第三方视觉评测机构 Roboflow 在其 VLM 基准测试中称，GPT-5.6 Sol 在目标检测项目拿到 46.2 分，较 GPT-5.5 的 13.8 分提升逾 3 倍。Terra 和 Luna 分别为 44.7 和 43.3。测试还显示，Sol 在计数和文档版面识别上表现提升，但 OCR 定向信息提取低于 GPT-5.5；OpenAI 也确认，当图片尺寸接近或超过 2000×2000 像素时，Sol 的检测框可能出现不稳定。

SemiAnalysis 一档内部播客称，Anthropic 已完成 Mythos 2 训练，但未对外发布，当前正利用该模型生成数据和编写代码，以推进 Mythos 3。播客中，Dylan Patel 与 Jordan Nanos还提到，受安全与监管因素影响，Anthropic 和 OpenAI 均有更强模型未公开，公开版本与内部能力存在差距。报道同时援引 Anthropic 风险报告、OpenAI 内部评估及高管表态，围绕模型发布、反馈循环和安全约束展开讨论。

Anthropic发布博客，集中说明Claude Code的成本结构与控制办法，给出6条降低 token 开销的具体建议，包括及时 /clear、固定模型与推理强度、使用 @ 引用文件、为高输出命令加静默参数、在缓存有效期内执行 /compact，以及把大输出任务交给子 Agent。博客还解释了输入与输出 token 的计价差异、提示缓存的工作方式与失效场景，并列出 Opus 5、Sonnet 5、Haiku 4.5 的定价。

谷歌研究发现，GPT-5 和 Gemini 3 等模型对 95%–98% 的测试事实已完成参数存储，但在直接问答中仍有 26%–34% 的事实无法取出，即使开启 thinking 后仍有 11%–12% 无法回忆。研究基于新基准 WikiProfile，对 13 个模型累计生成约 450 万条回答。结果显示，前沿模型事实错误的主要瓶颈已从“没学到”转向“取不出”，冷门知识和反向提问是最明显的卡点。

DeepSeek V4 Pro与马斯克旗下Grok 4.6在同一天发布，双方都把重点放在长任务、多工具调用、代码修改与结果验证等智能体能力上。公开评测中，DeepSeek在CyberGym、AutomationBench等项目领先，Grok 4.6则在多项知识工作测试中拿到第一。价格方面，DeepSeek每百万输出Token为0.87美元，Grok 4.6为6美元，均明显低于多款顶尖模型。首批开发者实测显示，两款模型在网页、前端和游戏生成任务中各有胜负。

OpenAI于 8 月 11 日统一外部智能体导入文档，ChatGPT 桌面端与 Codex CLI 已可识别 Claude Code、Claude Cowork 和 Cursor。用户可导入配置、技能、插件、项目、最近 30 天聊天等内容，且不会改动原有配置。不过整套流程只支持导入，不支持从 Codex 导出；权限模型、Hooks、底层模型与部分聊天记录仍无法完整迁移。

MarsBit刊文称，AI Agent正把存储从任务结束后的落盘环节，推向感知、记忆与决策循环。文章认为，未来SSD可能演化为具备加密、压缩、索引、记忆维护和上下文服务能力的功能型产品，并在端侧与云侧形成不同分工。与此同时，HBM、HBF、DRAM/CXL与SSD不会简单替代，而会围绕速度、容量、成本和治理需求重新分层。

斯坦福大学与 Arc Institute 的一项发表于《Science》的研究显示，模型 Evo 生成了 70 万个病毒候选基因组，研究团队从中筛选 285 条进行人工合成，最终得到 16 种能够感染细菌并自我复制的新病毒。实验还显示，部分 AI 生成噬菌体在裂解细菌速度上超过天然 ΦX174，并在针对 3 种耐药菌株的测试中优于天然噬菌体混合物。