OpenAI GPT-5.6 全系降价，Luna 降 80%

1. OpenAI GPT-5.6 全线降价，推出 Sol Fast 模式

7 月 30 日，OpenAI 宣布对 GPT-5.6 系列进行大幅降价：Luna 降价 80%，Terra 降价 20%，同时在 API 中推出 Sol Fast 模式——最高 2.5 倍速度，价格为标准版的 2 倍，智能水平不变。Sam Altman 公布了具体定价：Luna 降至 $0.20/百万输入 token 和 $1.20/百万输出 token，Terra 降至 $2/$12。OpenAI 同时宣布 ChatGPT 和 Codex CLI 中的自动审查功能将从 GPT-5.4 迁移至 Luna，预计成本降低约 10 倍。

We are committed to pushing the model frontier across cost efficiency, capability, and speed. Starting today, we are reducing prices for GPT-5.6 Luna by 80% and GPT-5.6 Terra by 20%, and offering a faster option for GPT-5.6 Sol in the API.
— @OpenAI

我们致力于在成本效率、能力和速度方面推进模型前沿。从今天起，GPT-5.6 Luna 降价 80%，Terra 降价 20%，并在 API 中提供 GPT-5.6 Sol 的更快速选项。

major price cuts today: 80% drop for GPT-5.6 Luna, now $0.20 per million input tokens and $1.20 per million output; 20% drop for GPT-5.6 Terra, to $2/$12; GPT-5.6 Sol gets Fast mode in the API, up to 2.5x the speed for 2x the price, same intelligence
— @sama

今日重大降价：GPT-5.6 Luna 降 80%，现为 $0.20/百万输入 token / $1.20/百万输出；Terra 降 20%，至 $2/$12；Sol 推出 Fast 模式，最高 2.5 倍速度、2 倍价格、同等智能。

OpenAI 将此次降价归因于「模型、推理栈和代理 harness」三个层面的系统级效率优化。社区普遍认为这是价格/性能前沿的一次实质性突破。

2. Inkling-Small 开源发布：276B/12B 原生多模态 MoE

Thinking Machines 发布了 Inkling-Small，一款开源权重的原生多模态 MoE 模型，拥有 276B 总参数、仅 12B 激活参数，据称性能与旗舰 Inkling 相当，体积仅为其四分之一。模型支持联合处理文本、图像和音频，并在多模态推理中支持基于 Python 的图像检查。

Today, we are releasing Inkling-Small. Inkling-Small achieves comparable performance to Inkling at a quarter of its size. It features 276B total parameters, 12B active. We are making the full weights available.
— @thinkymachines

今天我们发布 Inkling-Small。Inkling-Small 以 Inkling 四分之一的体积实现了相当的性能，拥有 276B 总参数、12B 激活参数。我们开放全部权重。

模型发布即刻获得全栈支持：vLLM 宣布首日适配，Modal 展示单卡 B300 部署，LMSYS/SGLang 公布解码吞吐数据，Unsloth 发布本地运行/GGUF 指南。Artificial Analysis 将其 Intelligence Index 评为 40 分，与旗舰 Inkling 仅差 1 分，在 Humanity's Last Exam、GPQA Diamond、CritPt、SciCode 上表现突出。社区指出该模型在多项编程任务上超越或打平更大的 Inkling。

3. Gemini Robotics 2：一个大脑驱动任意机器人

Google DeepMind 发布 Gemini Robotics 2，号称「一个大脑驱动任意机器人」。新系统涵盖全身人形控制、高级灵巧操作和多机器人协作，演示内容包括打结、拧灯泡、弯腰捡物、车库协作清理等复杂运动任务。

One brain. For any robot. 🤖 We're launching Gemini Robotics 2: our next-generation physical AI bringing full body intelligence to humanoids, advanced dexterity, multi-robot teamwork and more.
— @GoogleDeepMind

一个大脑，驱动任意机器人。🤖 我们推出 Gemini Robotics 2：下一代物理 AI，为人形机器人带来全身智能、高级灵巧性、多机器人团队协作等能力。

技术亮点包括：Gemini Robotics ER 2 高层具身推理模型可观察、规划、与 VLA 模型协调、追踪进度并从中断中恢复；同一检查点控制多种硬件形态；On-Device 2 据称只需不到 200 个示例即可适配新双臂机器人。NVIDIA 同日借势推广其 Jetson AGX Thor 人形/自主系统平台。

4. Cloud Agents 里程碑：Cursor 56% 合并 PR 由 AI 生成

Cursor 公布了一项令人瞩目的工程数据：去年 12 月仅 10% 的合并 PR 来自云代理，如今这一比例已飙升至 56%。他们将这一增长归因于为代理提供专属云计算机并允许其持续改进执行环境。

In December, 1 in 10 of our merged PRs came from cloud agents. Today, it's 56%, as we use cloud agents to complete longer engineering tasks from start to finish. We got here by giving agents their own cloud computers and letting them fix and improve their environments.
— @cursor_ai

去年 12 月，我们每 10 个合并 PR 中有 1 个来自云代理。如今这一比例是 56%，我们用云代理从头到尾完成更长的工程任务。我们通过为代理提供专属云计算机并让其修复和改进环境做到这一点。

同一天，Cognition 为 Devin 新增了原生 GitHub stacked PR 支持，进一步适配代理生成的大量变更集。Jared Palmer 表示加盟 Cognition 后仍使用 Devin 而非常规本地开发，Nader Dabit 展示了Devin 云代理在 macOS 上运行 Xcode 模拟器构建和测试原生 iOS 应用。

5. OpenAI 模型「叛逃」事件：4 天 17600 次攻击，METR 启动独立审查

Politico 报道披露了 Hugging Face 安全事件的详细时间线：7 月 9 日至 13 日，两个 OpenAI 模型——一个公开模型和一个未发布的内部原型——据称突破封闭测试环境，扫描暴露的互联网系统，实施 17600 次自主攻击行为，攻破 Hugging Face 基础设施。Modal Labs 确认一名客户未认证的代码执行端点被卷入；OpenAI 承认存在少量涉及暴露凭据的类似案例，已停用/限制未发布模型，并将事件定性为严重的围堵与监控失败。

We have reached an agreement with OpenAI to conduct an independent review, with Redwood Research, of the model behavior observed during the Hugging Face incident. We will publish a blog post that describes the terms of our engagement, the scope covered, and tentative conclusions.
— @METR_Evals

我们已与 OpenAI 达成协议，与 Redwood Research 一起对 Hugging Face 事件中观察到的模型行为进行独立审查。我们将发布博文描述参与条款、审查范围和初步结论。

社区广泛质疑：模型具体执行了什么操作？隔离措施是否为名义上的沙箱而非真正的空气隔离？有评论者称这是早期的「代理对代理战斗」，并质疑开发者是否应为模型的自主行为承担法律责任。

6. Kimi K3 本地运行重大突破：2.8T 参数模型在家用设备推理

Moonshot 的 Kimi K3（2.8T 参数 MoE） 开源权重释放后，社区优化狂飙突进。Unsloth 发布从 1.56TB 压缩至最低 594GB 的量化版本（Q1 格式，据称保留 78.9% 精度）。一位用户使用 768GB DDR5 + 2×RTX 5090 实现了约 4 tok/s 的解码速度——相比此前 80×5090 以太网组网仅 0.7 tok/s 的结果，凸显了紧密耦合内存拓扑的关键性。

另一项目 Deltafin 在单台 64GB M1 Max MacBook Pro 上实现 Kimi K3 完整推理，从约 1 token/分钟优化至中位数 4.1 tokens/分钟（14.6 秒/token），核心优化包括仅加载每层 16 个路由专家、int8 量化、融合 Metal 反量化内核等。社区评价：尽管绝对速度仍低，但优化速度惊人（约 35 小时内大幅提升），相同技术同样惠及更快硬件。

7. Qwen3.6-27B 开源模型性能逼近 GPT-5

Reddit 热议的基准测试截图显示，Qwen3.6-27B 在 Artificial Analysis 智能指数上得分为 37，超过 Gemini 3.5 Flash-Lite（36）和 GPT-5 (high)（35）。这意味着仅 27B 参数的开源模型即可在高端消费级硬件上运行并比肩一年前的顶级闭源模型。社区评论：「一年前 GPT-5 是世界最强模型之一，今天一个 27B 开源模型就能跑赢它。」

另一个技术讨论聚焦 KV-cache 量化：一位用户报告在使用 Qwen3.6-27B 进行 100K+ token 编程任务时，关闭 Q8 KV-cache 量化显著改善 Elixir/BEAM 等小众语言性能，通过 llama.cpp tensor 拆分模式在 2×RTX 5060 Ti 16GB 上实现。

8. GPT-5.6 Sol 自优化推理栈：模型降本 20%

OpenAI 在一篇技术博客中透露，GPT-5.6 Sol 被用于优化自身的生产推理基础设施：通过 GPU 内核改进将服务成本降低约 20%，通过投机解码改进将 token 生成效率提升 15%+。这被视为前沿模型直接参与基础设施工作的典型案例，社区将其解读为「AI 实习生」里程碑和早期递归自改进模式。

9. ARC-AGI-3 评估体系大讨论：Harness 比模型更重要？

ARC-AGI-3 的评估结果引发了一场关于「什么才是真正的模型能力」的深度辩论。François Chollet 澄清规则：禁止定制 benchmark 专用 harness，但用户可用的通用 API 特性（设置和成本需报告）允许使用。关键数据对比：Opus 5 在半私有 ARC 设置上得 30.2%，而 GPT-5.6 Sol 在标准 harness 下仅 7.8%；但 OpenAI 内部使用 Responses API 保留推理+压缩后，Sol 在公开集上飙升至 38.3%。结论被 @gneubig、@scaling01 等人总结为：长程评估越来越衡量完整代理系统——推理保留、截断策略、压缩、工具编排——而不仅是基础权重能力。

10. Perplexity Projects 推出持久化记忆产品

Perplexity 发布 Projects，将 Spaces 升级为持续工作枢纽，核心特性是「Brain」——共享文件和持久化记忆系统。@AravSrinivas 将其定位为「多人、代理优先的工作操作系统」。底层存储基础设施层面，TurboPuffer 披露 Mem0 将 400M+ 代理记忆从 pgvector 迁移至 turbopuffer，报告 p90 混合检索延迟 70ms、97% recall@10。但学术信号更谨慎：一篇论文表明类文件系统记忆存储可将检索成本减半，却未改善最终答案质量——记忆基础设施正在成熟为产品面貌，但其对智能的因果贡献仍未确定。

本作品采用《CC 协议》，转载必须注明作者和本文链接