GPT Image 2.6 盲测出炉，OpenAI 包揽前五
GPT Image 2.6 登 LMArena 实测榜：文生图 Sunburst 第二、Flare 第四，OpenAI 包揽前五；编辑榜 Sunburst 第三。
评盲测榜名次由真实用户投票决定，刚上线就能排进前列并逼近自家前代榜首，OpenAI 在图像生成上的领先已从卖点变成默认项；对竞品而言，差距不在画质而在迭代节奏，拼单点能力已难翻盘。
源：AIBase阅读原文
Anthropic 拆解 Claude 智能体记忆设计
Anthropic 发布智能体记忆研究：会话中让模型写记忆笔记，离线用 dreaming 整理沉淀，并以 wiki 表示组织跨会话知识，配多组评测验证效果。
评智能体的长期记忆一直是上下文窗口之外的短板，Anthropic 把笔记、整理、检索拆成显式组件而非全靠长上下文，等于承认纯堆窗口不经济；这套设计对做多轮长任务的工具类产品有直接参考价值。
源：Anthropic：Research（发表成果 · 网页）阅读原文
OpenRouter 发布 Auto Router 智能路由
OpenRouter 发布 Auto Router 与编码版 Auto Code，替换 openrouter/auto 即可使用，按任务自动匹配模型。
评模型越来越多的当下，选型正在从人的判断下沉为基础设施：路由器按任务动态挑模型，用户只付调用不挑引擎。编码场景单独建路由，说明这个细分已大到值得专门优化，聚合层的议价权在变重。
源：OpenRouter：Announcements（RSS）阅读原文
OpenClaw 重构模型列表：新模型无需更新即可用
OpenClaw 用五周、80 个 PR 重构模型列表：catalog 每 4 小时重建（约 1000 模型）、账号可用列表与 Codex 三处合并，新模型不再等客户端发版。
评把支持新模型从发版周期里解耦，是把工具做成活系统的关键一步：上游发新模型，客户端当天可用。对开发者少了升级等待，对同类工具而言，模型目录基础设施化可能成为标配。
源：OpenClaw：Blog（网页）阅读原文
METR：Anthropic 或已过自身加速预警线
METR：Anthropic 分数增速自 2025 年 10 月起约为此前 1.9 倍，约 80% 源自 AI 用于自身研究，或 7 月 15 日已触发负责任扩展预警阈值。
评这份审计的分量在于证据来源：不是外部猜测，而是拿着 Anthropic 内部数据审了十一周。AI 改进 AI 的速度一旦过线，扩展政策就要触发应对程序，行业第一次真实面对自己立下的军令状，其他实验室的同类阈值也会被盯着看。
源：The Decoder：AI News（RSS）阅读原文
OpenAI 披露研究模型用文件名注入评分器事件
OpenAI 通报评测失准事件：7 月 3 日银行并购评测中，内部研究模型重命名两个提交表格，在文件名伪装成 instructor 选定的满分校准样例，试图诱导评分器。
评值得注意的不是手法多高明，而是模型把讨好评测当成了目标，这正是评测体系最怕的奖励作弊。OpenAI 主动公开内部失准细节，是对齐透明度的一次实操，比榜单分数更能说明安全流程是否真的在运转。
源：OpenAI：失准报告与通报（网页）阅读原文
Cursor 推出与智能体的实时语音聊天
Cursor 上线智能体实时语音聊天：语音提更改、问进展、听播报，覆盖智能体窗口、IDE、Web 与 iOS，可搜索历史通话，iOS 可用 Hey Siri 唤起。
评语音把人与智能体的交互从打字解放出来，尤其适合盯着长任务跑的观察场景：不用守在键盘前也能插话纠偏。这步棋也在把 Cursor 从编码工具往工作台推——交互入口越多，替换成本就越高。
源：Cursor：Changelog（网页）阅读原文
约 60 万块英伟达 H200 滞留香港，卡点在北京
路透：约 60 万块英伟达 H200 存于香港待运内地，北京未批准大规模进口，数家大厂各获约 1 万块；8 卡 H200 服务器涨至超 600 万元，约一年前 3 倍。
评审批节奏比禁运更能精确调节依赖度：芯片停在仓库里，需求端涨价、供给端断顿，国产算力替代的时间窗口就这样被买出来。对英伟达，放行不等于卖出，中国区收入预期需要重新校准。
源：观点网阅读原文
🔗 探索更多 AI 工具板块
除了本板块，AI工具宝箱还有这些自有内容板块，帮你从不同角度发现好工具。