OpenAI发布BioBasicsBench:用100项湿实验任务评测AI智能体

OpenAI与生物技术公司Ligo合作推出BioBasicsBench,用100项日常湿实验室任务衡量AI智能体解读原始实验数据的能力;在“xhigh”推理设置下,GPT‑6 Astra平均获得66.7%的可用分数,GPT‑5.6 Sol为43.8%。

OpenAI与生物技术公司Ligo合作推出BioBasicsBench,用100项日常湿实验室任务衡量AI智能体解读原始实验数据的能力;在“xhigh”推理设置下,GPT‑6 Astra平均获得66.7%的可用分数,GPT‑5.6 Sol为43.8%。

OpenAI 宣布与安全公司 Hacktron 合作,共同排查其系统漏洞,重点检查 OpenAI 服务与第三方服务交互的环节,并通过 Daybreak Red 扩大 Hacktron 对前沿模型的访问权限。这延续了 OpenAI 近期强化自身安全的动作。

Perplexity 面向 Max 订阅用户上线名为“teammates”的 AI 代理,可在云端助手 Perplexity Computer 中自主处理持续性工作,并支持多个代理分工协作、互相管理。这为“AI 代理团队”形态提供了新的商业样本。

MIT CSAIL 团队让 GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 的约 0.016% 权重,将 MATH-500 成绩从 7.9% 提升到 48.1%,全程未训练。但这次提分主要来自修复推理循环的缺陷,并非模型凭空获得新能力。

Anthropic 让 Claude 通过 Plaid 以只读方式连接用户银行账户,上线 Personal Finance 测试版,用户可直接向模型询问自己的收支情况,但资金操作权限完全不在 Claude 手中。

Village 的 LLM Atlas 数据显示,截至 2026 年 10 月 31 日,闭源模型几乎占据了所有价位上的性价比最优位置,开源权重模型仅在约 3% 的预算区间内仍是最佳选择,为有记录以来最低。

OpenAI 宣布在数据中心项目中不再与公职人员签署保密协议(NDA),并承诺承担全部电力及相关基础设施成本。这一变化发生在美国中期选举之后,多地选民对数据中心扩张表达了反对,值得关注的是它可能推动行业披露标准的变化。

Meta 的个人 AI 助手 Muse 于 11 月 6 日面向美国用户上线实时语音对话和虚拟形象功能,让 AI 从文字输入框里走出来,变成可以“打电话”的对话对象。值得关注的是,它把语音生成和面部动画放在同一条数据流里完成,直接指向“类人交互”的竞争方向。

OpenAI于2026年11月4日宣布收购代码管理与审查创业公司Pierre,计划将其分布式存储和代码审查技术整合进Codex系统。这起收购显示OpenAI正从模型能力竞争延伸到开发者工作流的端到端工具链。

Meta 为 AI agent Muse 增加语音对话和动态表情虚拟形象,美国用户即日起可在移动端、网页和 Mac 应用中使用。这款产品上线两个月下载量已超 500 万,Meta 正试图把“能聊的吉祥物”变成更自然的日常助手。