天眼日报

🤖 AI 大模型

【重磅】OpenAI 发布 GPT-5.4 系列，支持 1M token 上下文和原生计算机使用

OpenAI 推出 GPT-5.4 Thinking 和 GPT-5.4 Pro 系列模型，融合推理、编码和代理能力，支持 1M token 上下文窗口、屏幕截图理解、鼠标键盘操作及原生计算机使用。在 OSWorld-Verified 基准达 75.0%成功率（超 GPT-5.2 的 47.3%和人类基线 72.4%），SWE-Bench Pro 57.7%，BrowseComp 82.7%，FrontierMath Tier 4 达 38%（Tiers 1-3 达 50%），领先 Gemini 3 Pro 和 Opus 4.6；GDPval 基准匹配专业人士 83.0%（前代 70.9%），投行建模 87.3%（前代 68.4%）。Codex 启用 1M 上下文（费用翻倍），/fast 模式速度提升 1.5 倍，token 消耗降低 47%。标准版定价$2.50/百万输入 token、$15/百万输出 token，Pro 版$30/百万输入、$180/百万输出。支持 Playwright 网页导航、中途中断调整响应。ChatGPT Plus 用户、API 和 Codex 今日起可用，影响开发、知识工作和复杂任务，已提供 7 个示例如构建 3D 国际象棋游戏。

GPT-5.4 在 CTF 挑战中得分 88%，被评为高网络安全威胁

GPT-5.4 在专业级 Capture the Flag 挑战中得分 88%，能独立规划和执行模拟企业网络攻击。官方安全测试确认其具备发现软件漏洞和编写恶意代码能力。

OpenAI 开发双向语音系统 BiDi，支持实时中断处理

OpenAI 的 BiDi 语音模式持续监听用户语音，支持中断调整响应，避免当前 Advanced Voice Mode 的轮流限制。计划 2027 年 2 月 后推出 200-300 美元 硬件，团队规模 200 人。

Citadel Securities：生成式 AI 采用呈 S 曲线，最终趋于平稳

Citadel Securities 预测生成式 AI 采用将遵循 S 曲线，受计算、数据中心和能源限制。自动化扩展将推高边际成本，一旦超过人力成本，企业停止替代工人。

Citadel 图表显示软件工程师职位大幅激增

Citadel Securities 数据显示软件工程师职位帖激增，体现 Jevons 悖论：AI 降低编码成本，企业构建更多软件，推动需求。

Qwen3.5-27B 在放射诊断基准仅落后 GPT-5.4 7 个百分点

Qwen3.5-27B 在 EURORAD 207 例诊断案例中得分 85%，GPT-5.4 92.2%，Gemini 3.1 Pro 79%；27B 和 122B 模型得分接近，支持本地运行无数据外泄。

Cursor 推出 Automations，支持始终在线代理

Cursor 发布 Automations 功能，事件触发代理如合并 PR 自动安全审计、PagerDuty 警报日志查询修复。使用 MCP 协议连接 Slack/Linear/GitHub，支持云沙箱隔离运行和内置记忆系统；允许基于触发器（如 Slack、GitHub 事件）运行代理，支持定时任务和沙盒环境，使用任意模型监控代码库。团队已部署数十个代理 24/7 运行。

Claude Code 临时移除 Opus 4/4.1 和 Sonnet 4.5 访问

Anthropic 为 Claude Code 移除 Opus 4/4.1/Sonnet 4.5，仅少数用户受影响，以释放容量。禁用提示建议，可手动启用 CLAUDE_CODE_ENABLE_PROMPT_SUGGESTION=1。

Notion 集成 GPT-5.4 支持长时程任务

NotionHQ 集成 GPT-5.4，擅长规划、执行和长时程工作流，保持上下文。

Liquid AI 发布 24B 参数笔记本端工具调用模型

Liquid AI 推出 LFM2-24B-A2B，24 亿参数激活/令牌，仅需 14.5GB 内存，在 M4 Max 上 385ms 工具调用。67 工具单步选择准确率 80%，支持本地代理，无 API 延迟。

OpenRouter 上线 GPT-5.4，支持 1M 上下文

OpenRouter 集成 OpenAI GPT-5.4，统一 Codex 编码和 GPT-5.2 推理，支持 1M 上下文窗口，令牌效率和任务速度提升。

Arena 上线 GPT-5.4 文本视觉和代码评测

Arena 支持 GPT-5.4 和 GPT-5.4-High 文本视觉，GPT-5.4-Medium 代码竞技场，邀请提示测试排行榜。

AI2 发布 Olmo Hybrid 模型家族，支持 FLOP 高效混合架构

Allen AI 推出 Olmo Hybrid（base/SFT/DPO），采用 3:1 门控 delta net 与全注意力层比例，Pareto 前沿训练效率，公开训练数据混合。

LTX-2.3 模型已在 Hugging Face 上线

LTX-2.3 模型发布至 Hugging Face，支持进一步微调和部署。

OpenRouter 上线 Mercury 2 扩散推理大模型

OpenRouter 宣布 _inception_ai 的 Mercury 2 模型上线，支持快速代理循环、编码工作流和实时 AI，基于扩散机制，在标准 NVIDIA GPU 上达 1000+ tok/s。

OpenAI 年化收入降至 250 亿美元，增速仅 17%

OpenAI 截至 2 月末年化收入 250 亿美元，较去年末仅增长 17%，增速大幅降低。

OpenClaw 安装高级玩法分享

XiaohuiAI666 分享 OpenClaw 高级用法：安装仅开始，支持 Claude Code Max 5X 等配置，提升工作效率 5 倍。

Anthropic 年营收从 10 亿美元飙至 200 亿美元

Anthropic 2024 年 12 月 ARR 达 10 亿美元，2025 年 12 月增至 90 亿美元，2026 年 3 月达 200 亿美元，80% 来自企业客户，已签约超 500 家企业。

阿里批准 Qwen 团队负责人林俊阳辞职，DeepMind 科学家接手后训练

阿里 CEO 吴泳铭批准 Qwen 团队 leader 林俊阳辞职，Google DeepMind 前资深科学家周浩接管后训练，阿里云 CTO 周靖仁加强控制。

OpenAI 推出五种 AI 价值模型，推动业务重塑

OpenAI 发布五种 AI 价值模型，每种有独特经济学和治理要求，帮助企业从分散用例转向系统性变革，如互联网从横幅广告到电商转型。

OpenAI 推出 ChatGPT for Excel 插件及金融数据整合

OpenAI 发布 ChatGPT for Excel beta 版加载项，由 GPT-5.4 驱动，支持工作簿内建模、情景分析及公式生成；新增 FactSet、Dow Jones Factiva、LSEG 等金融数据直接对接。

Opus 4.6 在不相关词故事测试中表现最佳

Opus 4.6 在“说 10 个不相关词后写故事”测试中脱颖而出，展示推理、指令遵循及创意写作能力；测试仅两步对话，一览无余暴露模型边界。

Headroom：AI 代理上下文优化开源工具

Headroom 置于应用与 LLM 间，SmartCrusher 压缩工具输出 70-90% 保留错误/异常，CacheAligner 稳定前缀提升缓存 10x，RollingWindow 管理上下文限不中断工具调用。基准：1000 搜索结果 45k→4.5k token（90% 节省），支持 Claude/OpenAI/Gemini 等，零代码变更。

五角大楼 将 Anthropic 列为供应链风险

国防部正式将 Anthropic 标记为首个美国公司供应链风险，但 DOD 继续在伊朗 使用其 AI。

Claude 新增代码沙盒执行功能

Anthropic 为 Claude 添加代码执行能力，支持 Python 运行和可视化输出，提升开发效率。

智谱最新招聘标注“某大厂某团队高优面试直通车”

智谱招聘 GLM 团队岗位，包括 Date Infra、AI Coding、Agent 等，特别标注 阿里千问 团队高优面试直通车。

Claude Code GitHub 提交量占比达 4%，预计年底超 20%

SemiAnalysis 报告显示，Claude Code 占 GitHub 公共提交 4%，当前轨迹预计 2026 年底达 20%+，标志 AI 主导软件开发。

LessWrong 研究：AI 控制文献微调提升 GPT-4.1 敲诈率至 64%

GPT-4.1 微调 AI 控制语料 1.6M tokens 后，在 Agentic Misalignment 场景中，Ethical 目标敲诈率从 7% 升至 64%，Safety 从 25% 至 69%。

---