大模型前沿动态 · Vol.70

GPT-5.6 获监管放行全面公测，Grok 4.5 联手 Cursor 挑战编程王座，工信部警示 Claude Code 后门风险

2026年7月9日：OpenAI GPT-5.6 三档模型获美国商务部批准全面公开；SpaceXAI 联合 Cursor 发布 Grok 4.5 进军编程与企业级市场；工信部正式发布 Claude Code 安全后门风险提示；NVIDIA × LangChain 发布 NemoClaw 开源 Agent 蓝图，推理成本降至闭源模型十分之一

大模型 GPT-5.6 OpenAI Grok 4.5 SpaceXAI Cursor Claude Code Anthropic 工信部 NVIDIA Nemotron LangChain AI安全 AI监管

GPT-5.6 走出白宫审查”隔离区”全面公测、马斯克联手 Cursor 以半价挑战编程王座、工信部将 Claude Code 后门事件升格为国家风险提示——三条线交织出一个关键词：控制权。

GPT-5.6 获美国商务部放行，三档模型今日全面公测

事件概述

2026年7月9日，OpenAI 宣布 GPT-5.6 系列三款模型——旗舰 Sol、均衡型 Terra、轻量 Luna——正式面向全球公众开放。此前，该模型家族自6月26日起仅以有限预览形式面向约20家经审核合作伙伴开放，因美国政府以国家安全为由要求分阶段发布。7月7日，美国商务部人工智能标准与创新中心完成额外技术测试，正式批准全面发布。OpenAI 已派驻技术团队常驻华盛顿配合监管方审查。

三档定价体系：Sol（5/5/30 per 1M tokens）、Terra（2.50/2.50/15）、Luna（1/1/6），首次将”模型代际”与”能力档位”解耦——GPT-5.6 标识代际，Sol/Terra/Luna 标识持久档位，各档位可独立迭代。Sol 在 Terminal-Bench 2.1 命令行编程评测中以 91.9% 登顶（ultra 子智能体模式），同时新增最大推理投入档位和 ultra 模式（可调用子智能体）。系统卡将三款模型均评为网络安全和生化风险”High capability”，但低于 OpenAI 自设的”Cyber Critical”阈值。

技术解析

GPT-5.6 的核心突破在于三方面：一是 ultra 子智能体模式——Sol 可在复杂任务中自主拆分、调度子智能体并行执行，将”单线程推理”推进到”多线程编排”；二是 最大推理投入档位——允许 Sol 在困难任务上投入更多计算时间，相比 GPT-5.5 的推理深度大幅提升；三是 三档分层架构——OpenAI 首次系统性地将”代际”与”档位”分离，意味着未来 GPT-5.7 的 Sol 可能直接替换当前 Sol，而 Terra 和 Luna 按各自节奏迭代，极大简化了 API 用户的模型迁移成本。

行业影响

GPT-5.6 的发布路径具有标志性意义——这是美国首次对前沿大模型实施”先审查、后放行”的监管流程，从6月26日有限预览到7月9日全面公测，历时13天。这一模式很可能成为未来所有前沿模型发布的”新常态”。对行业而言，Sol 的定价与 GPT-5.5 持平但能力更强，Terra 半价达到 GPT-5.5 水平，Luna 更是以 1/1/6 进入经济型战场，三线布局对 Anthropic Opus 4.8/Sonnet 5 和 Google Gemini 形成直接价格压力。

相关链接

SpaceXAI 联手 Cursor 发布 Grok 4.5：Opus 级能力、半价策略、编程与金融法律三线出击

事件概述

2026年7月8日，SpaceXAI（原 xAI，本周正式更名）发布 Grok 4.5 大模型，这是其首个专门针对编程和智能体任务训练的模型，由 SpaceXAI 与 AI 编程公司 Cursor 联合完成训练，使用数万台 NVIDIA GB300 GPU。距 SpaceXAI 宣布以 600 亿美元估值收购 Cursor 仅数周，Grok 4.5 即为双方合作的首个成果。

关键数据：在 SWE-Bench Pro 任务中，Grok 4.5 平均仅需 15,954 个输出 Token 解决任务，约为 Opus 4.8 (max) 的 67,020 个的四分之一；运行速度 80 TPS；Token 效率号称竞品两倍，单次任务步骤减半。定价为输入 $2/M、输出 $6/M，不到 Anthropic Opus 4.7（5/5/25）和 OpenAI Sol（5/5/30）的一半。

技术解析

Grok 4.5 的核心竞争力不在参数规模，而在Token 效率——相同任务消耗的 Token 仅为同级竞品的一半，步骤数也减少约一半。这意味着在长程 Agent 任务中，Grok 4.5 的实际运行成本可能比标价优势更加显著。技术上，这得益于 SpaceXAI 与 Cursor 共享数据和算力资源的联合训练策略：Cursor 贡献了海量的真实编程交互数据，使模型在端到端应用构建（从提示到生产环境）、Rust/C/C++ 等挑战性任务上表现突出。

此外，Grok 4.5 的定位扩展值得关注——除了编程，模型明确将法律服务和金融服务纳入目标场景，新增网络安全功能。这是马斯克”AI 全栈化”战略的关键落子：从编程切入企业级市场，再向金融、法律等高价值行业延伸。

行业影响

Grok 4.5 的发布标志着 AI 编程智能体市场从”三强鼎立”（Claude Code / Codex / Cursor）进入”四强混战”格局。马斯克此前承认 SpaceXAI 在编程领域存在差距，此次通过与 Cursor 的深度绑定——从训练到收购——实现了快速补课。半价策略直接冲击 Anthropic 和 OpenAI 的定价体系：如果 Opus 级能力确实可用 2/2/6 的价格获得，大量企业用户可能重新评估 API 供应商选择。

不过，Grok 4.5 的欧盟地区开放需等到7月中旬，且独立验证的基准测试数据尚不充分，“全面超越 Opus 4.8”的说法仍需第三方评测证实。

相关链接

工信部正式发布 Claude Code 安全后门风险提示：从企业禁令到国家级预警

事件概述

2026年7月8日，工业和信息化部网络安全威胁和漏洞信息共享平台（NVDB）发布关于 AI 编程工具 Claude Code 安全后门隐患的正式风险提示，称该工具”存在安全后门隐患，危害严重”。

NVDB 指出，Claude Code 内置监控机制，未经用户同意即可向远程服务器回传用户地域、身份标识等敏感信息。受影响版本为 2.1.91 至 2.1.196（2026年4月2日至6月29日）。NVDB 建议相关单位和用户立即排查、卸载或升级至已清除后门代码的最新安全版本，并加强核心业务网段流量监测。

同日，阿里确认自7月10日起全面禁止员工在办公环境使用 Claude Code，推荐自研 Qoder 替代。北青报记者调查发现，美团、京东等公司此前已通知程序员”收敛 Claude 等外部 AI 模型调用”，内部推荐已转向自研大模型。

技术解析

事件的技术链条相当清晰：6月30日，Reddit 用户逆向工程发现 Claude Code 自 2.1.91 版本起内置了混淆逻辑——检测用户时区是否为 Asia/Shanghai 或 Asia/Urumqi，并扫描代理 URL 是否匹配硬编码的中国域名列表；匹配后，通过在系统提示词中将 Today's date is 中的撇号替换为不可见 Unicode 变体进行标记，用户无法察觉但 Anthropic 后端可读取。

Anthropic 工程师 Thariq Shihipar 在 X 上回应称，这是3月启动的一项”实验”，旨在防止未经授权的转售商滥用账户和阻止模型蒸馏攻击，移除该代码的 PR 已于7月1日合并。Anthropic 另一套用于检测蒸馏攻击的隐写系统也已于7月1日移除——距工信部提示发布仅5天。

行业影响

从阿里单方面禁令升级到工信部国家级风险提示，Claude Code 后门事件的影响范围发生质变：

  1. 合规压力传导：工信部提示相当于为所有中国企业提供了”卸载 Claude Code”的合规依据，不再需要各自做风险评估。这将加速国产替代——阿里 Qoder、腾讯混元、百度文心等国内工具迎来窗口期。
  2. 信任成本不可逆：即使 Anthropic 已移除相关代码，但”在用户不知情下运行地域检测”这一事实本身，对 Anthropic 在中国乃至全球开发者社区的信任伤害已经造成。
  3. AI 工具安全审查制度化：这是中国首次以国家级漏洞数据库形式对 AI 编程工具发布安全风险提示，标志着 AI 工具的安全审查从”企业自律”进入”制度监管”阶段。

相关链接

NVIDIA × LangChain 发布 NemoClaw Deep Agents 蓝图：开源模型 Agent 能力追平闭源，推理成本降至十分之一

事件概述

2026年7月8日，NVIDIA 与 LangChain 联合发布 NemoClaw for LangChain Deep Agents 蓝图。该方案将 NVIDIA Nemotron 3 Ultra（550B 参数开源旗舰模型）与 LangChain Deep Agents 智能体框架及 NVIDIA OpenShell 安全运行时深度整合，在 LangChain Deep Agents 评测基准上取得开源模型最高分 0.86，而推理成本仅为闭源竞品的约十分之一（4.48vs4.48 vs 43.48）。

技术解析

这项成果最值得关注的是方法论——Harness Engineering（线束工程）：所有性能提升均来自对智能体框架的调优，而非模型微调。LangChain 团队的做法是：运行评测基准 → 分析失败案例 → 调整系统提示词、工具描述和中间件 → 验证改进 → 重复迭代。模型权重从未改变。

这验证了一个关键假设：当前 Agent 性能的最大提升空间不在模型权重，而在”模型周围的系统”。具体技术组件包括：规划（write_todos 工具）、子智能体（task 工具隔离重任务）、虚拟文件系统（ls/read_file/write_file/edit_file）、上下文管理（自动摘要与卸载）、技能与记忆（Agent Skills 标准 + AGENTS.md 持久记忆）。

NVIDIA CEO 黄仁勋称”超级智能体已到来”，LangChain CEO Harrison Chase 则强调”构建更好智能体的方式是持续改进模型周围的系统”。

行业影响

NemoClaw 蓝图的意义在于为”开源 vs 闭源”之争提供了一个新的范式：不必追求开源模型在裸跑基准上超越闭源，而是通过优化智能体框架（harness）让开源模型在真实 Agent 任务中达到闭源模型的能力水平，同时享受开源的成本和自主优势。

4.48vs4.48 vs 43.48 的成本差距意味着：企业可以在相同预算下运行10倍数量的 Agent 评测实验，或将 Agent 部署到更广泛的业务场景中。EY（安永）已开始基于此蓝图构建企业实施能力，Baseten、Fireworks、Crusoe 等推理服务商也已上线。这对 OpenAI Codex 和 Anthropic Claude Code 的企业客户构成直接经济竞争压力。

相关链接

速览

  • MiniMax 计划推出 2.7 万亿参数 M3 Pro 模型：据路透社和 The Information 报道，MiniMax 正在研发 2.7T 参数开源模型，内部代号 M3 Pro，最早 Q3 发布，将成为中国乃至全球最大开源模型。当前国产最大模型为美团 LongCat-2.0 和 DeepSeek V4-Pro 的 1.6T
  • 中国 AI 模型价格优势显著：据每日经济新闻报道，中国头部开源模型定价较美国前沿模型低 60%-90%，技术差距约 6-9 个月，已覆盖绝大多数常规 AI 工作任务，在美国企业中采用率持续上升
  • Anthropic 发表《The Making of Claude Code》长文：7月6日，Anthropic 发布 Claude Code 从内部命令行工具到旗舰编程智能体的产品演进深度回顾，涵盖研究员和工程师访谈
  • Momenta 登陆港交所：7月8日，“物理 AI 第一股” Momenta 正式上市，GIC、富达国际、梅赛德斯-奔驰等担任基石投资者