Basis 用 GPT-6 Astra 完成税务工作簿，速度是 GPT-5.6 Sol 的 2 倍
GPT-6 Astra 完成一个 50-tab 税务工作簿的速度是 GPT-5.6 Sol 的 2 倍。它对用户意图的理解更强，让 Basis 对真实场景中的使用更有信心。
#评测/基准
OpenAI NewsAI 评分2828
OpenAI NewsAI 评分3131 OpenAI 推出 MentalHealthBench
MentalHealthBench 是一个由专家参与设计的 benchmark，用于评估 AI 在真实心理健康对话中的回答是否既有帮助又安全。OpenAI 以“Introducing MentalHealthBench”的形式公布了这一评测基准，聚焦心理健康对话场景下的模型表现。
OpenAI NewsAI 评分3030 Parallel 用 GPT-6 Astra 将研究时间与成本减半
Parallel 借 GPT-6 Astra 让其智能体研究并综合劳动力市场数据，耗时较此前模型减半，成本同样降至一半。GPT-6 Astra 由此把同等任务的时间与开销同步压缩到原来的一半。
NVIDIA BlogAI 评分5454 NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首秀，吞吐最高达 GB300 NVL72 的 3.7 倍
NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首次提交中亮相，在 Qwen3-VL 上吞吐最高为 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高为 2.5 倍。
Google DeepMindAI 评分5656 Google DeepMind 试点双盲 AI 评测，把外部评测限制在密码学黑箱中
Google DeepMind 宣布试点全球首个针对专有前沿模型的双盲评测，与 Singapore AI Safety Institute、OpenMined、AVERI、MLCommons 合作，在隐私保护环境中用保密基准测试 Gemini Flash Lite 模型。
Microsoft Research精选AI 评分7171 Microsoft Research 开源智能体训练框架 Orchard，小参数模型在 SWE-bench Verified 达 69.7%
Microsoft Research 开源智能体训练框架 Orchard，核心是基于 Kubernetes 的可复用环境服务 Orchard Env，支持在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 中直接训练智能体，并同步发布训练数据与评测方法。
推荐理由：环境层与三套训练配方一并开源，读者可以据此判断小参数模型在真实 harness 中训练能达到什么水平。