社群推估的發布窗口大約落在 2026 年 6 月 15 日至 7 月 5 日之間，但這個時間表純粹是從日誌目擊事件推斷而來，並無任何官方背書 。目前，對於假設中的 GPT-5.6，沒有任何具體的定價、token 效率數據或已確認的多模態能力浮上檯面；外界對它「提升成本效益」與「整合文字與圖片生成」的期待，僅僅是依據 GPT-5.x 家族的演進軌跡所做的推理，並非有文件佐證的規格 。

結論： GPT-5.6 是一個可信度極高的傳聞，但絕對不是一個已發布的產品。業界緊盯後端的一舉一動，但 OpenAI 並未公布任何發布日期或技術規格表 。

「Mythos 基準之謎」與 Claude Mythos 模型

「Mythos 基準」（Mythos Benchmark）這個詞彙，近期同時出現在好幾個截然不同的脈絡中，極易造成混淆：

• Anthropic Claude Mythos 模型外洩事件（2026 年 3 月 26 日）： Anthropic 的內容管理系統（CMS）因設定不當，意外暴露了大約 3000 份內部文件，其中包括一篇關於代號「水豚」（Capybara）、正式名稱為 Claude Mythos 的下一代模型的草稿文章 。外洩的內部基準測試顯示，Mythos 在 SWE-bench Verified 上達到 93.9%，在 SWE-bench Pro 上也拿下 77.8%，在當時橫掃所有主要程式設計評測 。2026 年 4 月 7 日，Anthropic 正式宣布了 Claude Mythos Preview，卻同時宣告公眾無法使用它。此外，該模型也因其超凡的網路安全能力被特別標記，包括找出了一個潛藏在 OpenBSD 系統中長達 27 年的漏洞 。

• 卡內基美隆大學（CMU）安全性基準（2026 年 5 月）： CMU 研究人員打造了一套獨立的評測，用以測試 AI 模型是否能自主開發針對 Google V8 引擎的真實瀏覽器漏洞攻擊程式。結果發現，Claude Mythos 與 GPT-5.5 都具備這項能力，能在無人干預下發現並武器化真正的安全漏洞，其中 Mythos 的表現大幅領先 GPT-5.5，但運行成本大約高出十二倍 。

• SecureAI 的 Mythos 漏洞基準（2026 年 1 月）： 這是一套專注於網路安全的基準測試套件，涵蓋 2023 至 2026 年的已知漏洞（CVE），旨在評估 AI 漏洞偵測器，並以 Llama-3.1-405B 等大型模型作為比較基準 。

當有人提起「Mythos 基準外洩」時，指的多半是 Anthropic 的模型外洩事件。CMU 與 SecureAI 的基準，只是剛好共享了「Mythos」這個名稱，本質上是完全不同的東西。

OpenAI Codex：從程式設計工具轉型為企業工作平台

2026 年 6 月 2 日，在名為「Intelligence at Work」的活動上，OpenAI 宣布了 Codex 的一項結構性擴張，從原本以開發者為中心的程式設計代理，轉型為更廣泛的企業工作平台 。此次發布的三大核心支柱如下：

• 六大職能專屬外掛： 涵蓋業務銷售、數據分析、創意製作、產品設計、投資銀行與公開市場投資。每個外掛都捆綁了與熱門商業應用的整合——總計 62 款應用程式，包括 Salesforce、Snowflake、Figma 和 HubSpot——以及 110 項自動化技能。使用者完全不需具備程式設計知識即可安裝使用 。
• Codex Sites（預覽版）： 讓使用者用自然語言提示 Codex，就能建構、迭代並部署輕量級的全端 JavaScript/TypeScript 網頁應用程式，並直接獲得託管網址、「以 ChatGPT 登入」的驗證機制，以及檔案儲存空間。此功能目前僅開放給符合資格的 ChatGPT Enterprise 和 Edu 工作區使用 。
• 註解功能（Annotations）： 原本用於程式碼區塊層級的編輯回饋，現在擴展至文件、簡報、試算表及 Sites 上，不僅限於程式碼 。

OpenAI 同時證實，Codex 的每週活躍使用者數已突破 500 萬大關 。這項擴張代表了一次明確的戰略轉向——積極搶佔企業內部非開發者的知識工作者市場。多份獨立分析均指出，這是一條與過去幾乎只專注於工程團隊的競品直接對決的關鍵競爭軸線 。

微軟 Build 2026：七大 MAI 模型與一個推理引擎

2026 年 6 月 2 日，微軟在舊金山舉行的年度 Build 開發者大會上，以統一的 MAI（Microsoft AI）品牌，推出了七款自研的 AI 模型家族，並同步發表了全新硬體 。

當中的核心亮點是 MAI-Thinking-1，該公司首款推理模型：

• 擁有 350 億個活躍參數，搭配 256K 的上下文視窗 。
• 完全從零開始訓練，使用企業級、具備商業授權的乾淨資料，絕無蒸餾自任何第三方模型 。
• 在微軟內部衡量通用推理能力的關鍵指標「AIME 25」上取得了 97% 的高分；在軟體工程基準測試上與市場頂尖模型並駕齊驅，而在盲測中，人類評估者對它的偏好程度與 Sonnet 4.6 相當 。
• 設計上追求低 token 成本，並針對微軟自家的 Maia 200 晶片進行了最佳化 。

其餘六款模型則共同構建出一個多模態生態系：

• MAI-Code-1-Flash — 專為程式設計最佳化的模型 。
• MAI-Image-2.5 / MAI-Image-2.5-Flash — 圖片生成及其快速版本 。
• MAI-Transcribe-1.5 — 語音轉文字 。
• MAI-Voice-2 / MAI-Voice-2-Flash — 語音處理與合成 。

硬體方面，微軟推出了 Surface RTX Spark Dev Box，這是一款體積精巧的 AI 開發機器，具備高達 1 petaflop 的 AI 算力與 128 GB 的統一記憶體，能在本地端運行高達 1200 億參數的模型 。微軟還發表了 Majorana 2 量子晶片，象徵其在傳統 AI 運算以外的硬體野心正加速前進 。

外界普遍認為，這七大 MAI 模型家族的推出，是微軟為降低對 OpenAI 模型的依賴、同時為企業客戶提供具備乾淨商業授權的內部替代方案，所踏出的關鍵一步 。

氛圍程式設計（Vibe Coding）的擂台賽：World of AI Bench、Vibe Code Bench 與 BridgeBench

「氛圍程式設計」（Vibe Coding）——一種透過對話提示來生成整個應用程式，而非親手撰寫程式碼實務——已催生出新一代的基準評測。這些評測不再只看單一的程式設計能力，而是企圖衡量全端開發的整體實力：

• World of AI Bench： 約在 2026 年 6 月 2 日上線，自稱「全球第一的 vibe coding 基準」。該平台使用一名 AI 裁判，針對一個包含 3897 個提示的資料庫，在 10 個 vibe coding 類別中對 16 款以上的頂尖模型進行評分。平台開放免費使用，並支援模型間的正面對決 。
• Vibe Code Bench (VCB)： 一個由 Vals.ai 發布在 arXiv 上的學術基準。它採用 100 份網頁應用規格，搭配 964 個基於瀏覽器的工作流程（共包含 10,131 個子步驟），是第一個能在類似生產環境的設定中，測試模型從自然語言提示到端到端生成完整網頁應用能力的基準 。
• BridgeBench： 由 BridgeMind 推出的開源基準，從速度、成本與程式碼品質來評估 AI 程式設計模型。它將自己定位為衡量「當你真正用 AI 交付產品時，最重要的那些事」，並以開放的方法論和公開的即時排行榜運作 。

這三個平台的共同目標，是將 AI 程式設計的評測，從 SWE-bench 這類只看「通過率」的基準，推向一個能更全面考量可用性、速度、成本與安全性的新維度。

Hermes Agent 桌面應用程式：開源代理有了圖形化介面

2026 年 6 月 2 日，Nous Research 以公開預覽版的形式發布了 Hermes Desktop，隨附 Hermes Agent v0.15.2，並以 MIT 授權在 macOS 12+、Windows 10/11 及 Linux 上推出 。

在此之前，Hermes 只能透過命令列介面（CLI）或即時通訊閘道來操作。這款桌面應用程式是一個原生的圖形化前端，它與命令列工具共享完全相同的代理核心、API 金鑰、工作階段、技能與記憶，因此這是一個替代的操作介面，而不是一個獨立的分支 。

Nous Research 將 Hermes 描述為一個「會自我進化的代理，而非程式設計輔助工具」。該代理從問世以來，大約三個月內就在 GitHub 上累積了約 18 萬顆星，是開源代理生態系中成長最快速的專案之一 。

阿里巴巴 Qwen 3.7 Plus：成本僅六分之一的多模態代理

阿里巴巴約在 2026 年 6 月 1 至 2 日間推出了 Qwen 3.7 Plus。這是一款透過早期融合訓練、能同時處理文字、圖片與影片的多模態代理模型，具備 100 萬 token 的上下文視窗 。

其定價大約是阿里巴巴純文字模型 Qwen 3.7 Max 的六分之一，使其成為市場上定價極具侵略性的多模態代理之一 。在代理效能基準測試上，Qwen 3.7 Plus 在 Terminal-Bench 2.0 中擊敗了 Claude Opus 4.6，並具備 UI 識別與自動化、從圖片生成程式碼，以及視覺問答等能力 。

Anthropic Claude Code：/fork 指令

Claude Code 是 Anthropic 開發的代理式程式設計工具，它直接在終端機中運行，能夠在開發者的機器上執行 shell 指令並編輯檔案。/fork 指令可以從現有的工作階段分支建立一個新的工作階段，並將其儲存在 commands/branch/ 目錄下。這個工作流程能讓開發者探索不同的方向，同時又不會遺失原始工作階段的上下文脈絡 。

Claude Code 已成為最廣泛被採用的 AI 開發者工具之一，曾有 npm 套件的提及數據顯示，它在一天內就累積了超過 1,100 顆星與 1,900 次分支 。

資訊缺口與尚待解答的問題

在原始的各項詢問中，有幾個項目截至 2026 年 6 月初仍缺乏直接的消息來源佐證：

• GPT-5.6 的定價與 token 效率數據： 除了「效率提升」這類泛泛之詞，目前沒有任何具體數據流出。關於它可能在表現上媲美 Claude Mythos 但成本更低廉的說法，純屬社群推測 。
• Google Notebook LM 與 Gemini Omni 的整合： 有證據顯示 Notebook LM 使用了 Gemini 模型（包含在一項診斷準確性研究中用到了 1.5 Pro），但無法從現有資料中確認，是否有名為「Gemini Omni」的專屬整合，在 2026 年 6 月作為一個產品功能發布 。
• 世界智能大會的人形機器人： 搜尋到的資料中，並未捕捉到任何關於在該博覽會上展示具備動作捕捉與情感表達能力的超擬真人形機器人的可驗證證據。這仍有待針對具體活動地點與日期進行更深入的調查。

這波浪潮揭示了什麼

2026 年 6 月第一週的主旋律，圍繞在 企業工具化（Codex 的外掛與 Sites）、自研模型家族（微軟的 MAI 陣容、阿里巴巴的 Qwen）、開源代理的成熟化（Hermes Desktop），以及一個尚未公開的、正在地平線上浮現的下一代（GPT-5.6、Claude Mythos）。業界正以驚人的速度前進——但「已確認的產品」與「未經證實的傳聞」之間的那條線，遠比頭條新聞所暗示的更加清晰、銳利。

社群推估的發布窗口大約落在 2026 年 6 月 15 日至 7 月 5 日之間，但這個時間表純粹是從日誌目擊事件推斷而來，並無任何官方背書 。目前，對於假設中的 GPT-5.6，沒有任何具體的定價、token 效率數據或已確認的多模態能力浮上檯面；外界對它「提升成本效益」與「整合文字與圖片生成」的期待，僅僅是依據 GPT-5.x 家族的演進軌跡所做的推理，並非有文件佐證的規格 。

結論： GPT-5.6 是一個可信度極高的傳聞，但絕對不是一個已發布的產品。業界緊盯後端的一舉一動，但 OpenAI 並未公布任何發布日期或技術規格表 。

「Mythos 基準之謎」與 Claude Mythos 模型

「Mythos 基準」（Mythos Benchmark）這個詞彙，近期同時出現在好幾個截然不同的脈絡中，極易造成混淆：

• Anthropic Claude Mythos 模型外洩事件（2026 年 3 月 26 日）： Anthropic 的內容管理系統（CMS）因設定不當，意外暴露了大約 3000 份內部文件，其中包括一篇關於代號「水豚」（Capybara）、正式名稱為 Claude Mythos 的下一代模型的草稿文章 。外洩的內部基準測試顯示，Mythos 在 SWE-bench Verified 上達到 93.9%，在 SWE-bench Pro 上也拿下 77.8%，在當時橫掃所有主要程式設計評測 。2026 年 4 月 7 日，Anthropic 正式宣布了 Claude Mythos Preview，卻同時宣告公眾無法使用它。此外，該模型也因其超凡的網路安全能力被特別標記，包括找出了一個潛藏在 OpenBSD 系統中長達 27 年的漏洞 。

• 卡內基美隆大學（CMU）安全性基準（2026 年 5 月）： CMU 研究人員打造了一套獨立的評測，用以測試 AI 模型是否能自主開發針對 Google V8 引擎的真實瀏覽器漏洞攻擊程式。結果發現，Claude Mythos 與 GPT-5.5 都具備這項能力，能在無人干預下發現並武器化真正的安全漏洞，其中 Mythos 的表現大幅領先 GPT-5.5，但運行成本大約高出十二倍 。

• SecureAI 的 Mythos 漏洞基準（2026 年 1 月）： 這是一套專注於網路安全的基準測試套件，涵蓋 2023 至 2026 年的已知漏洞（CVE），旨在評估 AI 漏洞偵測器，並以 Llama-3.1-405B 等大型模型作為比較基準 。

當有人提起「Mythos 基準外洩」時，指的多半是 Anthropic 的模型外洩事件。CMU 與 SecureAI 的基準，只是剛好共享了「Mythos」這個名稱，本質上是完全不同的東西。

OpenAI Codex：從程式設計工具轉型為企業工作平台

2026 年 6 月 2 日，在名為「Intelligence at Work」的活動上，OpenAI 宣布了 Codex 的一項結構性擴張，從原本以開發者為中心的程式設計代理，轉型為更廣泛的企業工作平台 。此次發布的三大核心支柱如下：

• 六大職能專屬外掛： 涵蓋業務銷售、數據分析、創意製作、產品設計、投資銀行與公開市場投資。每個外掛都捆綁了與熱門商業應用的整合——總計 62 款應用程式，包括 Salesforce、Snowflake、Figma 和 HubSpot——以及 110 項自動化技能。使用者完全不需具備程式設計知識即可安裝使用 。
• Codex Sites（預覽版）： 讓使用者用自然語言提示 Codex，就能建構、迭代並部署輕量級的全端 JavaScript/TypeScript 網頁應用程式，並直接獲得託管網址、「以 ChatGPT 登入」的驗證機制，以及檔案儲存空間。此功能目前僅開放給符合資格的 ChatGPT Enterprise 和 Edu 工作區使用 。
• 註解功能（Annotations）： 原本用於程式碼區塊層級的編輯回饋，現在擴展至文件、簡報、試算表及 Sites 上，不僅限於程式碼 。

OpenAI 同時證實，Codex 的每週活躍使用者數已突破 500 萬大關 。這項擴張代表了一次明確的戰略轉向——積極搶佔企業內部非開發者的知識工作者市場。多份獨立分析均指出，這是一條與過去幾乎只專注於工程團隊的競品直接對決的關鍵競爭軸線 。

微軟 Build 2026：七大 MAI 模型與一個推理引擎

2026 年 6 月 2 日，微軟在舊金山舉行的年度 Build 開發者大會上，以統一的 MAI（Microsoft AI）品牌，推出了七款自研的 AI 模型家族，並同步發表了全新硬體 。

當中的核心亮點是 MAI-Thinking-1，該公司首款推理模型：

• 擁有 350 億個活躍參數，搭配 256K 的上下文視窗 。
• 完全從零開始訓練，使用企業級、具備商業授權的乾淨資料，絕無蒸餾自任何第三方模型 。
• 在微軟內部衡量通用推理能力的關鍵指標「AIME 25」上取得了 97% 的高分；在軟體工程基準測試上與市場頂尖模型並駕齊驅，而在盲測中，人類評估者對它的偏好程度與 Sonnet 4.6 相當 。
• 設計上追求低 token 成本，並針對微軟自家的 Maia 200 晶片進行了最佳化 。

其餘六款模型則共同構建出一個多模態生態系：

• MAI-Code-1-Flash — 專為程式設計最佳化的模型 。
• MAI-Image-2.5 / MAI-Image-2.5-Flash — 圖片生成及其快速版本 。
• MAI-Transcribe-1.5 — 語音轉文字 。
• MAI-Voice-2 / MAI-Voice-2-Flash — 語音處理與合成 。

硬體方面，微軟推出了 Surface RTX Spark Dev Box，這是一款體積精巧的 AI 開發機器，具備高達 1 petaflop 的 AI 算力與 128 GB 的統一記憶體，能在本地端運行高達 1200 億參數的模型 。微軟還發表了 Majorana 2 量子晶片，象徵其在傳統 AI 運算以外的硬體野心正加速前進 。

外界普遍認為，這七大 MAI 模型家族的推出，是微軟為降低對 OpenAI 模型的依賴、同時為企業客戶提供具備乾淨商業授權的內部替代方案，所踏出的關鍵一步 。

氛圍程式設計（Vibe Coding）的擂台賽：World of AI Bench、Vibe Code Bench 與 BridgeBench

「氛圍程式設計」（Vibe Coding）——一種透過對話提示來生成整個應用程式，而非親手撰寫程式碼實務——已催生出新一代的基準評測。這些評測不再只看單一的程式設計能力，而是企圖衡量全端開發的整體實力：

• World of AI Bench： 約在 2026 年 6 月 2 日上線，自稱「全球第一的 vibe coding 基準」。該平台使用一名 AI 裁判，針對一個包含 3897 個提示的資料庫，在 10 個 vibe coding 類別中對 16 款以上的頂尖模型進行評分。平台開放免費使用，並支援模型間的正面對決 。
• Vibe Code Bench (VCB)： 一個由 Vals.ai 發布在 arXiv 上的學術基準。它採用 100 份網頁應用規格，搭配 964 個基於瀏覽器的工作流程（共包含 10,131 個子步驟），是第一個能在類似生產環境的設定中，測試模型從自然語言提示到端到端生成完整網頁應用能力的基準 。
• BridgeBench： 由 BridgeMind 推出的開源基準，從速度、成本與程式碼品質來評估 AI 程式設計模型。它將自己定位為衡量「當你真正用 AI 交付產品時，最重要的那些事」，並以開放的方法論和公開的即時排行榜運作 。

這三個平台的共同目標，是將 AI 程式設計的評測，從 SWE-bench 這類只看「通過率」的基準，推向一個能更全面考量可用性、速度、成本與安全性的新維度。

Hermes Agent 桌面應用程式：開源代理有了圖形化介面

2026 年 6 月 2 日，Nous Research 以公開預覽版的形式發布了 Hermes Desktop，隨附 Hermes Agent v0.15.2，並以 MIT 授權在 macOS 12+、Windows 10/11 及 Linux 上推出 。

在此之前，Hermes 只能透過命令列介面（CLI）或即時通訊閘道來操作。這款桌面應用程式是一個原生的圖形化前端，它與命令列工具共享完全相同的代理核心、API 金鑰、工作階段、技能與記憶，因此這是一個替代的操作介面，而不是一個獨立的分支 。

Nous Research 將 Hermes 描述為一個「會自我進化的代理，而非程式設計輔助工具」。該代理從問世以來，大約三個月內就在 GitHub 上累積了約 18 萬顆星，是開源代理生態系中成長最快速的專案之一 。

阿里巴巴 Qwen 3.7 Plus：成本僅六分之一的多模態代理

阿里巴巴約在 2026 年 6 月 1 至 2 日間推出了 Qwen 3.7 Plus。這是一款透過早期融合訓練、能同時處理文字、圖片與影片的多模態代理模型，具備 100 萬 token 的上下文視窗 。

其定價大約是阿里巴巴純文字模型 Qwen 3.7 Max 的六分之一，使其成為市場上定價極具侵略性的多模態代理之一 。在代理效能基準測試上，Qwen 3.7 Plus 在 Terminal-Bench 2.0 中擊敗了 Claude Opus 4.6，並具備 UI 識別與自動化、從圖片生成程式碼，以及視覺問答等能力 。

Anthropic Claude Code：/fork 指令

Claude Code 是 Anthropic 開發的代理式程式設計工具，它直接在終端機中運行，能夠在開發者的機器上執行 shell 指令並編輯檔案。/fork 指令可以從現有的工作階段分支建立一個新的工作階段，並將其儲存在 commands/branch/ 目錄下。這個工作流程能讓開發者探索不同的方向，同時又不會遺失原始工作階段的上下文脈絡 。

Claude Code 已成為最廣泛被採用的 AI 開發者工具之一，曾有 npm 套件的提及數據顯示，它在一天內就累積了超過 1,100 顆星與 1,900 次分支 。

資訊缺口與尚待解答的問題

在原始的各項詢問中，有幾個項目截至 2026 年 6 月初仍缺乏直接的消息來源佐證：

• GPT-5.6 的定價與 token 效率數據： 除了「效率提升」這類泛泛之詞，目前沒有任何具體數據流出。關於它可能在表現上媲美 Claude Mythos 但成本更低廉的說法，純屬社群推測 。
• Google Notebook LM 與 Gemini Omni 的整合： 有證據顯示 Notebook LM 使用了 Gemini 模型（包含在一項診斷準確性研究中用到了 1.5 Pro），但無法從現有資料中確認，是否有名為「Gemini Omni」的專屬整合，在 2026 年 6 月作為一個產品功能發布 。
• 世界智能大會的人形機器人： 搜尋到的資料中，並未捕捉到任何關於在該博覽會上展示具備動作捕捉與情感表達能力的超擬真人形機器人的可驗證證據。這仍有待針對具體活動地點與日期進行更深入的調查。

這波浪潮揭示了什麼

2026 年 6 月第一週的主旋律，圍繞在 企業工具化（Codex 的外掛與 Sites）、自研模型家族（微軟的 MAI 陣容、阿里巴巴的 Qwen）、開源代理的成熟化（Hermes Desktop），以及一個尚未公開的、正在地平線上浮現的下一代（GPT-5.6、Claude Mythos）。業界正以驚人的速度前進——但「已確認的產品」與「未經證實的傳聞」之間的那條線，遠比頭條新聞所暗示的更加清晰、銳利。