AI DAILY / 2026-07-09

07·09 - AI 午报：SpaceXAI Grok 4.5，OpenAI 审计 SWE-Bench 与 GPT-Live

今天有两条主线：一是 SpaceXAI 正式发布 Grok 4.5，xAI 账号同步完成更名；二是 OpenAI 一天之内连发三条消息——全双工语音模型 GPT-Live 开始推送、SWE-Bench Pro 被审计出约三成任务有缺陷，并预告 GPT-5.6 Sol 将在周四公开发布。Cognition 和字节跳动也分别抛出 SWE-1.7 和 Seedream 5.0 Pro。模型侧热闹，但同样值得关注的是评测：当 OpenAI 主动撤回对 SWE-Bench Pro 的推荐时，代码 Agent 的跑分竞赛可能进入一个新的验证周期。

10 NEWS ITEMSHYPO-WRITER 写作档案ASIA/SHANGHAI

#01模型与发布

SpaceXAI 发布 Grok 4.5，与 Cursor 联合训练，面向编程和 Agent 任务

SpaceXAI 正式发布 Grok 4.5，定位编程与 Agent 任务，并同步完成 xAI 品牌到 SpaceXAI 的更名。官方博客称，该模型与 Cursor 联合训练，上下文窗口为 500K，推理速度达 80 TPS，官方宣称 token 效率为同类领先模型的两倍。API 定价为每百万输入 token 2 美元、输出 6 美元。在 xAI 自己公布的图表中，Grok 4.5 在 SWE-Bench Pro 上得分 64.7%，落后于 Fable 80.4% 和 Opus 4.8 76.9%，但领先于 GLM-5.2 的 62.1%。Elon Musk 在 X 上称内部评估大致与 Opus 4.7 相当，且速度更快。可用性方面，Grok 4.5 已进入 Grok Build、Cursor 和 SpaceXAI 控制台，但欧盟预计要到 7 月中下旬才开放。Cursor 同时指出，该模型在 CursorBench 的分数因数据污染被排除。Grok 4.5 的横向排名还需要更多独立评测来确认。补充报道：https://cursor.com/blog/grok-4-5 参考资料：X @SpaceXAI · 2026-07-08

#02模型与发布

OpenAI 发布 GPT-Live 系列全双工语音模型，开始向 ChatGPT 用户推送

OpenAI 发布 GPT-Live 系列语音模型，包含 GPT-Live-1 和 GPT-Live-1-mini，采用全双工架构，能够同时听和说。官方博客称，该模型支持实时对话、低延迟翻译和更自然的语气；当问题需要搜索、深度推理或复杂工作时，可异步委托给后台的前沿模型，结果准备好后再返回对话。付费用户默认使用 GPT-Live-1，免费用户将逐步获得 mini 版本。 Sam Altman 和 Greg Brockman 都在 X 上表示，GPT-Live 的体验“神奇且真实”，并预告后续将支持 API 和 Codex。OpenAI 称从 7 月 8 日起，iOS、Android 和 Web 端开始逐步推送，用户只需点击 ChatGPT 里的语音按钮即可使用。这延续了近半年语音模型从“听写+播放”向“实时对话”进化的路线，但具体延迟、语言覆盖和 API 时间表现在尚未完全公开。参考资料：X @sama、X @gdb · 2026-07-08

#03模型与发布

Cognition 发布 SWE-1.7，继续更新其编码 Agent 模型

Cognition 发布 SWE-1.7，这是其编码 Agent 模型的新版本。官方博客称，SWE-1.7 在真实软件工程任务、代码审查和跨文件重构上有所改进，但公开细节仍然有限。与 Grok 4.5 和 GPT-Live 等更吸引眼球的发布相比，这条消息更像是对 Cognition 产品线的常规迭代。 SWE-1 系列此前被定位为端到端编码 Agent，而不是单纯的代码补全模型。此次更新没有披露具体参数规模或基准分数，因此目前主要价值在于确认 Cognition 仍在持续发版，而不是一次重大能力跃升。

#04模型与发布

字节跳动发布 Seedream 5.0 Pro，强化图文匹配与文字渲染

字节跳动 Seed 团队发布 Seedream 5.0 Pro，定位多模态图像生成模型。官方页面称，新版本重点提升图文匹配、结构合理性和文字渲染能力，支持复杂信息可视化、图层分离、色彩和材质替换等局部编辑，并原生支持十余种语言输入。模型已上线火山方舟，将陆续接入豆包和即梦。图像生成模型的竞争正在从“能不能生成一张图”转向“图中文字是否正确、排版是否合理、是否支持多语种和局部重编辑”。Seedream 5.0 Pro 的发布说明，国内团队已经把“可编辑的信息图”作为明确目标，而不是只追求分辨率或风格多样性。补充报道：https://mp.weixin.qq.com/s/COjQ-auPvV9Cc3AFZZxzbg ---

#05评测与工程

OpenAI 审计发现 SWE-Bench Pro 约 30% 任务存在缺陷，呼吁重新评估

OpenAI 发布审计结果，称广泛使用的代码基准 SWE-Bench Pro 中约 30% 的公开任务存在缺陷，包括隐藏需求、矛盾指令、测试过严和评分不完整等问题。这导致部分正确解决方案被误判失败，可能扭曲基准排名。OpenAI 因此撤回此前对该基准的推荐，并呼吁研究社区重新评估其有效性。审计方法结合了模型驱动的调查 Agent 和五位资深工程师的独立审查。OpenAI 同时发文指出，随着编码模型能力提升，评估基准需要变得“更难、更公平、更可信”。这一表态对当前代码 Agent 的跑分竞赛有直接影响：如果三分之一的任务本身有问题，那么基于该基准的模型对比也需要重新审视。参考资料：X @OpenAI · 2026-07-08

#06评测与工程

JetBrains 发布 Kotlin Benchmark，用于评估 AI 编程 Agent

JetBrains 推出 Kotlin Benchmark，一套面向真实 Kotlin 任务的 AI 编程 Agent 评估基准。官方博客称，该基准包含来自 JetBrains 插件和开源项目的真实任务，覆盖代码补全、重构、调试和测试生成等场景，并提供评估工具链。这条消息的意义在于，语言生态的官方维护者开始下场做基准，而不是完全依赖第三方榜单。Kotlin 作为 JVM 生态的重要语言，其真实任务往往涉及 Gradle、协程、UI 框架和平台特定 API，通用代码基准未必能覆盖。JetBrains 的做法可能带动更多语言官方团队发布类似评估。

#07评测与工程

llama.cpp 修复 DeepSeek V4 Flash 崩溃与卡死问题

llama.cpp 社区提交补丁，修复 DeepSeek V4 Flash 在推理时因滑动窗口注意力状态管理缺陷导致的崩溃和卡死。问题根源在于 DeepSeek V4 Flash 无法执行部分序列删除，导致检查点恢复后 SWA 窗口耗尽。补丁通过正确删除分歧后缀来恢复状态。这是开源推理引擎对前沿 MoE 模型适配的又一例。DeepSeek V4 Flash 发布后不久，社区就发现其在长上下文或恢复场景下存在稳定性问题；llama.cpp 的修复让本地部署和恢复可靠性提升了一步。该补丁是否已合并到 llama.cpp 主线尚待确认。参考资料：https://www.reddit.com/r/LocalLLaMA/comments/1uqy37j/llamacppfixfordeepseekv4flashcrashandstall ---

#08资本与开源

SambaNova 完成 10 亿美元融资首关，估值 110 亿美元

AI 芯片公司 SambaNova 宣布完成 10 亿美元融资的首次交割，投后估值达到 110 亿美元。这轮融资由软银旗下愿景基金等机构参与，资金将用于继续推进其可重构数据流架构和面向生成式 AI 的企业级解决方案。 SambaNova 与 Cerebras、Groq 等同类公司的竞争焦点在于，能否在英伟达主导的训练和推理市场中提供替代方案。110 亿美元估值反映资本市场继续为 AI 芯片新架构注资，但落地规模和客户采用仍是主要考验。

#09资本与开源

Prime Intellect 获投 1.3 亿美元，估值 10 亿美元

去中心化 AI 训练平台 Prime Intellect 宣布完成 1.3 亿美元融资，估值达到 10 亿美元。该公司致力于通过去中心化算力网络训练大型模型，降低对集中式云服务商的依赖。本轮融资使其成为该领域最新的独角兽。与 SambaNova 的硬件路线不同，Prime Intellect 瞄准的是训练资源分配和协作方式。其挑战在于如何在分布式、异构算力条件下保证训练稳定性和效率，同时协调贡献者的激励机制。参考资料：https://x.com/PrimeIntellect/status/2074899489190785419

#10资本与开源

Cloudflare 推出 Drop 文件夹，支持无需账号的拖拽部署

Cloudflare 发布 Drop，允许用户把文件或文件夹拖进浏览器即可部署到 Cloudflare Pages，无需注册或登录账号。官方页面称，该服务面向静态网站和快速原型，部署后会得到一个临时 URL。这降低了前端部署的入门门槛，与 Vercel 的类似功能形成竞争。对于 AI 工具开发者来说，快速发布一个 demo、文档或可视化页面会变得更轻量。但 Cloudflare 的商业模式显然是把无账号用户最终转化为 Workers/Pages 的付费客户。 ---