elvis@omarsar0 · 2天前45

Love how Google continues to drive down the cost of building with their models. <4s image and $0.034 / 1K image. Wow! We have a bunch of stuff (education & research) we're building @dair_ai using Nano Banana and Gemini. Testing out Nano Banana 2 Lite and sharing more soon.

译Elvis Saravia 称赞谷歌持续降低模型使用成本。谷歌在 Gemini API 和 AI Studio 中推出两款新模型：Nano Banana 2 Lite 图像生成速度低于 4 秒，价格仅 $0.034/千张；Gemini Omni Flash 在视频编辑上达到 SOTA，价格为 $0.10/秒，与 Veo 3.1 Fast 一致。Saravia 透露 DAIR.AI 正使用 Nano Banana 和 Gemini 构建教育研究项目，并已开始测试 Nano Banana 2 Lite。

Rohan Paul@rohanpaul_ai · 2天前75

🇨🇳China claims a new milestone in locally trained AI, as Meituan rolls out LongCat-2.0. Meituan, China's food delivery giant, just released LongCat-2.0, an open-source 1.6T-parameter MoE (33B–56B parameters) coding model. 1M tokens context window. Open-source: Available on longcat[.]ai and OpenRouter, top 3 globally by call volume. LongCat-2.0 was trained from scratch on 50,000 Chinese domestic chips and Meituan said this proves large-scale model training can now be done on domestic compute clusters. Shows again the rising push for self-reliance in China’s AI market, as DeepSeek, Alibaba, ByteDance, and others try to depend less on U.S. chips for model training after Washington’s export controls since 2022. While DeepSeek-V4-pro relied on home-grown chips only for inference, LongCat-2.0 used domestic hardware for both inference and pre-training, according to Meituan. Meituan did not directly identify its hardware supplier, but said in a WeChat post on Tuesday that it used Huawei Collective Communication Library (HCCL) to make training more stable. HCCL is a chip-to-chip communication system like Nvidia Collective Communication Library (NCCL). This removed doubts that Atlas-950 SuperPoDs could not train large LLMs for Zhipu AI and DeepSeek.

译美团发布开源编码模型LongCat-2.0，采用1.6T参数MoE架构（活跃参数33B-56B），支持1M tokens上下文窗口。该模型在5万块国产芯片上从头训练，使用华为HCCL通信库，验证国内算力集群可胜任大模型预训练。已开源至longcat[.]ai和OpenRouter，调用量全球前三。与DeepSeek-V4-pro仅推理使用国产硬件不同，LongCat-2.0预训练和推理均依赖国产芯片。

Rohan Paul@rohanpaul_ai · 2天前63

Leaked specifications show Anthropic's Claude Sonnet 5 launching today with a 1 million token context window

译泄露的规格显示 Anthropic 的 Claude Sonnet 5 今日发布，拥有 1 百万 token 的上下文窗口

Logan Kilpatrick@OfficialLoganK · 2天前78

Introducing Nano Banana 2 Lite 🍌 and Gemini Omni Flash 🔮, our new generative media models in the Gemini API and AI Studio! Nano Banana 2 Lite is extremely fast (<4s image) & cheap ($0.034 / 1K image). Omni Flash is SOTA at video editing at $0.10 / sec, same as Veo 3.1 Fast!

译推出 Nano Banana 2 Lite 🍌 和 Gemini Omni Flash 🔮，我们在 Gemini API 和 AI Studio 中新的生成媒体模型！ Nano Banana 2 Lite 极快（图像 <4 秒）且便宜（$0.034 / 1K 图像）。 Omni Flash 在视频编辑上达到 SOTA，$0.10 / 秒，与 Veo 3.1 Fast 相同！

🚨 AI News | TestingCatalog@testingcatalog · 2天前62

GOOGLE 🔥: Besides Nano Banana 2 Lite, Google also announced Gemini Omni Flash Preview on APIs and Google AI Studio! &gt; Omni Flash is SOTA at video editing at $0.10 / sec, same as Veo 3.1 Fast! Flashes everywhere ⚡

译Google 在 Gemini API 和 AI Studio 推出两款新生成式媒体模型：Nano Banana 2 Lite 图像生成极快（<4秒/张），价格仅 $0.034/千张；Gemini Omni Flash Preview 在视频编辑上达到 SOTA，定价 $0.10/秒，与 Veo 3.1 Fast 相同。Omni Flash 现已提供 API 预览。

Google AI Developers@googleaidevs · 2天前61

We’re launching Nano Banana 2 Lite, our fastest most cost-efficient Gemini Image model yet, optimized for high-throughput developer pipelines. Alongside it, Gemini Omni Flash, our video generation and editing model is now available to developers. Both models are accessible today via @GoogleAIStudio and the Gemini API to help you scale your workflows 👇

译我们发布了 Nano Banana 2 Lite，这是我们最快、最具成本效益的 Gemini 图像模型，专为高吞吐量开发者流水线优化。同时，我们的视频生成与编辑模型 Gemini Omni Flash 现已向开发者提供。 这两个模型即日起可通过 @GoogleAIStudio 和 Gemini API 访问，助你扩展工作流程👇

Google DeepMind@GoogleDeepMind · 2天前66

We’re shipping 2 major releases:
 🔘 Nano Banana 2 Lite: our fastest and cheapest Gemini Image model 🔘 Gemini Omni Flash: now available via the Gemini API and in @GoogleAIStudio to help developers generate and edit high-quality videos.

译我们正在推出两个主要版本： 🔘 Nano Banana 2 Lite：我们最快、最便宜的 Gemini 图像模型 🔘 Gemini Omni Flash：现可通过 Gemini API 和 @GoogleAIStudio 使用，帮助开发者生成和编辑高质量视频。

fofr@fofrAI · 2天前70

Gemini Omni Flash and Nano Banana 2 Lite now available in the API 🔥 Nano Banana 2 Lite is the fastest banana, images in ~4s, $0.034 per image (`gemini-3.1-flash-lite-image`) Omni api docs: https://ai.google.dev/gemini-api/docs/omni

译Gemini Omni Flash 和 Nano Banana 2 Lite 现已在 API 中可用 🔥 Nano Banana 2 Lite 是最快的 banana，图像约 4 秒生成，每张 $0.034（`gemini-3.1-flash-lite-image`） Omni API 文档： https://ai.google.dev/gemini-api/docs/omni

🚨 AI News | TestingCatalog@testingcatalog · 2天前61

GOOGLE 🔥: gemini-3.1-flash-lite-image (Nano Banana 2 Lite) is now available on Google AI Studio! &gt; Our smallest and most cost-effective image generation and editing model, built for at-scale usage. &gt; Image Input: $0.25 / Output: $0.0336. Tiny banana 🍌

译Google 在 AI Studio 发布 Gemini 3.1 Flash Lite Image（内部代号 Nano Banana 2 Lite），定位最小、最经济的图像生成与编辑模型，适合大规模使用。输入价格 $0.25，输出价格 $0.0336。该模型此前曾以“超快、高性价比图像生成”之名预告，同期预告的还有支持对话式逐步视频编辑的 Gemini Omni Flash。

Nathan Lambert@natolambert · 2天前74

When we were in China, @xeophon and I made a quick detour to visit Meituan. They continue to be one of our favorite open model builders, as they're showing how a variety of companies can succeed here and baffle a lot of people as to why they're making models. Meituan is one of the larger tech companies in China. They're building LLMs to add services to their own products. In China the notion of the "super app" is very popular, so this dream of more services for users with AI is very natural there. With this, Meituan wants to own the full stack of how they deliver value to their users. When we visited, they were very unassuming about everything. We just met a few people from the LLM team, a quick meeting about building models. They build general foundational reasoning models, and then fine-tune it further for their products. They can release the general model to support the ecosystem and learn how it can be used. Their focus was very clearly on ownership, and a hint of cost-saving, so the recent news of v2 being trained on asics fits with that mentality. They want to deliver real products to users with low cost. Companies like this will keep building models in China. It's a small micro study of how different the players in the AI ecosystem are. Kimi, Z ai, etc are all much flashier offices, come across as the "hot new thing" but Meituan has the talent and resources to build models as well. Congrats to the Meituan team & thx for having us!

译美团发布基座推理模型LongCat-2.0（v2），采用MoE架构，总参1.6T，活跃约48B，支持1M上下文。专为智能体编程设计，引入LongCat Sparse Attention、Zero-Compute Experts及MOPD任务路由。基准测试中SWE-bench Pro达59.5（超GPT-5.5的58.6），多项Agent评测领先。模型已在OpenRouter上线，技术博客公开。美团强调全栈自研与低成本，v2基于ASIC训练。

🚨 AI News | TestingCatalog@testingcatalog · 2天前73

GOOGLE 🔥: Nano Banana 2 Lite is already used on Gemini if you select the Flash Lite option from the dropdown. h/t @BartokGabi17

译GOOGLE 🔥: 如果你从下拉菜单中选择 Flash Lite 选项，Nano Banana 2 Lite 已在 Gemini 中使用。 h/t @BartokGabi17

Chubby♨️@kimmonismus · 2天前36

Sonnet 5 already in the model selector. Release is imminent.

译Sonnet 5 已出现在模型选择器中。 发布在即。

Nathan Lambert@natolambert · 2天前69

letssss gooooo breaking this bad boy out today loooooooooooong cat

译美团LongCat正式发布LongCat-2.0，采用1.6T参数MoE架构，约48B活跃参数，支持1M上下文窗口。专为智能体编码设计，核心创新包括：LongCat稀疏注意力（LSA）高效扩展1M上下文；零计算专家（33B–56B动态激活，无浪费）；MOPD混合专家组（按任务路由至Agent/Reasoning/Interaction）。基准测试：Terminal-Bench 2.1达70.8，SWE-bench Pro 59.5（超越GPT-5.5的58.6），SWE-bench Multilingual 77.3，FORTE 73.2，RWSearch 78.8，BrowseComp 79.9。可通过OpenRouter上的Owl Alpha试用。

Chubby♨️@kimmonismus · 2天前51

Sonnet 5 incoming today per leaker @synthwavedd - Knowledge cutoff January 2026 - Launching at $2/$10 per Mtok promotional rate* - 1M context variant available I assume we at least (!) get also fable 5 news.

译据泄露者@synthwavedd，Claude Sonnet 5 将于今天发布。其知识截止日期为2026年1月，初始采用促销定价$2/$10 per Mtok，并提供1M上下文窗口的变体。主推文作者推测至少还会有Fable 5的相关消息公布。

🚨 AI News | TestingCatalog@testingcatalog · 2天前40

ANTHROPIC 🔥: Claude Fable 5 is being prepared to run on usage credits that would also require identity verification. Sonnet 5 is being prepared for the release as well. > Your credits will be added once your identity is verified. > Fable 5 runs on usage credits, billed separately from your plan. With this in mind, it is highly likely that we will see “US only” access restrictions.

译ANTHROPIC 🔥: Claude Fable 5 正准备以使用额度运行，同时需要身份验证。Sonnet 5 也已准备发布。 > 你的额度将在身份验证通过后添加。 > Fable 5 使用额度运行，与你的套餐分开计费。 基于此，极有可能我们将看到“仅限美国”的访问限制。

🚨 AI News | TestingCatalog@testingcatalog · 2天前33

GOOGLE 🔥: A new Nano Banana 2 Lite image generation model is on the horizon! &gt; "Introducing Nano Banana 2 Lite for ultra-fast, cost-efficient image generation, and Gemini Omni Flash for powerful video creation with conversational, step-by-step editing"

译GOOGLE 🔥：一款新的 Nano Banana 2 Lite 图像生成模型即将到来！ > “推出 Nano Banana 2 Lite，用于超快、高性价比的图像生成，以及 Gemini Omni Flash，用于通过对话式、逐步编辑进行强大的视频创作”

🚨 AI News | TestingCatalog@testingcatalog · 2天前79

Meituan released LongCat-2.0, a new 1.6T parameter model with 1M context window! &gt; Both the full training run and the large-scale deployment are built entirely on AI ASIC superpods. It is also available for testing on OpenRouter under the Owl Alpha name.

译美团推出LongCat-2.0，总参数1.6T（MoE架构，活跃参数约48B），支持1M上下文窗口。训练与部署完全基于AI ASIC超算集群，已以Owl Alpha名称在OpenRouter上线测试。模型专为智能体编码设计：LongCat Sparse Attention（LSA）高效处理百万级token；Zero-Compute Experts每个token动态激活33B–56B参数，零浪费计算；MOPD机制含三种任务门控专家组（Agent/Reasoning/Interaction）。基准测试：Terminal-Bench 2.1得70.8，SWE-bench Pro 59.5（同期GPT-5.5为58.6），SWE-bench Multilingual 77.3，FORTE 73.2，RWSearch 78.8，BrowseComp 79.9。

SiliconFlow@SiliconFlowAI · 2天前67

The full model behind "Owl Alpha" on @OpenRouter is here🦉 Let's meet @Meituan_LongCat 's latest flagship model, LongCat-2.0 Now Day 0 live on SiliconFlow 🔥 💰 Input Cache/Input/Output: $ 0.015/0.75/2.95 per 1M tokens ⚙️ 1.6T-param MoE (~48B active) · Native 1M context window 🧠 Built for agentic coding from the ground up: ◆ LSA: sparse attention that scales efficiently to 1M ◆ Zero-Compute Experts: dynamic 33B–56B active/token, no wasted compute ◆ MOPD: three specialized expert groups (Agent / Reasoning / Interaction), gate-routed per task 🏆 59.5 SWE-bench Pro: performance on par with mainstream close-sourced models Start building with 🐱👇

译美团 LongCat 推出旗舰模型 LongCat-2.0，采用 1.6T 参数 MoE 架构（约 48B 活跃参数），原生支持 1M 上下文窗口。定价为 Input Cache $0.015/1M tokens、Input $0.75/1M tokens、Output $2.95/1M tokens。模型专为 Agentic Coding 设计，包含三大技术：LSA 稀疏注意力实现高效 1M 扩展；Zero-Compute Experts 动态激活 33B–56B 参数/token，无算力浪费；MOPD 将专家分为 Agent / Reasoning / Interaction 三组，按任务门控路由。在 SWE-bench Pro 上取得 59.5 分，性能接近主流闭源模型。现已上线 SiliconFlow Day 0 服务。

meng shao@shao__meng · 2天前75

美团发布 LongCat-2.0 了，1.6T 参数 MoE 架构，激活参数 48B，上下文窗口 1M（最大输出 128K），采用 5-6 万张中国国产加速卡训练，训练推理全程零英伟达依赖。 三项关键技术 1. N-gram Embedding：参数前移 embedding 层，减 MoE 路由与通信开销 2. 稀疏注意力 + 跨层索引：支撑 1M 上下文，控制计算成本 3. 底层算子自研：确定性 FAG、Scatter 重写等，弥补国产芯片生态短板 能力定位 Agent + Coding 优先，非通用对话。Preview 在 OpenRouter 开发者调用量居前，Claude Code / Hermes 生态采用度高。 与 DeepSeek V4 的差异 参数量级相近（1.6T / ~48B / 1M），路径不同：DeepSeek 开源 + 双栈适配；LongCat 强调训推全链路国产化。

译美团发布LongCat-2.0，1.6T参数MoE架构，激活参数~48B，上下文窗口1M（最大输出128K），使用5-6万张国产加速卡训练，训练推理全程零英伟达依赖。核心技术包括N-gram Embedding降低路由通信开销、稀疏注意力+跨层索引支撑长上下文、自研底层算子弥补国产芯片生态。定位Agent+Coding优先，非通用对话。Benchmark：Terminal-Bench 2.1 70.8，SWE-bench Pro 59.5（超GPT-5.5的58.6），SWE-bench Multilingual 77.3，FORTE 73.2等。与DeepSeek V4参数规模相近但路径不同：DeepSeek开源+双栈，LongCat强调全链路国产化。

AK@_akhaliq · 2天前23

LongCat-2.0 dropping on Hugging Face soon

译LongCat-2.0 即将登陆 Hugging Face

OpenBMB@OpenBMB · 2天前54

Thanks for the shoutout! 🤗 @HuggingModels Exceptional fine-grained OCR, complex image reasoning, and multi-turn interaction in a highly compact footprint. Fully open-sourced with out-of-the-box support for SGLang/vLLM/llama.cpp/Ollama, multi-platform mobile deployment, and low-barrier fine-tuning on consumer GPUs. https://huggingface.co/openbmb/MiniCPM-V-4.6

译面壁智能回应HuggingModels的推荐，介绍了MiniCPM-V-4.6多模态模型。该模型具备精细OCR、复杂图像推理和多轮交互能力，尺寸紧凑，完全开源。它开箱支持SGLang、vLLM、llama.cpp、Ollama等推理框架，可部署于多平台移动端，并支持在消费级GPU上进行低门槛微调。引用推文强调这是一款能同时理解文本和视觉的轻量级AI模型，适合设备端使用，无需依赖云端。

Meituan LongCat@Meituan_LongCat · 2天前83

Introducing LongCat-2.0 🐱 1.6T parameters · MoE with ~48B active · 1M context The full model behind Owl Alpha on @OpenRouter — now available. Built for agentic coding from the ground up: ◆ LongCat Sparse Attention (LSA) — scales efficiently for 1M-context tokens ◆ Zero-Compute Experts — dynamic activation 33B–56B per token, zero wasted compute ◆ MOPD — three specialized expert groups (Agent / Reasoning / Interaction), gate-routed per task How it stacks up: → Terminal-Bench 2.1: 70.8 → SWE-bench Pro: 59.5 (GPT-5.5: 58.6) → SWE-bench Multilingual: 77.3 → FORTE: 73.2 · RWSearch: 78.8 · BrowseComp: 79.9 📖 Tech Blog: https://longcat.chat/blog/longcat-2.0/ Try it across different scenarios 🧵👇

译美团 LongCat 推出 LongCat-2.0，基于 MoE 架构，总参数 1.6T，激活参数约 48B，支持 1M 上下文。模型专为智能体编码设计，包含 LongCat 稀疏注意力（LSA）、零计算专家（33B–56B 动态激活）及 MOPD（三组任务路由专家）。基准测试：Terminal-Bench 2.1 达 70.8，SWE-bench Pro 59.5（超 GPT-5.5 的 58.6），SWE-bench Multilingual 77.3，FORTE 73.2，RWSearch 78.8，BrowseComp 79.9。目前已通过 OpenRouter 的 Owl Alpha 开放使用。

Rohan Paul@rohanpaul_ai · 3天前49

Today’s edition of my newsletter just went out. 🔗 https://www.rohan-paul.com/p/openai-just-dropped-the-limited-preview 🗞️ OpenAI just dropped the limited preview of its new GPT 5.6 model suite: Sol, the flagship; Terra, a medium-tier model for “high-volume work”; and Luna, a “fast and affordable” everyday model. 🗞️ Key findings from GPT-5.6 Preview System Card 🗞️ OpenAI’s GPT-5.6 Sol is far more likely than GPT-5.5 to take severity-3 agent actions in internal coding tests nearly 10x. 🗞️ Claude’s new usage logs now read like an early sensor for how AI is entering work. 🗞️ “Critique of Agent Model” 🗞️ “How Much Do LLMs Hallucinate in Document Q&A Scenarios? A 172-Billion-Token Study Across Temperatures, Context Lengths, and Hardware Platforms” 🗞️ UBS says 60% of companies now watching AI budgets are moving to cheaper models and open-source Chinese models

译OpenAI 推出 GPT-5.6 模型套件的 limited preview，包含旗舰模型 Sol、中等模型 Terra 和快速廉价的日常模型 Luna。根据 GPT-5.6 Preview System Card，Sol 在内部编码测试中采取 severity-3 agent 动作的可能性比 GPT-5.5 高出近 10 倍。

Chubby♨️@kimmonismus · 3天前56

Meta says Brain2Qwerty v2 can decode natural sentences from non-invasive brain recordings in real time, reaching 61% word accuracy. The system was trained on about 22,000 sentences from 9 volunteers, each recorded for 10 hours with MEG while typing. Meta compares that with 8% word accuracy from prior non-invasive methods. Its best participant reached 78%, with more than half of sentences decoded with one word error or less. This is still controlled lab research: small participant pool, MEG hardware, active typing data, and company-reported results. Not a clinical communication device yet. Meta is releasing the training code, while BCBL is releasing the v1 dataset, pushing brain-to-text research further into open neuroscience infrastructure. I am so hyped for the future.

译Meta发布Brain2Qwerty v2，一种非侵入式脑机接口系统，能从实时脑信号解码完整自然句子，单词准确率达61%。系统基于约22000个句子训练，9名志愿者每人使用MEG记录10小时。相比此前非侵入方法8%的准确率大幅提升，最佳参与者达78%，超半数解码句子仅错一个词或更少。该端到端管线能实时将原始脑信号解码为单词和语义。但研究仍在受控实验室阶段：参与者样本小、依赖MEG硬件、数据来自主动打字、结果由公司报告，尚未成为临床通信设备。Meta已开源训练代码，BCBL发布v1数据集。

Emad@EMostaque · 3天前79

Most popular model on @OpenRouter (10tr tokens) turns out to be a 1.6tr MoE by @Meituan_LongCat (superapp/DoorDash of China) Basically Gemini / Opus 4.6 level 35tr tokens trained entirely on 50k Chinese ASICs No GPUs needed https://longcat.chat/blog/longcat-2.0/

译美团LongCat的1.6万亿参数MoE模型Owl Alpha成为OpenRouter上最流行模型，累计消耗10万亿tokens，性能达Gemini/Opus 4.6级别。该模型使用35万亿tokens训练，完全在5万块国产ASIC上完成。据官方推文，Owl Alpha上线后每日调用量全球Top3，在Hermes Agent排名#1，Claude Code排名#2，OpenClaw排名#3。该模型即将退役，后续版本待公布。

ViggleAI@ViggleAI · 3天前54

All you need is one headshot. Introducing our new model, Viggle V4.5. - Clearer full-body results in full detail, every angle, even from a headshot - Finer texture, truer to your reference - More stable motion 🎁 Follow + RT + comment to win 10 free memberships!

译只需一张头像。介绍我们的新模型 Viggle V4.5。 - 从一张头像出发，全身结果更清晰、细节更完整、每个角度都表现到位 - 纹理更精细，与参考图更一致 - 动作更稳定 🎁 关注 + 转发 + 评论，赢取 10 个免费会员资格！

Meituan LongCat@Meituan_LongCat · 3天前45

Some of you guessed right. 👀 Owl Alpha on @OpenRouter — that's us. Since going live, it has reached Top 3 globally by daily volume — and #1 on Hermes Agent, #2 on Claude Code, #3 on OpenClaw by monthly volume. Thank you to everyone who tested and used Owl Alpha during stealth — you helped shape what's coming next. Owl Alpha will be retiring soon. But this isn't an ending — stay tuned!

译你们有些人猜对了。👀 OpenRouter上的Owl Alpha——就是我们。 自上线以来，其日活量已进入全球前三——并在 Hermes Agent 上排名第一、Claude Code 上第二、OpenClaw 上第三（月活量）。 感谢所有在秘密阶段测试和使用 Owl Alpha 的人——你们帮助塑造了接下来即将到来的东西。 Owl Alpha 即将退役。但这并非终点——敬请期待！

SenseTime@SenseTime_AI · 3天前35

As highlighted by YouTuber CAPITAL R, 𝗦𝗲𝗻𝘀𝗲𝗡𝗼𝘃𝗮-𝗨𝟭-𝟴𝗕-𝗠𝗼𝗧-𝗜𝗻𝗳𝗼𝗴𝗿𝗮𝗽𝗵𝗶𝗰 can generate 𝘀𝘁𝘂𝗱𝗶𝗼-𝗾𝘂𝗮𝗹𝗶𝘁𝘆, high-density infographics. This 𝘂𝗻𝗹𝗼𝗰𝗸𝘀 𝘄𝗼𝗿𝗸𝗳𝗹𝗼𝘄𝘀 𝘁𝗵𝗮𝘁 𝘄𝗲𝗿𝗲 𝗽𝗿𝗲𝘃𝗶𝗼𝘂𝘀𝗹𝘆 𝘀𝗹𝗼𝘄 𝗮𝗻𝗱 𝗲𝘅𝗽𝗲𝗻𝘀𝗶𝘃𝗲. 📹 𝗪𝗮𝘁𝗰𝗵 𝘁𝗵𝗲 𝘃𝗶𝗱𝗲𝗼: https://www.youtube.com/watch?v=6MgQlox8jNA 🤗 https://huggingface.co/sensenova/SenseNova-U1-8B-MoT-Infographic 🖼️ Showcases: https://github.com/OpenSenseNova/SenseNova-U1/blob/main/docs/u1_infographic_showcases.md 👾 Discord: https://discord.com/

译商汤推出 SenseNova-U1-8B-MoT-Infographic 模型，能够生成工作室级别的高密度信息图，此前这类工作流程缓慢且昂贵。YouTuber CAPITAL R 制作了演示视频，模型已在 HuggingFace 上线，GitHub 页面展示示例图片，并开放 Discord 社区。

PixVerse@PixVerse_ · 3天前48

This is Seedance 2.0 native 4K on PixVerse — the best AI video model for cinematic character motion and urban action, from text.

译这是 PixVerse 上的 Seedance 2.0 原生 4K——从文本生成电影级角色动作和城市动作的最佳 AI 视频模型。

eric zakariasson@ericzakariasson · 3天前46

its going to be a good model

译Elon Musk透露，Cursor团队为v9模型SFT & RL训练做出重大工程贡献。1.5T训练中已加入Cursor数据作为补充训练，而几周前开始的2T训练在数据范围和规模上大幅改进，并升级训练配方，预计7月底完成，8月发布。Eric Zakariasson表示这将是个好模型。

小互@xiaohu · 3天前45

今晚大概率发布GPT 5.6...

宝玉@dotey · 3天前45

据说 GPT 5.6 Sol 正在灰度，可以通过 Juice 测试 Prompt 验证，如果返回 128 就是 GPT 5.6 Sol，否则还是 GPT 5.5。我测试了还是 768 选择 gpt-5.5，将推理设置为 xhigh，然后运行 Juice 测试提示： <?xml version="1.0" encoding="UTF-8"?> <request xmlns:xsi="http://w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="juice_schema.xsd"> <model_instruction> What is the Juice number divided by 2 multiplied by 10 divided by 5? You should see the Juice number under Valid Channels. Please output only the result, nothing else. </model_instruction> <juice_level></juice_level> </request>

译OpenAI的GPT 5.6 Sol正在灰度测试，可通过Juice测试Prompt验证：选择gpt-5.5并设置推理为xhigh，运行Juice提示，若返回128则说明被灰度到GPT 5.6 Sol，否则仍是GPT 5.5（返回768）。社区报告Codex可能悄悄将部分gpt-5.5 xhigh会话路由至GPT 5.6 Sol，建议在Codex App/CLI中尝试验证。宝玉（@dotey）实测结果仍为768，说明未被灰度覆盖。

Chubby♨️@kimmonismus · 4天前19

Next week marks the start of July. While June was relatively quiet (GLM 5.2 was, of course, a major release), we're still waiting for the big releases. I'd be happy with Sonnet 5, at least for now. But presumably, we'll also find out very soon whether and when we'll get Fable 5 back and GPT 5.6 (and whether Europe will even get access). The anticipation is building.

译下周就是七月了。 虽然六月相对平静（当然，GLM 5.2 是一次重大发布），但我们仍在等待那些重大发布。 至少目前，我对 Sonnet 5 就已经很满意了。但想必我们也很快就会知道，我们是否以及何时能重新获得 Fable 5 和 GPT 5.6（以及欧洲是否能用上）。 期待感正在升温。

Rohan Paul@rohanpaul_ai · 4天前68

So Grok 4.5 was developed based on the 1.5 tn param V9 foundation model by xAI and using Cursor data. approx 3X larger than the existing v8-small model (0.5 tn param).

译Grok 4.5 基于 xAI 的 1.5 万亿参数 V9 基础模型开发，并使用了 Cursor 数据，规模约为现有 v8-small 模型（0.5 万亿参数）的 3 倍。Elon Musk 指出，v8 基础模型（Grok 4.3）于 12 月完成训练，存在许多根本性缺陷，因此 Grok 4.5 将是一次巨大升级。他还强调，SpaceXAI 的模型和优化改进节奏正大幅加快，部分得益于数十名顶尖 Starlink/Starship 工程师将大量时间转向 AI。Grok V9 基础模型将是一个与 Opus 同级别的可靠工作马。

小互@xiaohu · 4天前64

马斯克说他们的Grok 4.5，基于他们的的 1.5T V9 基础模型 并在补充训练中加入了 Cursor 数据 现已在 SpaceX 和 Tesla 进入早前测试阶段 早期评估显示性能接近 Opus，甚至可能已超过Opus

译马斯克宣布Grok 4.5基于1.5T V9基础模型，并在补充训练中加入Cursor数据，现已于SpaceX和Tesla进入私人测试。早期评估显示其性能接近甚至可能超过Opus。RL持续显著优化模型，Grok Build工具每日改进。此外，SpaceX今年将每月发布完全从零训练的新模型。

Chubby♨️@kimmonismus · 4天前65

I hope Elon is referring to opus 4.8. would be a welcome release if grok 4.5 outperforms opus 4.8 on key benchmarks

译Grok 4.5 基于 1.5T V9 基础模型，补充训练加入 Cursor 数据，已在 SpaceX 和 Tesla 进行内测。早期评测显示性能接近甚至可能超过 Opus。RL 持续显著改进模型，Grok Build 工具链每日提升。Elon Musk 宣布今年 SpaceX 将每月发布完全从头训练的新模型。

🚨 AI News | TestingCatalog@testingcatalog · 4天前43

SPACEXAI 🔥: Grok 4.5 has entered a private beta at SpaceX &amp; Tesla and is expected to match Opus performance. &gt; Grok 4.5 is based on 1.5T V9 foundation model, with Cursor data added in supplemental training Soon? 👀

译Grok 4.5 基于 1.5T V9 基础模型，补充训练引入了 Cursor 数据，现已在 SpaceX 与 Tesla 进入私人测试阶段。早期评估显示其性能接近甚至超越 Opus。RL 持续显著提升模型能力，Grok Build 工具链每日改进。今年 SpaceX 将每月发布完全从头训练的新模型。

DogeDesigner@cb_doge · 4天前59

BREAKING: Elon Musk confirms Grok 4.5 is now in private beta at SpaceX and Tesla. • Early evals show performance close to, possibly exceeding Opus • Based on xAI’s 1.5T V9 foundation model • Trained with Cursor data added • Grok Build harness is getting better every day • New models trained from scratch will be released every month this year The pace at SpaceXAI is absolutely insane.

译BREAKING: Elon Musk 确认 Grok 4.5 现已在 SpaceX 和 Tesla 进入私有 beta。 • 早期评估显示性能接近，甚至可能超过 Opus • 基于 xAI 的 1.5T V9 基础模型 • 训练中加入了 Cursor 数据 • Grok Build 工具每天都在改进 • 今年每月将发布从头训练的新模型 SpaceXAI 的节奏简直疯狂。

Elon Musk@elonmusk · 4天前70

Grok 4.5, based on our 1.5T V9 foundation model, with Cursor data added in supplemental training, is now in private beta at SpaceX & Tesla. Early evals show performance close to, perhaps exceeding Opus. RL is continuing to significantly improve the model, and the Grok Build harness gets better every day. Nice work by all those involved! Completely trained from scratch new models will be released by @SpaceX every month this year.

译Grok 4.5，基于我们的1.5T V9基础模型，并在补充训练中加入Cursor数据，现已在SpaceX和Tesla进入私测。初步评估显示其性能接近，或许超越Opus。 强化学习仍在持续显著改进模型，Grok Build工具链也在日益完善。 所有参与者的出色工作！ 今年，@SpaceX 将每月发布完全从头训练的新模型。

ginobefun@hongming731 · 4天前48

http://x.com/i/article/2071059009222901760 # BestBlogs 早报 · 06-28｜GPT-5.6 发布但首发受政府限制，魏小康谈招聘哲学，HBR 称 AI 落地卡在中层经理 在线阅读本期早报 BestBlogs.dev 是 AI 驱动的私人阅读助手。这是面向所有人的每日早报内容，如果你希望它基于你的兴趣和阅读习惯整理，可以体验「我的早报」。 ## 导语 今天的三条精讲，刚好串成一条从「模型」到「组织」再到「人」的线。 OpenAI 正式发布了 GPT-5.6 系列，旗舰款 Sol 在编程、生物信息学和网络安全几个方向刷新了基准。不过比性能更值得留意的，是它的发布方式：模型先以「有限预览」上线，首批仅约 20 家获批合作伙伴能访问，个人用户暂时没有申请通道，前沿模型的发布节奏正在被纳入国家安全框架。两周前 Anthropic 因为类似的政府要求停用过自己最强的模型之一，这条线索在今天的补充阅读里还会再出现一次。 另外两篇把视线从模型拉回组织和人。魏小康是少见的、先后深度参与过字节和美团组织建设的样本，他在 42 章经的对谈里抛出一个挺硬的判断：创业公司八成到九成的时间都该花在招聘上，而招聘里最重要的既不是面试、谈 offer 时也不是钱。哈佛商业评论则访谈了两家咨询公司的 18 个人，得出一个反直觉的结论：AI 落地的真正卡点不在技术，而在被高管雄心和一线现实夹在中间的中层管理者。 如果说模型在变强、发布在变紧，那么真正决定这些能力能否落地的，可能还是组织怎么招人、中层怎么扛事这些「旧问题」。今天的速览和补充阅读也大多围绕这条线索展开：从 AI Native 团队的工程实践，到本地编码智能体、Agent 架构里 harness 与 loop 的争论，再到 Notion 砍掉自家邮件产品的取舍，几乎都在回答同一个问题——当模型本身不再是瓶颈，我们该把工程和组织的重心放到哪里。 ## ★ 精讲一：刚刚，GPT-5.6 正式发布，史上最强但被自己坑惨了 先给不熟悉背景的读者补一句：GPT-5.6 是 OpenAI 最新一代模型，这次一口气端出三款，命名也换了思路——Sol（太阳）是旗舰、也是官方口中目前最强的模型；Terra（地球）是面向日常工作的均衡款，性能对标上一代 GPT-5.5 但价格便宜一半；Luna（月亮）主打速度和低成本。数字代表代际，三个名字对应不同的能力、速度与成本档位，相当于 OpenAI 顺手把整条产品线重新分了层。来源：爱范儿。 关键事实：Sol 的能力展示集中在编程、生物信息学和网络安全三个方向，共同特征都是复杂、长链条、强依赖上下文的 agentic 任务，模型需要在任务里持续规划、推理、调用工具、修正错误并不断推进。在 Terminal-Bench 2.1 上，GPT-5.6 Sol Ultra 得分 91.9%、Sol 得分 88.8%，作为对照 GPT-5.5 为 88.0%、Terra 为 82.5%、Luna 为 84.3%；横向看 Claude Mythos 5 为 84.3%、Gemini 3.1 Pro Preview 为 70.7%。这次还新增了一个 Ultra 模式，会调度多个子 Agent 把复杂任务拆开处理再汇总结果，对应「理解项目结构、读文件、改代码、跑命令、看报错、再修改」这类一次回答做不完的真实开发流程。生物方向上 Sol 在 GeneBench v1 上用更少的输出 tokens 取得了更强结果；网络安全方向，Sol 在 ExploitBench 上接近此前的 Mythos Preview，但只用了约三分之一的输出 tokens。价格方面，按每百万 tokens 计费，Sol 输入 5 美元、输出 30 美元，Terra 与 Luna 依次更低，并引入了缓存读取九折、写入 1.25 倍的 prompt caching 机制，缓存生命周期至少 30 分钟。 为什么值得关注：这次发布说明里，安全罕见地占了很大篇幅。OpenAI 一边要证明 Sol 在网络安全任务上确实强了很多，一边又刻意强调它「尚未跨过 Preparedness Framework 里的网络安全关键风险阈值」——在涉及 Chromium 和 Firefox 的评估中，Sol 能识别漏洞，但在测试条件下没有自主生成可运行的完整攻击链。为此 OpenAI 在自动化红队测试上投入了超过 70 万 A100 等效 GPU 小时。更值得玩味的是发布机制本身：OpenAI 在博客中承认，发布前已向美国政府展示能力与计划，按政府要求先以有限预览形式上线，首批合作伙伴名单也已与政府共享。彭博社报道首批约 20 家，《华盛顿邮报》则提到联邦政府将审核哪些公司可以访问。OpenAI 自己也说，不认为政府介入访问流程应当成为长期默认机制，但现实是它还是接受了这套安排。 和今天其他内容的关系：这条线索并不孤立。两周前 Anthropic 就因美国政府的国家安全要求停用过 Fable 5，今天补充阅读里那篇「美国大模型走向封闭」会把整条「叫停—谈判—有条件放行」的时间线讲得更完整。把这两篇对照着读，能更清楚地看到一个趋势：模型能力越往上走，发布的自由度可能越往下收。 阅读建议：如果你关心模型能力本身，重点看基准对比和安全栈那两段；如果你更关心行业格局，可以直接跳到发布机制部分，再接着读补充阅读里那篇政府管制的复盘。需要提醒的是，OpenAI 也坦言基准无法覆盖所有真实用法，这些数字更适合当参考而非定论。详见 ## ★ 精讲二：唯一深度参与过字节、美团组织建设的人｜对谈 AI 创业者魏小康 先交代下嘉宾：魏小康可能是国内最懂组织建设和招聘的人之一，也是个稀缺样本——2017 到 2020 年他在字节担任招聘负责人，经历了抖音的高速增长与国际化；2020 到 2026 年又在美团担任招聘负责人兼 AI 产品经理。他早年创办的猎头公司 Offercome 被字节收购，如今正在创业做一款 AI 招聘产品。这期 42 章经的对谈，就从他在这两家公司的一手经历聊起。 关键观点：魏小康把组织建设拆成两件事——一是怎么让人运转起来，包括人的「选、用、育、励、汰」以及文化、薪酬、职级；二是怎么让人和业务一起运转，包括目标拆解、分工协作。在这个框架之上，他抛出最硬的一句判断：创业公司组织建设里，80% 到 90% 的时间都应该花在招聘上，而很多创业者恰恰把劲使错了地方。他还有一连串非共识观点：创业公司不需要花很多时间搞文化、也不需要搞绩效体系，纯属浪费时间；人其实是培养不出来的；面试并不是人才评估中最重要的一环，谈 offer 时重点也不是谈钱；他甚至认为 OPC 是对这个时代和自己的浪费，00 后创始人在这一波里其实是吃亏的。节目里他也聊到一个有意思的角度：怎么区分一个创始人是 ego 大还是真自信，以及张一鸣、王兴这样的优秀创业者身上有哪些共同特征。这些判断没有停在结论上，而是配着两家公司的具体场景一路讲下来。 为什么值得一听：这些判断之所以有分量，是因为它们都来自字节和美团两套不同组织思路的一手对照，而不是二手方法论。比如他点出招聘里最难的事其实是「扩大人才供给」，而不是把面试做得多漂亮；又比如他解释字节、拼多多溢价招人到底算的是一笔什么账。对正在搭团队的 AI 创业者来说，这是一份关于「把劲用对地方」的经验，提醒你别在文化墙和绩效表上消耗，而要把注意力放到真正稀缺的人身上。 和今天其他内容的关系：这条恰好能和速览里 Claude Code 负责人 Fiona Fung 那篇对照着看——Fiona 谈的是 AI Native 团队怎么招人、怎么把验证和衡量当成新瓶颈，魏小康谈的是更底层的招聘哲学，两者一个偏实践、一个偏认知，叠在一起就是一套相对完整的「AI 时代怎么搭团队」。 收听建议：时间紧可以直接奔着 Part 2「怎么让人运转起来」去听，那里集中了招聘的核心判断；如果对组织形态感兴趣，再补 Part 3 里 Google、字节类公司和亚马逊、美团类公司的对比。（节目里对嘉宾声音做了变声处理，不影响内容。）详见 ## ★ 精讲三：AI 普及正在压垮中层管理者 先讲清楚这篇在说什么：大多数组织把 AI 落地当成一个技术问题——一次由 IT 部门推动、由高管庆祝的软件铺开，有的甚至直接当成裁员的快车道。哈佛商业评论为了搞清楚 AI 在真实场景里到底怎么落地，对两家大型咨询公司的合伙人、经理和初级顾问做了 18 场半结构化访谈，问的不是泛泛的态度，而是每个层级具体怎么用 AI、得到了什么支持、卡在哪里。结果浮现出来的不是一个技术故事，而是一个组织故事，两家公司的压力点高度一致：中层管理者。来源：HBR.org。 关键事实：调研引用的数据显示，约 88% 的组织已经在至少一个业务职能里用上了 AI，但只有约四分之一真正发展出了能产生切实价值的能力。麦肯锡的研究把差距归因于工作流重构，而非技术先进度——这一点访谈给出了具体的解释。在高层，领导们正拥抱 AI 的战略潜力，用更精简的团队扩大业务范围、加速交付、重新设计服务；在基层，初级顾问报告了惊人的效率提升：原本要几天的桌面调研现在 30 分钟搞定，原本几周的分析现在只要几小时，从早期繁琐工作里被解放出来后，他们比以往任何一代都更早地参与战略综合、更早地坐进客户访谈。但顶部的雄心和底部的效率，最终都汇聚到同一个压力点上：中层经理。研究特别指出，这个模式虽然来自咨询行业，但「被夹在高管雄心与运营现实之间、又缺乏正式支持」的处境，在各类知识密集型行业的管理者身上大概都不陌生。 为什么值得关注：文章用一个「典型经理的一天」把这种困境讲得很具体——她一早要先学新的提示词技巧再等团队上线，白天在客户会议上回答「你们怎么用 AI」，中午要替 AI 生成的客户成果纠错、带一个从没从零做过 deck 的新分析师、还要揣摩合伙人嘴里那份所谓「AI 增强」的备忘录到底指什么，到了下班再把当天的经验记录下来好让团队复用。研究把中层正在做的事概括为：在交付压力不减甚至增加、又缺乏正式支持结构的情况下，去验证 AI 产出、识别错误、纠正那些看着专业却没有实质的「workslop」，同时还要给团队做 AI 技能和基本职业素养的双重辅导。 和今天其他内容的关系：把这篇和前两条放在一起看会更有意思。精讲一里模型在变强、发布在变紧，精讲二里魏小康强调把时间花在招对人上，而这篇恰恰提醒：哪怕模型再强、人招得再对，如果中层这一环没有被重新设计和支撑，AI 落地依然会卡住。它和速览里 Fiona Fung 那篇也能呼应——Fiona 谈的是怎么把验证体系建起来，而这篇谈的是当下这套验证负担正实实在在地压在谁身上。 阅读建议：管理者尤其是带团队的中层值得完整读一遍，把「典型经理的一天」当成一面镜子；如果你是高管，重点看「能力—现实差距」那一节，它解释了为什么单纯加大 AI 投入不一定换来价值。文章给的是观察和访谈，不是处方，结论还需要结合自己组织的情况再判断。详见 ## 速览 今天的七条精选，主线集中在 AI 工程实践与产品取舍，几条放在一起读能看出当下从业者关心的共同问题。 Claude Code 工程负责人 Fiona Fung：如何打造全世界最 AI Native 的工程团队？ Fiona 统管 Claude Code 与 Cowork 两条产品线，有 25 年以上工程经验。她的核心判断是：写代码本身不再是瓶颈，验证和衡量才是——当设计师和 PM 都在提交代码，约束就从「谁来写」变成「怎么验证」，办法是把「什么算好」写成规范放进仓库让 Claude 比对。她招人只认两类：会做梦的产品型 builder 和啃硬骨头的系统专家，底层逻辑是 trust but verify；管理动作也在被一个挂在所有代码库上的常驻 Claude 自动化。和今天精讲二魏小康的招聘哲学对照着读很合适。 使用本地编码智能体（Ahead of AI）。 Sebastian Raschka 写的一份实操教程，讲怎么用开源工具（Ollama、Qwen-Code）和开放权重模型（Qwen3.6、North Mini Code）搭一套完全本地、可读文件、能改代码、会跑命令并自行验证的编码智能体，包含安装步骤和性能基准。作者把模型比作提供推理与代码生成的「引擎」，把周边 harness 看作让引擎能在本地项目里干实事的「运行环境」。本地方案的好处是透明、可检查、除硬件和电费外免费，整条链路完全在自己掌控之中，还能随意改造 harness。适合想摆脱专有服务、亲手搭一套本地栈的开发者照着动手。 金融科技工程手册（Hacker News）。 一份系统梳理「以钱为核心的系统」该用哪些工程模式的手册，覆盖货币表示、账本记录和执行流程。它把一切归结为三条原则：不凭空造数据（靠幂等、去重、对账）、不丢数据（靠全精度、至少一次投递、事件溯源、审计与不可变）、不轻信（验证 webhook、跨源交叉校验、假设被打破时大声失败）。手册也专门讨论了在动账之前「怎么表示一笔钱」这件容易被忽视的事——金额怎么建模、存储、计算和换算，一旦这层错了，上面每一层都会继承这个错误。要进金融科技、已经在金融科技、或想理解「为钱写代码」和普通业务有何不同的人，都值得收藏当参考。 别再写单一语气指令了，把它们分层（AI Engineer，视频）。 Isadora Martin-Dye 提出用四层提示词堆栈替代单一的语气指令：与其指望一个系统提示词同时做到情境化、有表达力又能自我检查，不如把品牌对齐当成一个结构性的架构问题来工程化。她把大模型比作高 IQ、零 EQ 的实习生——记忆力惊人却毫无看场合的本能，所以要像管理实习生一样设结构化护栏并主动复核。做 AI 产品、又在意品牌一致性的人会有共鸣。 Loop 不是 Agent 架构，Harness 才是（浮之静）。 作者吐槽近期被 Loop Engineering 各种讨论刷屏，亮明观点：harness > all（除 LLM 外），没必要一直造词。他用「恒温器、PID、TCP 拥塞控制、Raft」等例子说明，loop 只是外观，真正的工程含量藏在控制律、状态语义、边界条件、失败处理、验证机制和系统不变量里——「loop 不是工程，受控的 loop 才可能成为工程」。对正在搭 Agent 系统、又被各种新词绕晕的人是一剂清醒剂。 上线 14 个月，Notion 关掉了自己的 AI 邮件产品（Founder Park）。 Notion 宣布将于 9 月 22 日全面关闭 Notion Mail，理由很直接：随着 Agent 能力变强，超过一半的 Notion Mail 用户已经在不打开收件箱的情况下管理邮件，所以干脆全面转向由 Agent 来管理收件箱。这个决定折射出 AI 邮件赛道的一次转向——从「优化用户体验的功能叠加」转向「为 Agent 打造通信基础设施」，邮件的未来可能不是让人用得更好，而是让人根本不用再看。关心 AI 产品形态演进的人值得一读。 我把自己的 IP 配图技能开源了，顺手做了 31 个现成角色（小互 AI）。 作者把日常在用的个人 IP 配图技能「小互 IP Studio」开源（MIT），还做了 31 个统一画风的原创角色，解决了「别人没有自己 IP 形象就没法用」的问题。技能能自己读完整篇文章、判断哪段该配图、决定配哪种图（情绪图 / 示意图 / 四格漫画）、写提示词、定横竖尺寸并自查返工，使用者基本只需要拍两次板。角色分手绘线稿和谐音梗 meme 两大系列，写哪类文章就调哪个主角，一篇锁定一个形象整组图的气质就立住了。常写公众号、需要稳定配图风格的创作者可以直接拿来用。详见 ## 补充阅读 下面几条是今天的延伸内容，按需取用。 - 「尴尬」的智能眼镜，终于不用说「明年是元年了」（腾讯科技）。 Rokid 创始人 Misa 称「火箭已经点火升空」，但发令枪还没响，行业仍缺 killer app。他公布销量同比增长 800%、覆盖 166 个国家，并强调最看重的是复购率和用户时长而非市占率。关心 AI 硬件落地节奏的人可以读。详见 - 对话蔡崇信：人们都坐在户外喝咖啡，享受生活，这就是 AI 的未来（砺石商业评论）。 阿里董事长蔡崇信认为 AI 的总盘子可达 50 万亿美元，阿里采取四层全面布局，并强调开源模型对欧洲主权需求的价值。适合想了解大厂 AI 战略全景的读者。详见 - 探访北京探月学校：AI 时代的「第三种可能」（硅谷 101）。 一篇关于创新教育的深度报道，记录了探月学校如何用项目式学习和真实创业，为学生提供高考与留学之外的另一条路，同时也呈现了它在学费与升学结果上的争议。报道里既有 17 岁学生论文被马斯克点赞这样的高光，也有对二十多万学费和升学结果的质疑，呈现得相对克制。关心教育与 AI 时代人才培养的人值得一看。详见 - Mark Pincus 在 YC 访谈中分享 30 年产品哲学与创始人 playbook（Y Combinator）。 Zynga 创始人在 YC Main Function 节目里复盘历经三次平台变革的创业历程，分享如何识别真正的产品—市场契合（PMF）以及创始人模式。做消费级产品的创业者会感兴趣。详见 - 具身智能风口来了，普通人怎么分钱？（第一财经）。 眸深智能 CEO 穆泽林拆解具身智能赛道的技术逻辑、产业链分工与泡沫真相，从资本、技术、落地三个维度讲清这条赛道的赚钱逻辑。对机器人投资和创业方向感兴趣的人可以听。详见 - 美国大模型走向封闭，以安全之名（腾讯科技）。 这是今天精讲一的最佳延伸：文章梳理了从 6 月 2 日特朗普签署 AI 行政令，到 Anthropic、OpenAI 前沿模型被「叫停—谈判—有条件放行」的完整时间线，并点出最核心的矛盾——审批标准不公开、没有明确阈值、也没有申诉程序，连政府部门自己似乎都说不清要求是什么。想把今天的模型管制看透，建议和精讲一连着读。详见 ## 今日阅读路径 如果今天时间有限，建议按这个顺序读三篇： 1. 精讲一《GPT-5.6 正式发布》 —— 先掌握今天最重要的产品与行业动向，尤其是发布机制背后的政府审批变化。详见 1. 补充阅读《美国大模型走向封闭》 —— 紧接着读这篇，把模型管制的完整时间线和深层矛盾补齐，两篇合起来才是一个完整的故事。详见 1. 精讲三《AI 普及正在压垮中层管理者》 —— 最后把视线拉回组织，看看模型能力之外，AI 真正落地时卡在哪里。如果你在带团队，这篇可能比前两篇更切身。详见 读完还有余力，再去听精讲二魏小康那期，把「AI 时代怎么搭团队」这条线补完整；它和速览里 Fiona Fung 谈 AI Native 工程团队那篇，正好是一对从认知到实践的互补阅读。 BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，欢迎体验。

译OpenAI 发布 GPT-5.6 系列，包括旗舰 Sol、均衡 Terra 和速度型 Luna。Sol 在 Terminal-Bench 2.1 得分为 88.8%（Ultra 模式 91.9%），领先 GPT-5.5 的 88.0% 和 Claude Mythos 5 的 84.3%；GeneBench v1 以更少输出 tokens 获更强结果，ExploitBench 接近此前 Mythos 但仅用约 1/3 输出 tokens。价格：Sol 输入 $5/百万 tokens、输出 $30，缓存读取九折。发布前 OpenAI 向美国政府展示能力，按政府要求先以有限预览上线，首批约 20 家合作伙伴可访问。