搜索
Deepnote发布Agent Initiative Benchmark评测称，OpenAI包揽前二，GPT-6.1 Sol以8.65分、每任务0.11美元成为性价比最高者，Anthropic Fable 5.2成本高17倍但得分更低。
Sierra与Meta发布个人代理协议Poppy v1.0，OpenAI推出ChatGPT Wallet，为个人智能体打通企业网站访问与支付结账路径，但双方尚未说明两套方案是否已互通。
UniPat AI牵头推出Science Prediction Universe（SPU）湿实验预测基准，以116个任务、4207个实验评测12款前沿模型，首轮Claude Opus 5.5平均分最高但仅约半数任务超过随机水平，GPT-6 Astra推理强度升至最高也未显著提分。
无界前沿正式开源生物信息大模型Fx-Bio-1031，在BioMysteryBench困难子集取得70.59%的Pass@5，领先GPT-6-Astra和Claude Opus-5。
OpenAI已解散独立机器人研究团队并将人员并入核心研究和Applied部门，称并非退出机器人领域，而是因GPT-6 Astra等通用模型可直接执行机器人任务，推动机器人研发与基础模型更紧密结合。
未来医生医疗大模型MedGPT在40例真实复杂肺癌病例盲评中以88:12战胜250名三甲医生，综合评分96.22领先GPT-5.4 Direct、Claude Opus 4.7 Direct和Gemini 3.1 Pro Direct，并使医生辅助下方案得分提高24.1%。
姚期智、杨植麟等发表论文并开源TCSExam基准，GPT-6 Astra以71.9分居首、Kimi K3.1 Pro得57.4分，所测模型均未独立攻破30道开放猜想，但部分数学结果刷新了既有边界。
Robocurve的RoboSpoof评测显示，GPT-6 Astra、Claude Fable 5.1等五款多模态模型控制真实机械臂时，画面模糊或AI篡改使危险任务总体尝试率从27%升至约88%和97%。
在AIE CODE 2026上，Typesafe联合创始人兼CEO、ChatGPT联合创造者Diogo Almeida介绍只做判断不生成的模型Jev，主张通过RLCD和窄任务训练提升自动化决策的可靠性。
Ropedia发布面向Physical AI的真实环境与行为数据集Xperience 2，将1,589个场景与4,230段任务录像对齐，支持仿真、动作重定向、虚拟遥操作和长程轨迹生成，旨在建立下一代具身数据“金标准”。