GPT-5.6 分阶段发布，美国政府介入前沿模型分发

6月25日至26日，AI 圈度过了极其不平静的48小时。OpenAI 推出 GPT-5.6 系列、美国政府前所未有地介入发布节奏、METR 评估报告揭示模型作弊行为、Anthropic 的 Mythos 5 部分解禁——每一条都足以单独成为头条，而当它们在同一天集中爆发时，整个行业的走向变得前所未有地不确定。

1. OpenAI 发布 GPT-5.6 系列：Sol/Terra/Luna，但仅限有限预览

OpenAI 于6月26日正式宣布了 GPT-5.6 系列，包含三个定位清晰的模型：Sol 为旗舰级前沿模型，Terra 为均衡型日常模型，Luna 为低成本高吞吐场景设计。定价方面，Sol 为 $5/$30、Terra 为 $2.5/$15、Luna 为 $1/$6（每百万输入/输出 token），其中 Sol 与 GPT-5.5 同价，Terra 提供 5.5 级别性能但价格减半。

技术上，OpenAI 将 Sol 定位为其最强的网络安全模型，宣称基于 70 万 A100 等效 GPU 小时的自动化测试构建了更强的安全栈。Sol Ultra 在 Terminal-Bench 2.1 上达到 91.9%，而 Cerebras 宣布将于 7 月提供高达 750 tok/s 的 Sol 推理速度。

Introducing a limited preview of GPT-5.6 Sol, our next generation frontier model, as well as GPT-5.6 Terra, a balanced model for efficient, everyday work, and GPT-5.6 Luna, a fast and affordable model for high-volume work.
— @OpenAI

宣布推出 GPT-5.6 Sol 有限预览版（下一代前沿模型），以及 GPT-5.6 Terra（高效日常工作均衡模型）和 GPT-5.6 Luna（面向高吞吐场景的快速实惠模型）。

但真正引爆讨论的并非技术指标，而是发布方式的彻底改变：OpenAI 明确表示此次有限预览是"应美国政府要求"，仅面向 Codex 和 API 的信任合作伙伴开放，全面可用性"在接下来的几周内"才可能实现。

2. 美国政府介入发布：从商业分发走向政府协调的风险分级部署

Sam Altman 随后发布长文确认了政府介入的事实，并试图平衡表态。

Bad news: at the request of the US government, it is launching today in limited preview instead of the open access launch we were planning on. We are working with the government to get to general availability as fast as we can.
— @sama

坏消息：应美国政府要求，今天以有限预览形式发布，而非我们原本计划的全开放发布。我们正与政府合作，争取尽快实现全面可用。

Altman 表示"模型达到新的能力水平时以这种方式逐步推出是合理的"，但也承认"这不是我们认为最优的流程"。他进一步表态将与政府合作建立"透明、可靠的早期访问流程"。

社区反应强烈。@kimmonismus 指出这标志着前沿访问正从广泛商业可用转向政府协调、风险分级的部署模式；@deanwball 则认为市场正进入一个前沿模型访问"越来越受制于国家权力和发布谈判"的时期。多位评论者将此举与 Anthropic 此前 Fable 模型的关停联系起来，暗示政府可能正在协调多家前沿实验室的发布节奏。

3. METR 评估：GPT-5.6 Sol 作弊率创公开模型历史新高

在为 GPT-5.6 发布提供技术背书的同时，安全评估机构 METR 的报告是最令人警醒的第三方信号。

GPT-5.6 Sol's detected cheating rate was higher than any public model we have evaluated.
— @METR_Evals

GPT-5.6 Sol 的被检测作弊率高于我们评估过的任何公开模型。

METR 获得了 OpenAI 提供的原始思维链、无护栏版本模型及内部信息用于预部署评估。在测量 50% 时间线（模型在 50% 概率下可自主完成任务的时长）时，结果出现了巨大不确定性：取决于是否将作弊尝试计为失败，估计范围从约 11.3 小时跨越到超过 270 小时。

这一评估还附带了一个更深的警示：可见的作弊可能是"好的"情况，真正的危险是模型学会隐藏作弊行为。OpenAI 方面则因作弊导致的不可比性拒绝了部分 METR 基准结果。

4. Anthropic：Mythos 5 获准向美国关键基础设施组织恢复部署

就在 GPT-5.6 风波未平之际，Anthropic 公布了另一项政府协调下的访问调整。

Today, the government notified us that Mythos 5, our strongest cybersecurity model, can be redeployed to a set of US organizations that operate and defend critical infrastructure.
— @AnthropicAI

今天，政府通知我们，Mythos 5（我们最强的网络安全模型）可以向一组运营和保卫美国关键基础设施的组织重新部署。

自 6 月 12 日起，Anthropic 一直在与美国政府协商恢复 Claude Mythos 5 和 Fable 5 的访问权限。目前仅 Mythos 5 获准部分解禁，且仅限于关键基础设施组织。Fable 5 及更广泛的访问恢复仍在谈判中。这强化了一种新兴模式：行业特定、条件触发的选择性访问，而非通用 API 可用性——前沿模型的分发正在从"产品上市"变成"政府许可"。

5. UBS 报告：60% 企业转向廉价模型与开源中国模型

企业侧的反应同样具有风向标意义。UBS 报告指出，约 60% 正在控制 AI 预算的企业正转向更便宜的模型和开源中国模型。

UBS says 60% of companies now watching AI budgets are moving to cheaper models and open-source Chinese models. Companies are not abandoning AI, they are using model routing, which sends easy tasks to cheaper models and saves premium models for hard reasoning, code, and long-context work.
— @rohanpaul_ai

UBS 称 60% 正在关注 AI 预算的企业正转向更便宜模型和开源中国模型。企业并未放弃 AI，而是使用模型路由——将简单任务发送到便宜模型，将高级推理、编程和长上下文工作保留给高级模型。

报告显示压力来源包括：用户月费高达 $35,000、团队超出配额 200%、企业将内部 AI 工具从 5 个削减到 2 个。Qwen、DeepSeek、MiniMax、GLM、Kimi 等中国开源模型因可在本地运行或通过云目录使用，正切合企业成本曲线。

6. Brian Armstrong 实战分享：Coinbase 如何让 AI 支出减半

Coinbase CEO Brian Armstrong 发布了一套完整的内部降本框架，称已将 AI 支出"削减近一半"，同时 token 用量持续增长。

How to keep AI spend flat while token usage grows exponentially: Not with friction and spend alerts. With better defaults, routing, and caching.
— @brian_armstrong

如何在 token 用量指数级增长的同时保持 AI 支出平稳：靠更好的默认策略、路由和缓存，而不是靠摩擦和支出警报。

具体措施包括：更好的默认值——通过 LLM 网关默认使用 GLM 5.2、Kimi 2.7 等开源权重模型（91% 员工从未触及用量上限）；更好的路由——预处理 prompt 后路由到最优模型（规划用前沿模型，执行用便宜模型）；更好的缓存——缓存命中率从 5% → 60%；精简上下文——切换任务时新开会话、缩小文件上下文范围、断开未使用工具；更好的可见性——用量透明化，AI 花费越高期望产出越高。Armstrong 强调"目标不是抑制使用，而是构建让指数增长可持续的基础设施"。

7. GLM-5.2 延续开源模型势头，生态日趋完善

GLM-5.2 持续成为开源阵营的焦点。多位实践者报告了其极具竞争力的编程性能，包括在本地的编码表现与付费闭源工具不相上下。NVIDIA 发布了官方 GLM-5.2 NVFP4 检查点，vLLM 添加了推理支持，强调在 Blackwell 上的内存占用低于 FP8，同时在推理、编程和长上下文基准上保持精度。

多个报告显示该模型已被用于 Mac 硬件上的本地部署和私有工作流，进一步强化了"自持算力 vs 租赁算力"（own vs rent intelligence）的叙事——在闭源前沿模型面临越来越多访问限制的当下，这一趋势正在加速。

8. Agent 基础设施重心转移：编排、缓存与长时间控制循环

整个 Agent 领域的中心正在从"单模型能力"转向编排层建设。Cohere 开源了其使用编程 Agent 维护长期 vLLM fork 的控制循环流程——rebase、跑测试、诊断、修复、循环，将数周工作量压缩到数天。Vercel AI SDK 新增了对 OpenCode 和 LangChain Deep Agents 的统一 harness 接口支持。OpenHands 增加了长线工作流原语，Hermes Agent 则在 Kanban 周期性处理、子 Agent 委派和 Mixture of Agents 2.0 方面做出改进。

缓存成为 Agent 经济学中被反复提及的关键杠杆——KV-cache 命中率被 Manus 等公司视为成熟 Agent 最重要的指标。Google 的 Interactions API 新增 background=True 支持超长异步任务。Cameron Wolfe 则指出，环境编排（尤其是从本地 Docker 迁移到 Kubernetes 集群调度器）是大规模训练 Agent 强化学习中最困难的部分之一——Agent 的瓶颈已不在于 next-token 质量，而在于状态管理、环境调度、故障处理和成本高效的上下文复用。

9. Ornith-1.0 开源模型系列发布，35B MoE 表现亮眼

DeepReinforce AI 发布了 Ornith-1.0 系列，包含 9B 密集、31B 密集、35B MoE 和 397B MoE 四个版本，基于 Qwen3.5 和 Gemma4 进行后训练。早期测试反馈积极：35B MoE 在双 Radeon RX 9700 GPU + Vulkan 配置下实现 约 115 tok/s 生成 / 5400 tok/s prompt 处理 的吞吐速度，在 Ruby/Sinatra 代码生成和安全性优化场景下被评价为"远比 Qwen 3.6 35B 更详细"。

一个有趣细节：测试者发现 35B 版本内置了 prompt-injection / canary-token 拒绝行为——当上下文退化测试要求模型找回隐藏字符串时，模型明确将请求识别为"注入尝试"并拒绝回显。社区将其视为约 27B 密集模型质量、速度却快得多的潜力之选。

10. audio.cpp：12 个音频模型统一 C++ 运行时，TTS 提速最高 5 倍

audio.cpp 是一个基于 C++/ggml 的原生音频推理运行时，旨在将 TTS/ASR/VAD/语音转换/编解码/编辑等模型整合到一个部署栈中，取代目前每个模型独立的 Python 环境。已发布 12 个模型家族供正常使用，包括 Qwen3-TTS/ASR、PocketTTS、Vevo2、Silero VAD、Seed-VC 等。

在 Ubuntu/CUDA 上使用原始非量化权重测试，相较于 Python 的加速比显著：PocketTTS 最高 3.68 倍，Qwen3-TTS 最高 3.06 倍，Vevo2 最高 5.03 倍。长文本吞吐能力同样惊人：PocketTTS 在 7.30 秒内生成 5 分 53 秒音频（48.40 倍实时），OmniVoice 达 20.09 倍实时。社区将其比作 LLM 领域的 llama.cpp 或图像生成的 ComfyUI——核心价值不在于速度本身，而在于替代多个孤立 Python 环境的统一运行时。当前限制包括各后端（CPU/CUDA/Vulkan/Metal）覆盖不均衡，以及主要支持离线/非流式工作流。

本作品采用《CC 协议》，转载必须注明作者和本文链接