英國 AI Security Institute 評估 OpenAI GPT-5.5 的網絡安全能力
英國 AI Security Institute 評估中，GPT-5.5 的 Expert 級進階任務平均通過率為 71.4%，高於 Mythos Preview 的 68.6%。
推薦理由：報告分別測試進階網絡任務、企業攻擊鏈及工控模擬，並交代結果與測試限制，呈現 GPT-5.5 網絡安全能力的不同面向。
#編碼
#編碼
今日 12 條英國 AI Security Institute：Blog精選AI 評分7676 Cerebras：BlogAI 評分6666 GLM-4.7 登陸 Cerebras Inference Cloud，部分場景程式碼生成速度最高達 1,700 TPS
Cerebras 宣佈，Z.ai 的 GLM-4.7 現已登陸 Cerebras Inference Cloud，程式碼生成約為 1,000 tokens per second，部分場景最高達 1,700 TPS。
Cerebras：BlogAI 評分7171 OpenAI GPT-5.3-Codex-Spark 由 Cerebras 提供支援，開放研究預覽
Cerebras 宣佈，由其提供運算支援的 OpenAI GPT-5.3-Codex-Spark 已開放研究預覽，面向即時軟件開發。模型運行速度超過 1,000 tokens/s；在 SWE-Bench Pro 和 Terminal-Bench 2.0 等基準上，其回應較 GPT-5.1-Codex-mini 更有能力，完成任務只需一小部分時間。
Zyphra ResearchAI 評分5858 Zyphra 發佈在 AMD Instinct™ MI300 stack 上訓練的 ZAYA1-8B MoE 模型
Zyphra 發佈 ZAYA1-8B，這款 MoE 模型的活躍參數少於 1 billion。該模型在部分數學和編碼基準中勝過規模大得多的開放權重模型；搭配 Markovian RSA 時，HMMT'25 得分為 89.6，並逐輪只傳送最後 4K tokens 以維持固定上下文長度。
Claude：BlogAI 評分7474 編碼工作階段更長、使用更多上下文，Claude Opus 5.5 為此而設
Claude Opus 5.5 針對更長、上下文用量更高的編碼工作階段設計，按 token 計費的典型工作負載估計比 Opus 5 便宜約 40%。輸入及輸出 token 價格下調 20%，讀取快取 token 的價格下調 60%；Claude Code 的快取未命中輸入亦減少逾 50%。文中指出，長而開放的任務較有機會透過減少錯誤方向上的回合降低成本，而簡單、短小的機械式任務所需回合數大致相同。
Cohere 產品與研究博客AI 評分6868 Cohere 開源發佈 North Mini Code 智能體編碼模型
Cohere 開源發佈 North Mini Code，稱其為首款智能體編碼模型，採用 MoE 架構，總參數 30B、啟用參數 3B，並採用 Apache 2.0 授權。
Fireworks AIAI 評分6868 DeepSeek-V4.1-Flash 登陸 Fireworks，DeepSWE 每項任務成本約為 GPT-6 Astra 的 1/15
Fireworks 推出 DeepSeek-V4.1-Flash，其 DeepSWE Pass@1 為 74.34%，每項任務成本 $0.430，與 GPT-6 Astra 的 74.12% 相近。
Fireworks AIAI 評分6565 Fireworks Research 發佈 Ember-1，tokens 用量較 Kimi K3 少 40%
Fireworks Research 發佈 Ember-1，稱其在維持 Kimi K3 品質的同時，tokens 用量較 Kimi K3 減少 40%。模型以 Kimi K3 為基礎，經訓練縮短不必要的推理；在七項基準及兩家客戶的正式環境流量測試中，推理 token 數可減少 35–50%，準確度未有下降。
小米 MiMo：官網發佈與博客AI 評分6161 Xiaomi 發佈 MiMo-V2.5-Pro-UltraSpeed，1T 參數模型生成速度突破 1000 tokens/s
Xiaomi 與 TileRT 發佈 MiMo-V2.5-Pro-UltraSpeed，稱其 1T 參數模型生成速度突破 1000 tokens/s。方案結合 FP4 量化、DFlash 推測解碼和 TileRT 系統優化，在單台標準 8-GPU 節點上實現 1000+ tokens/s。
IT之家AI 評分5858 英偉達投資的 Reflection AI 發佈首款開放權重 AI 模型 Beam，瞄準 DeepSeek、Kimi
Reflection AI 發佈首款開放權重大模型 Beam，採用稀疏激活架構，總參數量為 5010 億，每次任務啟用 230 億參數。Reflection AI 稱，Beam 的性能可對標智譜 AI（Z.ai）的 GLM‑5.2，在編碼及智能體任務方面逐步逼近千問的 Qwen3.8‑Max。
MarkTechPostAI 評分6363 Reflection AI 推出 Beam：首款開放權重 MoE 模型，總參數 501B、每 token 啟用 23B 參數
Reflection AI 發佈首款開放權重 MoE 模型 Beam，總參數 501B、每 token 啟用 23B 參數，面向編碼、推理及智能體工作負載。
TechCrunch · AIAI 評分6161 Reflection 發佈開放權重模型 Beam，稱其以較低成本媲美中國開放模型
Reflection 正式發佈首個前沿開放權重模型 Beam，稱其在進階推理基準上媲美 Z.ai 的 GLM-5.2，並勝過領先西方開放模型。Reflection 稱 Beam 推理算力用量少 3-4x，但相關效能主張尚未經獨立核實。
MarkTechPost精選AI 評分7878 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1：不同工作適合哪款前沿模型？
MarkTechPost 將 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1 的基準、價格及存取條件並列，按工作負載整理各自適用情境。
推薦理由：文章將四款模型的基準、價格、存取限制和任務成本並列，呈現不同工作負載下的取捨，説明排行榜名次不足以單獨決定選型。
MiniMax：Blog精選AI 評分7676 MiniMax 開源 M2 模型，並推出中國版、升級海外版 MiniMax Agent
MiniMax 正式開源並推出面向智能體與編碼的 MiniMax M2，同時在中國推出 M2 驅動的 MiniMax Agent，並升級海外版本。
推薦理由：MiniMax M2 公佈 Artificial Analysis 10 項測試成績、API 定價與約 100 TPS 推理速度，並開放權重，呈現智能體模型在表現、速度與部署成本間的取捨。
MiniMax：BlogAI 評分7272 MiniMax 發佈 M2.1，強化多語言編程與複雜任務能力
MiniMax 發佈 M2.1，着重提升多語言編程、Web 和 App 開發，以及真實複雜任務中的可用性。M2.1 在 VIBE 基準五個子集的平均得分為 88.6，並在多語言場景超越 Claude Sonnet 4.5、接近 Claude Opus 4.5。
MiniMax：Blog精選AI 評分7676 MiniMax M2.5：為真實工作場景生產力而打造
MiniMax 發佈 M2.5 與 M2.5-Lightning，稱兩款模型在編碼、智能體工具調用、搜索及辦公任務達到 SOTA，M2.5 在 SWE-Bench Verified 得分 80.2%。
推薦理由：文中並列 SWE-Bench Verified 成績、不同腳手架的評測結果、執行時間與定價，方便比較 M2.5 的編碼表現和使用成本。
Microsoft AI：官方博客AI 評分5858 Microsoft 發佈 MAI-Code-1-Flash 編碼模型
Microsoft 發佈 MAI-Code-1-Flash，並稱其在同一 production harness 下的 4 項核心編碼評測中均勝過 Claude Haiku 4.5。
Microsoft AI：官方博客精選AI 評分7777 Microsoft Build 2026 MAI 主題演講實錄：宣佈七款新模型及與 Mayo Clinic 合作開發醫療模型
Microsoft 在 Build 2026 的 MAI 主題演講中宣佈推出七款涵蓋圖像、語音、轉錄、推理及編碼的新模型。
推薦理由：演講將模型基準、產品整合和權重調校渠道並列，呈現 Microsoft 從模型發布延伸至企業定製的產品路徑。
Meta AI：Research Blog精選AI 評分7676 Meta 發佈 Muse Spark 1.1，並開放 Meta Model API 公開預覽
Meta 發佈多模態推理模型 Muse Spark 1.1，稱其較 Muse Spark 在工具與電腦操作、編碼及多模態理解方面均有重大提升。模型可協調多個子智能體並管理 1 million tokens 的上下文窗口；開發者現可透過公開預覽中的 Meta Model API 使用，Meta AI app 和 meta.ai 亦提供 Thinking 模式。
推薦理由：Muse Spark 1.1 聚焦智能體工作流，涵蓋多智能體協作、電腦操作與 1 million tokens 上下文，並透過 Meta Model API 開放公開預覽。
MiniMax：BlogAI 評分7474 MiniMax 發佈 M3，整合前沿編碼、1M 上下文與原生多模態
MiniMax 正式發佈 M3，這款開放權重模型整合編碼與智能體能力、最高 1M tokens 上下文，以及原生圖像和影片輸入與桌面操作能力。M3 採用 MiniMax Sparse Attention（MSA），在上下文長度達 1M tokens 時，每 token 計算量為上一代的 1/20，prefilling 提速逾 9×、decoding 提速逾 15×。
Artificial Analysis 完整文章精選AI 評分7676 GPT-6 Sol 和 Luna 價格約減半，推進成本效率前沿
Artificial Analysis 的評測指出，GPT-6 Sol 和 Luna 定價約為 GPT-5.6 的一半，Intelligence Index 分數大致持平。
推薦理由：文章並列價格、單項任務成本與多項基準結果，呈現降本幅度與不同能力變化並不一致，並指出 GDPval-AA v2.1 的回退與交付內容縮短相關。
Artificial Analysis 完整文章精選AI 評分7777 GPT-6.1 Sol 取代僅發佈 7 天的 GPT-6 Sol，Intelligence Index 接近 GPT-6 Astra
GPT-6.1 Sol 取代僅發佈 7 天的 GPT-6 Sol，其 Intelligence Index 比 GPT-6 Astra 低 1 分，最高 effort 下的每項 Intelligence Index 任務成本不到後者四分之一。
推薦理由：這篇評測以同一框架對照 GPT-6.1 Sol、GPT-6 Sol 和 GPT-6 Astra 的 Intelligence Index 分數與單項任務成本，為比較新版本接近 Astra 分數時的成本取捨提供具體依據。
Microsoft AI：官方博客AI 評分6767 MAI-Code-1.1-Flash 上線 GitHub Copilot，成本降至前代四分之一
Microsoft 發佈 MAI-Code-1.1-Flash，稱其相較 6 月在 Microsoft Build 推出的 1.0，價格降至四分之一，完成任務所用 tokens 減少 25%。
Microsoft AI：官方博客AI 評分6363 Microsoft AI 發佈 MAI-Thinking-1 推理模型
Microsoft AI 發佈 MAI-Thinking-1，一款 35B-active、~1T-total parameters 的 sparse Mixture of Experts 推理模型。
Microsoft AI：官方博客AI 評分6161 Microsoft 介紹 MDASH 中的 MAI-Cyber-1-Flash
Microsoft 介紹整合於 MDASH 的 MAI-Cyber-1-Flash，稱其可處理最多 90% 的任務，並讓 GPT-5.4 應對最難的 10%。Microsoft 稱，這種多模型配置較 MDASH 現有最佳方案（GPT 5.4 + 5.4 mini + 5.3 codex）節省 50% 成本。
TechCrunch · AIAI 評分6767 Google 發佈 Gemini 4 Argon，稱其為迄今最強模型
Google 發佈 Gemini 4 Argon，稱其為迄今最強模型，並表示它適用於編碼、研究、寫作等工作，尤其面向防禦性網絡安全。該模型專為防禦性網絡安全工作訓練，Google 稱它可自主發現、驗證並修補關鍵軟件漏洞；目前僅透過 Fairwind Program 向部分網絡安全合作夥伴推出。
Latent SpaceAI 評分7373 Gemini 4 Argon 登場，Google DeepMind 回應 Astra 與 Fable，支援最高 1M output tokens
Google DeepMind 推出 Gemini 4 Argon，面向編碼、企業知識工作及網絡安全防禦，支援最高 1M output tokens。
Google DeepMind精選AI 評分7777 Google DeepMind 發佈 Gemini 4 Argon，面向複雜長流程任務
Google DeepMind 發佈前沿模型 Gemini 4 Argon，面向軟件工程、企業知識工作及網絡安全等複雜長流程任務。其輸出 token 上限由 64K 提至 1M，在 DeepSWE v1.1 得分 77.9%，並在 LVBench 得分 91.7%。
推薦理由：Gemini 4 Argon 將輸出上限由 64K 提至 1M tokens，文章把這項擴容與處理更長、更複雜工作流程的能力相連。
OpenAI News精選AI 評分6868 OpenAI 發佈 GPT-6.1 Sol，稱其智能接近 Astra，API 輸入及輸出 token 價格為 Astra 標準價五分之一
OpenAI 發佈 GPT-6.1 Sol，稱其面向編碼、電腦操作及專業工作，智能水平接近 Astra。其 API 輸入及輸出 token 價格均為 Astra 標準 API 對應價格的五分之一。
推薦理由：公告把 GPT-6.1 Sol 的工作場景定位與 Astra 標準 API 輸入、輸出 token 價格作比較，便於瞭解其能力主張與定價定位。
Simon WillisonAI 評分7575 Anthropic 發佈 Claude Sonnet 5.5
Anthropic 推出 Claude Sonnet 5.5，官方稱其運行速度提升 30% 以上，對大多數工作最多便宜 30%。作者表示其定價與 Sonnet 5 相同，並觀察到它在所有基準測試上似乎都勝過 Sonnet 5，在部分編碼任務上接近 Opus 5.5。
Anthropic：Claude.dev 開發者博客精選AI 評分8080 Claude Sonnet 5.5 開發指南：API 接入、遷移與調校
Anthropic 發佈 Claude Sonnet 5.5，較 Sonnet 5 快 30%，每 token 價格不變，多數工作成本最多可減 30%。指南詳述 API 用法、從 Sonnet 5 遷移時的行為變更及 effort 調校建議，並指出原生上下文窗口為 1M tokens。
推薦理由：指南整理 Sonnet 5.5 相對 Sonnet 5 的 API 變更與調校方法，涵蓋工具呼叫、thinking 區塊和 effort 設定，可作遷移核對參考。
Cursor BlogAI 評分7575 xAI 發佈 Grok 4.7，面向編碼與知識工作並維持 Grok 4.6 的價格和速度
xAI 發佈 Grok 4.7，現已可在 Cursor、Grok Build、Grok API、第三方編碼 harness、模型路由器及雲平台使用，面向編碼與知識工作。
Epoch AI：研究、數據與評測AI 評分4545 GPT-6 Astra 數學基準測試領先，但軟件工程未居首
Epoch AI 的 ECI 比較顯示，GPT-6 Astra 在數學基準測試領先，但未在軟件工程領先。比較涵蓋 GPT-6 Astra、Claude Fable 5.1、GPT-5.6 Sol 和 Kimi K3，並以數學及軟件工程專項 ECI 評估模型能力；專項分數可與一般 ECI 比較。
OpenAI NewsAI 評分5959 GPT-6 Astra：OpenAI 發佈新一代智能模型
OpenAI 推出 GPT-6 Astra，稱其為迄今最智能、最符合對齊要求的模型。OpenAI 表示，模型在電腦操作、編碼、網絡安全及科學領域具備最先進能力。
OpenAI：部署安全與系統卡AI 評分7373 GPT-6 Astra 系統卡公佈安全與能力評估結果
OpenAI 的 GPT-6 Astra 系統卡公佈模型安全與能力評估，將其生物與化學能力列為 High，並指出尚未達到 Critical。明確要求模型規避監測時，Astra 在 WMDP 的 CoT 監測召回率低於 11%，GPT-5.6 Sol 則接近 100%；在 Monorepo-Bench 中，Astra 的召回率降至零。
Google DeepMind精選AI 評分7676 Google DeepMind 發佈 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber
Google DeepMind 發佈 Gemini 3.8 Flash 與 Gemini 3.8 Flash Cyber，並稱 Gemini 3.8 Flash 是其迄今推理與編碼能力最強的模型，速度和成本與 3.7 Flash 相同。
推薦理由：兩款模型共享基礎智能，普通版面向長程編碼與智能體任務，Cyber 版則限可信防守者使用，提供漏洞發現與修補能力。
IBM Research：AIAI 評分6060 IBM 發佈 Granite 4.2，為企業智能體帶來原生推理能力
IBM 發佈 Granite 4.2 語言模型，提供 3B、8B 和 30B 參數版本，並加入原生逐步推理與工具調用能力，面向企業智能體工作流程。模型基於 Granite 4.0 foundation models，採多階段強化學習；8B 和 30B 版本另經 agentic RL，並以 1 trillion tokens 的合成程式碼訓練，採 Apache 2.0 授權。
Google DeepMind精選AI 評分7171 Google DeepMind 發佈 Gemini 3.7 Flash，提升編碼與智能體工作流表現
Google DeepMind 發佈 Gemini 3.7 Flash，稱其在編碼、知識工作及網頁開發工作流上較 Gemini 3.6 Flash 有所提升。
推薦理由：文章列出 Gemini 3.7 Flash 在編碼、網頁開發和複雜文件基準上的對比數據，並交代入門價格，便於衡量效能與成本取捨。
Cursor BlogAI 評分7171 Grok 4.6 介紹：聚焦長時間運行的智能體與複雜互動、視覺工作
Cursor 與 SpaceXAI 共同發佈 Grok 4.6，該模型基於 Grok 4.5，重點面向長時間運行的智能體及更複雜的互動和視覺工作。它在多項智能體編程和知識工作基準測試中展現前沿智能水平，並在由九項基準測試構成的 Artificial Analysis Intelligence Index 上與 GPT-5.6 Sol 持平。
Google DeepMind精選AI 評分7878 Google DeepMind 發佈 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 發佈 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber，涵蓋智能體工作流、低延遲高吞吐任務及網絡安全場景。
推薦理由：文章列出 3.6 Flash 與 3.5 Flash-Lite 的速度及成本指標，並説明 Cyber 模型將透過有限試點提供，呈現不同工作負載的部署差異。