AI 日报 | 2026-07-08
type
Post
status
Published
date
Jul 8, 2026
slug
summary
AI 日报 2026-07-08：GPT-5.6 Sol/Terra/Luna 官宣 7/9 全球公开发布（昨日『待验证』今日落地），Sol Ultra 在 Terminal-Bench 2.1 拿 91.9% 超 Fable 5；Gemini 3.5 Pro 进一步跳票——无确定日期、仅 Vertex 有限预览，被曝 token 效率与编码短板。Artificial Analysis 指数 Opus 4.8 以 55.7% 居首；GLM-5.2 SWE-bench Pro 62.1% 性价比抢眼。工程侧出现 OmniCode 新基准与『Agentic Harness Engineering』自动进化 harness 论文；视觉侧 AQA（动作质量评估）研究线密集更新——Pose-guided 对比回归、CaFlow 因果反事实、可迁移 Skill-Attributes、生成式反馈，直接对口攀岩『识别动作→给改进建议』。产品侧 H1 融资 5100 亿美元，垂直 Agent 占 48.3% 交易额。二手数字均标『待验证』。
tags
新闻
开发
攀岩
category
技术分享
icon
password
Comment
高密度 · 结论优先 · 一手源优先 · 二手聚合数字逐条标「待验证」。今日新闻密度中上：GPT-5.6 落地、Gemini 再跳票、AQA 研究线对攀岩项目高度相关。本条目已入库（tag: 新闻），存于 Tony's BLOG 知识库。
一、今日最重要的 5 条
1. GPT-5.6 Sol/Terra/Luna 官宣 7/9 全球公开发布（昨日『待验证』今日落地）
OpenAI 7/8 宣布 GPT-5.6 三档（Sol 旗舰 / Terra 均衡 / Luna 低成本）将于 7/9 公开发布，Commerce 部门放行后从『可信伙伴限定』转全球预览。定价：Sol $12.5/$75、Terra $2.5/$15、Luna $1/$6（每百万 token）。Sol Ultra 在 Terminal-Bench 2.1 拿 91.9%，高于 Mythos 5（84.3）与 Fable 5（83.4）。为什么重要：这是昨日日报里标『待验证』的那条，今天确认落地——终端/agentic 编码能力再上一档。对我：7/9 后用 Terra 跑一遍 coding/agent 成本对比，Luna 适合压 side project 成本。
2. Gemini 3.5 Pro 再度跳票：无确定日期，仅 Vertex 有限预览
继昨日『推迟到 7/17』后，今日口径变为『无确认发布日期』，仍停留在 Vertex AI 企业限定预览，Google 自承 token 效率问题与编码性能差距（被企业测试者点名）。为什么重要：一线厂商正面竞争中 Google 连续跳票，说明架构重写风险高、进度失控；短期长上下文 agent 方案别指望 Gemini 3.5。对我：继续以 GPT-5.6 / Opus 4.8 为主力，Gemini 观望。
链接：LLM-Stats 更新 ｜ BigGo（7/17 旧口径） （2026-07-08，进度信息待持续跟踪）
3. Artificial Analysis 智能指数：Claude Opus 4.8 以 55.7% 登顶
公开快照中 Opus 4.8（55.7%）> GPT-5.5（54.8%）> Opus 4.7 Adaptive（53.5%）。同时 GLM-5.2 在 SWE-bench Pro 拿 62.1% 且价格有竞争力。为什么重要：闭源第一梯队仍是 Anthropic，但开源（GLM-5.2）在工程任务上性价比逼近，选型不能只看榜首。对我：主力推理用 Opus 4.8，批量/自托管试 GLM-5.2 压成本。
4. OpenAI GeneBench-Pro：科研级 agent 基准，GPT-5.6 Sol 仅 28.7%
GeneBench-Pro（129 道更难的合成计算生物学题，每题人类专家需 20–40 小时）测的是『研究品味 + 脏数据 QC』，GPT-5.6 Sol 只拿 28.7%（Pro 模式 31.5%）。为什么重要：这类『研究级不确定性推理』基准暴露了当前模型在真实科研工作流上的天花板，比刷题式榜单更有信息量。对我：做 eval 时借鉴其『真实耗时任务 + 开源代表题』设计思路。
5. AQA（动作质量评估）研究线集中更新——直接对口攀岩 app 核心
arXiv 近期密集出 AQA 工作：Pose-guided 多阶段对比回归、CaFlow（因果反事实增强长时 AQA）、可迁移 Skill-Attributes、Multi-View 生成式反馈；并有两篇大型综述系统梳理 video/skeleton/multimodal 三类方法与统一 benchmark。为什么重要：AQA 的『打分 + 给出可改进的细微 pose 调整建议』正是攀岩 app『识别动作→提改进建议』的方法论核心。对我：这是今天最该收藏精读的方向。
二、按目标分类
A. 前沿模型 / 一手发布
- 事件： GPT-5.6 Sol/Terra/Luna 官宣 7/9 公开发布
- 核心内容： 三档定价（Sol $12.5/$75、Terra $2.5/$15、Luna $1/$6）；Sol Ultra Terminal-Bench 2.1 = 91.9%
- 为什么重要： 昨日『待验证』今日坐实，agentic/终端编码再进一步，且有低成本 Luna 档
- 我需不需要点开： 需要（7/9 后实测成本/能力）
- 链接： Neowin ｜ ReleaseBot
- 事件： Gemini 3.5 Pro 再跳票，无确定日期
- 核心内容： 仅 Vertex 有限预览，token 效率 + 编码差距被企业点名
- 为什么重要： 架构重写风险外溢为进度失控，短期不可依赖
- 我需不需要点开： 否（观望）
- 链接： LLM-Stats
- 事件： Artificial Analysis 指数 Opus 4.8 登顶 / GLM-5.2 工程性价比
- 核心内容： Opus 4.8 55.7% 居首；GLM-5.2 SWE-bench Pro 62.1% 且便宜
- 为什么重要： 闭源第一梯队稳定，开源在工程任务逼近，选型两条腿走路
- 我需不需要点开： 需要（选型参考）
- 链接： BenchLM ｜ LM Council
B. AI 工程 / Agent / Coding workflow
- 内容： OmniCode——评估软件工程 agent 的新基准（arXiv 2602.02262）
- 可落地价值： 在 SWE-bench 被曝 reward-hacking 后，多基准交叉验证成刚需，OmniCode 提供另一维度
- 对我当前开发/学习的意义： 纳入『自建 eval + 多基准』方法论，选 coding agent 时交叉参考
- 链接： OmniCode 2602.02262
- 内容： Agentic Harness Engineering——用可观测性驱动、自动进化 coding-agent 的 harness（arXiv 2604.25850）
- 可落地价值： 把『提示词/工具编排/回路』当作可自动优化对象，而非手工玄学调参
- 对我当前开发/学习的意义： 值得精读 1 篇作为『agent harness 自动优化』项目方向储备，面试可讲
- 内容： Agent 评测框架方法论（metrics + rubrics + benchmarks）
- 可落地价值： 给出把主观质量拆成可评分 rubric 的落地路径
- 对我当前开发/学习的意义： 直接套用到攀岩 app 的『动作改进建议质量』评估
C. 视觉 / 视频 / 运动人体分析
- 内容： AQA 大型综述 ×2（method+benchmark 2412.11149；十年趋势 2502.02817），系统梳理 video/skeleton/multimodal 三类与统一评测
- 与「攀岩动作分析 app」的相关性： 极高。给你一张 AQA 领域全景图 + 数据集/评测清单
- 可迁移到项目的点： 按『skeleton-based（RTMPose 关键点）+ 对比式回归打分』选型，省下大量文献调研
- 优先级： 高
- 链接： 综述 2412.11149 ｜ 十年综述 2502.02817
- 内容： Hierarchical Pose-guided Multi-stage Contrastive Regression（2501.03674）+ CaFlow 因果反事实长时 AQA（2511.21653）
- 与「攀岩动作分析 app」的相关性： 极高。pose 引导 + 对比回归正是『给一条攀岩视频打分并定位问题动作』的骨架
- 可迁移到项目的点： 用 RTMPose 出关键点→pose-guided 对比回归打分；CaFlow 的反事实思路可用于『如果这一步这样调整会更好』的改进建议
- 优先级： 高
- 内容： 可迁移 Skill-Attributes 评估（2511.13993）+ Multi-View 参数高效熟练度估计→生成式反馈（2605.03848）
- 与「攀岩动作分析 app」的相关性： 高。『判别分类→生成式反馈』的范式转变，正对口『不只打分、还输出自然语言改进建议』
- 可迁移到项目的点： 数据不多时，用 skill-attributes 做可迁移表示 + 参数高效微调；多机位攀岩用 multi-view 提鲁棒性
- 优先级： 高
- 内容： H-MoRe 人本运动表示（2504.10676）+ MotionBERT 统一运动表示（2210.06551）+ 高效扩散 3D pose 分层时序剪枝（2508.21363）
- 与「攀岩动作分析 app」的相关性： 中高。运动表示学习是『动作序列理解』的上游底座
- 可迁移到项目的点： 用 MotionBERT/H-MoRe 预训练运动表示做下游动作分类/评分；分层时序剪枝可降端侧推理成本
- 优先级： 中高
D. 产品化 / 商业化 / 行业动态
- 动态： H1 2026 全球风投 5100 亿美元（超 2025 全年 4400 亿），但 OpenAI+Anthropic 占约 43%
- 背后的趋势判断： 资本极度集中，头部 10 笔吃掉 70–78% 资金；中间层被挤压
- 对 side project / 求职 / 项目方向的启发： 通用套壳没机会，做『垂直 + 真实工作流 + 可衡量结果』
- 动态： 垂直 AI Agent 占 2026 YTD 交易 48.3%、资本 54.6%；Agent 执行基础设施占 20.7% 交易
- 背后的趋势判断： 钱只给『有收入的垂直 agent』和『runtime/sandbox/observability/安全』基础设施，不给 thin wrapper
- 对 side project / 求职 / 项目方向的启发： 攀岩 app 走『垂直 + 结果计费（按有效改进建议）』叙事；求职强调能落地垂直 workflow 与 agent eval/observability
E. 学习价值 / 求职价值
- 内容： AQA 综述 + Pose-guided 对比回归 + 生成式反馈范式
- 适合我怎么用： 收藏精读 + 项目 roadmap + 面试表达
- 推荐动作： 精读 1 篇综述 + 1 篇 pose-guided 方法，整理成攀岩 app 的『打分+反馈』技术选型
- 链接： 2412.11149 ｜ 2501.03674
- 内容： Agentic Harness Engineering + OmniCode + 评测框架方法论
- 适合我怎么用： 精读 + 面试表达
- 推荐动作： 形成『如何科学评测并自动优化 coding agent』的完整观点
- 链接： 2604.25850 ｜ Galileo
- 内容： GPT-5.6 三档定价/能力分层
- 适合我怎么用： 面试表达（模型选型与成本工程）
- 推荐动作： 7/9 后跑 Terra/Luna 成本对比，作为『按任务选模型』的实证案例
- 链接： ReleaseBot
三、今日高分 GitHub Repo
- Repo 名称： MMPose / RTMPose
- GitHub 链接： https://github.com/open-mmlab/mmpose
- 方向标签： video / motion / deployment
- 这项目是干什么的： 实时多人姿态估计全家桶，支持 ONNX/TensorRT/ncnn/RKNN 端侧部署
- 为什么今天值得关注： 配合今天的 AQA 研究线，它是『出关键点』的地基层，pose-guided AQA 直接接它
- 与我的相关性： 极高
- 上手成本： 中
- 是否建议我收藏： 是
- 是否建议我复现： 是（首选复现）
- 一句话判断： 攀岩 app 的骨架层，今天就能开跑。
- Repo 名称： Mem0
- GitHub 链接： https://github.com/mem0ai/mem0
- 方向标签： agent / infra
- 这项目是干什么的： 给 AI agent 加持久化记忆层（约 52k star）
- 为什么今天值得关注： agent memory 是当前工程热点，配合 harness 自动优化方向
- 与我的相关性： 高（agent 工程）
- 上手成本： 低
- 是否建议我收藏： 是
- 是否建议我复现： 是（可给自建 agent 加记忆试水）
- 一句话判断： agent 持久记忆的现成方案，值得试。
- Repo 名称： Dify
- GitHub 链接： https://github.com/langgenius/dify
- 方向标签： agent / app / dev tools
- 这项目是干什么的： 可视化 LLM 应用/agent 编排平台（约 136k star）
- 为什么今天值得关注： 视觉化 builder 占 GitHub agent 榜前列，快速搭原型
- 与我的相关性： 中（快速做 demo / portfolio）
- 上手成本： 低
- 是否建议我收藏： 是
- 是否建议我复现： 否（先收藏，做原型时再用）
- 一句话判断： 快速出 agent 原型的省时工具。
- Repo 名称： CrewAI
- GitHub 链接： https://github.com/crewAIInc/crewAI
- 方向标签： agent / framework
- 这项目是干什么的： 多 agent 协作编排框架
- 为什么今天值得关注： 多 agent 协作仍是主流范式，适合学习 agent 组织方式
- 与我的相关性： 中（学 agent 架构）
- 上手成本： 低
- 是否建议我收藏： 是
- 是否建议我复现： 否（先读架构）
- 一句话判断： 学多 agent 编排的顺手起点。
- Repo 名称： OpenClaw
- GitHub 链接： https://ossinsight.io/trending/ai
- 方向标签： agent / app
- 这项目是干什么的： 2026 现象级开源 agent，几天从 9k 冲到 210k+ star
- 为什么今天值得关注： 增速史上罕见，社区讨论度极高
- 与我的相关性： 中（读其 agent 架构与工程组织）
- 上手成本： 中
- 是否建议我收藏： 是
- 是否建议我复现： 否（先读架构，别盲目跟风）
- 一句话判断： 现象级项目，读代码有价值但警惕过热。
- Repo 名称： awesome-ai-agents-2026
- 方向标签： agent / 资源清单
- 这项目是干什么的： 300+ agent 框架/工具/基准的分类清单，月更
- 为什么今天值得关注： 一站式扫描 agent 生态，省调研时间
- 与我的相关性： 中（选型/调研索引）
- 上手成本： 低
- 是否建议我收藏： 是
- 是否建议我复现： 否（当索引用）
- 一句话判断： agent 生态的省时索引，警告：清单质量参差，需自行甄别。
四、今日最值得看的 3 个链接
- AQA 综述（2412.11149） — 一篇把动作质量评估全景（video/skeleton/multimodal + 统一 benchmark）讲清楚的综述，直接为攀岩 app『打分+反馈』模块省下数周文献调研。https://arxiv.org/abs/2412.11149
- Pose-guided 多阶段对比回归 AQA（2501.03674） — 给出『RTMPose 关键点 → 对比回归打分』的具体方法路径，是攀岩动作评分最可迁移的一篇。https://arxiv.org/html/2501.03674
- GPT-5.6 发布与评测（TechTimes / Neowin） — 一手当日进展 + 独立评测，直接影响你 7/9 后的模型选型与成本工程。https://www.techtimes.com/articles/319808/20260707/gpt-56-sol-review-faster-coding-half-fable-5-cost-benchmark-problem.htm
五、今日行动清单
- 收藏但不必立刻看： OpenClaw 架构、Dify、awesome-ai-agents-2026、H-MoRe/MotionBERT
- 值得精读： AQA 综述（2412.11149）；Pose-guided 对比回归（2501.03674）；Agentic Harness Engineering（2604.25850）
- 值得复现/试用： RTMPose 端侧出关键点 demo（首选）；7/9 后跑 GPT-5.6 Terra/Luna 成本对比；给自建 agent 接 Mem0 记忆
- 记入项目 roadmap： 攀岩 app 打分链路——RTMPose 关键点 → pose-guided 对比回归打分 → CaFlow/生成式反馈做『可改进动作建议』；数据少时用 skill-attributes + 参数高效微调
- 面试可讲的 1-2 点： ①『攀岩动作分析：从 pose 到 AQA 打分再到生成式改进建议的分层方案与数据稀缺应对』；②『SWE-bench reward-hacking 之后，如何用 OmniCode + 自建 eval + harness 自动优化科学评测 coding agent』
六、说明
今日为真实新闻密度中上，无硬凑。核心变化 vs 昨日：GPT-5.6 从『待验证』落地为『7/9 公开发布』；Gemini 3.5 Pro 从『7/17』进一步滑为『无确定日期』。视觉侧 AQA 研究线为今日对攀岩项目价值最高的一块。二手聚合站数字（融资额、榜单分数、发布日期）均按近似看待，方向可信、具体数值待官方确认。
来源
- GPT-5.6 发布：Neowin ｜ ReleaseBot ｜ TechTimes 评测
- GeneBench-Pro：ExplainX
- Gemini 3.5 Pro / 榜单：LLM-Stats ｜ BenchLM ｜ LM Council
- 工程/agent：OmniCode 2602.02262 ｜ Agentic Harness 2604.25850 ｜ Galileo eval 框架
- AQA/视觉：综述 2412.11149 ｜ 十年综述 2502.02817 ｜ Pose-guided 2501.03674 ｜ CaFlow 2511.21653 ｜ Skill-Attributes 2511.13993 ｜ Multi-View 反馈 2605.03848 ｜ H-MoRe 2504.10676 ｜ MotionBERT 2210.06551
- 产品/融资：gravity.fast ｜ New Market Pitch ｜ wellows
- GitHub 趋势：OSSInsight ｜ awesome-ai-agents-2026