Claude发现噬菌体新酶系统，GPT-6 Sol登WebDev榜单第四

0 阅读

Claude辅助发现噬菌体中的未知酶系统

Anthropic近期公布了一项由其AI模型Claude参与的分子生物学研究成果。研究团队利用Claude分析大量噬菌体基因组数据和相关文献，成功识别出一段此前未被注释的DNA区域，其中包含一个潜在的新型酶系统。更值得注意的是，该区域附近还存在类似CRISPR的重复序列结构。

这一发现目前仍处于计算预测阶段，尚未经过实验验证。但Anthropic表示，这是其新建分子生物学实验室的首个成果，展示了AI在提出科学假设和筛选候选生物元件方面的潜力。如果后续实验证实该酶系统具有功能活性，可能为基因编辑或抗菌疗法提供新工具。

GPT-6 Sol在Web开发评测中表现亮眼

在第三方评测平台Code Arena的WebDev赛道中，OpenAI最新发布的GPT-6 Sol Max模型以1689分的成绩位列第四。相比前一代GPT-5.6，分数提升了72分。据Arena.ai披露的数据，该模型的推理成本约为8美元/百万tokens，不到Claude Opus 5价格的一半，但在性能上已接近后者。

WebDev评测聚焦真实世界的网页开发任务，包括响应式布局、交互逻辑实现和浏览器兼容性处理等。GPT-6 Sol的提升表明OpenAI在代码生成和前端工程理解方面持续优化。不过，目前该模型尚未开放公开API，仅通过特定渠道提供服务。

OpenAI发布心理健康对话评测基准

OpenAI联合80多位临床心理工作者共同开发了MentalHealthBench，一个覆盖多层级心理健康对话场景的开放评测基准。与现有主要关注危机干预的评测不同，该基准纳入了从日常情绪支持、压力管理到严重心理危机应对的完整光谱。

评测方法和部分测试用例已向研究社区开放，旨在推动AI在心理健康领域更安全、更负责任的应用。OpenAI强调，该基准不用于直接评估任何商业产品，而是为学术研究提供标准化工具。目前尚不清楚GPT系列模型在该基准上的具体表现数据。

Gemini扩展外部应用连接能力

Google的Gemini近期大幅扩充了其Connected Apps生态，新增Adobe Creative Cloud、Airtable、Linear、Squarespace和Peloton等13个应用的原生集成。用户现在可以通过自然语言指令让Gemini跨应用执行操作，例如在Airtable中查询项目进度，或从Peloton课程中提取训练数据。

同时，Gemini开始支持MCP（Model Connection Protocol）标准，可连接Wispr Flow等第三方服务。这使得Gemini能够处理会议记录整理、语音笔记转写和行动项提取等任务。用户只需在Gemini设置中授权相应应用，即可在对话中直接调用这些功能。

Devin深度集成Microsoft 365生态

Cognition Labs的AI工程师Devin宣布全面支持Microsoft 365套件。更新后，Devin可在用户授权下访问Outlook邮件、日历事件、OneDrive文件和SharePoint文档库。更重要的是，它现在能直接在Microsoft Teams中运行——既支持私聊交互，也能加入群组频道，并通过@提及触发自动化工作流。

例如，团队成员可以在Teams频道中要求Devin“根据上周会议纪要生成本周开发计划”，并自动同步到共享日历。这种深度集成显著降低了AI助手在企业环境中的使用门槛，但同时也引发了关于数据隐私和权限管理的新讨论。

Bionic推出AI协作画布

本地AI工具平台LM Studio为其Bionic应用新增了交互式画布功能。该画布基于开源绘图工具Excalidraw构建，允许用户与AI共同创建和编辑系统架构图、产品原型或业务流程图。用户绘制草图后，可要求AI自动美化布局、添加标注或转换为特定格式。

这一功能特别适合技术团队进行快速设计迭代。画布内容保存在本地设备，不上传至云端，符合对数据敏感用户的隐私需求。LM Studio表示，未来计划支持更多图表类型和导出选项。

Google Vids接入Gemini Omni生成视频

Google Workspace旗下的视频创作工具Vids现已集成Gemini Omni模型，支持用户通过文本提示生成高清短视频。拥有Google账号的用户可免费使用该功能，在浏览器中直接完成从脚本撰写、素材选择到成片渲染的全流程。

Gemini Omni负责理解用户意图并生成匹配的视觉内容，包括动态文字、简单动画和背景音乐。虽然目前生成效果仍偏向模板化，但显著降低了非专业用户的视频制作门槛。Google强调，所有生成内容均遵守其AI内容政策，并带有不可见水印。

Hugging Face发布机器人仿真加速教程

Hugging Face与NVIDIA合作推出了一篇技术教程，详细介绍如何使用Warp和MjWarp框架加速机器人仿真与强化学习工作流。Warp是NVIDIA开发的Python嵌入式并行编程框架，而MjWarp则是针对MuJoCo物理引擎的优化版本。

教程演示了如何将传统机器人仿真任务迁移至GPU并行执行，从而将训练速度提升数十倍。这对于需要大量试错的强化学习算法尤为重要。Hugging Face提供了完整的代码示例和Colab笔记本，方便研究人员快速上手。该方案特别适合资源有限的学术团队，在消费级GPU上也能高效运行复杂仿真。