OpenAI@OpenAIAI 评分7676#OpenAI
#OpenAI
今日 3 条- OpenAI@OpenAIAI 评分7676
- OpenAI@OpenAI精选AI 评分7474
推荐理由：原文补充了数据隔离说明，并指出其 Euler 情形证明结果与 Alpöge 和 Buckmaster 的工作不同，读者可据此比较两条独立证明路径。
Epoch AI：研究、数据与评测精选AI 评分6969 Epoch AI 实测 GPT-5.6 与 Claude 5 长上下文延迟缩放差异
Epoch AI 测量四款模型的首 token 延迟（TTFT）随上下文长度的缩放，发现 GPT-5.6 Terra 和 Sol 呈明显二次曲线，Claude Sonnet 5 接近线性，Opus 5 噪声较大但仍接近线性。
推荐理由：原文以实测数据和三种稳健估计器比较 GPT-5.6 与 Claude 5 的长上下文延迟缩放，可帮助读者理解两家不同的架构取舍与成本影响。
OpenAI：官网动态（RSS · 排除企业/客户案例）精选AI 评分7272 OpenAI 长文阐述对齐与监测困境，称 CoT 监控能力正在减弱
OpenAI 发布长文《An Alien Mind》，回溯 2023 年 RLSlow 项目中确认推理模型可扩展训练的起点，并系统阐述目标对齐与价值对齐的区分。文章指出链式思维监控的效果正随着模型能力提升而逐步减弱，GPT‑6 Astra 在对齐上显著优于 GPT‑5.6 Sol；作者预期进展可能持续走向机器递归自我改进（RSI），呼吁自愿放缓扩展、建立第三方安全门槛并加强国际协调。
推荐理由：作者以内部视角回溯推理模型的起源，并给出对齐监测、CoT 监控弱化和 RSI 风险的一手判断。
- OpenAI@OpenAI精选AI 评分6565
推荐理由：OpenAI 首次系统说明对齐事故的披露思路，并预告将发布披露框架，读者可借此了解行业在事件报告上的走向。
OpenAI：官网动态（RSS · 排除企业/客户案例）精选AI 评分8888 OpenAI 发布 GPT-6 Astra：多项基准刷新纪录， cybersecurity 能力达 Critical 阈值
OpenAI 发布新一代模型 GPT-6 Astra，称其在计算机使用、软件工程、科学和网络安全等方向达到 SOTA。
推荐理由：官方发布给出多项评测数字、定价和可用渠道，读者可以据此比较它相对前代和竞品的能力与成本变化。
Perplexity@perplexity_aiAI 评分5858
OpenRouter@OpenRouterAI 评分2424
Artificial Analysis@ArtificialAnlysAI 评分5353
OpenAI Developers@OpenAIDevsAI 评分6868- OpenAI Developers@OpenAIDevsAI 评分5151
OpenAI Developers 宣布 GPT-6 已发布，并将为开发者、技术创始人和产品建设者举办 GPT-6 黑客松：旧金山场为 9 月 8 日，纽约场为 9 月 10 日。
- OpenAI Developers@OpenAIDevsAI 评分7171
- OpenRouter@OpenRouterAI 评分6868
- OpenAI Developers@OpenAIDevsAI 评分8181
- OpenAI@OpenAI精选AI 评分8282
推荐理由：官方宣布 GPT-6 Astra 上线范围与渠道，Plus 和 Business 用户还需等待几天，读者可据此确认自己能否用上。
- OpenAI Developers@OpenAIDevsAI 评分44
Gary Marcus：The Road to AI We Can Trust（RSS）AI 评分5656 Gary Marcus 呼吁立即暂停 OpenAI
Gary Marcus 撰文呼吁暂停 OpenAI，理由是其不值得信任：新发布的 Astra 降低了思维链（CoT）可监控性，尤其在 destructive actions 上自家数据显示监控受损，OpenAI 仍照常发布；另有一起新事故被公司隐瞒数周。
Gary Marcus：The Road to AI We Can Trust（RSS）精选AI 评分7474 Gary Marcus 评 GPT-6 Astra：进步明显但鲁棒性与可监控性存疑
Gary Marcus 发文点评 GPT-6 Astra，称多项报告显示其为真正的进步，OpenAI 产品显式创建并操纵符号世界模型，令其近十年的主张获得印证。
推荐理由：作者结合自身近十年主张神经符号世界模型的立场，指出 Astra 的关键未知在鲁棒性与可监控性，判断有具体依据。
OpenAI：官网动态（RSS · 排除企业/客户案例）精选AI 评分8181 OpenAI 发布 GPT-6 Astra 并公布安全概览，称其网络安全能力达到 Preparedness Framework 的 Critical 级
OpenAI 发布 GPT-6 Astra，称这是其部署过的最强模型，也是首个在其 Preparedness Framework 下达到网络安全能力 Critical 级的模型，可在无人逐步引导的情况下发现未知安全漏洞并开发利用方式。
推荐理由：OpenAI 官方发布的安全评估，给出模型在网络安全能力、对齐和可监测性上的具体发现，读者可借此了解前沿模型安全实践的最新变化。
OpenAI：官网动态（RSS · 排除企业/客户案例）精选AI 评分6565 OpenAI 推出 Daybreak for Frontline Defenders，投入10亿美元支持一线网络防御
OpenAI 发布 Daybreak for Frontline Defenders 全球计划，承诺提供10亿美元的 Daybreak 补贴访问、培训、技术支持与合作，计划在未来六个月内消耗，优先支持水处理、电网、州和地方政府、社区银行、非营利组织和开源维护者等资源有限的一线防御者。
推荐理由：原文给出10亿美元补贴的具体构成、MS-ISAC 试点和35个以上合作产品，读者可据此了解 Daybreak 防御能力如何触达一线防守者。
- OpenAI Developers@OpenAIDevsAI 评分6363
OpenAI Developers 宣布 GPT-6 Astra 是其在电脑使用、软件工程和视觉理解方面迄今最好的模型，并附上正在使用该模型的开发者的视频分享。
- OpenAI@OpenAIAI 评分3939
OpenAI：官网动态（RSS · 排除企业/客户案例）AI 评分2929 Legora 用 GPT-6 Astra 数分钟审阅 41 份文件并找出全部 4 处植入错误
Legora 使用 GPT-6 Astra 在数分钟内审阅 41 份文件，找出全部 4 处植入错误，该财务审查工作流性能提升近 40%。
OpenAI：官网动态（RSS · 排除企业/客户案例）AI 评分3232 Playco 用 GPT-6 Astra 做游戏原型，手动修复减少 50%
Playco 使用 GPT-6 Astra，从一个 grey box 基础搭建出三个主题游戏原型，并报告手动修复比使用前一模型减少 50%。
xAI：News（网页）精选AI 评分7070 xAI 设计 Grok Bot：为持久化智能体重构交互界面
xAI 发布设计文章，介绍 Grok Bot 如何为超越单次会话的持久化智能体设计界面。产品以 Bot 为主要对象而非会话，Bot 拥有身份、记忆、自己的计算机和工具；头像动效呈现空闲、工作、等待、阻塞、思考、完成等状态；工作区提供状态、预览、接管三级访问。
推荐理由：xAI 官方复盘 Grok Bot 的界面设计决策，读者可以了解持久化智能体产品在组织方式和交互上的取舍思路。
- OpenAI Developers@OpenAIDevsAI 评分2323
OpenAI 官方宣布 WebMCP Challenge 截止时间延长 12 小时，至凌晨 1:00 PT。官方称系统已完全恢复在线，延期为受当日故障影响的参赛者留出更多提交时间。
NVIDIA Blog（RSS）AI 评分3939 NVIDIA 在 IFA 2026 宣布加速本地 AI，十月推出 RTX Spark Windows PC
NVIDIA 在 IFA 2026 宣布与 Microsoft 及合作伙伴合作，提供更快的推理速度和新工具，让智能体更易在 NVIDIA 硬件上本地搭建和运行。同时宣布新款紧凑型 NVIDIA RTX Spark Windows PC 将于十月上市，面向 AI 爱好者、开发者和创作者。
Replit ⠕@ReplitAI 评分2929Epoch AI：研究、数据与评测精选AI 评分6969 Epoch AI 评测 SWE-bench Verified：审计发现超两成题目存在评分问题
Epoch AI 发布对 SWE-bench Verified 的基准评审，认定其为 Flawed。该基准用 500 道来自 12 个代码库的修复任务评测大语言模型；OpenAI 审计 27.6% 的任务后发现有缺陷测试的任务下限为 16.4%，59.4% 的被审任务测试用例会拒绝功能正确的提交，且所有受测前沿模型在训练中都见过部分题目。
推荐理由：Epoch 汇总了 OpenAI 与 RDI 的公开审计结论，说明 SWE-bench Verified 的测试缺陷和污染问题，读者可据此调整对该基准的解读。
OpenAI：官网动态（RSS · 排除企业/客户案例）AI 评分3838 ATV Big Air Tour 用 ChatGPT Work 把 3 天工作量压缩到 3 小时
ATV Big Air Tour 两名联合创始人用 ChatGPT Work 运营全美 26 场巡演，把商品盘点和补货从 2-3 天缩短到 2-3 小时。每日自动简报将活动信息核查从每周约 8 小时降到 1 小时，自动查找错误并起草更正邮件。AEO 自动化审计网站结构后，OpenAI 搜索和用户爬虫访问量在连续 30 天周期内从 183 增至 2,421，环比增长 1,223%。
Gary Marcus：The Road to AI We Can Trust（RSS）AI 评分4747 Gary Marcus 批评 Elon Musk 反复推迟兑现的 AI 预测且媒体不加质疑
Gary Marcus 撰文指出，Elon Musk 在 2024 年 4 月预测 2025 年底将出现比任何单个人类更聪明的 AI，如今只是把日期悄悄推迟到 2027 年，而 Marcus 曾两次提出百万美元赌注均未获回应。
- OpenAI Developers@OpenAIDevsAI 评分2121
- OpenAI Developers@OpenAIDevsAI 评分2323
- OpenRouter@OpenRouterAI 评分5757
ARC Prize：官方博客精选AI 评分7979 ARC Prize 发布 OpenAI GPT-6 Astra 在 ARC-AGI-3 上的评测结果
ARC Prize 报告 OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 Semi-Private 上，Standard harness 得分 62.7%（成本 $26K），Provider Adapter harness 得分 99.9%（成本 $19K），均为 SOTA。
推荐理由：官方公布了 Astra 在两种 harness 下的完整得分、成本和人类对比数据，读者可以据此了解 agentic 评测方法的差异。
Gary Marcus：The Road to AI We Can Trust（RSS）AI 评分5151 Gary Marcus 警告 OpenAI 即将越过一条 AI 安全红线
Gary Marcus 发文警告 OpenAI 正准备越过一条 AI 安全红线，认为其正在探索的新技术可能令思维链监控变得困难甚至不可能。
OpenAI：官网动态（RSS · 排除企业/客户案例）AI 评分3838 Gilbert + Tobin 如何用 OpenAI 治理并规模化应用 AI
澳大利亚律所 Gilbert + Tobin 通过 ChatGPT Enterprise 和 Codex 将 AI 融入运营，截至 2026 年 6 月 87% 的启用席位处于活跃使用状态，是其其他工具采用率的两倍以上。
Hugging Face：Blog（RSS）AI 评分4747 Hugging Face 与 Ai2 发布 BenchMIRT：从题目层面审计 LLM 基准究竟测了什么
Hugging Face 博客介绍 BenchMIRT，一种基于多维 IRT 在单个题目层面审计 LLM 基准的方法，训练数据覆盖 100 个 LLM、16 个基准和超过 34K 道题。
- OpenAI@OpenAIAI 评分5757
Cohere@cohereAI 评分3333