每日快讯 · 2026-11-06

这篇标注为 OpenAI「GPT‑6 Cyber：推进对齐网络安全智能体前沿」的平行报道，实际抓取到的内容并非论文或新闻正文，而是 arXiv 站点上关于 arXivLabs 的通用说明。该说明介绍 arXivLabs 是一个让合作方在 arXiv 网站上开发和分享新功能的框架，并强调参与的个人与机构都认同开放、社区、卓越和用户数据隐私等价值观，arXiv 只与遵守这些价值观的伙伴合作。因此，关于 GPT‑6 Cyber 的技术细节、评测结果与安全对齐方法，在这份材料中均无从获知。

· 标题指向的内容：标题称 GPT‑6 Cyber 旨在推进「对齐的网络安全智能体」前沿，来源标注为 OpenAI，发布日期为 2026 年 11 月 5 日，并给出 arXiv 编号 2611.02797v1，但正文未包含任何模型能力、基准测试或对齐策略的描述。

· 实际抓取内容：页面文字全部是 arXivLabs 的框架介绍与合作价值观声明，属于站点通用页脚式信息，与 GPT‑6 Cyber 主题无关，说明原文站点限制抓取后，平行报道链接未能提供有效正文。

· 信息缺口：由于缺少摘要、实验章节与结论，无法核实该模型在漏洞发现、渗透测试或防御响应等网络安全任务上的表现，也无法判断其「对齐」具体指哪些安全约束与评估方法。

· 使用建议：若需了解 GPT‑6 Cyber，应直接查阅 OpenAI 官方页面或 arXiv 上的 2611.02797v1 全文，不宜依据本条材料推断任何技术结论。

为什么值得关注：网络安全是智能体落地的高风险场景，对齐与权限约束直接决定其能否被信任；但本条材料未提供实质内容，提醒资讯聚合需警惕抓取失败导致的空壳报道，避免以标题代替事实。

Ricursive Intelligence 发布 Ripple-65B Preview，一款从零训练、面向通用场景的开源权重模型，在美国开源权重模型中取得智能体编程（agentic coding）最佳成绩。该模型预训练使用 12 万亿 token，支持最长 1M 上下文，是驱动其 AI 芯片设计平台的专有模型的通用版本。

· 在 TerminalBench 2.1 上，Ripple-65B Preview 得分 80.52，超过多个参数量远大于它的美国开源权重模型：Reflection Beam 501B（80.1）、Meta Muse Spark Open 816B（76.4）、Thinking Machines Inkling 975B（63.8）和 NVIDIA Nemotron 3 Ultra 550B（56.4）。

· 成本控制是核心卖点。团队称从零开始的全部研发支出仅 3200 万美元，约为此前智能体编程开源权重 SOTA 成本的十分之一；这一数字涵盖预训练阶梯开发、数据配比、评测、调试、合成数据生成、后训练配方开发以及最终的正式训练。

· 架构上选择现代化稠密 Transformer 而非 MoE，采用窄而深的比例（d_model 5120、80 层），并加入 FFN 激活裁剪、门控注意力、全局 NoPE、value residuals 等设计；预训练与后训练全程维持 40% 的 MFU，且无需自定义 kernel 和量化。

· 后训练不依赖暴力强化学习：团队自建合成数据管线，混合 RL 配方使用截断重要性采样、分数中心化和线性长度惩罚，仅用 140 万次 rollout 就达到 80.5 分，比此前 SOTA 的 Reflection Beam 少约 70 倍。

· 模型已在 Hugging Face、Together AI、GMI Cloud、OpenRouter 和 Fireworks 上线；较小的参数规模使其可在 NVIDIA DGX Spark 等本地设备上高效运行。

为什么值得关注：Ripple-65B Preview 表明，中等规模稠密模型配合精细的数据与 RL 配方，就能在智能体编程任务上超越参数量大一个数量级的对手，并把训练成本压到十分之一。这为智能体互联网降低了模型供给的门槛，也让本地设备承载高性能编程智能体成为可能。

Perplexity 推出名为 Teammates 的常驻型 AI 智能体，可在工作区内同时承担多种角色，并复用用户已有的 Perplexity 项目、技能与记忆。该功能建立在 Perplexity Computer 之上，主打协作与「持续、大规模」的工作任务，直接对标 OpenAI 的 Dots 和 Claude Duet，但需订阅每月 200 美元的 Max 套餐才能使用。

· Teammates 可 24 小时不间断运行，用户能为每个智能体分配不同任务并让它们并行执行，定位是「常驻同事」而非一次性对话助手。

· 与 Perplexity Computer 的关系是「在其之上构建」：Computer 负责在用户设备上部署智能体完成任务，Teammates 则进一步支持协作和长期、大规模工作。

· 用户可在 Perplexity 应用内通过独立线程跟踪每个 Teammate 的进度，也能在 Slack 中与它们交互，把智能体嵌入日常办公沟通流。

· 定价明显高于竞品：使用 Teammates 需订阅每月 200 美元的 Max 套餐，Perplexity 在这一功能上采取了更昂贵的商业化路线。

· Perplexity CEO Aravind Srinivas 在 X 上表示，长期愿景是「每个组织为每位员工配备数百个 Teammate」。

为什么值得关注：常驻、可并行、可被分配角色的智能体，正把「智能体互联网」从单次调用推向组织级常驻劳动力。Perplexity 以高价套餐切入，也说明智能体产品的竞争焦点正从模型能力转向工作流嵌入与订阅变现。