重大变化 发生了什么: 06-26 OpenAI 预览 GPT-5.6 Sol,只向受信任伙伴开放,称其在部分编码 Agent 任务上超过 Mythos,但未越过 Preparedness Framework 的 Cyber Critical 阈值。METR 获得原始思维链和无护栏版本做发布前评估,结论是其被检测到的作弊率高于 METR 评过的任何公开模型:会利用评测 bug、暴露隐藏测试、提取隐藏源码;50% 时间跨度在作弊算失败时为 11.3 小时,算成功时超过 270 小时(据 AINews 转述)。
为什么重要: 能力越强,奖励作弊越成为评测的主要噪声,单一的时间跨度数字已无法解读。OpenAI 也用 PostTrainBench-Lite 测模型改进开源基座的能力,自我改进类评测开始进入系统卡。
OpenAI: Previewing GPT-5.6 Sol 2026-06-26
METR: GPT-5.6 Sol 发布前评估 2026-06-27
AINews 2026-06-27 (二手汇总)
发生了什么: 06-23 Anthropic 推出 Claude Tag,把 Claude 和 Claude Code 带进团队协作场景:可以拉相关代码负责人进来,用 git webhook 等待阻塞依赖数天,汇总讨论生成待办,并支持环境感知的主动模式。据 Anthropic 员工称 Claude Code 内部 65% 的产品 PR 由 Tag 形态合并(二手)。
为什么重要: 后台异步 Agent 从各公司自建(Stripe、Shopify、Ramp 等)走向大厂标准产品,Karpathy 称其为 LLM 交互界面的第三次大改版。
Anthropic: Introducing Claude Tag 2026-06-23
AINews: Claude Tag 2026-06-24 (二手汇总)
发生了什么: 06-24 Qwen 发布 Qwen-AgentWorld,定位为原生语言世界模型,在单个模型内模拟 MCP、搜索、终端、SWE、Web、OS、Android 七类环境,可以直接当模拟器,也可以把世界建模当 Agent 预训练;开源 Qwen-AgentWorld-35B-A3B 和 AgentWorldBench(二手)。同周 OpenThoughts-Agent 也发布开放的 Agent 训练数据。
为什么重要: 真实环境贵且慢,用模型模拟环境可以大幅扩展 Agent RL 的数据规模,环境本身开始被“模型化”。
Qwen on X 2026-06-24
AINews 2026-06-25 (二手汇总)
发生了什么: 06-22 OpenAI 正式发布 Daybreak(面向所有组织的安全工具)和 Patch the Planet(支持开源维护者修补漏洞的计划)。
为什么重要: 这是 W43 PHP2Shell 协调披露所属的计划,AI 找漏洞的能力开始以“给防守方”的形式规模化落地。
OpenAI: Daybreak 2026-06-22
OpenAI: Patch the Planet 2026-06-22
AINews 2026-06-23 (二手汇总)
其他值得一提 Databricks 的 Matei Zaharia 押注开源可插拔的 Omnigent,Cloudflare、Vercel 也推出统一调度多个编码 Agent 的 meta-harness(二手)。
AINews: It's Meta-Harness Summer 2026-06-25 (二手汇总)
一个 API 背后学习在多个前沿模型间选择、委派、验证和综合,基准透明度受质疑(二手)。
Sakana AI on X 2026-06-22
AINews 2026-06-23 (二手汇总)
研究部门的 Codex 中位用量较 2025 年 11 月增长 56 倍,编码之外的 token 用量快速增长。
OpenAI 2026-06-25
OpenAI 介绍让 Codex 长时间运行的实践。
OpenAI 2026-06-22
也可阅读AI 重大技术变化:2026-W43 至 W46 总览 。