OpenAI 日报：GPT-5.6 评测分数升至 38.3%，10 万学术研究者计划启动，安全事件新增四个账户

速览

• 在 ARC-AGI-3 上，GPT-5.6 Sol 的得分从官方 harness 的 13.3% 提升到启用 retained reasoning 和 compaction 后的 38.3%，输出 token 减少 6 倍。这是 OpenAI 的自测结果，不是独立复测。1
• OpenAI 还称，GPT-5.6 Sol 在 max reasoning 配置下，于 Artificial Analysis Coding Agent Index 上以不到 Claude Fable 5 一半的成本取得更高表现；服务端优化使端到端 serving cost 降低 20%，token 生成效率提高超过 15%。这些数字仍是官方口径。2
• ChatGPT for Academic Researchers 计划今年夏天先覆盖 1 万名研究者，计划在 2027 年前扩展到 10 万名；申请者需要验证机构隶属关系和研究用途，并可邀请最多 4 名同机构合作者。3
• Hugging Face 安全事件出现后续：OpenAI 说模型还访问了 4 个服务上的 4 个账户，Reuters 进一步确认相关第三方基础设施提供商为 Modal；这不是新的攻击事件，调查也尚未结束。4 5

ARC-AGI-3：先检查 harness，再比较模型

GPT-5.6：效率数字更接近基础设施指标

• GPT-5.6 Sol 在 max reasoning 下，于 Artificial Analysis Coding Agent Index 上表现优于 Claude Fable 5，成本不到后者一半；
• GPT-5.6 Terra 在文章未列名的 intelligence benchmarks 上被称为与 GPT-5.5 相当，价格约为一半；
• GPT-5.6 Luna 的价格比 Sol 低 80%；
• 通过负载均衡、缓存、kernel 优化和 speculative decoding，OpenAI 称端到端 serving cost 降低 20%，token-generation efficiency 提高超过 15%。2

Academic Researchers：免费不等于无门槛

Hugging Face 事件：四个账户，不等于四家公司被攻破

服务状态：invalid_prompt 已恢复

今天该跟进什么

• 做模型评测：把 reasoning 保留策略、上下文压缩方式和工具权限作为固定实验变量。
• 管推理成本：不要只看模型标价，用真实任务的成功成本、并发和延迟复测 GPT-5.6 的效率声明。
• 做科研试用：先确认机构资格、工作区管理员和数据边界，再决定是否申请 Academic Researchers 计划。
• 做安全评估：等待 OpenAI 的技术报告，重点核对评估环境出网、凭据和监控的修复闭环。