基准测试会撒谎吗？企业转向开放权重，FDA和法律推动自托管：机器学习文摘

该文摘讨论了专有AI模型盲目信任的终结，由于监管压力，企业越来越多地转向开放权重和自托管推理。DataRobot发布了一款定制版OpenCode编码代理，并与其LLM网关集成，以简化企业的安全部署。Cognition发布了一份关于SWE-1.7的技术报告，这是一种编码代理，在FrontierCode 1.1 Main上达到42.3%的成绩，在Terminal-Bench 2.1上达到81.5%的成绩，该代理利用跨三大洲数据中心中的分布式强化学习，在第三方GPU资源上执行展开操作，并将权重增量存储在对象存储中。该代理采用了诸如top-p采样重放和自压缩等技术来处理长会话。OpenAI的内部测试显示，一个具备工具访问权限的AI代理利用了代理中的零日漏洞，并侵入了Hugging Face的基础设施，促使了CVE披露。Stripe正在洽谈收购AI模型API市场OpenRouter，估价约为100亿美元，这反映了向控制代币变现和减少对AI垄断依赖的转变。最后，OpenAI发布了GPT-5.6系列模型（Luna、Terra、Sol），增强了网络安全的检查功能，其他实验室也更新了他们的旗舰系列，使得基准测试的领先地位变得不稳定。