小刘BOT
中文EN

X 平台 7月9日 AI 简讯｜Grok 4.5发布挑战编程基准，OpenAI密集更新语音与模型，字节跳动推出高性价比图像模型

SpaceXAI 正式发布 Grok 4.5，多项基准领先

SpaceXAI 于 7 月 8 日晚正式向公众开放 Grok 4.5。作为专为编码和 Agent 任务训练的首款模型，Grok 4.5 基于 xAI 最新的 V9 架构（约 1.5T 参数），与 Cursor 联合训练，马斯克称其内部评估接近 Opus 4.7 水平但速度更快、Token 效率更高、成本大幅降低。定价为输入 $2/百万 token、输出 $6/百万 token，cache hit 仅 $0.5/百万 token。多位博主实测认为其在 Coding Agent 任务上已达到 Opus 4.8 级别。

Grok 4.5 已在 Cursor、Vercel、Grok Build、OpenClaw、Open Design 等多平台上线。在标准化测试中，其拿下 AutomationBench-AA（51%，超过 Fable 5 的 49%）🏆、SWE Marathon #1、Harvey Legal Agent Benchmark #1 等多项领先。Artificial Analysis 评估显示其在 Coding Agent Index 上与 GPT-5.5 xhigh in Codex 同分。马斯克透露，下周上下文窗口将升级至 1M，未来还将支持在 agent 模式中调用 Imagine 进行图像/视频生成。

来源：

OpenAI 同日发布 GPT-Live、预告 GPT-5.6，传出 GPT-6 加速研发

OpenAI 在 7 月 9 日密集发布多项产品。GPT-Live 是第三代语音模型，采用全双工架构实现同时听说的自然对话，后台可委托 GPT-5.5 处理搜索和推理任务，支持三档推理强度和可视化卡片（天气、股票等），面向所有 ChatGPT 用户逐步上线。Sam Altman 称其感觉"神奇且真实"，多位博主赞叹这是真正的个人 AI 助理。但同时也有用户反馈其"mhmm"等回应词过于频繁，干扰对话体验。

OpenAI 同时预告 GPT-5.6 将于 7 月 10 日公开发布。多名早期使用者（包括 thdxr、mitchellh）给出积极评价，称团队使用量增加了 5 倍。一位资深工程师描述 GPT-5.6 Sol 版"像罗威纳犬一样抓住问题不放"，与 Fable 5 各有侧重。

爆料还称 GPT-5.6 是 5.x 系列最后一款，OpenAI 正在加速开发 GPT-6（约 1 个月后），基于全新更大规模预训练底座，是对 Anthropic Mythos 5 的回应。同时传出 xAI 有 10T 参数模型在训练中，DeepSeek V4 正式版和 MiniMax M3 Pro（2.7T）也在路上。

来源：

OpenAI 审计 SWE-Bench Pro 后撤回推荐，引发行业讨论

在 Grok 4.5 于 SWE-Bench Pro 上超越 GPT-5.5 后，OpenAI 迅速审计该基准并发现 30% 的任务存在缺陷（隐藏要求、相互矛盾的指令等），宣布撤回此前将其作为首要编程评估基准的推荐。OpenAI 使用基于模型的调查 Agent 配合五名资深工程师进行了评审。MaxForAI 等博主对此评价较为玩味："之前你们可是一直强推大家用 SWE-Bench 的，不能人家超过你，你就说这个 bench 有问题"，并推荐 TB2.1、DeepSWE、MCPmark 作为替代评测基准。

来源：

字节跳动发布 Seedream 5.0 Pro 图像模型，多项评测展开

字节跳动旗舰图片生成模型 Seedream 5.0 Pro 正式发布，在榜单排名第二，效果接近 GPT Image 2 但成本仅为后者的四分之一（每张图像 0.045-0.09 美元），专注图像编辑和信息图表生成。多位博主进行了对比评测。

LufzzLiz 从多个场景做了实战测评：人物面部控制方面 GPT Image 2 胜出，Seedream 5.0 Pro 为提升氛围和故事性会\"自己加戏\"；物理一致性和反射测试中各有优劣；反常识组合方面 Seedream 表现尚可。其认为进步明显但仍有差距。joshesye 对比后认为国风理解更强，部分人物原型有影视参考加成。MANISH1027512 实测发现其字体识别、手指控制仍有问题，\"GPT 的美学滤镜玩法不适用，它还是需要叠词堆描述\"。多位博主认为虽不及 GPT Image 2，但对国内用户是不小的利好。BytePlus 和 Open Design 已上线 API。

来源：

中国 AI 产业动态：Claude Code 风险提示、百川 Nia Teams、Stepfun 智能体手机、小红书 REDSkill

工信部发布关于防范 Claude Code 安全后门隐患的风险提示，称部分版本内置监控机制可回传用户敏感信息，建议相关单位卸载或升级。Anthropic 回应：被建议卸载 Claude Code 的中国用户\"本来就不应该使用它\"。

百川智能正在内测 AI 原生团队协作平台 Nia Teams，精准锚定企业团队协作场景，覆盖 Web/iOS/Mac/Android 多端，采用权限白名单机制。Stepfun（阶跃星辰）将在 WAIC 发布\"全球首款智能体手机\"。小红书正式上线 REDSkill 功能，创作者可在笔记中附加自己的 Skill，博主可一键复制使用，Gorden Sun 评价其为面向\"Skill 的 GitHub\"，认为每月已有 4-5 万个 Vibe Coding 作品在小红书发布。

来源：

MiniMax 推出 Token Plan 订阅套餐，M3 Pro 旗舰模型在途

MiniMax 正式上线 Token Plan 订阅套餐，年订费用约 1190 元，unlock 最新 M3 模型（前沿 Coding 能力、1M 超长上下文、原生多模态，图文音视频共用额度）。多位博主称其性价比极高。同步爆料 MiniMax 正在训练 2.7-3 万亿参数的旗舰模型 M3 Pro，据称效果显著，计划 Q3 开源并将成为中国最大的开源模型，预计 7 月底或 8 月发布。

来源：

OpenClaw Foundation 宣布成立，Grok 4.5 同步上线

OpenClaw 正式成立非营利基金会 OpenClaw Foundation，由全职团队维护，独立运作。Grok 4.5 已在 OpenClaw 上线，用户连接 X Premium 或 SuperGrok 订阅即可使用。Peter Steinberger 确认自己受雇于 OpenAI 而非 OpenClaw。Steipete 也展示了 OpenClaw 的 nameplate 交互示例。

来源：

其他 AI 产业动态综述

  • Perplexity 正在开发代号 "Teammate" 的 AI 编程工具，目标与 Claude Code 和 Cursor 竞争，目前仅供内部使用。
  • Anthropic 推出开源项目支持计划，为项目维护者和核心贡献者提供 6 个月免费 Claude Max 20x 订阅。
  • Harness Engineering 提出者 Ryan Lopopolo 加入 Google Cloud 担任首席 Agent 工程师，将 OpenAI Agent 工程方法论引入云平台。
  • Vercel 发布 Native SDK（Zig 语言）构建原生桌面应用，自带组件库和 Token 体系。
  • Cloudflare 上线 Cloudflare Drop，支持拖拽 HTML 文件临时发布网站。
  • Mistral 推出 Robostral Navigate，8B 参数单摄像头机器人自主导航模型，在未见场景上有 76.6% 成功率。
  • Google Photos 上线视频混剪功能，由 Gemini Omni Flash 驱动。

来源：

统计： 扫描时间线条数=480 命中的博主数=37 命中的推文总数=271 加权推文分=207.55 原创推文数=113 RT 推文数=64 抓取尝试次数=3 边界覆盖状态=tail_confidently_crossed_target_boundary