OpenAI 发布 GPT-5.6 系列模型，主打网络安全与编码性能

OpenAI 于周四发布了其最新模型系列 GPT-5.6，包含三个变体：Sol（主力型号）、Terra（中端型号）和 Luna（经济型号）。该系列在多个领域扩展了用户能力，包括企业工作、编码和科学研究。CEO Sam Altman 此前向 CNBC 表示，新模型在效率和成本效益上比前代有数量级提升，其中 Sol 在 AI 编码任务中 token 效率提升 54%。

OpenAI 称 GPT-5.6 是其“最强的网络安全模型”，能以显著更少的 token 达到前沿性能。该模型支持防御性活动，包括威胁建模、代码审查与修补、以及蓝队演练（模拟攻击以发现漏洞）。此前，特朗普政府曾因担忧模型被滥用而试图限制其发布。OpenAI 还发布了新工具 ChatGPT Work，作为企业团队的桌面、网页和移动端工作助手，可协助起草文档、电子表格和演示文稿。

OpenAI 引用 Artificial Analysis Coding Agent Index 基准，称 Sol 在该指数上得分 80，比 Anthropic 的 Fable 5 高 2.8 分，同时输出 token 少一半以上、耗时少一半、成本低约三分之一。Terra 性能略高于 Fable 5，Luna 则优于 Opus 4.8。GPT-5.6 现已通过 ChatGPT、Codex 和 OpenAI API 提供，每百万 token 定价为：Sol 输入 5 美元/输出 30 美元，Terra 输入 2.5 美元/输出 15 美元，Luna 输入 1 美元/输出 6 美元。

欧盟正加大对 Meta 的压力，要求其改变 Facebook 和 Instagram 的设计。欧盟委员会初步认定，自动播放、无限滚动和高度个性化的内容推荐等功能具有成瘾性。欧盟委员会周四表示，其调查表明“Meta 未能充分评估其成瘾设计对用户（包括未成年人和弱势成年人）身心健康的潜在风险”。

欧盟委员会指出：“这些功能助长了用户不断滚动的冲动，使大脑进入‘自动驾驶模式’，导致不健康的习惯和强迫性使用。”根据《数字服务法案》（DSA），如果 Meta 不解决这些问题，可能面临巨额罚款。

微软最新发布的可持续发展报告显示，其碳排放同比上升 25%，主要原因是 AI 数据中心扩张以及公司决定停止购买有争议的“漂绿”信用——非捆绑可再生能源证书（RECs）。该报告显示微软实际排放量为 2000 万公吨，而非社交媒体上流传的 3400 万公吨。

微软在 2025 年 2 月宣布“停止购买非额外、非捆绑的可再生能源证书”。非捆绑 RECs 将电力与可再生能源属性分开销售，购买者虽可声称使用绿色电力，但实际上并未直接使用所购电力。美国环保署指出，这种分离具有争议性。微软未将非捆绑 RECs 称为“漂绿”，但其声明暗示了转变。

报告还包含一个“反事实情景”图表，估算如果未采取能效改进、可再生能源采购等措施，微软的排放量会更高。微软强调该估算仅为方向性，并非其温室气体清单的一部分。尽管排放增加，微软仍表示将继续通过碳费投资于减排项目。

OpenAI 的 AGI 主管 Fidji Simo 宣布辞去全职职务，转为兼职顾问。她在 X 上表示，因神经免疫疾病需要休养。此前她在今年 4 月刚接任 AGI 主管一职，随后便宣布休假数周。

Simo 此前担任 OpenAI 应用部门 CEO。几乎同时，COO Brad Lightcap 也卸任以专注「特殊项目」，CMO Kate Rouch 同样因健康原因卸任，计划康复后回归一个职责范围更窄的岗位。

Ghost Font 是一种「反 AI」字体，利用运动、视频、噪声和诱饵来隐藏信息，使人类肉眼可读，但主流 AI 模型难以识别。它并非传统 TTF 字体文件，而是通过视频中点的运动来呈现文字，暂停时静态点与背景融合，单帧截图无法显示信息。

测试中，即使 Claude Fable 和 GPT Sol 5.6 Ultra 等先进模型也难以解码，除非提示具体技术。项目还包含诱饵信息，防止 AI 通过运动分析破解。设计者 Eric 表示，该字体可应用于 CAPTCHA 系统或作为 AI 视觉感知的基准测试，并计划开源视频生成代码。

Anthropic 的长期利益信托（LTBT）任命前美联储主席 Ben Bernanke 为最新成员。Bernanke 现任布鲁金斯学会杰出研究员，曾于 2006 至 2014 年领导美联储，应对 2008 年金融危机，并于 2022 年获得诺贝尔经济学奖。

Bernanke 表示：「人工智能的潜力巨大，结果范围也很广。Anthropic 创建了独特的治理结构，以确保 AI 的长期收益远大于风险。」Anthropic 联合创始人 Daniela Amodei 称，Bernanke 在应对经济颠覆性时刻方面的经验将帮助公司预测 AI 对劳动力市场和经济的影响。LTBT 独立于公司管理层和投资者，成员不持有股权或分享利润。

一台配备 NVIDIA RTX 5090（32GB VRAM）的台式机无法运行 70B 参数模型（4-bit 量化需约 40GB），而一台售价约 2000 美元、搭载 AMD Ryzen AI Max+ 395「Strix Halo」的迷你 PC 却可以，因为它拥有 128GB 统一内存。统一内存让 CPU、集成 GPU 和 NPU 共享同一内存池，几乎全部可分配给模型，而传统架构中模型必须完全放入 GPU 的独立 VRAM。

迷你 PC 的代价是速度：其内存带宽约 256 GB/s，远低于 RTX 5090 的 1792 GB/s。文本生成速度受限于内存带宽，而非算力。对于 70B 模型，Strix Halo 的理论速度约 6 tokens/s，而 RTX 5090 可达 45 tokens/s（但模型装不下）。混合专家模型（如 Qwen3-30B-A3B）因每 token 仅激活部分参数，在迷你 PC 上可达到约 72 tokens/s。但提示处理阶段（prefill）受限于计算能力，在迷你 PC 上可能较慢。