◆ AI 总结

本期涵盖AnthropicClaude价值观跨语言差异研究、Agent Arena排行榜更新、OpenAIBuild Week开放提交等多项动态，同时有用户对ChatGPT对话学英语的负面反馈及CognitionStanfordDeepMind的新品进展。

产品工具

OpenAI / xAI

Agent Arena排行榜更新：GPT-5.6 Sol升至第2，Grok-4.5跃升至第13

GPT-5.6 Sol在Agent Arena以7.8K真实会话排名第2，净提升1.6%，可操纵性+17.3%。同时Grok-4.5以9.8K会话从第29跃升至第13，Bash Recovery大幅改善。[6][7][8][6]
OpenAI

OpenAI Build Week开放提交

OpenAI官方宣布Build Week活动开放提交申请，鼓励开发者参与构建。链接：https://t.co/0Pifa5ZRay[9]

Cognition推出Devin Fusion：集成Fable 5，运行成本低于Opus 4.8

Cognition发布Devin Fusion代理预览，集成Fable 5模型，每任务运行成本低于Opus 4.8，在委托和推理链方面实现成本效率提升，但串行调试任务成本不均衡。[11][12][13]
Google

Google DeepMind推出“Predicting the Past”技能，助力历史研究

Google DeepMind发布“Predicting the Past”技能，利用AI模型和复杂工作流推进历史研究，无需编码。已用于追踪文物小偷、重建古希腊神谕网络等场景。[15][16][17]

技巧教程

OpenAI

用户实测新版ChatGPT对话学英语：bug多，指令遵循差

用户反馈新版ChatGPT对话学英语时指令遵循很差，如无法纠正“很棒很棒”等表达，还输出莫名句子，但对话学单词仍可用。[10]

行业资讯

Claude

Anthropic发布Claude价值观研究：超3000种价值，跨语言有差异

Anthropic分析30万+匿名对话发现Claude表达超3000种价值观，不同模型在Deference vs. Caution等四轴上有差异，且语言影响表达——印地语和阿拉伯语中更温暖，俄语中更严谨。[1][2][3][4][5]

Stanford BEHAVIOR Challenge回归，聚焦长期复杂任务

斯坦福大学BEHAVIOR Challenge第二年回归，专注于需要规划、检测、操作和故障恢复的长期复杂任务，去年获胜方案仅完成12%步骤。[14]