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。
AI 編碼
全部主題AI 寫代碼的一切：編碼助手、Vibe Coding、代碼模型評測與開發工作流變革。
最新精選
第 1–20 條 · 共 86 條英國 AI Security Institute：Blog精選AI 評分7676 GitHub Blog · AI & ML精選AI 評分6363 GitHub 推出 ReviewBench，作為 AI 程式碼審查開放基準
GitHub 推出 ReviewBench，作為評測 AI 程式碼審查智能體的離線基準，研究預覽版已可透過網站使用。
推薦理由：ReviewBench以219個跨19種語言的公開PR建立評測集，並公開多來源標註與評分方法；資深工程師判斷與基準的一致率為96.6%。
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：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。
Anthropic：The Institute精選AI 評分7777 The Anthropic Institute 分析 AI 加速研發與遞迴式自我改進的可能性
Anthropic Institute 指出，AI 已加速 AI 系統研發，但尚未能完全自主設計並開發自身後繼系統，遞迴式自我改進亦非必然。截至 2026 年 5 月，合併至 Anthropic 程式碼庫的程式碼逾 80% 由 Claude 撰寫；2026 年第二季，典型工程師每日合併的程式碼量為 2024 年的 8×。
推薦理由：這篇分析將公開基準與 Anthropic 內部數據並置，呈現 AI 執行工程與研究任務的進展，以及自主選擇研究方向仍存的能力差距。
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。
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。
AWS Machine Learning Blog精選AI 評分6767 GPT-6.1 Sol 在 Amazon Bedrock 正式開放使用，面向智能體編碼與專業工作負載
GPT-6.1 Sol 已在 Amazon Bedrock 正式開放使用，面向智能體編碼、電腦操作及專業工作負載。OpenAI 表示，GPT-6.1 Sol 在 DeepSWE v1.1 上匹配 GPT-6 Astra，單項任務成本約為 GPT-6 Astra 的五分之一；其分數亦比 GPT-6 Sol 的最佳結果高 6.4 個百分點，且所用推理力度較低。
推薦理由：文章列出 GPT-6.1 Sol 在 DeepSWE v1.1 上與 GPT-6 Astra 的任務成本對照，並比較其對 GPT-6 Sol 的分數提升。
Simon Willison精選AI 評分8484 OpenAI DevDay 2026 即時紀錄：發佈 GPT-6.1 Sol、Dots 等產品與功能
OpenAI 在 DevDay 2026 發佈 GPT-6.1 Sol、Dots 智能體及多項開發者工具與功能。GPT-6.1 Sol 主打接近 Astra 的智能水平，價格為 Astra 的五分之一；Ultrafast 最高達 300 tokens/second，速度快 8x，先支援 Astra 6。
推薦理由：現場紀錄同時追蹤產品宣佈、示範失誤與後續功能場次，讀者可從發佈內容和實際操作兩方面瞭解 OpenAI DevDay 的產品進展。
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。
Claude Code：GitHub Releases精選AI 評分7676 Claude Code 發佈 v2.1.284，新增 Claude Sonnet 5.5 並帶來多項功能調整
Claude Code v2.1.284 加入 Claude Sonnet 5.5（claude-sonnet-5-5），並將其設為 Anthropic API 的預設 Sonnet 模型。
推薦理由：版本同時涉及模型預設、權限模式、MCP 連線及 Ultracode 操作，並列出終端、VS Code 與 Gateway 的修正，方便用戶核對升級對現有工作流程的影響。
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 Blog精選AI 評分7979 Cursor 推出 Projects，支援長週期多智能體工作
Cursor 推出 Projects，現正以 beta 階段逐步向所有用户開放，讓協調智能體承接跨月工作並委派子智能體。Projects 預設在雲端運行，需要時可切換至本地，並透過共享上下文及監聽 Slack 頻道、按計劃運行或跟進 PR 來主動處理工作。Cursor 表示，新用户合併 PR 數量提升 30%，而主要使用 Projects 的用户合併量達原來六倍。
推薦理由：Projects 將長週期工作的上下文累積、智能體委派和事件觸發整合起來，文中亦提供新用户與主要使用者的 PR 合併量數據。
GitHub Blog · AI & ML精選AI 評分6767 Project HydraFusion 以多模型編排提供前沿級品質
GitHub 推出 Project HydraFusion 研究預覽，以執行時多模型編排為編碼任務動態規劃模型工作流程。它會從不同供應商的模型中選擇 Single、Cascade 或 Critique 工作流程；所有 GitHub Copilot 方案用户可在 Copilot CLI 執行 `/experimental`，再執行 `/model` 選用 HydraFusion。
推薦理由：三項離線編碼基準呈現 HydraFusion 不同的品質與成本取捨，與 Claude Opus 5 的對照能幫助理解多模型編排在不同任務上的效益差異。
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。
Hugging Face Blog精選AI 評分6464 Gradio gr.Workflow 如何編排、執行及部署 AI 工作流
Gradio 內置的 gr.Workflow 可把 AI 工作流表示為由帶類型節點組成的圖，並提供可拖放、逐節點執行及查看中間結果的畫布。節點可執行 Python 函數、調用 Hugging Face Inference Providers 模型或其他 Gradio Space，也可處理 Hub 數據集資料。
推薦理由：文章以多個可執行示例展示如何把模型、Python 函數與 Gradio Space 串成工作流，並讓節點輸出直接成為 API。