GPT-5.6-Cyber完成率
- OpenAI内部Advanced Cybersecurity Completion Rate
- GPT-5.6 Sol为1.5%，尚无独立复现
95.0%
2026年8月11日 · 周二
网络安全模型与数学结果同日推进
- 过去24小时，OpenAI推出GPT-5.6-Cyber并重构Daybreak访问层级。
- Anthropic披露未发布Claude研究版把黎曼ζ函数相关下界从41.6%提高到67.2%。
本期判断
- 前沿能力正在分化为三种交付形态：受控开放的高风险专用模型、带形式化证据的科研结果、可在消费硬件运行的开放权重智能体。
- 竞争变量已从单一分数转向访问治理、可验证性与部署成本。
本期速览
3 条01今日最重要｜专用能力与科研证据前移
- GPT-5.6-Cyber进入Daybreak Red。
02重要但待验证｜产品边界仍需核查
- Claude标记方案的检测细节尚未公开。
03社区工具信号｜端侧模型继续缩小
- Needle 2称14MB模型可在28MB内存运行。
编辑总结
本期核心变化集中在三条线上：高风险专用模型采用分级访问，AI 辅助科研开始提交可核验的形式化结果，开放权重智能体则继续压低本地部署门槛。
值得持续观察的不是单次发布声量，而是访问治理、第三方复核和消费硬件实测能否形成稳定证据。
On this page
本期导航
Deep Dives
本期重点 · 深度报告
Key Numbers
Daybreak访问层级
Blue面向一般防御工作，Red面向获授权的漏洞研究、利用验证与安全测试
来源：OpenAI 8月10日公告2级
67.2%
30B参数
低于20GB
181874条
Briefs
快讯 · 已核验与追踪
产品上新重要度 2/5中置信多源混合
社区发布｜Needle 2将45M参数模型压至14MB
- Cactus团队于窗口内在HN发布Needle 2，称45M参数经2-bit压缩为14MB，完整会话占用28MB内存
- 主打工具调用与结构化提取。
- 速度与基准主要来自团队自报。
要点拆解展开
Why
极小模型若能可靠完成工具路由，可让手机、穿戴设备与低功耗硬件在离线状态处理基础智能体动作。
Impact
端侧开发者可测试本地工具调用与云端升级路由。产品团队仍需为低置信输出设置阈值、回退和权限限制。
Numbers
- 模型体积
- 14MB团队称45M参数经2-bit压缩后的单一二进制体积Cactus团队发布
- 完整会话内存
- 28MB团队自报运行时内存口径，设备与上下文设置需进一步说明Cactus团队发布
早报判断
- Needle 2把端侧模型定位收窄到函数选择、参数抽取和结构化输出，以牺牲开放式生成换取极低资源占用。
- 它适合做本地动作路由器，但还不能据此替代通用小模型
- 真实工具集上的误调用率更值得看。
接下来看
- 当天权重与代码是否标明Needle 2版本并可复现？
- 在真实工具集合上的误调用率、参数抽取率与置信度校准如何？
Developing
发展中 · 待进一步核验
以下内容仅作为追踪线索，不与已核验新闻等量呈现；正式文件、项目材料或独立复核出现后再升级。
行业动态重要度 3/5低置信发展中
8月10日跟进｜单源披露tl;dv会议记录风险
- 8月10日HN讨论升温，重新带出安全研究者8月4日的单源披露：tl
- dv的Firestore meetings集合疑似缺少租户隔离，可枚举181874条会议记录。
- tl
- dv回应称问题已修复，但修复时间、181874条数量与实际影响均未独立确认。
要点拆解展开
Why
- 8月10日的讨论让这项旧披露重新进入视野。
- AI会议产品集中保存录音、转写与参会元数据，基础授权错误可能扩大组织级暴露面。
Impact
- 使用tl
- dv的企业应检查会议公开设置、第三方机器人权限与供应商事件通知。
- 平台团队应复核Firestore租户隔离和对象级授权。
Numbers
- 会议记录
- 181874条研究者声称可枚举的记录数量；tl;dv回应未核验该数量，尚无独立确认bobdahacker披露
- 涉及用户
- 84312名研究者按唯一用户统计的单源口径bobdahacker披露
早报判断
- 本次增量来自8月10日社区讨论及其中链接的公司回应
- 技术披露本身仍是8月4日研究者单源文章。
- tl
- dv称已在数日前修复问题，但修复时间线未独立验证
接下来看
- tl;dv能否公开可核验的修复时间线、根因与影响范围？
- 独立研究者能否在合规前提下复核租户隔离问题？
社交雷达 · X 讨论
OpenAI发布GPT-5.6-Cyber，并扩展Daybreak计划，将前沿网络安全能力优先提供给受信任的防御者。
原帖 ↗Anthropic称未发布的Claude研究版未能证明黎曼猜想，但把满足猜想的黎曼ζ函数零点比例下界从41.6%提高到67.2%。
原帖 ↗Meta发布Muse Glimmer：一款面向本地常驻智能体工作流的30B开放权重模型，可在Mac或配备高性能GPU的PC运行，采用Apache 2.0许可。
原帖 ↗- Anthropic宣布Claude Sonnet 5的首发价格转为长期价格：每百万输入token 2美元
- 每百万输出token 10美元，8月31日后不再上调。
原帖 ↗- Kavak称每天最多唤醒20万个AI智能体，96%的交互和95%的交易由智能体处理
- 团队投入在评测上的工程时间、token和资金与构建智能体大致相当。
原帖 ↗Qwen发布Qwen-MM-Plugins，把图像、视频、文档、视频编辑与3D/CAD能力接入智能体框架，目标是让现有agent harness具备原生多模态能力。
原帖 ↗更多讨论4 条
Chromium开发者展示如何把浏览器内置Prompt API接入Vercel AI SDK，在客户端模型上构建AI Web应用。
原帖 ↗MiniMax称Redis作者antirez为Mac编写了H3的Metal推理引擎，并将开源权重带来的第三方硬件适配视为开放生态价值。
原帖 ↗OpenAI开发者团队展示Build Week成果：来自各地的参与者使用Codex把想法做成可运行项目，内容聚焦真实构建案例。
原帖 ↗- 集邦咨询预测，2026年中国国产芯片将占国内高端AI芯片市场近90%，英伟达与AMD等约占10%
- 该市场总出货量预计增长超过83%。
原帖 ↗