---

全球AI人工智能领域最前沿新闻资讯

2026年7月9日：OpenAI正式开放GPT-5.6系列，并将其接入ChatGPT、ChatGPT Work、Codex和OpenAI API。GPT-5.6分为Sol、Terra和Luna三个版本，其中Sol是旗舰模型，Terra更偏向低成本使用，但整体能力接近GPT-5.5，Luna则主打更快速度和更低价格。在ChatGPT中，Plus、Pro、Business和Enterprise用户可以使用Sol，Pro和Enterprise用户还可以选择Sol Pro；API价格方面，Sol每百万输入Token收费5美元、输出30美元，Terra每百万输入Token收费2.5美元、输出15美元，Luna每百万输入Token收费1美元、输出6美元。与6月26日的有限预览不同，这次发布代表GPT-5.6正式进入开放阶段，OpenAI也将代码、科学研究、网络安全、长上下文处理和工具调用能力作为这一代模型的重点。

2026年7月9日：OpenAI推出ChatGPT Work，把ChatGPT进一步升级为可以跨应用、跨文件和跨工作流执行任务的Agent。ChatGPT Work可以生成表格、幻灯片、文档和网页应用，也可以围绕复杂项目持续工作数小时，并在执行过程中自动拆分步骤、调用工具和整理资料；该功能内置Codex技术，目前Codex每周已有超过500万用户，其中超过100万人将其用于非软件开发场景。这个更新的重点并不是简单提升ChatGPT的回答质量，而是让ChatGPT从聊天窗口进一步变成可以协助完成完整任务的AI工作入口。

2026年7月9日：Anthropic上线Claude使用反思功能，让用户可以查看自己过去使用Claude的情况。该功能目前处于Beta阶段，支持Claude网页版和桌面端，用户可以回顾过去1个月、3个月、6个月或12个月的使用记录，了解自己主要使用Claude处理哪些主题和任务，同时还可以设置安静时间或使用提醒。该功能面向开启记忆功能的Free、Pro和Max用户开放，并且不会读取incognito聊天、连接工具中的原始文件或健康类集成内容。这个更新说明Claude开始从模型能力竞争进一步延伸到用户使用习惯、AI协作方式和长期使用体验的优化。

2026年7月8日：OpenAI发布GPT-Live，用于升级ChatGPT Voice语音体验。GPT-Live采用全双工语音架构，可以在对话过程中同时听和说，支持用户打断、停顿、追问以及更加自然的连续交流；首批推出GPT-Live-1和GPT-Live-1 mini两个版本，并开始面向全球ChatGPT用户开放，同时计划后续支持API调用。当用户需要搜索、深度推理或处理复杂任务时，GPT-Live会在后台调用更强的模型完成处理，发布初期后台使用GPT-5.5，同时ChatGPT原有9种语音也进行了优化。这个更新说明ChatGPT语音功能已经不只是简单朗读答案，而是在向实时语音助手和语音Agent方向发展。

2026年7月8日：xAI发布Grok 4.5，这是Grok面向代码、Agentic AI任务和知识工作场景的一次重要升级。Grok 4.5已经成为Grok Build默认模型，并接入Cursor和xAI API，重点提升真实工程任务、端到端应用开发、Excel模型、Word文档和PowerPoint内容生成能力。官方数据显示，Grok 4.5在SWE Marathon中的通过率为29.0%，Terminal Bench 2.1得分为83.3%，SWE Bench Pro解决率为64.7%，同时推理速度达到80 TPS。价格方面，Grok 4.5为每百万输入Token收费2美元、输出6美元，官方表示其在同类任务中具备约2倍Token效率，不过欧盟地区暂未开放，预计7月中旬上线。这个节点说明Grok已经不再只是X平台里的聊天助手，而是在继续向代码代理、办公插件和企业任务场景扩展。

2026年7月7日：Google扩展Gemini API中的Managed Agents能力，新增后台执行、远程MCP服务器接入、自定义函数调用和跨交互凭证刷新等功能。开发者现在可以通过一个接口，让Gemini完成推理、代码执行、依赖安装、文件管理和网页信息检索，并在隔离的云沙盒环境中运行长时间任务；当任务需要持续执行时，API可以先返回任务ID，之后让应用查询状态、接收进度或重新连接任务。这个更新说明Gemini不仅是在继续升级聊天模型，也是在完善面向开发者的Agent基础设施，让Gemini更适合构建可以长期运行、连接外部工具并处理真实项目的AI应用。

2026年7月6日：xAI为Grok Voice发布21个新的旗舰语音，同时升级原有5个语音的自然度。新增语音全部支持多语言，并可以用于Grok实时Voice Agent API、Text to Speech API以及Grok Voice Agent Builder；原有Ara、Eve、Leo、Rex和Sal也进行了重新训练，让语速、停顿、语气和重音表现更加自然。Grok Voice目前支持25种以上语言，用户还可以通过约1分钟音频克隆自己的声音。这个更新说明xAI正在进一步增强Grok的语音交互能力，为客服、销售、教育、角色扮演和品牌语音Agent等场景提供支持。

2026年7月2日：Anthropic公布Claude Fable 5的网络安全防护细节，并提出Cyber Jailbreak Severity（CJS）越狱严重性评分框架。Anthropic将网络安全相关请求分为禁止使用、高风险双重用途、低风险双重用途和良性使用四类，其中恶意软件、勒索软件、数据窃取、命令控制以及规避安全工具等高风险请求会被阻断，高风险双重用途请求也会在缺少更强访问控制前进行限制；CJS评分则分为CJS-0到CJS-4，用于判断越狱方法从信息级风险到严重级、关键级风险的程度。这个事件说明Claude Fable 5这类高能力模型的竞争已经不只是性能表现，还需要同时解决网络安全、模型越狱、滥用防护以及政府监管等问题。

2026年7月1日：Anthropic恢复Claude Fable 5和Claude Mythos 5的访问权限。此前美国政府在6月12日对Claude Fable 5和Claude Mythos 5实施出口管制，Anthropic由于无法实时确认用户身份，因此暂停了所有用户访问；限制解除后，Fable 5从7月1日起重新向全球用户开放，可以用于Claude Platform、Claude.ai、Claude Code和Claude Cowork，并在Pro、Max、Team和部分Enterprise计划中提供最高50%的周使用额度。Mythos 5则先恢复给获得批准的部分美国机构使用。这个节点说明Claude高能力模型的开放已经和出口管制、可信合作伙伴机制以及模型安全审查结合得更加紧密，不再只是普通产品上线。

2026年7月1日：xAI推出Voice Agent Builder，让用户可以在无需编写代码的情况下创建Grok语音智能体。该功能基于Grok Voice，目前处于Beta阶段，官方表示用户可以在2分钟内创建一个语音Agent，并直接获得电话接入、知识库检索、工具调用、护栏、MCP、通话记录和可观测能力。它支持SIP接入已有号码，也支持通过WebSocket连接自定义客户端，价格为音频每分钟0.05美元，使用平台提供的电话号码还需额外支付每分钟0.01美元。这个节点说明Grok正在把语音能力从模型接口进一步推进到客服、销售、预约、订单查询以及企业电话等实际应用场景。

2026年6月30日：Google更新Gemini Spark，将其带入macOS应用，并加入更多连接应用和实时任务跟踪能力。Gemini Spark现在可以在Mac上处理桌面文件和本地任务，例如整理下载文件夹、读取电脑中的发票并生成预算表，同时还能连接Google Tasks、Google Keep、Canva、Dropbox、Instacart、OpenTable和Zillow Rentals等应用，并支持自定义MCP接入。Gemini Spark for macOS目前以Beta形式面向美国18岁以上Google AI Ultra用户开放，网页端和移动端的连接应用也会陆续上线。这个更新说明Gemini正在从普通聊天助手转向可以跨应用、跨设备、跨文件执行任务的个人Agent。

2026年6月30日：Google发布Nano Banana 2 Lite和Gemini Omni Flash开发者版本，进一步增强Gemini在图像和视频生成领域的能力。Nano Banana 2 Lite是Gemini图像模型家族中速度最快、成本最低的版本，支持约4秒生成1K图像，价格为每张1K图像0.034美元，并开放到Google AI Studio、Gemini API和Gemini Enterprise Agent Platform，同时也会进入Search AI Mode、Gemini App、NotebookLM、Google Photos、Stitch、Google Flow和Google Ads等产品。Gemini Omni Flash则面向高质量视频生成和自然语言视频编辑，支持文字、图片和视频输入，价格为每秒视频输出0.10美元，目前支持10秒视频生成。这个节点说明Gemini的竞争重点已经不只是文字模型，而是在继续扩大到图像、视频、多模态创作以及开发者应用场景。

点击查看更多新闻资讯