◆ AI 总结

OpenAI审计发现SWE-Bench Pro30%任务损坏，撤回推荐，呼吁社区停止使用；同时xAI正式发布Grok 4.5，在Terminal-Bench击败竞争对手，并以更低成本和更高效率登陆Agent Arena。

模型动态

xAI

xAI正式发布Grok 4.5，性能与效率均大幅提升

xAI发布Grok 4.5，在Terminal-Bench上击败Opus 4.8，token效率是其他顶尖模型的2倍，价格比GPT便宜约5倍，同时已登陆Agent Arena。[5][6]
Kimi

Cognition披露SWE-1.7基于Kimi K2.7，FrontierCode得分42.3%

Cognition公布SWE-1.7模型基于Kimi K2.7改进RL管线，在自有基准FrontierCode上取得42.3%成绩，继续推进成本-性能帕累托前沿。[7]

行业资讯

OpenAI

OpenAI审计SWE-Bench Pro发现30%任务已损坏，撤回推荐

OpenAI审计热门编码基准SWE-Bench Pro，发现约30%任务存在隐藏需求、矛盾指令等问题，不再可靠衡量前沿能力，已撤回此前推荐使用。详情：https://t.co/wDdSEjBe4F[1][2][3][4]