GPT-5.6 一拆三：Sol、Terra、Luna，OpenAI 用三级定价重新定义模型市场
6 月 29 日 OpenAI 发布 GPT-5.6 家族三款模型：Sol 旗舰（$30/1 M tokens）首次支持 ultra mode subagent 协同；Terra 均衡性能对标 GPT-5.5 价格减半（$15)；Luna 预算最快最低价（$6)。三级定价重构 AI 模型市场。
Fable 5 上线不到一周被美国强制下架，AI 出口管制进入全新阶段
Anthropic 的 Fable 5 上线仅 4 天即被美国政府强制下架，AI 出口管制首次从卡硬件升级为卡模型本身。
MCP 不再只是 Claude Desktop 的玩具：2026 年 5 个变化让它成了 AI 基础设施
一年多前，Anthropic 发布 Model Context Protocol（MCP）时，大多数人的反应是「又一个协议」。它解决的问题很具体：让 Claude Desktop 连接外部工具和数据源。到了 2026 年 5 月，这个判断已经……
154 K Star！Andrej Karpathy 用一份文件改了 Claude Code 的"脑子"
深度拆解 Andrej Karpathy 的 AI 编程洞见如何被社区转化为一份 CLAUDE.md，GitHub 154 K Star。4 条原则让 Claude Code 从"闷头写"变成"会思考"。
Diffusion LLM 的强化学习终于通了：三篇论文同周攻克后训练难题
6 月 19-21 日三篇论文同周攻克 Diffusion LLM 强化学习后训练难题：CAPR（路径状态缓存信用分配）、DiPOD（自蒸馏防双漂移）、StableDRL（无条件裁剪+自归一化）。dLLM 从能训练到能稳定优化。
最新
AI 推理加速三国杀：DSpark、DiffusionGemma、JetSpec，谁能定义下一代推理引擎？
;相关阅读DeepSeek 连环刀：开源 DSpark 加速 85%，降价永久化逐字输出过时了？Google × NVIDIA 开源 DiffusionGemmaAI 模型的出口管制 2.0：从 GPT-5.6 Sol 到 Mythos 5
相关阅读
DeepSeek 连环刀：开源 DSpark 加速 85%，降价永久化
Google × NVIDIA 开源 DiffusionGemma：一次蹦出 256 个 Token
AI 模型的出口管制 2.0：从 GPT-5.6 到 Mythos 5
GPT-5.6 确认 7 月发布：AI 行业史上第一次，模型发布需要政府预审
6 月 28 日，多家媒体确认：GPT-5.6 将在 7 月正式发布。这是 AI 行业历史上，第一次有一款模型在发布前就被美国政府深度介入——从谁能用、到怎么用、到什么时候能用。
The Information 和 BuildFastWithAI 同时报道，Sam Altman 在内部备忘录中确认了 7 月发布窗口。但这份备忘录最让人注意的不是发布时间，是他说的一句话：「我们已向白宫明确表示，这不是我们偏好的长期模式。」
分阶段发布：一个前所未有的流程
GPT-5.6 的发布将分为三个阶段：
第一阶段（7 月初）：向美国政府批准的「一小群合作伙伴」开放，政府将「逐个客户」审核访问权限
第二阶段（数周后）：Sam Altman 口中的「普通公众发布」——但有附加限制
第三阶段（未定）：完全公开发布——Altman 表示这是公司的长期目标
这是自 Anthropic Mythos 5 事件后，美国政府对 AI 模型管控的最新步骤。6 月 12 日商务部下令 Anthropic 暂停 Mythos 5 访问，6 月 26 日部分解禁（100+ 企业获授权）。现在。
AI 蒸馏战争：你的 API 正在被竞争对手用来训练他们自己的模型
Anthropic 指控阿里巴巴 2880 万次蒸馏攻击。OpenAI 报告了类似的 API 滥用模式。Reflection AI 的 CEO 说他们每天拦截超过 10 万次可疑 API 调用。蒸馏攻击正在成为 AI 行业的普遍现象——而不只是某两个公司之间的争端。
什么是蒸馏攻击？
用最简单的话说：你花钱买了一个强大模型的 API 访问权限——然后你不再用它来写代码、写邮件或回答客户问题。你用它的输出作为训练数据，去训练你自己的模型。通过系统性地向目标模型提出精心设计的任务，逐领域地蒸馏其能力。
这在技术上不难——你需要的是大量的 API 请求和大规模的日志系统。但它在法律和伦理上是一个灰色地带。大多数 API 服务条款禁止用 API 输出去训练竞争模型，但检测和执法极其困难。你怎么区分一个「写代码的开发者」和一个「在用 API 蒸馏代码能力的竞争对手」？
AI 行业的新防线
三个月前，大多数 AI 公司的安全团队主要关注传统网络安全——防 DDoS、防数据泄露、防模型窃取。现在，一个新的防御层级正在快速搭建：
用量异常检测：如果一个账号在短时间内对不同领域的内容发起大规模请求（而不是持续在一个领域深入使用），这就是典型的蒸馏信号。正常用户不会同时需要 50 种不同风格的代码生成
输出水印：在模型输出中嵌入统计水印，让监管者和 API 提供商能够识别哪些模型的训练数据来自自己的 API。Meta 的 AudioSeal 是第一个开源方案，但文本水印仍比音频水印难做
蒸馏攻击识别模型：用 AI...
Qwen-AgentWorld：千问开源世界模型 35 B，Agent 仿真不再需要真实环境
Qwen-AgentWorld 是通义千问团队 6 月 24 日发布的开源「语言世界模型」——一个能用思维链推理来模拟 Agent 环境的 AI 系统。不需要真实环境，不需要实际交互，你给它一个任务描述，它就能精确推演 Agent 在执行过程中会遇到什么、该怎么做。35 B MoE 参数（3 B 激活），256 K 上下文，Apache 2.0 开源。
什么是世界模型？为什么 Agent 需要它？
现实世界中训练 AI Agent 非常昂贵。你要搭建测试环境、运行成千上万次交互、处理各种边缘情况。世界模型的核心思想是：如果 AI 能在脑子里精确模拟环境，就不需要每次都真的去跑了。就像人类学开车不会每学一个操作都上一次真车——先在脑子里过一遍。AgentWorld 把这个思路做到了工业级：它覆盖了 MCP、搜索、终端、软件工程（SWE）、Android、网页、操作系统 7 个领域，用超过 1000 万条真实交互轨迹训练。
三阶段训练管线
CPT（持续预训练）：注入环境知识——让模型知道终端命令、API 调用、网页 DOM 结构的规律
SFT（监督微调）：激活下一步状态预测推理——给定当前状态和动作，预测下一个状态
RL（强化学习）：提高模拟逼真度——让模型的预测更接近真实环境中的结果
与业界常见的做法不同——大多数项目把世界模型当作一个后续附加功能——AgentWorld 从 CPT 阶段起就把环境建模作为训练目标。这被称为「原生世界模型」——环境理解是训练的核心目标，不是事后补充。
性能：超越 GPT-5.4
在 AgentWorldBench（覆盖 7...
千问输入法 macOS 版实测：语音输入 300 字/分钟，AI 帮你润色
6 月底，阿里千问输入法推出了 macOS 版本。核心卖点：语音输入最快 300 字/分钟，内置 AI 自动润色功能。不是「即将上线」，是现在已经可以在 Mac App Store 下载。
我在一台 M 3 MacBook Pro 上用了三天。以下是真实体验。
语音输入：一开口就是 300 字/分钟？
我用最自然的中文语速朗读了一段技术博客作为测试。计时结果是：1 分钟朗读了约 290 个中文字符，输入法几乎零延迟地全部转录正确。口头语助词（「那个」、「就是」）会被自动过滤。偶尔出现的同音错字（「蒸馏」→「正经流」）可以通过重新朗读该句自动修正。
语音输入在中文场景下的最大痛点是准确率——行业平均水平在 90-95% 之间，意味着每 100 个字有 5-10 个需要手动修正。千问的三天测试下来，日常对话场景的准确率在 97% 左右，中等语速（每分钟 200-250 字）时几乎没有错字。技术文段中英文混排时的准确率会降到 93% 左右——英文专业术语有时被识别为发音相近的中文。
AI 润色：从口语到书面语的一键翻译
语音转文字后，AI 润色是最实用的功能。它不只是修正语法——它会重新组织句子结构，把口语化的表达变成书面文字。我对一段口头叙述做了测试，AI 润色后的文本除了修正口语化表达外，还自动补充了段落结构，使整体逻辑更清晰。不过需要注意的是，AI 润色可能会改变原文的强调重点——重要的观点建议自己手动微调。
跟 macOS 原生输入法比
macOS Sequoia 原生中文输入法已经很成熟了，日常打字选词准确率约 90%，但缺乏语音和。
VoxCPM：开源多语言语音合成引擎，30 种语言+声音克隆+Apache-2.0 商用许可
VoxCPM 是 OpenBMB 团队开发的开源端到端文本转语音系统，基于免分词的扩散自回归架构，最新版 VoxCPM 2 拥有 2 B 参数，训练数据超 200 万小时，支持 30 种语言和中文方言。
核心功能
🌍 30 种语言+中文方言：覆盖中英日韩法德西俄等，四川话、粤语、吴语、东北话等方言
🎨 Voice Design 声音设计：用文字描述想要的音色——性别、年龄、语气、情感、语速，无需参考音频
🎛️ 可控声音克隆：3 秒参考音频即可克隆，可文本指令控制说话风格
🎙️ Ultimate Cloning 极致克隆：提供参考音频+文本，还原声纹节奏情感每个细节
🔊 48 kHz 高清输出：内置超分辨率，无需额外升频器
⚡ 实时流式推理：RTX 4090 上 RTF 低至 0.3，vLLM-Omni 加速至 0.13
📜 Apache-2.0 商用许可：代码和权重完全开源，自由商用
安装与快速使用
pip install voxcpm
要求 Python ≥ 3.10（<3.13）、PyTorch ≥...
OmniVoice Studio：一键安装的 ElevenLabs 开源替代，646 语言+视频配音+有声书
OmniVoice Studio 是 ElevenLabs 的开源替代品——一个完全本地运行的 AI 语音工作站桌面应用。无需 API Key、无需云服务，支持 macOS/Windows/Linux，646 种语言。内置 11 个 TTS 引擎 + 9 个 ASR 引擎，一键安装即可使用。
核心功能
🎙️ 零样本声音克隆：3 秒片段镜像任何声音，覆盖 646 种语言
🎨 声音设计：性别、年龄、口音、音调、语速、情感、方言全部可调
🎬 视频配音：YouTube URL 或本地文件 → 转录 → 翻译 → 配音 → 导出 MP 4
📖 有声书编辑器：导入文本/EPUB/PDF，自动分章节，导出 .m 4 b
⌨️ 全局语音输入：任意应用。