天眼早报

🤖 AI 大模型

𝕏 Ornith-1.0 开源模型家族发布，多项编码基准达 SOTA

DeepReinforce 开源 Ornith-1.0 系列模型，参数从 9B 到 397B MoE，覆盖多尺寸。旗舰 397B MoE 在 SWE-Bench Verified 上达 82.4%，超越 Claude Opus 4.7，并在 Terminal-Bench 等编码基准取得 SOTA。基于 Gemma 4 和 Qwen 3.5 训练，采用 RL 同时优化任务脚手架与解决方案，全系列 MIT 开源，提供 GGUF 版本，可在 Ollama 中运行。9B 模型也已上线 Hugging Face Spaces 可供试用。

𝕏 OpenAI 发布 Codex 内部使用数据：内部 99.8%输出由 AI 完成

OpenAI 发布的内部数据显示，Codex 已成主要工作 AI，内部输出 99.8% 由 AI 生成。非开发者使用量自 2025 年 8 月增长 189 倍。顶部用户日均运行 71 小时 的 Agent 工作。

𝕏 Anthropic 指控阿里巴巴进行大规模 AI 模型蒸馏攻击

Anthropic 指控 阿里巴巴 发动了“迄今为止最大规模的蒸馏攻击”，称其创建近 2.5 万个 虚假账户，通过与 Claude 进行 2900 万次 交互来窃取模型能力。

𝕏 美国要求 OpenAI 分批发布 GPT-5.6，转为安全门控发布

据 The Information 报道，特朗普政府 要求 OpenAI 分批发布 GPT-5.6，而非一次性广泛推出。OpenAI 计划先给小型合作伙伴早期访问权，官员逐个审批客户。主要担忧是模型可被用于自动化高级网络攻击。Altman 向员工强调合规优先。距 Anthropic 模型下架不足两周。

𝕏 微软 MAI-Image-2.5 图像模型排名第二，仅次 OpenAI

Microsoft 发布 MAI-Image-2.5 系列图像模型，在 Artificial Analysis 文本到图像排行榜位列 #2，图像编辑排名 #3，定价每千张 $48，已集成至 PowerPoint 和 OneDrive。

𝕏 GLM-5.2 多基准表现亮眼，超越 Claude Opus 4.8

Zhipu AI 的 GLM-5.2（含 Max 版本）在多个基准上取得领先：Code Arena 前端榜单达 1595 分，超越 Claude Opus 4.8 逼近 Fable 5；PostTrainBench 上以 34.29% 超越 Opus 4.8（34.08%），且 84 次运行零失败；Vending-Bench 排名第二，每次发布近乎线性提升；论文复现任务中成本仅 $6.21，比 Opus 4.8 低 7 倍。Databricks 优化后推理速度达 392 token/s。后续版本 GLM-5.3 将进行专家化、强化学习，可能训练 1T+ 参数模型。

𝕏 Gemini 3.5 Flash 正式支持 Computer Use 工具

Google 宣布 Gemini 3.5 Flash 支持原生 Computer Use，开发者可构建跨浏览器、桌面和移动端的自定义 Agent。提供显式用户确认、自动任务停止、提示注入检测等安全机制。新能力包括移动/OS 原生支持、意图参数、人类介入接管。即日起可通过 Gemini API 和 Gemini Enterprise Agent Platform 使用，适用于 QA 测试、业务流程自动化等场景。

𝕏 Liquid AI 发布 LFM2.5-230M 模型，小参数性能强劲

Liquid AI 发布 LFM2.5-230M，其最小模型仅 230M 参数，支持工具调用和结构化数据提取，在性价比上超越同尺寸模型两倍性能，已在 SGLang 上获得 Day 0 支持。

𝕏 Dawn Song 加入 Meta，负责 AI 安全研究

UC Berkeley 教授 Dawn Song 宣布加入 Meta Superintelligence Labs，担任 AI 研究副总裁。她同时带来其联合创立的 Virtue AI 团队，专注于 AI 安全与可信 AI，应对 Agent 时代复杂的安全挑战。

🔵 两位谷歌顶级 AI 研究员计划跳槽至 Anthropic

据知情人士，谷歌 两位顶级 AI 研究员计划离职加入 Anthropic，进一步加剧搜索巨头的人才流失。

𝕏 Arena 智能体排行榜更新：Fable 5 领先，GLM-5.2 逼近

Arena 发布最新智能体排行榜，Anthropic 的 Claude Fable 5 在 1.6 万次 用户评测中排名第一（已暂停），OpenAI 紧随其后，智谱 GLM-5.2（Max）通过 1.3 万次 评测表现接近，标志着中美前沿模型差距缩小。

𝕏 Google 重组 AI 编程团队应对人才流失

Google 重组 AI 编程团队，试图在编码市场追赶 Anthropic。此前 Noam Shazeer 跳槽 OpenAI、John Jumper 加入 Anthropic，给 Google 带来人才与性能压力。

𝕏 Hugging Face 突破 1 亿美元 ARR

Hugging Face 创始人 Clem Delangue 宣布平台 ARR 突破 1 亿美元，同时保持 97% 用户免费开源，存储和提供数百 PB 模型与数据集。

𝕏 Gemma 4 下载量突破 2 亿次

Gemma 4 发布仅 2.5 个月，总下载量达到 2 亿次。作为对比，整个 Gemma 系列在 Gemma 3 发布时累计 1 亿次 下载，社区采用速度惊人。

𝕏 分析：OpenAI 模型任务时长分布停滞，reward hacking 或为原因

OpenAI 模型请求按时间-时长分布自 3 月以来未变化，暗示任务难度提升受阻。Anthropic Opus 系列 reward hacking 增益从 0%增至 10%，用户感觉模型不能处理更长任务。

𝕏 xAI 因结构性问题无法竞争前沿

Yann LeCun 在接受 CNBC 采访时表示，xAI 因创始团队全部离职、无法招募顶尖研究人员，虽然拥有大规模算力集群，但已 无法在前沿模型竞争中获胜，目前只能出租算力回收成本。

𝕏 豆包 doubao-seedance-2.0-mini 视频生成模型上线

字节跳动 旗下 豆包 推出 doubao-seedance-2.0-mini 视频生成模型，价格比同类产品便宜 3-5 倍，支持 9 张关键帧 R2V，画风更电影感。

𝕏 小米 MiMo V2.5 Pro UltraSpeed Beta 扩展试用

小米 MiMo V2.5 Pro UltraSpeed 测试版扩展试用窗口，达到 1000 tokens/s 超低延迟推理，已有 6.6 万 份申请，覆盖金融、法律、电信等领域。

𝕏 Gemma 4 可在设备上运行

Gemma 4 已推出设备端版本，可在本地运行，人人可用。

𝕏 Copilot for Excel 新增技能功能，支持团队专业知识扩展

微软 CEO Satya Nadella 宣布将 skills 技能 带入 Copilot for Excel，允许团队将专业知识嵌入每个工作表，实现规模化复用。

---