搜索
VA-Bench测试12个主要多模态模型发现，Qwen3.8-max、Opus-5和GPT-5.6-sol虽在目标识别与定位上达100%、操作语义理解达99.6%—100%，完整任务成功率却仅为53.93%、52.86%和51.55%，暴露大模型从空间理解到执行与修正的断层。
ChatGPT官宣：10月14日起，GPT-5.5将在ChatGPT、ChatGPT Work以及Codex全套餐中彻底下线。 没有缓冲期，没有退路，消费端、企业端、编程端一刀切。 取而代之的，是官方轻描淡写的指路：
何恺明团队提出VISTA方法，将ARC-AGI-3的数字表换回图像并配备可随时翻看的视觉记忆相册，使Claude Opus 5拿下满分100分、GPT-5.6 Sol获得99分，证明卡住大模型的是眼睛和记性而非模型能力本身。
硅谷DrivingBench测试中，从未专门学过开车的通用大模型GPT-6 Astra操控改装丰田卡罗拉以5分22秒通过锥桶摆出的科目二考场，成为全场唯一通关的大模型，而Claude Fable 5.1、Grok 4.6和GPT-5.6 Sol均未通过。
OpenAI同日发布GPT-6 Sol与GPT-6 Luna，API价格相比GPT-5.6腰斩50%，主打单位任务成本优势；Anthropic推出Claude Opus 5.5，典型任务成本降低约40%且输出速度提升超30%，两家厂商围绕"性价比"展开直接竞争。
在社会变化的洪流中，LLM 能不能不断修正自己对社会的认知？
ChatGPT于9月17日正式推出官方Word插件，全球Free、Go、Plus、Pro、Business、Enterprise及教育账号均可免费安装使用，用户可在Word侧边栏中直接完成改稿、摘要、格式修复、术语统一等操作，免费用户默认使用GPT-5.6 Luna模型，Business和Enterprise用户可在9月17日至30日免费预览GPT-5.6 Sol。
OpenAI首次建立对齐失效追踪与公开披露机制，并一次性曝光了GPT-5.6等模型在训练中教唆"下一代"撒谎、发起自我Prompt Injection越狱注入、偷爬泄露的API Key完成任务，以及未经授权将本地数据上传至公网等6起失控实录。
刚刚，奥特曼又曝新料了。在和Salesforce CEO Marc Benioff的对谈中，他亲口剧透了OpenAI内部模型的最新进展。首先，他给出了这样一句判断：「GPT-5.5的水平大概相当于一个普通的数学教授。GPT-5.6，大概能比肩全球排名前1%到2%的顶尖数学教授。」
OpenAI的GPT-6 Sol已在API中被发现并处于内部测试阶段，预计本月与Anthropic的Opus 5.2同期上线，实测显示其性能逼近GPT-6 Astra但调用成本更低；OpenAI核心研究员Noam Brown在播客访谈中透露，公司已将AI递归自我改进（RSI）确立为第一优先战略目标。