标签： GPT-4

Co-Design Bench测试：GPT-6 Astra仅26.4%任务完全通过，AI编程智能体仍需人工收尾

阿里巴巴与多所亚洲高校用真实用户改动需求构建了 Co-Design Bench 评测，十款模型中最好的 GPT-6 Astra 也只在 26.4% 的任务中完全达标，说明编程智能体在真实场景仍普遍需要人工收尾。

AI 沃茨作者在 2026 年 11 月 7 日的文章中称，GPT-Image-2.6 已悄悄上线，原生支持生成 2—16 帧短循环 GIF，并附带跨对话角色记忆、局部圈改与 API 极速模型 Flare，但创作者实测认为画质提升有限、GIF 时长受限。

10 月 29 日，第三方评测机构 Artificial Analysis 将 Gemini 4 Carbon 放上智能指数 v5 榜首，得 59 分；但该模型目前仅向选定用户推送，暂无公开开放时间表。榜首数据提示：得分、成本、幻觉率与可用性需要分开评估。

掘金作者 ENCI 于 2026 年 11 月发布教程，把按压回弹、弹性开关、波纹跟随手指、液态滑块等 12 种高级 UI 交互拆成视觉特征加一句话 AI 提示词，并附可运行的前端 Demo，主张交互高级感来自“物理感”。

OpenAI 于 2026 年 11 月 4 日发布 GPT Image 2.6，延续 Sunburst 与 Flare 双分支，官方称生成速度提升 50%，新增 SVG 和 GIF 输出，token 单价与上一代持平。

Anthropic Institute 研究员 Andy Hall 复现并扩展 METR 的研究后发现，AI 模型在日志审计中能识别多数 Agent 不当行为，但要把检出率推高，误报率会同步上升，人工审核员可能被大量假警报淹没。

MaxxBench 对 DeepSWE 的 89 个编码任务做了小幅需求改动，结果多个模型的得分明显下滑，其中 Gemini 3.8 Flash 从约 74% 降到 53.4%，说明模型并不总能稳定遵循修改后的要求。

OpenAI 在开发者文档中宣布，所有组织现在都能通过 SIP 中继把呼入和呼出电话接入 GPT-Live。这意味着 AI 语音能力可以直接落在普通电话网络上，而不只停留在网页或 App 里。

OpenAI 为 ChatGPT 加入 GPT-6 模型的新功能 Intelligent UI，用户可以在对话窗口内直接生成带图形、按钮和滑块的交互式工具，TechRadar 作者据此试做了 6 个应用。

卡内基梅隆大学联合美国能源部国家实验室推出“Into the Unknown”基准，让9个AI Agent对15个未发表科研方向做自主跟进研究，135份投稿无一同时满足诚实、完整、达到专家标准三项要求。