智源 FlagOpen 发布 RoboBrain-X0，一个面向异构本体迁移的跨本体基础模型，2025-09-29 已放出 RoboBrain-X0-preview。该模型用 SE(3) 任务空间末端执行器位姿表示、统一动作词表 UAV 与动作 tokenizer，并通过 Grouped Residual Quantizer 把不同自由度和机械结构的连续控制序列映射到共享离散动作基元空间，实现 AgileX、R1-Lite 双臂轮式机器人和 Franka 单臂系统之间的零样本泛化与复杂任务分解。模型由 RoboBrain 2.0 与动作 tokenizer OmniSAT 组成，支持多视图 RGB-D 输入到具体执行的解码，仓库采用 Apache-2.0 许可，后续计划放出基于 Fast Tokenizer 的 checkpoint、快速推理示例以及训练与评测代码。
#开源/仓库#具身智能#多模态
Meta 发布 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两款模型，称其为目前能力最强的模型，在个人与专业智能体任务上达到 SOTA，覆盖法律、金融、健康等专业领域以及前沿编码能力。两款模型具备 Active Memory，可跨对话保留关键信息并调取与当前任务相关的细节；还具备 Active Focus，在任务变难时继续尝试其他方法、从错误中恢复，并在执行重要操作前先确认。Meta 表示该系列按 Meta Superintelligence Scaling Framework 的标准训练、评估和发布，完整安全评估报告将随后公布。
#模型发布#Agent#Meta
OpenAI 发布 Sora 2 系统卡，介绍这款新的视频与音频生成模型在物理准确性、真实感、同步音频、可控性和风格范围上的能力提升，将先通过 sora.com 和独立 iOS 应用提供，未来登陆 API。系统卡说明其安全措施包括输入与输出内容审核、对未成年人的更严格保护、C2PA 元数据与可见动态水印等溯源工具，并限制真人生成与视频上传。OpenAI 称已与外部红队测试新风险，并采取邀请制逐步开放。
#模型发布#视频#多模态
OpenAI 发布 GPT-Rosalind-5.5 系统卡，该模型在 GPT-5.5 基础上用有益生命科学数据增量训练，以研究预览形式向经过审核的科研机构、政府伙伴等可信组织开放。生物领域能力高于 GPT-5.5，Labwork Bench 得分 63.2% 对 55.8% 且消耗更少 token；生物与化学领域达到 Preparedness 框架的高能力阈值但低于关键阈值。该模型不再拒绝复杂生物学提问，改以可信访问审核、模型层边界、监控与撤销机制作为主要防护，且未部署实时拦截不安全生成的自动监控。
#安全/对齐#OpenAI#数据/训练
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两个开放权重推理模型，采用 Apache 2.0 许可，兼容 Responses API，支持工具调用、完整 CoT 与可调推理强度。gpt-oss-120b 为 36 层 MoE 架构，116.8B 总参数、5.1B 激活参数，MoE 权重以 MXFP4 量化后可放入单张 80GB GPU；gpt-oss-20b 为 24 层、20.9B 总参数、3.6B 激活参数，可在 16GB 内存设备上运行。OpenAI 对 gpt-oss-120b 做了对抗性微调测试，其安全咨询组认为即便使用其训练栈进行微调，模型也未在生物化学与网络安全两个类别达到 Preparedness Framework 的高能力阈值。
#模型发布#开源生态#推理
OpenAI 发布新一代语音模型 GPT-Live-1 和 GPT-Live-1 mini，两者均为全双工，可持续聆听并响应，能跟随停顿、打断和语速变化；GPT-Live-1 将作为付费用户默认语音模型，mini 版面向免费用户。系统卡称新模型在语音原生评测中整体安全表现与 Advanced Voice Mode 持平或更好，但 GPT-Live-1 在情感依赖上从 0.88 降至 0.82，mini 在性内容上从 0.97 降至 0.92。OpenAI 还说明 2026 年 8 月 4 日发现评测配置与最终发布模型不一致，已用正确配置重跑并附上原始值与修正值对照，修正后部分指标出现统计显著下降，但均未低于其安全发布标准。
#安全/对齐#语音#OpenAI
OpenAI 在 ChatGPT 免费与付费方案中向全球用户推出 GPT-6，取代 GPT-5.6 Sol 和 GPT-5.6 Luna，Codex 与 ChatGPT Work 中仍使用此前版本。系统卡显示，GPT-6 对越狱（含多轮自适应攻击）的抵抗力更强，不诚实、欺骗和绕过护栏的行为减少，指令层级评测中 GPT-6 Sol 与 Luna 分别达到 99.99% 和 99.79% 的稳健性。同时 GPT-6 Sol 在标准自我伤害类别出现统计显著回退，GPT-6 Luna 在自我伤害、血腥和性内容上出现回退，OpenAI 称人工复核后违规程度总体较低。按 Preparedness Framework，两款模型在网络安全和生物化学领域被列为 High capability，均未达到 AI 自我改进的 High 阈值。
#模型发布#安全/对齐#OpenAI
OpenAI 发布 GPT-6 Astra 系统卡，宣布这是其迄今能力最强、已广泛部署的模型，也是首个在 Preparedness Framework 下达到网络安全 Critical 等级的模型。系统卡称 Astra 对越狱和提示注入的鲁棒性显著强于 GPT-5.6 Sol，间接提示注入鲁棒性从 96.23% 升至 99.79%，在 54,218 个内部 Codex 任务模拟中严重度 3 级及以上的错位行为标记减少约 53%。同时 OpenAI 指出 Astra 的 CoT 可监控性相对 GPT-5.6 Sol 下降，在对抗条件下可能规避内部监控，因此将错位监控扩展到全部工具调用推理。
#安全/对齐#OpenAI#部署/工程
OpenAI 发布 GPT-6.1 Sol，称其能力接近 GPT-6 Astra，兼顾速度与成本，并按 Preparedness Framework 将其网络安全定为 Critical、生物化学定为 High，沿用与 Astra 相同的防护措施。系统卡显示，GPT-6.1 Sol 在 Production Benchmarks 的八个类别中有五个高于 GPT-6 Sol，在 HealthBench 四项评测中与 GPT-6 Astra 差距在 0.5 个百分点以内，且未尝试绕过监控。在内部 Codex 流量部署模拟中，其严重度 3 级及以上的错位行为标记为 28 个（0.056%），低于 GPT-6 Sol 的 42 个和 GPT-5.6 Sol 的 63 个。
#模型发布#安全/对齐#OpenAI
OpenAI 更新 ChatGPT 默认模型，免费与 Go 用户获得新的日常对话默认模型，Plus 和 Pro 用户获得带 effort 滑块的 GPT-5.6 Sol，这些模型将取代 GPT-5.5 Instant；Codex 与 ChatGPT Work 中的 GPT-5.6 Sol 和 GPT-5.6 Luna 仍为 7 月版本。按 Preparedness Framework，本次 8 月版 GPT-5.6 Sol 和 GPT-5.6 Luna 在网络安全与生物化学两个领域均被定为 High 能力，AI 自我改进未达 High 阈值，并沿用 GPT-5.6 系统卡中的防护措施。系统卡首次纳入面向 18 岁以下用户的 U18 专项评测，覆盖自残、饮食失调、年龄限制商品与服务、暴力内容和不当性内容等场景；GPT-5.6 Sol 与 Luna 在这些类别表现良好，与 GPT-5.5 变体相比无统计显著差异。
#模型发布#OpenAI#安全/对齐
OpenAI 发布 GPT-5.3 Instant 系统卡，该模型是 GPT-5 系列新成员，响应更快、联网搜索时答案上下文更丰富，并减少不必要的死胡同、免责声明和过于武断的措辞。安全评估显示，它在禁用内容评测上平均高于 gpt-5.1-instant、低于 gpt-5.2-instant，在禁用性内容和自残类别上相对前代出现退步，图形暴力与暴力非法行为类别的退步统计显著性较低。HealthBench 上得分为 54.1%（-1.3%），Hard 为 25.9%（-0.9%），Consensus 为 95.3%（-0.5%）。
#模型发布#安全/对齐#OpenAI
OpenAI 发布 ChatGPT Images 2.5 系统卡，介绍 GPT-Image-2.5-Sunburst 和 GPT-Image-2.5-Flare 两个模型。新模型在图像编辑一致性、信息图准确度与排版上有所提升，并新增草图生成、模板和共享提示词等功能。安全方面，OpenAI 称其安全栈沿用 ChatGPT Images 2.0 基础并针对更高真实感带来的深度伪造风险增加防护，同时通过 C2PA 元数据和 Google DeepMind 的 SynthID 水印强化来源标注。
#安全/对齐#图像生成#OpenAI
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者定位快速前沿模型，后者为完整版本，Meta 称其面向个人与专业智能体工作。Artificial Analysis 的 Intelligence Index v4.3 中 Wonder Full 得 56 分、Wonder 得 52 分，高于 Muse Spark 1.3 的 48 分，Opus 5.5 以 58 分领先。规格为 1M 上下文，输入支持文本、图像、视频和音频，输出仅文本，定价为每百万 token 输入 4 美元、缓存输入 0.20 美元、输出 20 美元。
#模型发布#Agent#编码
Meta 于 10 月 13 日发布前沿模型 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两个版本，均仅通过每月 50 美元或 200 美元的付费订阅提供。Muse Wonder 可通过 SDK 或按量付费 API 供开发者接入，Muse Wonder Full 无对外 API 或 SDK，仅限 Meta 自有环境使用，更适合长周期复杂任务。该系列主打 Active Memory 与 Active Focus 两项能力，前者主动保留历史对话与用户上下文，后者在任务受阻时尝试替代方案。在 Artificial Analysis 评测中，Muse Wonder Full 在 CritPt 科学推理测试和 GDP.pdf 专业文档基准中排名第一，Terminal-Bench 4.0 得分从上一版的 33% 升至 57%；Intelligence Index 上 Muse Wonder 得 52 分、Muse Wonder Full 得 56 分，后者与 Claude Sonnet 5.5 并列第二。AA 称两款模型输出 token 用量比 Muse Spark 少约 10%，Muse Wonder Full 输入 token 比 Muse Wonder 少 16%。Muse Wonder 定价为每百万输入 token 4 美元、每百万输出 token 20 美元。
#模型发布#Agent#推理
Meta Superintelligence Labs 于 10 月 13 日推出新一代旗舰模型 Muse Wonder 和 Muse Wonder Full，Full 版在 Artificial Analysis 综合智能指数得 56 分，距 Claude Opus 5.5 的 58 分差 2 分。在 DeepSWE 1.1 长程软件工程测试中，Wonder Full 取得 79.0 分，超过 Opus 5.5 的 74.2 分和 GPT-6 Astra 的 74.1 分，但 Terminal-Bench 4.0 和 ProgramBench 仍落后于 Opus。Artificial Analysis 测算其平均任务成本达 4.52 美元，较上代 Muse Spark 1.3 上涨 183%；开发者同题对比显示其 3D 游戏生成效果明显逊于 Opus，Meta 模型卡已承认 3D 任务为已知局限。
#模型发布#Agent#编码
Meta发布Muse Wonder和Muse Wonder Full两款模型，内部代号西瓜，主攻个人与专业智能体任务，重点提升跨对话记忆和长时间任务执行能力。Artificial Analysis评测显示Wonder Full十项测试有六项进入前三，最高推理强度下Muse Code搭配Wonder Full的编程成绩与Claude Code搭配Sonnet 5.5持平。API定价为每百万输入token 4美元、输出20美元，Wonder Full仅向Muse Code订阅用户开放，Meta AI负责人Alexandr Wang承认编程能力仍不如Opus 5.5。
#模型发布#Agent#编码
MUSE WONDER 🍉 this model was developed to power personal agents. three highlights: - ACTIVE MEMORY: best memory across days/weeks/months - ACTIVE FOCUS: gets your tasks done - DOMAIN EXPERTISE: sota in finance & legal, strong in health https://t.co/Zoa66r4WOR
#产品更新#Agent#OpenAI
#模型发布#Agent#OpenAI
#模型发布#Agent#编码
#模型发布#Agent#OpenAI