GPT-6.1 Sol

谷歌 Gemini 4 Carbon 成为近期首个登顶 MathArena 数学基准的非 OpenAI 模型，将 GPT-6.1 Sol 挤下榜首，Anthropic 的 Claude Fable 5.2 位列第二。但其单次评测成本约为 GPT-6.1 Sol 的 15 倍，且最常见失败模式是超时，同时几乎从不主动放弃任务。开源阵营最佳为月之暗面 Kimi K3.1 Pro，得分 54.3%，与闭源头部差距明显。

Deepnote 推出 Agent Initiative Benchmark，将主动式智能体放入模拟企业 Slack 环境，考察其是否知道何时介入、该说什么以及何时保持沉默。GPT-6 Astra 以 8.97 分领先，GPT-6.1 Sol 以 8.65 分紧随其后且单任务成本仅 0.11 美元，而第三名 Claude Fable 5.2 单任务成本高达 1.87 美元。该基准同时开源数据集与评测代码，为主动式智能体的选型提供了可复现的量化依据。

Amplitude 披露其主动式产品智能体 Wave 约 80% 由 OpenAI 模型驱动，涵盖 GPT-6.1 Sol、GPT-6 Luna 与 GPT-Image-2.5 Flare，可将产品洞察直接转化为可交付给 Codex 等编码智能体的实施计划。官方称产品改进周期从约一个月缩短至 1-2 天，其官网个性化推荐卡片带来 160% 的卡片驱动发送量提升。

Amplitude 披露其主动式产品智能体 Wave 约 80% 由 OpenAI 模型驱动，包括 GPT-6.1 Sol、GPT-6 Luna 与 GPT-Image-2.5 Flare，可将产品洞察直接转化为可交付给 Codex 等编码智能体的实施方案。官方称产品改进周期从约一个月缩短至 1-2 天，并在自家首页实现卡片驱动发送量提升 160%。

谷歌 DeepMind 六周内发布第三款新模型 Gemini 4 Hydrogen，首次引入高于 high 的 xhigh 推理档位，在 Artificial Analysis 智能指数上得分 54，仅落后 Claude Sonnet 5.5 与 GPT-6.1 Sol 各 1 分。其成本约为 Sonnet 的 32%，但约为 GPT-6.1 Sol 的 2.5 倍，在视觉推理与抗幻觉方面表现突出。

Cogent Security 推出面向企业的“网络防御工厂”，用 AI 智能体自主完成从漏洞发现到修复验证的闭环。其智能体结合 GPT‑6.1 Sol 与 GPT‑5.6 及企业环境上下文，可评估暴露面、执行获准变更并确认风险消除。公司正研发自主发现与验证能力，目标是构建持续学习的闭环防御系统。

AI/ML API 让 Claude Fable 5.2 与 GPT-6.1 Sol 分别用 3D 体素重建《赛车总动员》活塞杯决赛场景，前者花费 108.87 美元，后者仅 13.02 美元。成本差异源于 Fable 5.2 严格遵循体素风格，连烟雾都逐块建模，而 Sol 在撞车镜头中车辆仅呈暗色剪影。该对比直观展示了两模型在风格约束遵循与视觉细节上的取舍。