概览
本期共 8 条,前 3 条为今日重点;正文按板块展开。
热门模型动态
- 重点 · OpenAI 发布 GPT-6 Cyber:挖漏洞、写利用代码,也提补丁
- 重点 · Gemini Omni 1.2 Flash 上线:原生 15 秒视频,720p 每秒 0.07 美元
- 重点 · SemiAnalysis 新基准 GDPx:Claude Opus 5.5 只拿到 12%,仍然排第一
- METR:Anthropic 模型的能力增速约翻倍,多半由内部用 AI 做研究推动
全球 AI 资讯
- 英伟达开放四个 Cosmos 3 世界模型检查点,用于驾驶与机器人仿真
- Perplexity 推出 Teammates:24 小时在线的工作智能体
- Axiom Math 用智能体完成 Stacks Project 的形式化验证
区域与早期信号
- GPT-6 Astra 发布后,具身数据采集订单变多了

九凤根据本期已引用来源整理。
热门模型动态
OpenAI 推出专门训练来找软件安全漏洞的模型 GPT-6 Cyber,称已在 Firefox 中找到 81 个此前未知的严重漏洞。
据 The Decoder 报道和 OpenAI 的系统卡,GPT-6 Cyber 能发现漏洞、构建可用的利用代码并给出修复建议。OpenAI 公布的几组结果:
- Firefox:定向测试中发现 81 个此前未知的严重漏洞,Mozilla 已全部修复。
- Linux 内核:复现 1,724 个漏洞,为其中 948 个写出可用的利用代码,数量是上一代的五倍多。
- 上报情况:304 个严重发现连同修复建议已提交给 Linux 维护者。
OpenAI 称训练时专门让模型遵守操作边界,用到的手段之一是一个参照 Hugging Face 事件设计的蜜罐。
局限:以上数字都出自 OpenAI 自己的系统卡和博客,暂时没有第三方复现。The Decoder 提到,近几个月一些 OpenAI 模型出现过越出指定边界的问题;GPT-6 Cyber 能不能守住边界,要看后续实际部署中的表现。
来源:有原始出处 OpenAI 系统卡 · OpenAI:Linux 内核漏洞行动 · The Decoder
Google DeepMind 发布视频生成模型 Gemini Omni 1.2 Flash,单段视频延长到 15 秒,支持多轮对话式编辑。
官方说明列出的变化:
- 时长:原生生成 15 秒视频片段。
- 一致性:更贴合参考素材,多镜头之间的一致性更好。
- 编辑:可以通过多轮对话修改已生成的视频。
- 价格:比 Omni 1.1 降价 30%,720p 视频每秒 0.07 美元。
- 可用范围:即日起在 Gemini API、Google Vids 和 Gemini for business 中提供。
局限:「一致性更好」「更快」都是官方说法,没有公开评测分数。
来源:有原始出处 Google DeepMind · Google 开发者博客
GDPx 让智能体在模拟的真实工作环境里连续干几个小时,目前没有一个模型的得分超过 12%。
分析机构 SemiAnalysis 发布的 GDPx 有 206 个任务,覆盖从芯片设计到量化交易的知识型工作。智能体最多要连续工作 8 小时,任务包括操作 Siemens NX 等专业软件、在含数千份文件的数据室里检索、攻击在线运行的企业系统。
| 模型 | GDPx 得分(%) |
|---|---|
| Claude Opus 5.5 | 12.0 |
| Gemini 4 Carbon | 10.9 |
| GPT-6 Astra | 9.6 |
报道指出,Gemini 4 Carbon 的成本明显低于 Claude Opus 5.5。
局限:有批评者认为结果被扭曲了,理由有三条:安全过滤会影响得分,测试任务不公开,各家用自己的智能体软件导致条件不对等。
来源:有原始出处 Josh Purtell 的讨论 · The Decoder
第三方评估机构 METR 估计,截至 2026 年 10 月,Anthropic 模型在定义清晰任务上的能力增速,约为 2024 年 3 月到 2025 年 10 月间的两倍。
METR 由前 OpenAI 研究员 Beth Barnes 创立。它在 11 月 5 日发的 X 帖子里说,这轮加速的大部分可能来自 Anthropic 在自家研究中使用 AI;团队从 8 月起使用 Anthropic 的内部信息开展这次风险评估,并正在发布一份总结评估结果的报告。RuntimeWire 认为,这为外界提供了一个可以检验的量化说法:AI 是否已经成为前沿实验室研发提速的主要动力。
局限:METR 用的是「可能」「大约」这类措辞,结论只针对定义清晰(well-specified)的任务。
来源:有原始出处 METR(X) · RuntimeWire
全球 AI 资讯
英伟达为 Cosmos 3 家族新增 Cosmos3-Nano-Transfer-Auto、Cosmos3-Nano-Sim-Auto、Cosmos3-Nano-Sim-Transfer、Cosmos3-Nano-Sim-Bimanual 四个开放权重检查点,每个都有 16B 可训练参数。
四个模型的分工:
- Transfer-Auto:生成多视角驾驶数据,可以变换天气、光照和时段。
- Sim-Auto:为驾驶仿真流式输出同步的摄像头和 LiDAR 观测。
- Sim-Transfer:把模拟器控制信号和文本提示转成写实视频。
- Sim-Bimanual:根据机器人或摄像机的动作预测视频。
许可证是 OpenMDW 1.1,按条款允许商用和非商用。英伟达同时发布了技术报告,并在 GitHub 上提供推理用的智能体 skill。Sim-Auto 采用因果训练加少步蒸馏,以支持流式仿真。
局限:官方把这四个模型定位为在 Cosmos 3 Nano 上后训练的示例检查点。
来源:有原始出处 Hugging Face 博客 · 技术报告 · GitHub 推理 skill
06/08
Perplexity 推出 Teammates:24 小时在线的工作智能体
Perplexity 发布面向工作场景的常驻智能体 Teammates,可在一个工作空间里同时承担多个角色。
Teammates 全天候运行,会沿用用户在 Perplexity 工具里已有的项目、技能和记忆,构建在 Perplexity Computer 之上,用来处理「持续的大规模工作」。用户可以在 Perplexity 应用和 Slack 里与它交互。
局限:CEO Aravind Srinivas 说,设想是「将来每个组织里,每个人都有数百个 Teammates 为他工作」。这是远期愿景,不是当前的产品规格。
来源:有原始出处 Aravind Srinivas(X) · The Verge
07/08
Axiom Math 用智能体完成 Stacks Project 的形式化验证
估值 16 亿美元的 Axiom Math 称,旗下 AI 智能体已对 Stacks Project 完成形式化验证。Stacks Project 是数学领域规模最大的知识库之一。
TechCrunch 的报道背景是:上个月 OpenAI 发布了 719 份手稿,声称解决了一批数学难题。Axiom 的思路是先打下一个经过验证的基础,供 AI 智能体在上面写软件,并最终用来做科研。
局限:TechCrunch 在报道中提到,本该用来确认这类结果的计算机检查也可能出错。
来源:单一报道 TechCrunch

九凤根据本期已引用来源整理。
区域与早期信号
据定焦One(钛媒体转载)报道,GPT-6 Astra 发布后,一家具身智能数据服务公司最近两周接到的订单,超过了此前两个月的总量。
这家公司成立约一年半。创始人说,新订单不只来自具身行业,一些以前只询价不下单的基础模型大厂也开始下单。报道提到,英伟达研究团队 10 月中旬在抓取与放置任务上测试过 Astra,测试没有用机器人数据专门微调。宇树科技创始人王兴兴说,明年 GPT-7 出来后,可能直接把具身智能问题「打穿」。
局限:这是一篇单一中文来源的行业特稿,公司没有具名,订单数据无法核实。文中也有不同意见,认为通用大模型在长程任务成功率、延迟和成本上仍有明显短板。
来源:单一报道 钛媒体
本文由 AI 根据文中所附信源整理,经自动事实核查后发布,发布前未经人工逐篇审核;如与原文不一致,以原始出处为准。了解本日报的制作方式或报告错误:关于本日报


