每个 token 的最佳价值：Augment Code 将 GPT-5.6 Sol 设为 Cosmos 默认模型
Augment Code 宣布 GPT-5.6 Sol 即日起成为其 Cosmos 的默认模型，称其为同等质量水平下 token 效率最高的模型。选型方法是先在内部基准与在线测试中设通过率底线，再在达标模型中选择每任务成本最低者。用户仍可自选模型并可用 Cosmos Advisor 辅助选型，默认模型将随新模型发布持续更新。
#OpenAI
Augment Code 博客AI 评分4545
OpenAI · 失准报告与通报精选AI 评分7474 OpenAI 与 Apollo Research 提出 Contrastive SDF 方法测量模型奖励寻求倾向
OpenAI 与 Apollo Research 提出 Contrastive SDF 方法，用两份被灌输相反评分者信念的微调副本，量化模型行为对评分者偏好的因果敏感度。
推荐理由：原文给出把奖励寻求量化为行为对评分者信念敏感度的测量方法，并显示该倾向随强化学习训练增强。
GitHub Org · openaiAI 评分5757 OpenAI 发布 Codex Security CLI 和 TypeScript SDK，用于查找、验证与修复安全漏洞
OpenAI 发布了 Codex Security CLI 和 TypeScript SDK，用于查找、验证和修复安全漏洞。该工具已上架 npm，包名为 @openai/codex-security，代码仓库位于 https://github.com/openai/codex-security。
GitHub Org · browser-useAI 评分4949 browser-use browser-harness-tui：内嵌 OpenAI Codex 分支的终端式浏览器智能体
browser-use 的 browser-harness-tui 将 OpenAI Codex 分支后内嵌为其内置浏览器智能体 Browser Harness Agent。该智能体采用终端风格 TUI，并原生集成 browser-harness 工具。
OpenAI · 失准报告与通报精选AI 评分6464 OpenAI 研究表明有益特质强化学习可带来广泛且持久的对齐改进
OpenAI 发表对齐研究，发现针对诚实、认知谦逊、可纠正性等有益特质的强化学习在 53 个内部与外部评测中的 44 个上优于同等算力基线，改进覆盖欺骗、奖励劫持、健康与心理健康等方向。这些改进可跨域泛化，仅在健康对话上训练也提升了非健康领域的对齐评测，剔除健康与科学数据后健康评测仍然改善。经过该训练的模型在对抗提示与有害微调下更难被引向有害行为，同时对正常有益指令仍保持可引导。
推荐理由：原文给出跨域与对抗压力下的实验证据，读者可据此判断有益特质强化学习能带来多大范围的可泛化对齐改进。
OpenAI · 失准报告与通报精选AI 评分6464 OpenAI 验证 WildChat 公开聊天数据能否预测模型真实失准率
OpenAI 用内部生产数据验证，基于公开数据集 WildChat 的对话前缀重采样生成模型回复，能较准确预测 GPT 系列模型在线上真实使用中的失准行为发生率。
推荐理由：OpenAI 用内部生产数据验证了公开聊天数据能预测模型线上失准率，同时指出它在智能体场景下误差明显更大。
GitHub Org · langgeniusAI 评分5050 langgenius 开源 mosoo：编码智能体托管运行时
langgenius 开源了编码智能体托管运行时 mosoo。它通过统一的 Agents API 运行 OpenAI Codex、Claude Agent SDK、OpenCode 和 Pi Agent，提供隔离云沙箱、持久会话、工具流式输出和托管文件能力。
GitHub Org · openaiAI 评分4444 openai-cli：OpenAI API 官方命令行工具
openai-cli 是 OpenAI 官方提供的命令行工具，用于调用 OpenAI API。该仓库位于 GitHub 的 openai 组织下，资料未提供版本号、安装方式或更多功能细节。
ARC Prize · 官方博客精选AI 评分7171 ARC Prize 用 ARC-AGI-3 分析 GPT-5.5 与 Opus 4.7 的三种推理失败模式
ARC Prize 团队复盘 160 段 GPT-5.5 与 Opus 4.7 在 ARC-AGI-3 上的对局和推理轨迹，归纳出三种失败模式并开源分析包，两者在半私有数据集上得分分别为 0.43% 和 0.18%。
推荐理由：ARC-AGI-3 的逐局推理复盘呈现 GPT-5.5 与 Opus 4.7 失败方式的不同，比总分更能说明两者推理差异。
GitHub Org · browser-use精选AI 评分6565 browser-use 开源 browser-harness，让 Claude Code、Codex、Cursor 使用真实登录的 Chrome
browser-use 在 GitHub 开源 browser-harness 项目，让 Claude Code、Codex 或 Cursor 使用用户本人已登录的真实 Chrome 浏览器。工具一次提示词即可完成设置，采用 MIT 许可证开源。
推荐理由：原文给出让 Claude Code 等智能体操作用户已登录真实 Chrome 的开源方案，一次提示词即可完成配置。
Answer.AI 官方研发博客精选AI 评分7070 Answer.AI 用 PyPI 数据检验 AI 应用到底都去了哪里
Answer.AI 分析 PyPI 数据寻找「AI 效应」：ChatGPT 发布后软件总体产量没有明显跃升，效应集中在 AI 相关的热门软件包上。
推荐理由：基于 PyPI 下载与更新数据，作者估测 AI 生产力效应的范围，读者可以对照自身的效率印象核查证据链。
Answer.AI 官方研发博客精选AI 评分6767 Answer.AI 分析 OpenAI 与美国战争部合同能否冻结自主武器法律
Answer.AI 创始人 Jeremy Howard 与 Virgil Law 联合创始人 Luke Versweyveld 撰文分析 OpenAI 与美国战争部合同的公开措辞，认为它无法把签约时的自主武器法律标准冻结为长期约束。
推荐理由：作者逐条拆解合同措辞并援引 150 年最高法院判例，解释为何合同无法锁定签约时的法律标准，为评估 OpenAI 声明的约束力提供法律背景。
Answer.AI 官方研发博客精选AI 评分7070 Answer.AI 披露未授权工具调用问题，Claude 等模型可调用未被授予的工具且 API 不拦截
Answer.AI 的 Piotr Czapla 披露大模型未授权工具调用问题，模型会幻觉出未被授予的工具并发起调用，API 不校验工具名，只要函数存在于运行环境中调用就会真正执行，他在 solveit 中遇到 Claude 4.5 幻觉调用 add_msg 成功写入笔记，并复现于 claude-opus-4-6、Gemini 和 Grok。
推荐理由：作者用可复现实验说明模型可能调用未被授权的工具且 API 不拦截，做能力隔离的 Agent 系统可以据此检查校验逻辑。
Replit · Blog精选AI 评分6767 Replit 接入 ChatGPT，可在对话中直接构建应用
Replit 宣布接入 ChatGPT，用户在消息中 @replit 描述需求，即可由 Replit Agent 在对话内构建应用并实时显示预览。连接需在 ChatGPT 设置的 Apps & Connectors 中完成，每个对话对应一个应用，成品存入 Replit 账户，可继续添加数据库、连接 API 并发布到自定义域名。
推荐理由：原文给出在 ChatGPT 内用 Replit 构建应用的接入步骤与适用范围，读者可据此判断对话式开发是否适合自己的流程。