苹果起诉OpenAI 大模型最新排行榜出炉

今日 AI 圈炸裂新闻不断，加上 BenchLM 最新全球大模型排行榜出炉，一文看完

📌 一句话速览

• Apple 起诉 OpenAI 窃取商业机密
   — 前员工招聘中泄密，涉及未发布产品
• 马斯克承认 Anthropic 「显然是当前 AI 领导者」
   — 直接与排行榜榜首呼应
• BenchLM 最新大模型榜：Claude Fable 5（91 分）登顶，国产 GLM-5.2 第 10 名
• Meta 否认「算力过剩」，筹划云基础设施出租
• 蚂蚁集团开源高性能推理框架 SGLang

🔥 今日头条

苹果起诉 OpenAI 窃取商业机密

Apple 于周五向美国加州北区联邦法院提起诉讼，指控 OpenAI 窃取商业机密并违反合同。诉状称，OpenAI 高级领导层（包括首席硬件官 Tang Tan）指使前 Apple 员工在招聘过程中窃取机密，包括未发布产品的项目代号、关键硬件规格和路线图信息。

一句话：苹果和 OpenAI 从合作到翻脸，导火索是挖人挖出了商业机密。这场官司的结果可能影响整个 AI 行业的人才流动规则。

马斯克承认 Anthropic 是当前 AI 领导者

马斯克在 X 上发文承认自己此前对 Anthropic 的判断有误，称其「显然是当前 AI 领域的领导者」。他表示没有公司发布过像 Mythos/Fable 这样优秀的模型，并相信 Anthropic 很快会推出 Mythos 2。他还强调，即使作为竞争对手，也承认对方的成就。

这条表态跟今天发布的 BenchLM 排行榜完全一致——Claude Fable 5 以 91 分高居榜首，Claude Mythos 5 以 89 分排第二。连马斯克都认了，Anthropic 这波确实顶。

一句话：连马斯克都公开服气了，Anthropic 的统治力已经不需要质疑。

📱 国内动态

百度搭子在成都 AI Day 发布四项更新

个人版新增浏览器调用、智能路由（平均任务耗时降 20%，Token 利用率提升 25%）、多端共享记忆及强化 PPT 生成。还上架了「一镜」数字人制作、「灵医」报告解读等 Skill。同时发布了行业首个自媒体专业套件和企业版，以及搭子联盟生态计划。

一句话：百度搭子这一轮更新的核心逻辑是「全场景渗透」——个人、自媒体、企业三条线同时打，生态野心很大。

蚂蚁集团开源高性能推理框架 SGLang

蚂蚁集团通过 GitHub 新仓库 inclusionAI/sglang 开源了 SGLang，这是一个面向大语言模型和多模态模型的高性能推理服务框架。继 Meta 之后，国内大厂也在加速推理框架的开源。

一句话：推理框架的军备竞赛升级了，开源生态越来越卷，对开发者是好事。

小红书发布大模型新架构 PIPO

小红书提出 PIPO 架构，通过输入侧压缩器将两个 token 折叠为一个 latent，输出侧 MTP head 将隐藏状态展开为额外 token，实现输入长度减半、每步输出翻倍。基于 Qwen3.5-4B/9B backbone。

一句话：小红书在 AI 底层架构上有真东西，PIPO 这种「压缩-展开」的设计思路挺新颖。

宇树 G1 人形机器人完成首例活体微创手术

一篇新的《自然》论文展示了宇树 G1 人形机器人执行首例由人形机器人完成的活体标准微创手术。加州大学圣地亚哥团队使用 G1，以常规手术器械完成了对两只活猪的腹腔镜胆囊切除术，第二次手术耗时 32 分钟。

一句话：人形机器人做手术不再是概念，32 分钟切完一台胆囊，虽然还得反复校正但方向没错。

🌍 海外前沿

Meta 否认「算力过剩」，筹划云基础设施出租

扎克伯格首次正面回应公司筹划云基础设施业务一事，否认「算力过剩」猜测，称内部算力需求依然旺盛、满负荷运转。但他同时表示当前市场对算力出价极高，将部分 AI 基础设施对外出租在财务上更划算。Meta 正制定代号「Meta Cloud」的云服务计划。

一句话：「算力过剩」是伪命题，把富余算力租出去赚钱才是真——东阳光这种算力租赁公司的市场逻辑又被验证了一次。

Cognition 如何信任 Claude Fable 5 通宵工作

Cognition 研究高级副总裁表示，其 AI 软件工程师 Devin 测试了几乎所有 Claude 模型，Claude Fable 5 是首个能信任其通宵运行的模型。在 Cognition 自建的 Frontier 基准中，Fable 5 在长任务可靠性上遥遥领先。

一句话：能通宵干活的 AI 才是好 AI——Fable 5 的「可靠性」可能是它比分数更重要的一张牌。

DeepSeek-V4 Flash RL 训练登陆 AMD MI355X

DeepSeek-V4 Flash 的强化学习训练现已在 AMD Instinct MI355X GPU 上通过 Miles 框架获得支持，基于 ROCm 软件栈运行。该 2840 亿参数 MoE 模型（每 token 激活 130 亿参数）在 AMD 硬件上跑通了 RL 训练。

一句话：DeepSeek 在 AMD 上跑通 RL 训练意味着国产模型对非 N 卡生态的适配能力在增强。

GitHub Copilot 审查成本降 20% 的教训

GitHub 在 Copilot 代码审查中尝试用共享代码探索工具替换原有专用工具，结果成本上升、有效评论下降。分析 trace 发现问题不在工具本身，而在于指令设计——通过重写指令最终实现 20% 成本降低。

一句话：工具不重要，指令才重要——这个教训对所有人适用。

🏆 重磅专题：BenchLM 全球大模型最新排行榜 Top 60

数据来源：benchlm.ai（更新至 2026 年 7 月 9 日）｜综合评分满分 100，涵盖智能体、编程、推理、多模态、知识等 8 大维度

📌 核心发现

🔍 三大看点

1. 榜首之争：Anthropic 碾压 Claude Fable 5 以 91 分登顶，Anthropic 在前五中占三席。结合今天马斯克公开承认 Anthropic 是领导者，这个榜首含金量又高了一层。OpenAI 这边 GPT-5.4（85 分）排第 6，被夹在 Claude 中间，位置尴尬。

2. GLM-5.2 杀入前十，国产开源之光 GLM-5.2 以 81 分排名第 10，是前十中唯一的开源模型，也是前十中唯二的中国模型（另一个是阿里 Qwen3.7 Max 第 8）。开源可自部署的特性让它在性价比和可控性上有独特优势。Z.AI 家族共 5 款模型在榜，国产阵营中数量和分数都靠前。

3. DeepSeek 的人海战术 DeepSeek 是上榜最多的中国厂商——8 款模型全部在 Top 60 内，从 V4 Pro Max（78 分第 14）到 V3.2（54 分第 56），覆盖了高中低全价位段。不过最高分 78 被阿里 Qwen3.7 Max 的 83 压了一头，旗舰模型还有追赶空间。

🏆 Top 60 完整排名

💬 关于 Grok 4.5 补充

Grok 4.5 是 xAI 于 2026 年 7 月 8 日发布的代码+Agent 长任务专家模型，BenchLM 截至 7 月 9 日尚未收录。据公开数据：定价 $2/$6 每 M token，上下文 ~500K，速度 ~80 tok/s。在 AA 智能指数和 Agent 知识工作榜上均排第 4 位。Musk 称其接近 Claude Opus 4.7 但更快更省 token。

综合判断： 通用评分预计在 75-80 分区间（对应 BenchLM #12-#18），但在代码和 Agent 场景下有前 5-8 的实力。具体等 BenchLM 正式收录再看。

📝 榜单数据来源：benchlm.ai（截止 2026 年 7 月 9 日）。综合评分基于 Agentic/Coding/Reasoning/Multimodal/Knowledge/Instruction Following/Multilingual/Math 八大维度加权计算。部分新模型分数为~估算值。仅供参考，不构成任何选择建议。

💬 今日互动

Anthropic 登顶、苹果起诉 OpenAI、DeepSeek 在 AMD 上跑通 RL——今天的几条大新闻里，你觉得哪个对 AI 行业格局影响最大？