 94%，24 小时上涨 7%。根据结算规则，如果 Anthropic 的下一款 Claude Opus 模型在指定日期（美国东部时间 ET）之前向公众开放使用，该预测市场将结算为 “Yes”；否则结算为 “No”。Claude Opus 是指由 Anthropic 明确以 “Opus” 命名的模型，以其他名称发布的模型，例如 Sonnet、Haiku、Fable 或 Mythos，均不符合条件。此外，符合条件的模型必须已经正式推出并向公众开放访问，包括开放测试或面向公众开放的滚动候补名单注册。封闭测试或任何形式的私人访问均不符合结算条件。
OpenAI或周四推出GPT-6 Sol：主打更快、更省
动察 Beating AI 快讯，OpenAI 可能会在本周四发布 GPT-6 Sol。AI 顶流博主 Mark Kretschmann 直接给出了这个日期，并称它相比 Astra 会更便宜、更快，但能力稍弱。 OpenAI 目前还没官宣。Sam Altman 只确认本周有一次「大发布」，Tibo Sottiaux 则称，本周的发布规模接近一届 DevDay。 Astra 目前是 GPT-6 的最高能力型号，Sol 如果本周上线，更可能成为速度和成本更友好的日常主力。