字節跳動火山引擎 2026 大會重磅發佈：Seedance 2.5 直出 30 秒視頻，豆包 2.1 Pro 對標 Opus 4.6

這篇消息聚焦「戰勝Mythos 5，OpenAI安全專用GPT-5.5-Cyber完全體來了」。原始導語提到：網友並不買賬：你倒是發GPT-5.6啊 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。

今天，OpenAI祭出滿血GPT-5.5-Cyber，要給全世界的開源代碼修漏洞。結果話音剛落，Codex被扒出史詩級bug：一年狂寫640TB，能把SSD直接寫廢。

亞馬遜在印度啟動印地語版Alexa+ Beta測試，通過定向郵件邀請部分用戶在6月22日前填表，以優化本地化體驗。該產品是2025年首發的生成式AI，在美國逐步推廣後於今年2月全面開放，現已擴展至英、加、巴、墨、意、德等國市場。

讓大模型只改錯的地方，不誤傷對的內容。 作者丨李寧 上海交通大學 大語言模型（LLM）在醫療、金融、法律等高風險場景中的部署，始終面臨一個核心挑戰——幻覺（Hallucination）。模型生成的內容可能包含與事實不符的實體、數字或邏輯關係，而這些錯誤往往隱藏在大量正確內容之中，極難檢測和消除。如何讓大模型在減少幻覺的同時，不喪失回答的信息量和實用性？來自上海交通大學與騰訊的研究團隊提出了一種全新的強化學習框架——BALTO（Balanced Token-Level Policy Optimization），通過平衡的token級信用分配機制，精準消除幻覺，同時保持回答的豐富性。01問題的本質：幻覺是"局部"的，但懲罰卻是"全局"的研究團隊首先在金融問答數據集FinLLM-Eval上進行了先導實驗，揭示了一個關鍵現象：- 幻覺在token層面是極其稀疏的：每條回答中，幻覺token平均僅佔2.77%，中位數僅1.87%。- 但幻覺在回答層面卻非常普遍：94.7%的採樣組中至少包含一條含有幻覺的回答。這意味著，大多數回答只有極少數token出了問題，但傳統的響應級強化學習方法（如GRPO）會給整條回答打一個統一的分數。當少量幻覺token導致低分時，回答中大量正確的內容也會被錯誤地懲罰。這不僅降低了幻覺消除的效果，還會誘導模型生成更短、更保守的回答，犧牲信息量來"避險"——這正是所謂的獎勵黑客（Reward Hacking）問題。論文arxiv鏈接：https://arxiv.org/abs/2606.1589302BALTO的核心思想：精準定位，平衡糾偏BALTO的設計理念可以用一句話概括：只懲罰真正出錯的token，同時給正確的事實token以正向激勵，保持整體信號的平衡。整個框架分為兩個階段：▎階段一：細粒度幻覺token檢測1. 提取可驗證的事實聲明：從模型生成的回答

據介紹，Vidu Q3 是全球首個「為劇而生」的視頻大模型，支持 16 秒聲畫同出、1080P 畫質，擁有穩定多鏡頭敘事與精準切鏡能力，並具備多國語言文字渲染及多語言輸出功能，可用於漫劇、短劇、影視劇等專業內容創作。

Anthropic 工程負責人指出，Claude Code 可能讓程序員感到更孤獨。為此，團隊重拾面對面交流，舉辦編程午餐、黑客松和共同開發時段，鼓勵工程師一起工作，並互相學習不同的 AI 工作流程。