OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两个开放权重推理模型，采用 Apache 2.0 许可，兼容 Responses API，支持工具调用、完整 CoT 与可调推理强度。gpt-oss-120b 为 36 层 MoE 架构，116.8B 总参数、5.1B 激活参数，MoE 权重以 MXFP4 量化后可放入单张 80GB GPU；gpt-oss-20b 为 24 层、20.9B 总参数、3.6B 激活参数，可在 16GB 内存设备上运行。OpenAI 对 gpt-oss-120b 做了对抗性微调测试，其安全咨询组认为即便使用其训练栈进行微调，模型也未在生物化学与网络安全两个类别达到 Preparedness Framework 的高能力阈值。
#模型发布#开源生态#推理
OpenAI 发布新一代语音模型 GPT-Live-1 和 GPT-Live-1 mini，两者均为全双工，可持续聆听并响应，能跟随停顿、打断和语速变化；GPT-Live-1 将作为付费用户默认语音模型，mini 版面向免费用户。系统卡称新模型在语音原生评测中整体安全表现与 Advanced Voice Mode 持平或更好，但 GPT-Live-1 在情感依赖上从 0.88 降至 0.82，mini 在性内容上从 0.97 降至 0.92。OpenAI 还说明 2026 年 8 月 4 日发现评测配置与最终发布模型不一致，已用正确配置重跑并附上原始值与修正值对照，修正后部分指标出现统计显著下降，但均未低于其安全发布标准。
#安全/对齐#语音#OpenAI
OpenAI 在 ChatGPT 免费与付费方案中向全球用户推出 GPT-6，取代 GPT-5.6 Sol 和 GPT-5.6 Luna，Codex 与 ChatGPT Work 中仍使用此前版本。系统卡显示，GPT-6 对越狱（含多轮自适应攻击）的抵抗力更强，不诚实、欺骗和绕过护栏的行为减少，指令层级评测中 GPT-6 Sol 与 Luna 分别达到 99.99% 和 99.79% 的稳健性。同时 GPT-6 Sol 在标准自我伤害类别出现统计显著回退，GPT-6 Luna 在自我伤害、血腥和性内容上出现回退，OpenAI 称人工复核后违规程度总体较低。按 Preparedness Framework，两款模型在网络安全和生物化学领域被列为 High capability，均未达到 AI 自我改进的 High 阈值。
#模型发布#安全/对齐#OpenAI
OpenAI 发布 GPT-6 Astra 系统卡，宣布这是其迄今能力最强、已广泛部署的模型，也是首个在 Preparedness Framework 下达到网络安全 Critical 等级的模型。系统卡称 Astra 对越狱和提示注入的鲁棒性显著强于 GPT-5.6 Sol，间接提示注入鲁棒性从 96.23% 升至 99.79%，在 54,218 个内部 Codex 任务模拟中严重度 3 级及以上的错位行为标记减少约 53%。同时 OpenAI 指出 Astra 的 CoT 可监控性相对 GPT-5.6 Sol 下降，在对抗条件下可能规避内部监控，因此将错位监控扩展到全部工具调用推理。
#安全/对齐#OpenAI#部署/工程
OpenAI 发布 GPT-6.1 Sol，称其能力接近 GPT-6 Astra，兼顾速度与成本，并按 Preparedness Framework 将其网络安全定为 Critical、生物化学定为 High，沿用与 Astra 相同的防护措施。系统卡显示，GPT-6.1 Sol 在 Production Benchmarks 的八个类别中有五个高于 GPT-6 Sol，在 HealthBench 四项评测中与 GPT-6 Astra 差距在 0.5 个百分点以内，且未尝试绕过监控。在内部 Codex 流量部署模拟中，其严重度 3 级及以上的错位行为标记为 28 个（0.056%），低于 GPT-6 Sol 的 42 个和 GPT-5.6 Sol 的 63 个。
#模型发布#安全/对齐#OpenAI
OpenAI 更新 ChatGPT 默认模型，免费与 Go 用户获得新的日常对话默认模型，Plus 和 Pro 用户获得带 effort 滑块的 GPT-5.6 Sol，这些模型将取代 GPT-5.5 Instant；Codex 与 ChatGPT Work 中的 GPT-5.6 Sol 和 GPT-5.6 Luna 仍为 7 月版本。按 Preparedness Framework，本次 8 月版 GPT-5.6 Sol 和 GPT-5.6 Luna 在网络安全与生物化学两个领域均被定为 High 能力，AI 自我改进未达 High 阈值，并沿用 GPT-5.6 系统卡中的防护措施。系统卡首次纳入面向 18 岁以下用户的 U18 专项评测，覆盖自残、饮食失调、年龄限制商品与服务、暴力内容和不当性内容等场景；GPT-5.6 Sol 与 Luna 在这些类别表现良好，与 GPT-5.5 变体相比无统计显著差异。
#模型发布#OpenAI#安全/对齐
OpenAI 发布 GPT-5.3 Instant 系统卡，该模型是 GPT-5 系列新成员，响应更快、联网搜索时答案上下文更丰富，并减少不必要的死胡同、免责声明和过于武断的措辞。安全评估显示，它在禁用内容评测上平均高于 gpt-5.1-instant、低于 gpt-5.2-instant，在禁用性内容和自残类别上相对前代出现退步，图形暴力与暴力非法行为类别的退步统计显著性较低。HealthBench 上得分为 54.1%（-1.3%），Hard 为 25.9%（-0.9%），Consensus 为 95.3%（-0.5%）。
#模型发布#安全/对齐#OpenAI
OpenAI 发布 ChatGPT Images 2.5 系统卡，介绍 GPT-Image-2.5-Sunburst 和 GPT-Image-2.5-Flare 两个模型。新模型在图像编辑一致性、信息图准确度与排版上有所提升，并新增草图生成、模板和共享提示词等功能。安全方面，OpenAI 称其安全栈沿用 ChatGPT Images 2.0 基础并针对更高真实感带来的深度伪造风险增加防护，同时通过 C2PA 元数据和 Google DeepMind 的 SynthID 水印强化来源标注。
#安全/对齐#图像生成#OpenAI
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者定位快速前沿模型，后者为完整版本，Meta 称其面向个人与专业智能体工作。Artificial Analysis 的 Intelligence Index v4.3 中 Wonder Full 得 56 分、Wonder 得 52 分，高于 Muse Spark 1.3 的 48 分，Opus 5.5 以 58 分领先。规格为 1M 上下文，输入支持文本、图像、视频和音频，输出仅文本，定价为每百万 token 输入 4 美元、缓存输入 0.20 美元、输出 20 美元。
#模型发布#Agent#编码
Meta 于 10 月 13 日发布前沿模型 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两个版本，均仅通过每月 50 美元或 200 美元的付费订阅提供。Muse Wonder 可通过 SDK 或按量付费 API 供开发者接入，Muse Wonder Full 无对外 API 或 SDK，仅限 Meta 自有环境使用，更适合长周期复杂任务。该系列主打 Active Memory 与 Active Focus 两项能力，前者主动保留历史对话与用户上下文，后者在任务受阻时尝试替代方案。在 Artificial Analysis 评测中，Muse Wonder Full 在 CritPt 科学推理测试和 GDP.pdf 专业文档基准中排名第一，Terminal-Bench 4.0 得分从上一版的 33% 升至 57%；Intelligence Index 上 Muse Wonder 得 52 分、Muse Wonder Full 得 56 分，后者与 Claude Sonnet 5.5 并列第二。AA 称两款模型输出 token 用量比 Muse Spark 少约 10%，Muse Wonder Full 输入 token 比 Muse Wonder 少 16%。Muse Wonder 定价为每百万输入 token 4 美元、每百万输出 token 20 美元。
#模型发布#Agent#推理
Meta Superintelligence Labs 于 10 月 13 日推出新一代旗舰模型 Muse Wonder 和 Muse Wonder Full，Full 版在 Artificial Analysis 综合智能指数得 56 分，距 Claude Opus 5.5 的 58 分差 2 分。在 DeepSWE 1.1 长程软件工程测试中，Wonder Full 取得 79.0 分，超过 Opus 5.5 的 74.2 分和 GPT-6 Astra 的 74.1 分，但 Terminal-Bench 4.0 和 ProgramBench 仍落后于 Opus。Artificial Analysis 测算其平均任务成本达 4.52 美元，较上代 Muse Spark 1.3 上涨 183%；开发者同题对比显示其 3D 游戏生成效果明显逊于 Opus，Meta 模型卡已承认 3D 任务为已知局限。
#模型发布#Agent#编码
Meta发布Muse Wonder和Muse Wonder Full两款模型，内部代号西瓜，主攻个人与专业智能体任务，重点提升跨对话记忆和长时间任务执行能力。Artificial Analysis评测显示Wonder Full十项测试有六项进入前三，最高推理强度下Muse Code搭配Wonder Full的编程成绩与Claude Code搭配Sonnet 5.5持平。API定价为每百万输入token 4美元、输出20美元，Wonder Full仅向Muse Code订阅用户开放，Meta AI负责人Alexandr Wang承认编程能力仍不如Opus 5.5。
#模型发布#Agent#编码
MUSE WONDER 🍉 this model was developed to power personal agents. three highlights: - ACTIVE MEMORY: best memory across days/weeks/months - ACTIVE FOCUS: gets your tasks done - DOMAIN EXPERTISE: sota in finance & legal, strong in health https://t.co/Zoa66r4WOR
#产品更新#Agent#OpenAI
#模型发布#Agent#OpenAI
#模型发布#Agent#编码
#模型发布#Agent#OpenAI
Cloudflare 发布开源权重多模态决策模型 Clef-omni，可在一次调用中对文本、图像、音频和视频打分，基于 Qwen3-Omni-30B-A3B-Instruct 后训练，采用 30B 总参数、3B 激活参数的 MoE 结构，Apache-2.0 许可，定价每百万 token 0.15 美元。它在意图分类任务上领先，CLINC150+OOS 达 97.7 macro-F1，但在推理与工作流评测上落后于 Clef，GPQA Diamond 为 47.4，而 Jev 为 78.3。同批更新将 Clef-flash 价格降至 0.038 美元，并把托管 Clef 迁移到 SGLang，中位延迟从 262 ms 降至 152 ms。
#模型发布#多模态#开源生态
微软于 10 月 9 日推出 Microsoft-Decision-1，它不生成文本，而是对预设答案选项做单次前向打分并返回每个选项的校准概率，用于路由、分类、优先级排序和验证。该模型基于阿里 Qwen3.5-9B 后训练，已在 Microsoft Foundry 公测并上线 OpenRouter，标识为 microsoft/microsoft-decision-1，权重不对外分发。微软称其在 36 个基准、约 15 万道留出题上取得 83.5% 准确率，并计划后续把底座迁移到 MAI 和 OpenAI 模型；OpenRouter 列表显示价格为每百万输入 token 0.042 美元、输出免费。
#模型发布#推理#部署/工程
OrcaRouter 发布 OrcaCyber Zero 1.5，这是 OrcaCyber Zero 1.0 的后继模型，面向授权漏洞复现、漏洞利用开发和渗透测试，支持 1M token 上下文窗口、原生函数调用和结构化输出。厂商自报成绩为 Cybench 100%（39/39，无限制智能体执行）、CVE-Bench 95.8%（24 个可评估任务中的 23 个）、HumanEval+ 93.9%、SWE-bench Pro V2 76.5%。模型仅通过 OrcaRouter 托管 API 提供，使用 OpenAI 兼容接口，base_url 为 https://api.orcarouter.ai/v1，调用 orca/orcacyber-zero-1.5，访问受 Security Research 层级限制，定价为每 1M 输入 token 3.00 美元、每 1M 输出 token 7.50 美元。
#模型发布#安全/对齐#Agent
Thinking Machines Lab 发布从零训练的开源权重模型 Inkling，采用 MoE 架构，总参数 975B、激活 41B，支持最高 1M token 上下文窗口，预训练数据为 45 万亿 token 的文本、图像、音频和视频。该模型原生支持文本、图像和音频推理，并可通过可控思考力度平衡性能与 token 效率，今日起在 Tinker 上开放微调，完整权重已上传 Hugging Face。官方同时预览了 12B 激活参数的轻量版 Inkling-Small，称其在多项基准上接近或超过 Inkling，测试完成后将发布完整权重。
#模型发布#开源生态#多模态