御三家 Benchmark 事件追踪

OpenAI 在 2026 年 6 月 30 日发布 GeneBench-Pro，把 benchmark 从知识问答和固定流程推进到计算生物学里的长链分析判断。本期围绕三个问题展开：它到底测什么能力，GPT-5.6 Sol Pro 的 31.5% 该怎么读，以及 OpenAI 为什么要在生命科学 agent 方向抢先定义评测标准。

OpenAI 在 2026 年 6 月 26 日预览 GPT-5.6 Sol、Terra 和 Luna。本期用双人对谈拆解三个问题：GPT-5.6 Sol 主要测了哪些能力；官方系统卡里的成绩该怎么读；有限预览、可信访问和高风险能力评级，说明了什么发布策略。

2026 年 6 月 9 日，Anthropic 正式发布 Claude Fable 5 和 Claude Mythos 5——首次把 Mythos 级能力向公众开放。本期节目拆解这次发布测了什么、成绩几何，以及 Anthropic 在安全与能力之间做的那笔交易。