#OpenAI

OpenAI 发布 LifeVal：衡量 AI 完成日常任务能力的 benchmark

OpenAI 推出 LifeVal benchmark，用于衡量 AI 在帮助人们完成日常任务方面的表现，涵盖寻找托育服务、管理财务和处理政府文书等场景。该基准旨在评估 AI 助手在实际生活中的实用性。

50个GPT-6.1 Sol智能体在Minecraft中涌现领导与官僚行为，对抗赛中胜过Claude Opus 5.5

研究团队将50个GPT-6.1 Sol智能体放入Minecraft生存世界进行Civ50实验，约90秒内伐尽出生点附近树木，交换约5900条消息，字母序第一的Ada未经理投票成为领导。

Import AI 479：太空战、低延迟任务与 LLM、Genie 4

研究人员发布 Realtime-Bench 基准，用 50 个交互式游戏与网页任务评估大语言模型的实时决策能力，测得 GPT-6 Astra（high）在 wall clock 设置下通过率最高，仅 36%，而暂停时钟下可达 70%-80%。期刊还提及美国国防情报局《Challenges to Security in Space》报告，指出中美俄太空攻防技术竞争加剧，并预告 Genie 4。

OpenAI 宣称其 AI 在数学、计算机科学和物理学领域产出重大证明，邀请外部专家核查

OpenAI 宣布其 AI 在数学、计算机科学和物理学领域产出重大证明结果，并请外部专家担任 shepherd 核查，数学与计算机科学证明已翻译为 Lean。

OpenAI 宣布数学、计算机科学和物理三项重大发现，并引入外部专家协作审阅模式

OpenAI 在上次批量发布数百份数学手稿不到一个月后，宣布数学、计算机科学和物理三项新的重大发现。

同一新闻，精选展示《OpenAI 宣称其 AI 在数学、计算机科学和物理学领域产出重大证明，邀请外部专家核查》

NYU 与 UT Austin 研究发现让 AI 文本难读的六种语言模式

NYU 与 UT Austin 研究者分析 14 个语言模型生成的 120 段对话、45 个编程会话和 980 篇文章，对比人类文本后总结出六种 AI 过度使用的语言模式，如罕见词组合、名词堆叠和名词动用。

OpenAI 发布 ChatGPT 工作用途数据，覆盖近 100 国 165 项工作活动

OpenAI 发布 Signals 数据，展示近 100 个国家中 165 项工作活动的 ChatGPT 使用情况，以及使用方式随时间的变化。

Import AI 478：对齐的数学形式化、ProgramBench 破零与 Mirendil 单人预训练模型

本期 Import AI 汇总四条进展。AI 安全初创公司 Resolution 用 Agent 编排自动形式化奇点消解，一周内花约 13.5 万美元 token 产出约 60 万行 Lean 代码，为损失曲面几何与泛化关系的自动化研究铺路。

南京大学与商汤等发布 OpenMobile-2 开源手机智能体模型并开放复现环境

南京大学、商汤等机构发布 OpenMobile-2，基于 Qwen3.5-9B 与 Qwen3.6-27B 两个智能体模型，并公开完整训练环境、数据与复现说明。

Convovo 研究：Grok 4.7 在 92% 案例中推荐共和党候选人，GPT-6.1 Sol 97% 推荐民主党

Convovo 由康奈尔大学教授 Tapan Parikh 领导的研究发现，在近 500 场中期选举竞选中被强制二选一时，Grok 4.7 在 92% 的回答中推荐共和党候选人，GPT-6.1 Sol 在 97% 的回答中推荐民主党，两者一致率不到 10%。

微软 MAI-DxO 研究登《Science》：复杂病例诊断准确率 83%，高于全科医生的 36%

微软的 AI 诊断系统 MAI-DxO 在《Science》发表的一项模拟研究中，对复杂病例的诊断准确率为 83%，而单独工作的全科医生和普通内科医生为 36%。

OpenAI 智能体 32 分钟完成小鼠大脑数据分析，人工需数月

OpenAI 与 PerturbAI、Scripps Research 合作，部署数千个基于 GPT-Rosalind 的 AI 智能体分析数百万个小鼠细胞的生物数据，完成全脑 CRISPR 图谱分析仅用 32 分钟，团队估计人工完成同样分析需数月至一年。

OpenAI、PerturbAI 与 Scripps Research 用数千个 AI 智能体挖掘生物数据新线索

OpenAI、PerturbAI 与 Scripps Research 用分布式 AI 智能体，从数百万个脑细胞数据中挖掘出有前景的研究线索。该合作展示了大规模智能体协同在生物数据分析中的实际应用。