Claude Sonnet 6疑泄露，Anthropic内部模型加速惊人

AI领域的新闻节奏从未放缓。近期，从Anthropic未发布模型的泄露传闻，到OpenAI推出专用安全模型，再到Meta和Google的新动作，一系列事件勾勒出大模型竞争的新格局。本文梳理关键动态并分析其背后的趋势。

Anthropic：Sonnet 6泄露与内部研发加速

据YouTube频道AI NEWS爆料，Anthropic可能即将推出新的Sonnet模型（暂称Sonnet 5.6或Sonnet 6），该模型并非此前传闻的Fable 5.5。测试显示，这个未发布的检查点在代码生成和视觉理解上表现突出。例如，在要求生成“骑自行车的鹈鹕”SVG时，模型输出了26,599个SVG元素、超过6,500条羽毛笔画和1,800行Python代码，完全由代码实现，没有使用外部图片。对比基础版Sonnet 5.5，新模型在SVG和3D输出上质量提升明显。

更引人注目的是独立评估机构Meter的报告。Meter估计Anthropic的AI研发速度比之前快了约1.9倍，其中AI可能贡献了约80%的加速。报告还提到，Anthropic在7月至10月间开发了三个未公开的模型（Model 2、Model 3、Model 4），其中最新的Model 4在Anthropic能力指数的15个基准上得分均超过50%。在能力指数上，Model 4得分178.6，而公开的Opus 5.6约为174-175。虽然分差看似不大，但历史上5分的提升大约对应AI自主完成任务时长翻倍。

Anthropic联合创始人Sam McCandlish回应称，Meter的许多结论与他内部观察一致，但Anthropic对评估中的大量证据进行了脱敏处理，理由是避免向竞争对手泄露加速研发的关键因素。这或许也解释了为何新模型发布节奏放缓。

stealth model test

AI能力指数与自主任务时长：文中提到的“能力指数”是一种综合多个基准（如代码、推理、视觉等）的评分体系，用于横向比较模型能力。历史上，该指数每提升约5分，对应AI能自主完成的任务时长翻倍——这源于METR（Model Evaluation & Threat Research）等机构的研究：他们通过测量AI在无需人类干预下能连续完成多长任务（以人类完成时间计）来追踪能力进展。因此，Anthropic的Model 4比Opus 5.6高出约4分，虽看似微小，却可能意味着AI自主执行复杂任务的时间跨度显著延长，这对评估模型的实际效用和风险至关重要。

OpenAI：GPT-6 Cyber发布，GPT-6.2 Astra蓄势待发

OpenAI正式推出了GPT-6 Cyber，这是一款专为高级网络安全研究设计的模型。OpenAI声称该模型在网络安全能力和模型对齐上均有显著提升，并已用于Linux内核安全研究，帮助识别复杂漏洞。安全团队如Mozilla、Palo Alto Networks等已在使用。目前GPT-6 Cyber通过Daybreak Red项目向部分客户开放，尚未公开可用。

在Exploit Gym网络安全基准上，GPT-6 Cyber得分48.5%，超过旗舰GPT-6 Astra的42.4%。同时，GPT-6.2 Astra的发布传闻升温。有用户在Codex模型目录中发现了带有“extra high reasoning”的GPT-6.2 Astra，OpenAI产品负责人Tibo对此回应“地下室充满奇迹”，引发猜测。据The Information报道，OpenAI可能最早在周五发布Astra和Sol系列。

Exploit Gym基准：这是一个专门评估AI模型网络安全攻防能力的测试平台，模拟真实漏洞利用场景，要求模型识别、利用或修复系统缺陷。得分越高，说明模型在发现和利用安全漏洞方面的能力越强。GPT-6 Cyber在此基准上得分48.5%，超过通用旗舰GPT-6 Astra的42.4%，表明专用安全模型在特定领域具有明显优势。这类基准对于衡量AI在网络安全中的双重用途（防御与攻击）风险至关重要，也是OpenAI强调“模型对齐”提升的背景。

Google：Gemini Omni 1.2 Flash登顶视频生成榜

Google正式推出Gemini Omni 1.2 Flash，所有Google AI订阅用户可在Gemini应用中使用。该模型在文本到视频竞技场基准上排名第一，超越了前代Gemini Omni 1.1 Flash以及C-Dense 2.0、C-Dense 2.5、Flux 3 Video等模型。

新功能包括：通过对话编辑视频（如更换背景、物体、调整光线）而保持场景一致性；Ultra订阅用户可生成和编辑最长15秒的视频，时长可在3-15秒间选择；改进多说话者唇形同步和摄像机运动。开发者方面，视频生成成本降低约30%，草稿生成（360p或720p）每秒仅7美分。此外，内部已发现支持4K视频生成的Gemini Omni Pro。

Gemini Omni Pro leak

Meta： stealth模型与实时头像

Meta正在内部测试代号为“Walrus”的新模型，输出质量明显优于当前消费级模型。此前在OpenCode上 stealth 测试的Crouton Alpha拥有100万token上下文窗口，支持多模态，速度与GPT-6.1 Terra相当，但质量尚有差距。另一款 stealth 模型Pulse Alpha在视觉和Web开发输出上优于Crouton Alpha，可能为更大规模模型。这些测试表明Meta正在加速追赶。

Meta还推出了Muse实时头像技术，可将几乎任何图像转化为实时说话角色，支持动物、卡通人物甚至日常物体，用户可与之实时对话。Meta内部评估称用户偏好此功能，但需实际测试验证。

Stealth模型测试：在AI行业，“stealth模型”指未公开宣布、通过匿名渠道（如OpenCode平台）进行小范围测试的模型，通常用于收集真实用户反馈而不暴露厂商身份。这种做法允许公司在正式发布前评估模型性能、调整策略，同时避免过早引发竞争反应。Meta的Crouton Alpha和Pulse Alpha即属此类，其100万token上下文窗口意味着模型可一次性处理极长文本（约相当于75万汉字），支持多模态则表明能同时理解文本、图像等输入。

市场波动与AI投资不退反进

美国中期选举后，市场对AI监管的担忧引发抛售。据流传数据，AI相关股票从峰值蒸发35亿美元，英伟达下跌约11%， Alphabet、博通、美光等也大幅下挫。德州州长当选人呼吁暂停新数据中心建设直至监管明确，德州约占美国规划数据中心开发的四分之一。

然而，Google宣布在怀俄明州投资170亿美元建设数据中心，表明科技巨头并未放缓AI投入。尽管个股暴跌，标普500指数回撤约3%，所谓“AI泡沫破裂”或许言过其实。

其他值得关注的动态

Cursor推出新功能，允许用户在IDE内直接构建和部署实时应用，通过链接分享，自动处理代码生成、数据库设置和安全检查。
Devin发布Review 2.0，AI代码审查成本降低至多5倍，速度快1.5倍。
Thinking Machines发布Inkling 2 Small，在Artificial Analysis智能指数上得分31，可通过Tinker平台微调。
Antling发布Ling 3.2 Flash，采用混合专家架构，总参数5600亿，激活250亿，在多模态和3D推理上表现良好。
Agent Desktop：一款免费工具，让多个AI代理在后台并行操作电脑，不干扰用户工作。
AI辅助小鼠脑手术：研究人员让GPT-6.1-SOL执行三次小鼠脑手术，模型通过专家纠正进行上下文学习。第三次手术中，定位标志物时间从169秒降至86秒，矫正动作从4次减至2次，定位误差从0.6毫米减半至0.3毫米。

Devin review update