GPT-5.6首日翻车现场：中档Terra意外封神，旗舰Ultra烧钱三倍反退步；马斯克罕见认错称中国将胜出

GPT-5.6全量开放首日社区评测：Terra意外封神，Ultra翻车烧钱三倍反退步

7月10日凌晨，OpenAI正式全量上线GPT-5.6系列三档模型（Sol/Terra/Luna），同时将Codex并入ChatGPT桌面端并推出ChatGPT Work智能体。经历两周美国政府安全审查限制后，全球用户终于可以亲自上手。社区用一天时间算出了三个出乎OpenAI意料的结论。

Terra成为最大黑马。 作为中间档（输入$2.5/输出$15，每百万token），Terra被社区严重低估。有评测者用它跑了钟表制造测试——生成完整的瑞士杠杆擒纵机构三维模型，包含真实的齿轮比、可工作的擒纵、呼吸式游丝，指针真的在走时，模型还能自己检查力学和视觉接触点并反复迭代直到整个机芯稳定。评测者原话：“感觉非常接近Mythos级别的模型。“Notion联合创始人Simon Last在官方公告中补充：“很多跑在GPT-5.5上的智能体，换到Terra上表现一样好，成本减半，token消耗少16%。“按OpenAI官方估算，在Agents’ Last Exam中，Terra和Luna以约十六分之一的成本超过了Fable 5。

Sol稳但非革命。 旗舰Sol在Terminal-Bench 2.1上拿下88.8%（Ultra模式91.9%），Artificial Analysis编程指数80分确实破了纪录。但Hacker News社区的实际编码体验反馈偏保守：有人用RTS游戏测试，结果接近GPT-5.5而不如Sonnet 5；Simon Willison也表示”Sol确实相当出色，但在复杂编码任务上我尚未觉得它比Fable更胜一筹”。性价比叙事取代了绝对能力叙事。

Ultra翻车。 最昂贵的Ultra模式（默认调4个Agent并行）在一组物理测试中花费GPT-5.5三倍的钱，结果更差——社区直言”多花出去的token没有换来更好的结果”。

产品重构阵痛。 Codex并入ChatGPT桌面端后，老用户普遍困惑：聊天被降级为小弹窗，旧App改名”ChatGPT Classic”暗示即将淘汰。HN社区评价”学学Anthropic，Chat和Cowork分开就好，别把能用的东西搞砸”。一日之间，OpenAI发布一个模型、合并一个产品、高管层面Fidji Simo因病退居二线——同一新闻周期内动作过于密集。

编者评： GPT-5.6的首日故事不是”最强模型降临”，而是”效率叙事遭遇性价比意外”。Terra的异军突起暴露了OpenAI产品分层策略的一个根本矛盾：当中间档已经”接近Mythos”，旗舰Sol卖给谁？再加上产品线重构让用户困惑、二号人物Fidji Simo因病退居顾问角色，OpenAI在同一个新闻周期里完成了”技术发布+产品整合+高管变动”三件大事——动作越多，越显得手忙脚乱。相比之下，Anthropic的Chat/Cowork分拆干净利落，这种产品哲学的差距可能比模型跑分更影响开发者的长期选边。

Databricks将中国智谱GLM 5.2设为首选编码引擎：成本降34%追平Anthropic Opus

7月8日，Databricks联合创始人兼CTO Matei Zaharia发表博客，公布了在自家数百万行代码库上（覆盖Python、Go、TypeScript、Scala）对8款编程AI模型的内部基准测试结果。结论震动行业：中国企业智谱AI的开源模型GLM 5.2，在编程任务上与Anthropic Opus 4.8统计持平（同属82-90%通过率第一梯队），但单任务成本从$1.94降至$1.28，降幅34%。

这不是一次理论跑分。Databricks使用的是真实PR数据和截断Git历史（防止模型检索已有答案），并评估了模型按任务复杂度路由的可行性——61%编码任务为中等复杂度、19%低复杂度，仅12%为高难度。Zaharia明确表示：“证据表明是时候将这些模型部署为日常编码主力。”

这标志着中国开源模型首次获得西方顶级企业级基础设施公司的正式默认选择。 Databricks不是创业公司实验，而是数据基础设施巨头对自身工程团队的正式选型。继Coinbase（GLM 5.2+Kimi 2.7将AI开支减半）、Snowflake、Lindy之后，又一个重量级名字加入迁移潮。在OpenRouter上，中国模型流量占比已从去年11%升至2026年2月以来的30%+，在60-90%的成本优势下持续向40%逼近。

编者评： Databricks的这一决策的分量远超一篇技术博客。当西方顶级企业级基础设施公司正式将中国开源模型设为默认编码引擎，它所代表的不是一次性的成本计算，而是一次采购范式的根本转变：从”买最好的模型”到”自建基准、多供应商路由、按任务匹配成本”。这不是GLM 5.2打败了Opus 4.8——而是”$1.28/task打败了$1.94/task”。在这个范式下，中国开源模型的真正优势不是”追上美国模型”，而是将整个AI编码市场从品牌溢价模式拖入大宗商品定价模式。Anthropic和OpenAI需要证明他们值溢价——而时间窗口正在收窄。

马斯克罕见认错：公开承认Anthropic是AI领导者，预测”中国将在AI时代胜出”

7月9日，马斯克在X平台抛出让整个硅谷侧目的言论。他先是针对网友担忧SpaceX可能切断对Anthropic托管服务的讨论回应称”这不是我的风格”，随后直接认错：

“我显然对Anthropic的看法错了。他们目前显然是AI的领导者。没有哪家公司发布过像Mythos/Fable这样优秀的模型，他们无疑很快就能推出Mythos 2。”

这与他在2025年9月的断言——“Anthropic获胜从来不在可能的结果集合中”——形成戏剧性反转。更令人意外的是，他补充道：“中国将在AI时代胜出。”

背景是Anthropic以每月$12.5亿美元租用SpaceX的Colossus数据中心（谷歌同时也以$9.2亿/月租用），这笔交易预计为SpaceX带来约$400亿收入。马斯克强调即使竞争也不会切断服务，“甚至我最坏的敌人也可以在这个平台上攻击我”。清华大学教授、智谱AI联合创始人唐杰此前回应马斯克”中国AI何时追上Fable”时称”用不了那么久”——这场隔空对话如今以马斯克的公开让步收尾。

编者评： 马斯克的”认错”从来不只是认错——它一定是战略转向的前奏。2025年他断言Anthropic赢不了，背后逻辑可能是xAI能靠规模和速度碾压。2026年他公开承认Anthropic是领导者，背后逻辑变了：SpaceXAI(X)已经是Anthropic最大的算力房东（月收$12.5亿），打赢模型战争不如坐收算力租金。更妙的是”中国将在AI时代胜出”的预言——这句话既是向中国市场的示好，也隐含了他对西方AI管制政策的否定立场。一个人同时承认竞争对手最强、预测另一个竞争者终将胜出、同时自己两边收租——这已经不是”认错”，而是一种近乎完美的对冲叙事。

纽约时报指控OpenAI系统性隐匿版权案关键证据：隐瞒7800万条对话库并删除数十亿条输出

7月9日，纽约时报与每日新闻等媒体方向曼哈顿联邦法院提交制裁动议，指控OpenAI在持续两年的版权诉讼中”故意且系统性地”隐匿和销毁关键证据，要求法院采取严厉制裁。这份动议的核心指控如下：

OpenAI在法庭上声称技术不可行的事情，实际上早已完成。 4月法庭强制取证中，OpenAI数据隐私工程师Vinnie Monaco的证词揭示：OpenAI早在诉讼前就已建立约7800万条脱敏ChatGPT对话数据库，用于内部评估侵权程度；诉讼后还开发了名为”Project Giraffe”的工具套件（含”Bloom”过滤器和内容复现检测记录系统）。但OpenAI对外一直坚称”无法搜索训练数据集、处理海量对话日志在技术上不可行”。

OpenAI被控删除数十亿条输出记录，直接违反法院证据保全令，并在应提交的2000万条聊天样本中大量删减替换，法院认定该样本”无法使用”。原告律师Ian Crosby在声明中写道：“如果OpenAI真的相信复制新闻内容属于合理使用且合法，它就不会隐瞒真相。”

原告要求法院：(1)判定ChatGPT输出存在大规模内容复制，(2)禁止OpenAI将已提交的样本作为证据使用，(3)禁止OpenAI辩称样本中未显示实质性复制，(4)要求OpenAI承担相关律师费用。OpenAI发言人否认所有指控，称”纽约时报在案子变弱时试图侵犯完全无关用户的隐私”。

编者评： Project Giraffe丑闻可能是2026年AI版权诉讼中最具毁灭性的一颗炸弹。这已不再是”AI训练是否构成合理使用”的法律争议——OpenAI被指控的行为是在诉讼程序中系统性欺骗法庭。如果法院采信原告方的动议（“明知且故意”违反证据保全令+证人在法庭上做伪证的可能性），制裁后果可能远超金钱层面：OpenAI可能在关键事实认定上被判不利、丧失对其自身输出样本的证据使用权、甚至面临刑事调查风险。在Anthropic秘密提交IPO、OpenAI紧随其后的时间节点上，一个被法院认定”欺骗法庭”的AI公司还能按$8500亿+估值上市吗？这才是这个故事的真正悬念。

特斯拉Optimus Gen 3初步定型：马斯克放话年末产能不达标就开掉团队，供应商9月冲刺千台/周

据晚点LatePost 7月9日报道，多位特斯拉供应链人士透露，Optimus Gen 3在研发三年多后终于在六月底高管会上通过马斯克评审，即将走出实验室进入量产阶段。供应链已收到具体零件采购指引：9月产能提至1000台/周，年底冲刺2000-2500台/周——对应年产10万台的供应商供货能力。

更值得关注的是马斯克在会上的管理方式。两位供应链人士均表示，马斯克要求团队在年底前实现产能目标，“否则他会开掉整个Optimus采购团队”。此外，特斯拉近期还发布了具体的8月份数百台零部件订单。弗里蒙特工厂原用于生产Model S/X的生产线已改造为人形机器人产线。马斯克随后在X平台澄清：“生产初期会极其缓慢，因为一切都是全新的。这不象造车。”

编者评： “达不到产能就开掉团队”——这可能是科技史上最粗鲁也最有效的量产宣言。马斯克管理哲学的核心从来不是精密计划，而是”让我们设定一个物理上勉强可能的目标，然后以人格威胁确保它必须发生”。Gen 3从实验室到产线的门槛在于Optimus包含约10000个独立零部件，任何一个环节都可能形成瓶颈。但供应链看到的不只是威胁——8月数百台的确定订单+9月千台周产能目标=实际量产信号。在Figure、1X、智元等竞争者纷纷融资数十亿美元的背景下，特斯拉选择用”真实订单”而非”PPT概念”应战。

Ollama完成$6500万B轮融资，近900万月活开发者，跻身85%财富500强

7月9日，开源本地AI模型运行工具Ollama宣布完成$6500万B轮融资（Theory Ventures领投），此前已获Benchmark领投的$1500万A轮——这家仅14人的公司累计融资$8800万。

核心数据：月活开发者890万，被85%财富500强公司使用（大多免费），GitHub 17.6万星、1.7万fork。CEO Jeff Morgan指出业务拐点出现在2026年1月OpenClaw爆发时——大型开源模型”突然能完成智能体编码任务”，使本地模型从”尝鲜玩具”变成”生产力工具”。Ollama的云服务通过GPU时间计费（非token限额），从免费到$100/月不等，但绝大多数用户使用免费本地版本。

值得注意的是，创始人Jeff Morgan和Michael Chiang正是Docker Desktop的缔造者——Ollama本质上是”AI时代的Docker”。Benchmark合伙人Peter Fenton总结道：“任何面临高推理成本的公司，都有强烈动机转向开源模型。“这句话也解释了为什么风投正在从模型层大规模向基础设施层转移。

编者评： 14人团队服务890万月活开发者、85%财富500强——这个杠杆率在任何行业都是神话级别。但更核心的信号是B轮领投方从Benchmark变成Theory Ventures，前者投”开发者工具品类定义”，后者投”基础设施规模化”。这轮融资看似不大（$6500万在2026年AI领域算”小额”），但它发生在Ollama几乎不披露收入、估值的情况下——意味着资本市场押注的不是Ollama今天赚多少钱，而是”本地开源模型推理”这个赛道本身会不会吃掉云API市场的相当份额。当Databricks选GLM 5.2做默认引擎、企业用Ollama跑本地模型时，整个AI产业链正在从”集中式云推理”向”分布式本地推理”迁移——Ollama是这场迁移中的Docker。

Anthropic秘密提交IPO：SemiAnalysis预测Q3利润超10亿美元，Claude Code占GitHub 7%代码提交

Anthropic已于6月1日秘密向SEC提交S-1草案，若进展顺利最快今秋上市。研究机构SemiAnalysis于7月8日发布深度模型，给出了AI行业迄今为止最激进的企业估值预测。

核心数字：(1) Q3 2026预计GAAP息税前利润超$10亿（约6%利润率），将成为首个实现季度$10亿+利润的AI前沿模型公司；(2) ARR从2025年底$90亿飙升至当前的逾$600亿，月均净增$150亿；(3) Claude Code已占GitHub全部代码提交量逾7%，一季度单月新增ARR从$30亿跃至$110亿；(4) 75-85%收入来自API用量计费模式（vs OpenAI逾65%来自订阅），同一客户随Agent工作流增多消耗自然增长，无单用户收入上限。

SemiAnalysis甚至给出了2027年末$3000亿ARR、$6万亿企业价值的激进预测——如果实现，将超过目前任何上市公司的市值。Anthropic的上市竞速也具有战略紧迫性：Alphabet已完成$847.5亿融资，Meta传出数百亿美元融资计划，资本窗口正在收窄。Anthropic抢先OpenAI确认秘密递表后，一级市场估值已达$9650亿，超过OpenAI的$8520亿。

编者评： Anthropic的IPO故事有三个比”模型最强”更重要的竞争力：(1) B2B API用量计费模式的收入质量远高于订阅模式——前者随客户增长天然膨胀、无单用户天花板，后者需要不断获客；(2) Claude Code占GitHub 7%代码提交意味着开发者的肌肉记忆正在形成——迁移成本本身就是护城河；(3) 在OpenAI深陷Project Giraffe证据隐匿丑闻的同时，Anthropic近期在FLI安全指数中排名第一，对投资者而言”干净的法律记录”在IPO语境下已从加分项变成必须项。但反过来说，$600亿ARR到$6万亿企业价值之间差了100倍，这种倍数需要市场在AI泡沫巅峰期才能消化——而7月的美股已经在Meta Compute引发的费城半导体暴跌中显露脆弱。

编者按

2026年7月10日是”性价比”成为AI行业通用语言的一天。

GPT-5.6首日评测的最大反转不是旗舰Sol的跑分，而是中档Terra被社区公认为”该买的那个”。OpenAI主动将叙事从”最强模型”转为”每美元智能密度最高”，但社区用自己的测试补了一刀：旗舰Ultra模式烧三倍钱反退步。当性价比叙事被市场接受，AI模型就正式从”奢侈品”变成了”消费品”——消费者是会比价的。

这个转变的更深层推力来自Databricks选择GLM 5.2。一家西方顶级数据基础设施公司，基于自家真实代码库的严格内部测试，选择了中国开源模型作为默认编码引擎。这不是一次性的采购决策，而是市场定价权的转移信号：当中国企业能把Token单价做到Anthropic的三分之一甚至更低，整个行业的利润率模型需要重写。Ollama $6500万融资和890万月活开发者的数据印证了同一条趋势线——推理正在从云端向本地迁移。

马斯克的”认错”则提供了这个故事的商业注脚：承认Anthropic最强、预测中国胜出、同时向两者收租——这是硅谷竞争哲学的新形态，也暗示模型战争的终局可能不是一家赢，而是算力房东赢。

最后一个维度是合法性。NYT指控OpenAI在版权案中系统性隐匿证据，Project Giraffe丑闻如果被法院采信，将远不止是金钱制裁——它可能让OpenAI在IPO窗口关键期背上”欺骗法庭”的法律标签。在Anthropic抢先递表、估值已超OpenAI的时刻，法律风险的差异可能比模型跑分的差异更能决定谁能拿到更好的发行价。

本期观察：AI军备竞赛正在从”谁模型更强”切换到”谁价格更低、谁生态更开放、谁法律更干净”。这三个维度上，GPT-5.6首日评测、Databricks选GLM、NYT版权案——各自给出了一个不那么有利于OpenAI的答案。