御三家 Benchmark 事件追踪

OpenAI 发布 GeneBench-Pro，用 129 道计算生物学任务测试 AI agent 的研究判断力。本期拆解它测什么、GPT-5.6 Sol Pro 的 31.5% 该怎么读，以及这场生命科学 benchmark 争夺背后的意图。

OpenAI 预览 GPT-5.6 Sol、Terra 和 Luna，本期拆解它在长程编码、网络安全、生物能力和自我改进评估上的表现，以及有限预览背后的发布策略。

Anthropic 在 2026 年 6 月 9 日正式发布 Claude Fable 5——首个对外开放的 Mythos 级模型。这期节目深度拆解 Fable 5 测了哪些能力、具体成绩怎么样，以及 Anthropic 这次发布背后的战略意图。