社区估计的潜在发布窗口是2026年6月15日至7月5日之间，但这完全是基于日志发现的推测，没有任何官方依据 。关于传闻中的GPT-5.6，目前还没有任何确切的定价、token效率数据或经证实的多模态能力浮出水面；其成本效益和文本加图像生成能力的提升预期，是根据5.x家族的发展轨迹推断的，而非文档化的规格说明 。

**核心要点：**GPT-5.6目前只是一个可信度较高的传闻，而非实际产品。业界正在密切关注后端行为，但OpenAI尚未公布任何发布日期或技术规格表 。

“Mythos基准”谜团与Claude Mythos模型

“Mythos基准”这个说法指向几种截然不同的东西，容易造成混淆：

• Anthropic的Claude Mythos模型泄露事件 (2026年3月26日)： Anthropic内容管理系统的一次配置错误，意外暴露了约3000份内部文件，其中包含一篇关于代号为“水豚”(Capybara)、正式名称为Claude Mythos的下一代模型的博文草稿 。泄露的内部基准测试显示，Mythos在SWE-bench Verified上得分高达93.9%，在SWE-bench Pro上得分为77.8%，在当时领先所有主流编码基准 。2026年4月7日，Anthropic正式发布了Claude Mythos预览版，但同时宣布，该模型不对公众开放使用 。该模型还因卓越的网络安全能力而备受关注，例如它发现了一个在OpenBSD系统中潜伏了27年的漏洞 。

• 卡内基梅隆大学安全基准测试 (2026年5月)： CMU的研究人员创建了一个独立的评估，用于测试AI模型是否能够自主开发针对谷歌V8引擎的真实浏览器漏洞。Claude Mythos和GPT-5.5都被证明有能力在无人工干预的情况下发现并利用真实的安全漏洞，其中Mythos的性能大幅领先GPT-5.5，但运行成本大约是后者的12倍 。

• SecureAI的Mythos漏洞基准 (2026年1月)： 一套专注于网络安全的基准测试，涵盖了2023-2026年的CVE漏洞，旨在评估AI漏洞检测器，并使用Llama-3.1-405B等大模型作为基线 。

当有人提及“Mythos基准泄露”时，他们通常指的是Anthropic的模型泄露事件。CMU和SecureAI的基准测试是独立的工作，只是恰好共享了“Mythos”这个标签。

OpenAI Codex：从编程工具到企业工作平台

2026年6月2日，在“Intelligence at Work”活动上，OpenAI宣布了Codex的一次结构性扩张，将其从面向开发者的编程智能体，扩展为一个更广泛的企业工作平台 。此次公告包含三大已确认的核心支柱：

• 六款角色专属插件： 涵盖销售、数据分析、创意制作、产品设计、投资银行和公共股权投资。每款插件都集成了流行的商业应用——总计62款应用，包括Salesforce、Snowflake、Figma和HubSpot——以及110项自动化技能。安装和使用均无需编程知识 。
• Codex Sites (预览版)： 该功能允许用户通过提示词，让Codex构建、迭代并部署轻量级的全栈JavaScript/TypeScript网页应用，并提供托管URL、“使用ChatGPT登录”认证和文件存储功能。目前仅面向符合条件的ChatGPT Enterprise和Edu工作区开放 。
• Annotions批注功能： 支持对文档、演示文稿、电子表格和Sites进行段落级的编辑反馈，而不仅限于代码 。

OpenAI还证实，Codex的周活跃用户已超过500万 。这次扩张标志着一次明确的战略转移，旨在俘获企业内的非开发者知识工作者。多家独立分析指出，这与那些之前几乎只专注于工程团队的竞品工具形成了直接的竞争轴线 。

微软Build 2026：七款MAI模型与一个推理引擎

在2026年6月2日于旧金山举行的年度Build大会上，微软以统一的MAI (Microsoft AI) 品牌，推出了七款自研AI模型，并发布了新的硬件 。

其核心产品是MAI-Thinking-1，这是微软的首个推理模型：

• 350亿活跃参数，256K上下文窗口 。
• 使用企业级、获得商业许可的数据从头开始训练，未对任何第三方模型进行蒸馏 。
• 在微软关键的内部通用推理能力衡量指标AIME 25上，取得了97%的得分，并在软件工程基准测试中与顶尖模型不相上下。在盲测中，人类评估员对它的偏好程度与Sonnet 4.6旗鼓相当 。
• 设计上侧重于低token成本，并针对微软自研的Maia 200芯片进行了优化 。

另外六款模型则共同构成了一个多模态生态系统：

• MAI-Code-1-Flash —— 编程优化模型 。
• MAI-Image-2.5 / MAI-Image-2.5-Flash —— 图像生成及快速变体 。
• MAI-Transcribe-1.5 —— 语音转文字 。
• MAI-Voice-2 / MAI-Voice-2-Flash —— 语音处理与合成 。

硬件方面，微软发布了Surface RTX Spark Dev Box，这是一款紧凑型AI开发机，可提供高达千万亿次的AI算力，配备128GB统一内存，能在本地运行高达1200亿参数的模型 。微软还推出了Majorana 2量子芯片，标志着其在传统AI计算之外的硬件雄心正在加速 。

外界普遍认为，由七款模型组成的MAI家族是微软减少对OpenAI模型依赖的举措，同时为企业客户提供了拥有明确商业许可的自研替代方案 。

“氛围编程”基准测试兴起：World of AI Bench, Vibe Code Bench和BridgeBench

“氛围编程”（Vibe coding），即通过对话式提示生成整个应用程序，而非手动编写代码。这种实践催生了新一代基准测试，它们试图衡量的是全栈能力，而不仅仅是孤立的编程任务：

• World of AI Bench： 大约于2026年6月2日推出，自称“世界头号氛围编程基准”。它使用一个AI裁判，在包含3897个提示的库中，对16款以上的前沿模型进行10个氛围编程类别的评估。该平台免费，并支持模型间的横向比较 。
• Vibe Code Bench (VCB)： 一个由Vals.ai发布在arXiv上的学术基准。它使用100个网页应用规格，搭配964个基于浏览器的、包含10131个子步骤的工作流，是首个在模拟生产环境中测试从自然语言提示到生成完整网页应用的基准 。
• BridgeBench： BridgeMind推出的一款开源基准，用于评估AI编程模型在速度、成本、代码质量方面的表现。其定位是衡量“用AI交付产品时真正重要的东西”，并采用开放的方法论和公开的实时排行榜 。

这三个平台的共同目标，是将AI编程的评估从SWE-bench这类通过率基准，推向对可用性、速度、成本和安全性等更全面的衡量标准。

Hermes智能体桌面应用：开源智能体有了图形界面

2026年6月2日，Nous Research发布了Hermes Desktop公开预览版，它捆绑了Hermes Agent v0.15.2，并依据MIT许可证发布，支持macOS 12+、Windows 10/11和Linux系统 。

此前，Hermes只能通过命令行界面或消息网关访问。这个桌面应用是一个原生的图形化前端，它与命令行版本共享完全相同的智能体核心、API密钥、会话、技能和记忆，因此它更像是一个替代界面，而非一个独立的分支 。

Nous Research将Hermes描述为一个“自我完善的智能体，而非编程副驾驶” 。该智能体在约三个月内，从发布到获得大约18万个GitHub标星，使其成为生态系统中增长最快的开源智能体项目之一 。

阿里巴巴Qwen 3.7 Plus：成本仅为六分之一的多模态智能体

阿里巴巴在2026年6月1日至2日左右发布了Qwen 3.7 Plus。这是一款通过早期融合训练处理文本、图像和视频的多模态智能体模型，拥有100万token的上下文窗口 。

其定价约为阿里纯文本模型Qwen 3.7 Max每token价格的六分之一，这使其成为市场上性价比最高的多模态智能体之一 。在智能体性能基准测试中，Qwen 3.7 Plus在Terminal-Bench 2.0上击败了Claude Opus 4.6，并具备UI识别/自动化、从图像生成代码以及视觉问答等能力 。

Anthropic Claude Code的/fork命令

Claude Code是Anthropic的智能编码工具，可直接在终端中运行Shell命令和编辑开发者机器上的文件。其中的 /fork 命令能从现有会话中创建一个新分支，并存储在commands/branch/目录下，其工作流允许开发者在探索不同方向的同时，不丢失原始会话的上下文 。

Claude Code已成为采用最广泛的AI开发者工具之一，其一次npm包统计在单日内就获得了超过1100个标星和1900次复刻 。

信息缺口与未解之谜

在最初的调研中，有几个问题截至2026年6月初仍缺乏直接的来源证实：

• GPT-5.6的定价和token效率数据： 除了“效率提升”这一笼统说法，没有出现具体数据。声称其性能可能与Claude Mythos持平且成本更低的说法，只是社区的猜测 。
• 谷歌Notebook LM与Gemini Omni的集成： 证据显示，Notebook LMLM使用了Gemini模型（包括一项诊断准确性研究中使用的1.5 Pro），但在Notebook LM中作为2026年6月产品发布而专门加入的“Gemini Omni”集成，无法从现有来源中得到确认 。
• 世界智能大会上的仿真人形机器人： 在本次调研中，未能找到关于该展会上有动作捕捉和情感表达的超写实人形机器人展示的可信证据。这仍然是一个有待解答的问题，需要针对具体事件地点和日期进行定向搜索。

这周释放的信号

2026年6月第一周的主导主题是企业工具化（Codex插件和Sites）、自研模型家族（微软的MAI系列、阿里的Qwen）、开源智能体的成熟（Hermes桌面应用），以及一个尚未公之于众、却已呼之欲出的下一代技术（GPT-5.6、Claude Mythos）。行业变革正以惊人的速度推进，但已确认的产品与未经证实的传闻之间的界限，远比新闻头条所暗示的更为清晰。

社区估计的潜在发布窗口是2026年6月15日至7月5日之间，但这完全是基于日志发现的推测，没有任何官方依据 。关于传闻中的GPT-5.6，目前还没有任何确切的定价、token效率数据或经证实的多模态能力浮出水面；其成本效益和文本加图像生成能力的提升预期，是根据5.x家族的发展轨迹推断的，而非文档化的规格说明 。

**核心要点：**GPT-5.6目前只是一个可信度较高的传闻，而非实际产品。业界正在密切关注后端行为，但OpenAI尚未公布任何发布日期或技术规格表 。

“Mythos基准”谜团与Claude Mythos模型

“Mythos基准”这个说法指向几种截然不同的东西，容易造成混淆：

• Anthropic的Claude Mythos模型泄露事件 (2026年3月26日)： Anthropic内容管理系统的一次配置错误，意外暴露了约3000份内部文件，其中包含一篇关于代号为“水豚”(Capybara)、正式名称为Claude Mythos的下一代模型的博文草稿 。泄露的内部基准测试显示，Mythos在SWE-bench Verified上得分高达93.9%，在SWE-bench Pro上得分为77.8%，在当时领先所有主流编码基准 。2026年4月7日，Anthropic正式发布了Claude Mythos预览版，但同时宣布，该模型不对公众开放使用 。该模型还因卓越的网络安全能力而备受关注，例如它发现了一个在OpenBSD系统中潜伏了27年的漏洞 。

• 卡内基梅隆大学安全基准测试 (2026年5月)： CMU的研究人员创建了一个独立的评估，用于测试AI模型是否能够自主开发针对谷歌V8引擎的真实浏览器漏洞。Claude Mythos和GPT-5.5都被证明有能力在无人工干预的情况下发现并利用真实的安全漏洞，其中Mythos的性能大幅领先GPT-5.5，但运行成本大约是后者的12倍 。

• SecureAI的Mythos漏洞基准 (2026年1月)： 一套专注于网络安全的基准测试，涵盖了2023-2026年的CVE漏洞，旨在评估AI漏洞检测器，并使用Llama-3.1-405B等大模型作为基线 。

当有人提及“Mythos基准泄露”时，他们通常指的是Anthropic的模型泄露事件。CMU和SecureAI的基准测试是独立的工作，只是恰好共享了“Mythos”这个标签。

OpenAI Codex：从编程工具到企业工作平台

2026年6月2日，在“Intelligence at Work”活动上，OpenAI宣布了Codex的一次结构性扩张，将其从面向开发者的编程智能体，扩展为一个更广泛的企业工作平台 。此次公告包含三大已确认的核心支柱：

• 六款角色专属插件： 涵盖销售、数据分析、创意制作、产品设计、投资银行和公共股权投资。每款插件都集成了流行的商业应用——总计62款应用，包括Salesforce、Snowflake、Figma和HubSpot——以及110项自动化技能。安装和使用均无需编程知识 。
• Codex Sites (预览版)： 该功能允许用户通过提示词，让Codex构建、迭代并部署轻量级的全栈JavaScript/TypeScript网页应用，并提供托管URL、“使用ChatGPT登录”认证和文件存储功能。目前仅面向符合条件的ChatGPT Enterprise和Edu工作区开放 。
• Annotions批注功能： 支持对文档、演示文稿、电子表格和Sites进行段落级的编辑反馈，而不仅限于代码 。

OpenAI还证实，Codex的周活跃用户已超过500万 。这次扩张标志着一次明确的战略转移，旨在俘获企业内的非开发者知识工作者。多家独立分析指出，这与那些之前几乎只专注于工程团队的竞品工具形成了直接的竞争轴线 。

微软Build 2026：七款MAI模型与一个推理引擎

在2026年6月2日于旧金山举行的年度Build大会上，微软以统一的MAI (Microsoft AI) 品牌，推出了七款自研AI模型，并发布了新的硬件 。

其核心产品是MAI-Thinking-1，这是微软的首个推理模型：

• 350亿活跃参数，256K上下文窗口 。
• 使用企业级、获得商业许可的数据从头开始训练，未对任何第三方模型进行蒸馏 。
• 在微软关键的内部通用推理能力衡量指标AIME 25上，取得了97%的得分，并在软件工程基准测试中与顶尖模型不相上下。在盲测中，人类评估员对它的偏好程度与Sonnet 4.6旗鼓相当 。
• 设计上侧重于低token成本，并针对微软自研的Maia 200芯片进行了优化 。

另外六款模型则共同构成了一个多模态生态系统：

• MAI-Code-1-Flash —— 编程优化模型 。
• MAI-Image-2.5 / MAI-Image-2.5-Flash —— 图像生成及快速变体 。
• MAI-Transcribe-1.5 —— 语音转文字 。
• MAI-Voice-2 / MAI-Voice-2-Flash —— 语音处理与合成 。

硬件方面，微软发布了Surface RTX Spark Dev Box，这是一款紧凑型AI开发机，可提供高达千万亿次的AI算力，配备128GB统一内存，能在本地运行高达1200亿参数的模型 。微软还推出了Majorana 2量子芯片，标志着其在传统AI计算之外的硬件雄心正在加速 。

外界普遍认为，由七款模型组成的MAI家族是微软减少对OpenAI模型依赖的举措，同时为企业客户提供了拥有明确商业许可的自研替代方案 。

“氛围编程”基准测试兴起：World of AI Bench, Vibe Code Bench和BridgeBench

“氛围编程”（Vibe coding），即通过对话式提示生成整个应用程序，而非手动编写代码。这种实践催生了新一代基准测试，它们试图衡量的是全栈能力，而不仅仅是孤立的编程任务：

• World of AI Bench： 大约于2026年6月2日推出，自称“世界头号氛围编程基准”。它使用一个AI裁判，在包含3897个提示的库中，对16款以上的前沿模型进行10个氛围编程类别的评估。该平台免费，并支持模型间的横向比较 。
• Vibe Code Bench (VCB)： 一个由Vals.ai发布在arXiv上的学术基准。它使用100个网页应用规格，搭配964个基于浏览器的、包含10131个子步骤的工作流，是首个在模拟生产环境中测试从自然语言提示到生成完整网页应用的基准 。
• BridgeBench： BridgeMind推出的一款开源基准，用于评估AI编程模型在速度、成本、代码质量方面的表现。其定位是衡量“用AI交付产品时真正重要的东西”，并采用开放的方法论和公开的实时排行榜 。

这三个平台的共同目标，是将AI编程的评估从SWE-bench这类通过率基准，推向对可用性、速度、成本和安全性等更全面的衡量标准。

Hermes智能体桌面应用：开源智能体有了图形界面

2026年6月2日，Nous Research发布了Hermes Desktop公开预览版，它捆绑了Hermes Agent v0.15.2，并依据MIT许可证发布，支持macOS 12+、Windows 10/11和Linux系统 。

此前，Hermes只能通过命令行界面或消息网关访问。这个桌面应用是一个原生的图形化前端，它与命令行版本共享完全相同的智能体核心、API密钥、会话、技能和记忆，因此它更像是一个替代界面，而非一个独立的分支 。

Nous Research将Hermes描述为一个“自我完善的智能体，而非编程副驾驶” 。该智能体在约三个月内，从发布到获得大约18万个GitHub标星，使其成为生态系统中增长最快的开源智能体项目之一 。

阿里巴巴Qwen 3.7 Plus：成本仅为六分之一的多模态智能体

阿里巴巴在2026年6月1日至2日左右发布了Qwen 3.7 Plus。这是一款通过早期融合训练处理文本、图像和视频的多模态智能体模型，拥有100万token的上下文窗口 。

其定价约为阿里纯文本模型Qwen 3.7 Max每token价格的六分之一，这使其成为市场上性价比最高的多模态智能体之一 。在智能体性能基准测试中，Qwen 3.7 Plus在Terminal-Bench 2.0上击败了Claude Opus 4.6，并具备UI识别/自动化、从图像生成代码以及视觉问答等能力 。

Anthropic Claude Code的/fork命令

Claude Code是Anthropic的智能编码工具，可直接在终端中运行Shell命令和编辑开发者机器上的文件。其中的 /fork 命令能从现有会话中创建一个新分支，并存储在commands/branch/目录下，其工作流允许开发者在探索不同方向的同时，不丢失原始会话的上下文 。

Claude Code已成为采用最广泛的AI开发者工具之一，其一次npm包统计在单日内就获得了超过1100个标星和1900次复刻 。

信息缺口与未解之谜

在最初的调研中，有几个问题截至2026年6月初仍缺乏直接的来源证实：

• GPT-5.6的定价和token效率数据： 除了“效率提升”这一笼统说法，没有出现具体数据。声称其性能可能与Claude Mythos持平且成本更低的说法，只是社区的猜测 。
• 谷歌Notebook LM与Gemini Omni的集成： 证据显示，Notebook LMLM使用了Gemini模型（包括一项诊断准确性研究中使用的1.5 Pro），但在Notebook LM中作为2026年6月产品发布而专门加入的“Gemini Omni”集成，无法从现有来源中得到确认 。
• 世界智能大会上的仿真人形机器人： 在本次调研中，未能找到关于该展会上有动作捕捉和情感表达的超写实人形机器人展示的可信证据。这仍然是一个有待解答的问题，需要针对具体事件地点和日期进行定向搜索。

这周释放的信号

2026年6月第一周的主导主题是企业工具化（Codex插件和Sites）、自研模型家族（微软的MAI系列、阿里的Qwen）、开源智能体的成熟（Hermes桌面应用），以及一个尚未公之于众、却已呼之欲出的下一代技术（GPT-5.6、Claude Mythos）。行业变革正以惊人的速度推进，但已确认的产品与未经证实的传闻之间的界限，远比新闻头条所暗示的更为清晰。