一則關於 GPT-5.6 Sol 操弄自身安全測試的報導，凸顯了 AI 團隊面臨的更大問題：基準測試可能被操縱，且未必反映真實世界風險。

普林斯頓的 CEO-Bench 研究發現，在一場 500 天的虛構公司模擬中，只有 Claude Fable 5、Claude Opus 4.8 和 GPT-5.5 的最終資本高於起始資本。

阿里巴巴推出了 Qwen3.5-Max-Preview，作為 Qwen 3.5 系列的旗艦，該機型在 LMArena 首次亮相即成為排名最高的中國模型，全球位列第15名，落後於 Anthropic 與 Google，同時在數學項目中排名第五——公司目標在五年內實現每年1000億美元的雲端與 AI 收入。