今天的 AI 资讯简报优先按伯乐Skill / AI News Radar 的方法处理：先看官方博客、官方 RSS、公开变更记录与研究机构页面，再选取能公开核验、对开发者或 AI 产品观察有实际价值的更新。以下信息均来自公开来源，未使用私有邮件、账号时间线或不可核验传闻。
1. OpenAI GeneBench-Pro：科研智能体评测开始强调“研究判断力”
OpenAI 介绍了 GeneBench-Pro，一个面向基因组学、定量生物学与转化医学的研究级基准。它关注的不是简单事实召回，而是计算生物学研究里的高阶判断：数据是否支持当前问题、噪声与生物信号如何区分、分析路径何时需要调整，以及结果是否足以支撑后续决策。
这类基准的意义在于，它把 AI Agent 的评测从“能不能执行步骤”推进到“能不能做出可靠研究判断”。如果未来科学智能体要真正进入实验与分析流程，处理模糊性、诊断数据质量、避免走错分析路径，可能会比单次答题得分更重要。
来源：OpenAI — Introducing GeneBench-Pro
2. GitHub Copilot 企业管理：管理员可默认启用自动模型选择
GitHub Changelog 显示，企业管理员现在可以把 Copilot 新会话的模型设置为自动选择，让平台根据场景为用户选择模型，同时保留用户在单次会话中切换模型的能力。这项能力面向 Copilot Business 与 Copilot Enterprise 的企业治理场景。
这说明开发者工具正在继续平台化：团队不只是在“用一个 AI 助手”，而是在管理模型路由、权限、成本与体验默认值。对企业来说，模型自动选择如果做得好，可以降低普通用户的选择成本；但同时也需要更清楚的管理员策略、审计与成本边界。
来源：GitHub Changelog — Enterprises can default to auto model selection
3. Google 六月 AI 更新汇总：本地模型、多模态 API 与终端体验继续合流
Google 在 7 月 1 日发布六月 AI 更新汇总，提到 Gemma 4 12B、Gemini 3.5 Flash 的 computer use、Gemini Omni Flash API 预览，以及 Android、Pixel、Google Finance 等产品中的 AI 功能。相比单点发布，这份汇总更像是在展示一条产品线：模型能力、开发者 API、本地运行与终端体验正在被放进同一个生态里。
对开发者的观察点是：AI 平台竞争不再只看云端大模型，也看能否把本地推理、多模态输入输出、系统级入口和应用场景串成可用工作流。越靠近用户设备，隐私、延迟与离线能力就越重要。
来源：Google Blog — The latest AI news we announced in June 2026
4. Anthropic 提出越狱严重性评分框架：AI 安全评测走向行业共识
Anthropic 新闻页显示，公司在 6 月 30 日提到与 Amazon、Microsoft、Google 等 Glasswing partners 一起提出行业范围的越狱严重性评分框架。它的重点不是某个单一模型发布，而是把“越狱到底有多严重”这件事变得更可比较、更可讨论。
这类框架值得关注，因为 AI 安全争议经常卡在定义不一致：同样是绕过防护，有些只是无害提示，有些则可能导致高风险能力外泄。行业如果能形成更清晰的严重性分级，后续的红队测试、事故披露与模型上线门槛都会更容易对齐。
今日观察
今天的共同主线是：AI 正在从“更强能力展示”进入“更长期、更可治理的真实工作流”。GeneBench-Pro 关注研究判断力，Copilot 管理自动模型选择，Google 把模型与端侧体验串联，Anthropic 则推动安全评测语言统一。接下来值得看的，可能不是某个单次演示多惊艳，而是这些能力能否被稳定、可审计、可控地放进日常工作里。
