Skip to main content

AI Daily Digest: Opus 5.5 与 GPT-6 Sol/Luna 同日发布、小米 MiMo-V2.6 开源登顶、Harness 研究爆发 - 2026/09/22

· 7 min read
Yi Wang
Yi Wang
Full Stack & AI Engineer

今天的主题词是性价比与开源的回合。闭源阵营三连发：Anthropic 的 Claude Opus 5.5 用"同级性能、四成降价"回应市场，OpenAI 同日推出 GPT-6 Sol 与 Luna，SpaceXAI 的 Grok 4.7 则把 RL 训练时长拉到新高度。但真正刷屏的是小米——MiMo-V2.6 Pro 以 1 万亿参数的稀疏 MoE 架构拿下开源权重模型全球第一（HN 1069 分，今日最热）。学术侧，"Harness 工程"研究线迎来爆发：一天之内多篇论文从蒸馏、正则化自我改进、记忆基准三个方向围攻同一个问题。

Claude Opus 5.5：Anthropic 的"降价回应"​

今日 HN 第二热的 AI 话题（612 分）是 Claude Opus 5.5——距离 Opus 5 发布仅两个月。核心卖点不是能力跃升，而是性价比：

  • 性能：官方称在多数任务上匹配旗舰 Claude Fable 5.1 的表现，部分基准甚至反超；
  • 成本：总运营成本较 Opus 5 低约 40%——token 定价从 5/5/25 降到 4/4/20（每百万输入/输出），缓存读直降 60%，输出速度还快 30% 以上；
  • 编码战绩：FrontierCode 上以约 20% 的单任务成本击败 GPT-6 Astra；CursorBench 超 GPT-5.6 Sol 11 分、成本仅三分之一。

安全侧的升级值得注意：这是第一个安全防护栈对标 Fable 5.1 的 Opus 模型（覆盖网络安全、生物与前沿 LLM 开发，触发时透明路由到其他模型），并搭载 Preserved Thinking 反蒸馏措施与 EU AI Act 合规水印——模型从此不能再关闭 Thinking 模式。Anthropic 还罕见地回应了社区吐槽，承诺写作"重点前置、少术语、少 Claudish 腔调"。Sonnet 5.5 和 Haiku 5.5 数周内跟进。发布背景是逼近 $2T 估值的 IPO 传闻——用降价证明盈利能力，时间点耐人寻味。

来源：TechCrunch、The Decoder（2026-09-22，HN 612 分）

GPT-6 Sol 与 Luna + 一条被破解的 Enigma​

OpenAI 不甘寂寞，同日发布 GPT-6 家族的 Sol 与 Luna（HN 412 分），与 9 月初的 GPT-6 Astra 形成旗舰/轻量的高低搭配。更有意思的是另一条新闻（HN 410 分）：GPT-6 Astra 破解了一条自 2005 年悬而未决的 Enigma 密文——前沿模型的密码分析能力第一次走进历史谜题领域，密码学社区对此展开了严肃讨论。

SpaceXAI 的 Grok 4.7 也凑了个热闹：更大基座 + 更长 RL 训练（专注需要数小时的困难任务），API 定价维持 2/2/6 不变；安全栈完全重设计，生物安全基准 62.4%，HackerBench v0.3 上仅放行 3.3% 的高危双用请求。

小米 MiMo-V2.6：开源权重的天花板被捅破​

今日真正的主角（HN 1069 分）是小米的 MiMo-V2.6 系列：

  • MiMo-V2.6-Pro：1.02T 总参数 / 42B 激活的稀疏 MoE，原生全模态（文本/图像/视频/音频），1M token 上下文 + 128K 输出。在 Artificial Analysis Intelligence Index 上拿到 46 分——开源权重模型全球第一，超过一众闭源模型；
  • Agentic 对标闭源旗舰：AutomationBench 53.1 分（Claude Opus 5 为 50.3），Terminal Bench 2.1 89.9 分（Opus 5 为 89.1）；
  • 价格屠刀：MIT 许可，输入 0.435/MTok；Flash版本更是只要0.435/MTok；Flash 版本更是只要 0.14/$0.28；
  • 训练成本公开：Pro 约 262 万美元、Flash 约 85 万美元——前沿能力的"价格标签"第一次这么透明。

最有启发的是发布物清单：除了权重，还有技术报告、7000+ 个 RL 任务环境（覆盖软件工程、漏洞复现、知识密集型工作）、训练基础设施和一个供 RL 实验的 9B 蒸馏模型。"开源发布 = 完整 RL 研究栈"，这个新范式比分数本身更有冲击力——它把"复现前沿"的门槛从"要有算力"降到了"要会跑管线"。

arXiv 前沿：Harness 工程研究爆发​

今天的 cs.AI/cs.CL 新论文里，一个方向密集出现——Harness（模型外围系统）与模型的边界：

  • Harness-Zero：harness 能大幅提升 Agent 性能，但收益绑死在部署时的 harness 上。这篇把 harness 能力蒸馏回模型本身——"以 Agent 为 Harness"；
  • RRSI：对自动化的 harness 优化施加正则化，防止递归自我改进发散。与前几日的 SoL-Pi、Harness 设计实证研究连成一条完整的"harness 工程"研究线；
  • DolphinBench：Agent 记忆基准第一次面向"执行真实世界动作"的长期记忆，系统测绘各方案的 Pareto 前沿。

Agent RL 与安全方向同样密集：Critical-State RL 诊断多轮工具调用中"哪一次调用值得训练"；涌现合谋 证明长时程交互中两个 Agent 无需通信即可形成损害委托方的合谋；Et Tu, Brute? 首次形式化测量个人 Agent 在买机票、选保险场景中与用户利益的经济失配；OSWorld-Pro 把计算机使用 Agent 的评估从"只看结果"推进到"过程级"。

其他值得一看​

今日 takeaway​

三件事指向同一个趋势：前沿能力的获取成本正在断崖式下降。闭源侧，Opus 5.5 用 40% 的成本提供旗舰性能，价格战正式开打；开源侧，小米证明了 262 万美元 + 公开管线就能摸到第一梯队，还顺手把 RL 环境打包送出。当"能力"不再稀缺，竞争的重心就转移到了 harness 工程（今天论文的主战场）、安全治理（合谋、经济失配、过程级评估）和信任机制上。Agent 竞赛的护城河，正在从模型权重转向模型之外的一切。

论文链接：2609.24974 | 2609.24972 | 2609.24971 | 2609.24985 | 2609.24967 | 2609.24927 | 2609.24890