在发布前的测试中，Anthropic的前沿红队把Opus 4.6扔进一个沙箱环境，给它 Python 和常规漏洞分析工具（fuzzer、debugger那些），没有任何专门指令或领域知识，让它自己去找开源代码里的漏洞。

This article was created by StackCommerce. Postmedia may earn an affiliate commission from purchases made through our links on this page.

科研人的深夜噩梦，终于有人来终结了！刚刚，北大联合Google CloudAI发布PaperBanana，直接把论文配图变成了全自动流水线。5个智能体组团干活，生成的架构图对标NeurIPS顶会标准。以后写论文，你只管敲字，画图这事儿，AI包了。

OSWorld-Verified于2025年7月28日发布，是一次全面重构，修复了原版中300+已识别问题，包括失效 URL、反爬 CAPTCHA、不稳定 HTML 结构、含糊指令，以及过严/过松的评测脚本。

Dan tested Codex 5.3 on Proof, a macOS markdown editor that he's been vibe coding that tracks the origin of every piece of text—whether it was written by a human or generated by AI—and lets users ...

在Agent编程评估Terminal-Bench 2.0中取得了最高分，并在“人类最后考试”中领先所有其他前沿模型。 在MRCR v2 8-needle 1M基准测试——大海捞针——中，Opus 4.6得分76%，而Claude Sonnet 4.5只有18.5%。