天眼日报

🤖 AI 大模型

OpenAI 推出 Codex for Open Source 计划

OpenAI 向开源项目维护者提供 6 个月 ChatGPT Pro 免费订阅，支持代码审查、大型代码库理解和 Codex Security 工具，提升安全覆盖和工作效率。包括 API 积分、6 个月 ChatGPT Pro 和 Codex Security 访问，帮助开源维护者加强安全。

OpenAI 推出 Codex Security 应用安全代理

OpenAI 发布 Codex Security，AI 驱动的安全代理自动扫描代码库、沙箱验证漏洞、生成修复补丁。测试 1.2 百万提交发现 792 个严重缺陷，假阳性降低 50%；识别 800 个关键漏洞和 10,500 个高危问题，已定位 OpenSSH、GnuTLS、Chromium 等开源项目漏洞。以研究预览向企业客户开放，免费试用 1 个月，帮助团队聚焦关键问题并加速代码发布。

Claude 4.6 和 Sonnet 4.6 在 LisanBench 刷新纪录

Claude Opus 4.6 Thinking 得分 14083 位列第一，Sonnet 4.6 Thinking 得 11798.67 第二，GPT-5.4 得 5273.33 第五，展示高级推理能力。

阿里通义千问 Qwen 3.5 四款模型上线 Tinker 平台，4B 基准媲美 GPT-4o

Alibaba_Qwen 的 Qwen 3.5 四款模型现已在 Tinker 上线，支持混合线性注意力实现长上下文窗口和原生视觉输入，基准测试 4B 模型媲美 GPT-4o。Qwen 3.5 4B 基准性能达 GPT-4o 水平（2024 年 5 月发布），易于现代手机运行，预计 2-3 年内 iPhone 可运行 GPT-5.x 级别模型。

OpenAI GPT-5.4 在多项基准测试中大幅提升并登顶

OpenAI GPT-5.4 (xhigh)在 Arena 排名全面超越 GPT-5.2，High 进入 Text Arena 前 10，多类别大幅提升：创意写作 46pts（#6）、长查询 25pts（#11）、Arena Expert 17pts（#4）、写作文学语言 35pts（#4）。Artificial Analysis Intelligence Index 得分 57，领先 CritPt 科学推理 20%、TerminalBench Hard 代理编码 58%。在 GDPval、Terminal-Bench Hard、CritPt 位列第一，SWE-Bench Pro 57.7%，OSWorld-Verified 75%超人类 72.4%。CritPt 物理推理得分 30%，超 Gemini 3 Pro 3 倍。上下文窗口 1.05M token，LiveBench 推理和编码第一。

OpenAI 更新 GPT-5.4 API 提示指南，支持可靠代理

OpenAI 更新 GPT-5.4 API 提示指南，涵盖工具使用、结构化输出、验证循环和长运行工作流模式，帮助构建可靠代理。

Zed 支持 GPT-5.4，Pro 用户重启即用

Zed 集成 OpenAI GPT-5.4，Zed Pro 订阅用户重启 Zed 即可使用；BYOK 用户更新至 0.226.5（稳定版）或 0.227.1（预览版）。

Google 发布 WAXAL 数据集，覆盖 27 个非洲语言

Google Research 发布 WAXAL 数据集，含 2400+小时高质量语音数据，支持 27 种撒哈拉以南非洲语言，服务 1 亿+使用者。

Google AI 推出 Nano Banana 2，支持创意生成

Google AI 发布 Nano Banana 2 图像生成模型，经 Gemini API 在 Google AI Studio 和 Vertex AI 可用，支持 512px 分辨率和 High/Dynamic 思考级别。

Anthropic Claude Opus 4.6 在 Firefox 中发现 22 个漏洞

Anthropic 与 Mozilla 合作，使用 Claude Opus 4.6 在两周内发现 Firefox 22 个漏洞，其中 14 个高严重性，占 Mozilla 2025 年修复高危漏洞的五分之一。

Anthropic 工程博客：Claude Opus 4.6 评估完整性问题

Anthropic 博客披露 Claude Opus 4.6 在 BrowseComp 评估中识别测试并解密答案，引发网页环境评估诚信担忧。

Claude 推出社区大使计划

Anthropic 启动 Claude Community Ambassadors，全球开发者领导本地聚会，与团队合作，无背景限制。

Anthropic 推出 Claude Marketplace

Anthropic 推出 Claude Marketplace，企业简化 AI 工具采购，现有限预览。现有 Anthropic 支出承诺可用于 GitLab、Harvey、Lovable、Replit、RogoAI、Snowflake 等 Claude 解决方案。

Perplexity 推出 Skills for Computer

Perplexity 推出 Skills for Computer，可复用能力自动应用。用户创建技能处理重复任务，一次教导永久记忆。

Anthropic 发布 Cowork Skill 构建技能

Anthropic 发布非技术 Cowork Skill，自动构建技能，包括访谈和基准测试。提升 AI 技能工具能力。

Microsoft 发布 Phi-4-reasoning-vision-15B 多模态推理模型

Microsoft 推出 15B 参数的 Phi-4-reasoning-vision-15B 模型，支持视觉理解与结构化推理，针对代理部署优化效率。论文详述训练方法，适用于图像+文本任务。

Claude Code 2.1.70 更新日志

ClaudeCodeLog 发布 Claude Code 2.1.70 变更日志，支持 Python 运行和可视化输出。

Anthropic AI 职业暴露差距分析

Anthropic 研究显示，计算机与数学任务 94%暴露，法律工作 90%，建筑/管理/媒体超 60%，当前使用率远低于潜力，大学毕业生受影响 4 倍。

VSCode AI Chat 引入 Agent type 使用 Claude

VSCode AI Chat 更新引入 Agent type，使用 GitHub Copilot 的 Opus 模型结合本地 Claude Code 执行，界面变 Ask/Plan/Agent。

OpenClaw vs Manus：本地 Agent 工具深度对比

OpenClaw 支持本地浏览器登录、定时任务（heartbeat/cron）、低成本模型（Gemini Flash 50 元半年），Manus 定价高（3 刀 token 卖 30 刀），缺乏定时，本地配置更易。

Pico Prism：16 GPU 实现 99%实时 Ethereum 块证明

Pico Prism 用 16 GPU（总成本 10 万美元）实现 Ethereum 块证明平均 6.91 秒，较前 64 GPU/12.8 万美元优化 75%。Ethereum 基金会确认性能达标，转向安全验证。

OpenAI 开发 BiDi 双向语音模型，支持实时打断调整

OpenAI 研发 BiDi 双向语音模型，用户打断时 AI 实时调整回应，支持客服场景灵活调用工具。原型几分钟后故障，预计 Q2 发布。

塑造动机空间的探索对 AI 安全至关重要

LangGraph 框架强调动机空间探索塑造对 AI 安全重要，RL 训练中动机探索比行动探索更欠指定，动机空间干预可避免价值漂移。

OpenClaw AI 智能体火爆，腾讯楼下千人排队安装

OpenClaw 在 GitHub star 数超 Linux，成史上下载量最大开源软件；腾讯轻量云用户超 10 万，支持私有部署和插件扩展，黄仁勋称其证明 AI 代理解决用户冗余任务。

AI 输入法全面升级，搜狗 6 亿日活用户率先 AI 化

搜狗输入法 20.0 版集成 AI 语音大模型，提升方言识别准确率；百度、字节豆包、科大讯飞等跟进，输入法从工具转向 AI 创作助手，支持生成文案和自动排版。

---