2026年7月10日，星期五 · 共 10 篇精选
编辑视角
今天的重点并不是三家大厂都发布了新模型，而是它们分别在争夺模型走进日常使用的不同入口。OpenAI 把能力拆成 Sol、Terra 和 Luna 三档，让高成本的深度推理只用于真正困难的任务；xAI 把竞争焦点放到工程任务的完成效率上；Meta 则直接把生成能力放进用户已在使用的社交产品中。模型的竞争，正在从“谁回答得更聪明”进入“谁能把一条工作流做得更可靠、更便宜、更容易分发”。
对开发团队，最值得看的是任务成功率、人工接手时间、等待时间和总成本，而不是单一榜单。对创作者和品牌，Meta 的新能力带来的不只是效率，也包括公开账号、视觉资产和生成内容来源如何管理的问题。今天这三条线共同说明：模型能力已经进入产品、流程和治理同时竞争的阶段。
基础模型
本栏目关注决定行业能力上限的基础模型。今天的发布呈现三种方向：复杂知识工作的能力分层、软件智能体的效率竞争，以及在社交产品中原生分发的多模态创作能力。
GPT-5.6 推出 Sol、Terra 与 Luna 三个能力层级
OpenAI 将 GPT-5.6 分为旗舰 Sol、均衡 Terra 和更快、更低成本的 Luna。官方称 Terra 的能力可与 GPT-5.5 竞争，同时价格更低；Luna 则面向高频、成本敏感的任务。这个变化的意义不在名字，而在于团队终于可以把常规提取、改写、客服等任务与高难度研究、编程和分析分开安排，而不是默认所有请求都使用最贵的模型。
真正要验证的是路由策略：哪些任务可以稳定使用低档模型，什么情况下需要升级，升级之后是否确实提升结果。只有把模型选择放进具体工作流，能力分层才会变成成本优势。
来源：OpenAI
GPT-5.6 Sol 支持更深推理与子代理协作
Sol 新增 max 推理强度，并在 ultra 模式中使用子代理协作完成复杂任务。OpenAI 重点展示的已不只是代码补全，而是需要规划、反复执行、调用工具和协调步骤的命令行工作。这意味着模型的评价标准正在从“答案看起来是否合理”转向“能否把一个可验收的任务持续推进到完成”。
这类能力最适合目标明确的工作：测试通过、表格核对完成、研究结论有来源、数据输出可复现。子代理能并行推进工作，但不能替代最终审核；错误的前提一旦被多个步骤继承，表面的忙碌可能掩盖更大的偏差。
来源：OpenAI
更强网络安全能力配合分阶段开放
OpenAI 表示 GPT-5.6 在漏洞研究、补丁开发和防御性安全工作上能力更强，同时在其测试条件下仍未达到最高风险阈值。预览阶段使用了模型拒答、生成时检查、账户信号、监控、执法和持续对抗测试等多层措施，并先向有限合作伙伴开放。
这说明模型上线方式本身已成为产品能力的一部分。企业在接入高能力代理前，应先明确它可访问哪些代码库、凭证和操作权限。权限和日志不仅用于防滥用，也能让正常的工程工作更容易追溯与复盘。
来源：OpenAI
Grok 4.5 进入工程型智能体竞争
xAI 将 Grok 4.5 定位为面向编程、智能体和知识工作的最强模型，强调多步骤软件工程、终端操作，以及从简短说明构建完整应用。官方称其训练结合了大规模强化学习、数据筛选和工程、科学、数学等领域的高信号数据。
开发者真正关心的并不是它能否写出一段漂亮代码，而是能否读懂陌生项目、做出小改动而不破坏相邻功能、运行测试并解释原因。公开基准有参考价值，但真实代码库、依赖和团队规范仍需要单独验证。
来源：xAI
Grok 4.5 将每个任务的消耗变成核心指标
xAI 称 Grok 4.5 的服务速度可达 80 TPS，在其引用的 SWE-Bench Pro 对比中，平均输出 token 为 15,954，明显少于某些对比模型；定价为每百万输入 token 2 美元、输出 token 6 美元。以上均为厂商公布的数据，但它把讨论带到了一个更实际的问题：完成一项正确任务的总成本是多少。
团队应记录任务成功率、耗时、token、重试次数和人工修复时间。token 更少并不必然更好；如果它以遗漏边界情况或更高失败率为代价，最终成本反而会上升。
来源：xAI
AI 智能体与工作流
智能体不再只靠一次提示词取胜，而要证明自己能在一段完整工作时间内规划、执行、测试并从错误中恢复。
软件基准正在测试“持续完成工作”的能力
xAI 同时展示了 DeepSWE、SWE Marathon、Terminal-Bench 2.1 和 SWE-Bench Pro 等结果。它们具体规则不同，但共同测试的是：模型能否检查当前状态、决定如何修改、调用工具、理解反馈，并在首次方案失败后继续修正。这比写出一段看似正确的代码更接近真实工作。
评估时，不妨准备一组有代表性的待办项：包含失败测试、明确完成条件和隔离环境。记录最终改动、执行过程和人工审查时间。持续稳定完成七个小修复的模型，通常比一次惊艳演示更有价值。
来源：xAI
Grok Build 把能力延伸到表格、演示和文档
Grok 4.5 已被用于 Grok Build 中的网络研究、多工作表公式、幻灯片、图表和文档整理。办公室工作很少是单纯写一段文字：结果需要连接资料、保留上下文、符合格式，并留下其他人能继续编辑的交付物。
不同交付物需要不同审核。表格要检查公式和数据来源，幻灯片要检查事实和品牌规范，研究摘要必须确认引用是否支持结论。合适的目标不是取消人工，而是让人工从搭建初稿转向验证关键决策和打磨成品。
来源：xAI
社交 AI 与内容创作
Meta 的发布值得重视，因为它把生成能力直接放在用户创作、分享和建立公共身份的产品里。问题不只在图片质量，也在来源、品牌安全和社交语境。
Meta 发布 Muse Image，并预览 Muse Video
Meta Superintelligence Labs 发布 Muse Image，并预览 Muse Video。Muse Image 强调遵循指令、精细编辑和多参考图组合，已进入 Meta AI、meta.ai、美国的 Instagram Stories，以及部分地区的 WhatsApp；Muse Video 则瞄准提示词遵循、画面质量、时间一致性和原生音频。
关键不只是模型本身，而是分发。生成工具嵌入社交产品后，创意到发布的距离会大幅缩短，但它同时涉及个人照片、公开身份和受众预期。品牌应先明确谁能发布 AI 辅助内容、需要什么审核以及如何标注。
来源：Meta AI
Muse Image 把图像生成变成可调用工具的流程
Meta 表示 Muse Image 不只是“输入提示词、输出图片”。它可使用搜索来获取实时信息和视觉参考，也可编写并运行代码以生成更准确的图表、二维码，并在结果不理想时自行修改。Meta 还称它能与 Muse Spark 联合规划和调用工具。
这种流程对事实型图表、营销素材和复杂创作更有价值，也带来新的风险：错误来源、不恰当参考或看似权威但并不准确的画面。面向外部使用时，团队应保留提示词、来源和关键修改记录。
来源：Meta AI
社交语境让公开账号成为创作界面的一部分
Muse Image 可以利用 Instagram 的社交语境，Meta 也展示了将公开账号提及作为生成参考的方式。这与独立图像模型不同：社交关系和公开身份本身正在成为创作工具的一部分。它能帮助创作者更快做出贴近平台语境的内容，也让视觉身份管理变得更重要。
创作者和品牌应检查哪些账号、图片、产品和风格线索处于公开状态；清楚区分官方合作与二创内容；并对可识别人物或第三方参考设定使用边界。最大的风险并不一定是图片难看，而是图片误导了合作、授权或来源关系。
来源：Meta AI
Content Seal 为生成内容保留来源信号
Meta 为 Muse Image 生成的图片加入 Content Seal——一种不可见的来源信号。公司称它可在裁剪、压缩、缩放和截图后保留，并计划扩展到视频，同时预览了检测工具。这不能解决所有合成内容的信任问题，也无法判断一条内容是否真实或获得授权。
但它是重要的基础能力：当媒体在动态、聊天、转发和截图之间不断流动时，平台需要尽量保留来源信息。对发布者来说，来源信号应与清晰的编辑披露和人工核查一起使用，而不该成为免审核的理由。
来源：Meta AI
本期日报基于截至 2026年7月10日的官方发布与可靠报道整理。