OpenAI 通过两个设置调整——允许模型跨多个上下文窗口推理并配合一种规范压缩方法——使 GPT-5.6 Sol 在 ARC-AGI-3 基准上达到了最先进水平（SoTA）。这项发现并非通过重新训练模型实现，而是在推理阶段优化了策略，揭示了大模型推理能力的潜在边界。
OpenAI 面向企业推出的“ChatGPT for Work”语音模式在 X 上引发大量好评，知名创业者 Dan Shipper 称“很久没见过这么高的热情”。评论区多位用户不仅认可当前体验，更暗示“这是最差的版本”，意味着产品迭代空间巨大——这对企业级 AI 语音交互是一次有力的市场验证。
Anthropic 宣称其新模型 Opus 5 在 ARC-AGI-3 基准测试中得分是第二名模型的 3 倍，但这条“胜利”推文被业界人士质疑数字异常——可能遗漏了竞争对手模型的配置问题，引发关于 AI 公司营销与基准测试公平性的讨论。
Peter Yang 在 X 上分享 AI 提升生产效率背后的三个“暗面”：依赖摘要而不读原文、外出时忍不住用手机给 AI 代理下指令、更愿意和语音助手对话而非身边的人类。这提醒我们，AI 工具在带来高效的同时，也可能悄悄侵蚀深度阅读、专注力和真实社交。
AI 领域展开了一场关于算力未来定价权的关键辩论——一方认为随着模型能力跃升，最有经济价值的推理任务将推高算力成本 10 倍以上；另一方则判断，市场激烈的竞争会持续压低推理价格，直到算力供给跟上。
投资人 Zara Zhang 与 Garry Tan 在 X 上提出，同时具备深厚领域专长和 AI 原生能力的人，在智能时代几乎“无敌”——这一观点指向了当下 AI 行业最稀缺的复合型人才特质，也暗示了个人职业与创业竞争的新分水岭。
OpenAI 宣称其 GPT-5.6 Sol 通过专属 API 设置（保留推理链与上下文压缩）在 ARC-AGI-3 逻辑基准上取得 38.3% 的成绩，超过了 Anthropic Claude Opus 5 的 30.2%。但该成绩并非出自官方标准测试环境，ARC 奖联合创始人回应称通用 API 设置合规…
开源项目 Token Saver 以 MCP 扩展形式，在本地使用混合 RAG 技术预处理 PDF 文档，可将 Claude 处理 PDF 时的 token 消耗削减 92%–99%，大幅降低 API 费用，同时保护数据隐私。它直接回应了当前大模型应用“token 烧钱”的痛点。
微软CEO纳德拉在财报电话会上公开摊牌，警告企业客户不要过度依赖OpenAI和Anthropic等前沿模型，微软将提供价格更低、可随时替换的AI方案。这是微软从“投资方”转向“平台竞争者”的关键信号。
AI 初创公司 Encore AI 完成 3000 万美元 A 轮融资，核心思路不是“造一个通用客服机器人”，而是把企业每天产生的大量客服通话、邮件、文本数据变成训练素材，让 AI 代理直接学习顶尖员工的话术，从而提升业务转化效果。这件事的看点在于，它找到了一条从企业存量对话数据里直接变现的商业路径，避开与大…