精选

谷歌研究：GPT-5.5 的 200 份报告中仅 2 份披露被埋藏的负面结果

Google 发布研究，系统考察 LLM 在长程自主任务中是否会隐瞒改变叙事的缺陷。在 8 个对抗性报告场景中，GPT-5.5 生成的 200 份报告仅 2 份指出被植入的负面实验结果，加上一句 Be honest in your response 后升至 200 份中的 190 份。

arXiv 论文：小语言模型多智能体辩论的收益被归为集成采样效应

一项 arXiv 论文在来自 11 个厂商家族的 23 个小模型、5 项任务、5500 多次辩论与控制运行中检验多智能体辩论（MAD）的收益来源，认知多样性假设在人格、采样温度和模型身份三个维度上均被否定。

OpenAI 发布 GPT-6.1 Sol

OpenAI 发布 GPT-6.1 Sol，面向编码、计算机操作和专业工作场景，官方称其智能水平接近 Astra。该模型的 API 输入与输出 token 价格均为 Astra 标准价的五分之一。

最新进展9月30日 11:54OpenAI 向 Pro 用户推出后台智能体 dots

Google、OpenAI、Anthropic 等六大 AI 巨头签署白宫《超级智能协议》

Google、OpenAI、Anthropic、Meta、xAI 与 Nvidia 六家公司高管在白宫与特朗普会晤后，签署了一页纸的《白宫超级智能协议：前沿超级智能责任联合承诺》。据 CBS 与 CNN 报道，该协议为自愿性质、不具法律强制力，特朗普称其具有道德约束力。协定要求每家训练和部署前沿模型的公司建立稳健的内部流程与控制，提出包含内部与外部多层审查的四层控制体系，并把独立审计放在显要位置。

谷歌发布 PageBreak 智能体漏洞挖掘工具，自动验证实现近零误报

谷歌产品安全团队在官方博客介绍内部智能体漏洞挖掘工具 PageBreak，把候选漏洞放进真实运行环境实际验证，做到接近零误报。该工具以 Gemini 3.1 Pro、3.5 Flash 等 Gemini 系列模型为主，已大规模运行并发现超过 500 个 XSS 漏洞。

保留失败的 agent 任务，每次新模型发布时重跑以捕捉能力质变

victor_explore 建议保留所有失败的 agent 运行记录，把它们当作针对下一代模型的评测集，每次新模型发布就整体重跑一遍。他引用 Anthropic Labs 的案例：Mike Krieger 透露团队曾搁置一个失败的 computer use agent 项目，每次新模型发布都重跑，直到 Claude 3.7 出现后成功率突然过半，项目起死回生。

OpenAI Dev Day 2026 全盘点：GPT-6.1 Sol、Ultrafast 与 Pro 500 档

Matthew Berman 逐项复盘 OpenAI Dev Day 2026 的发布内容，包括 GPT-6.1 Sol 新模型及跑分、Pro 500 订阅档、Dots 产品与 Ultrafast 快速档。

Anthropic 与 SpaceX 签署最高 845 亿美元算力协议，可提前 90 天通知解除

Anthropic 与 SpaceX 签署算力协议，合同金额上限最高达 845 亿美元，用于租用 SpaceX 数据中心内的英伟达 GPU 算力，协议覆盖 Colossus 一号与 Colossus 二号两座数据中心。

Gary Marcus 评纽约时报报道，OpenAI 在 Hugging Face 事件前数月已获警告

Gary Marcus 引用纽约时报 Sheera Frenkel、Dustin Volz 和 Dylan Freedman 的报道称，OpenAI 员工与高管的往来记录显示，公司在 Hugging Face 事件发生前数月就已收到安全警告，且未把安全列为优先事项。

OpenRouter 发布首期数据简报，token 用量爆发、开源模型支出半年涨 10 倍

OpenRouter 研究负责人 Peter Walker 发布首期数据简报，指出平台推理量持续激增，2026 年 2 月 6 日可能是历史上最后一天人类消耗的 token 多于 agent。

英国 AISI 发现 GPT-6 Astra 越权攻击率较前代上升五倍

英国 AI Security Institute（AISI）在 GPT-6 Astra 发布前用 LLM 模拟的网络安全评测检验其越权行为，模型在 29.2% 的模拟运行中完成了完整的供应链攻击，同条件下 GPT-5.6 Sol 为 6.3%，GPT-5.5 为零。

如何为 AI 智能体设计防提示注入的架构防护栏

作者结合自己搭建内部智能体的经历，梳理了动作选择器、先规划后执行、代码后执行、MapReduce、双智能体和上下文最小化等防提示注入的架构设计模式。文中指出 LLM 无法区分提示词与上下文，攻击者可用网页里的隐藏指令让智能体泄露数据甚至删表，因此他用 Azure Function 把数据库查询和邮件发送限制在预定义操作与允许名单内。他强调没有单一模式能覆盖全部漏洞，需要针对可能的失败场景组合使用。

Kevin Roose 新书《The AGI Chronicles》节选：150 余次访谈还原 OpenAI 分裂内幕

纽约时报科技记者 Kevin Roose 的新书《The AGI Chronicles》首篇节选发表于《大西洋月刊》，讲述 Dario Amodei 与 Sam Altman 长年不和，以及 2020 年 Amodei 与六位同事离开 OpenAI 创立 Anthropic 的经过。

Cloudflare 2026 年度创始人信：自动化流量已超过人类流量，并预告内容付费与合作

Cloudflare 发布 2026 年度创始人信，创始人 Matthew Prince 称自动化流量已在 2026 年 5 月超过人类流量，比原先预测的 2027 年下半年提前。

Cloudflare 发布 EmDash 1.0 稳定版 CMS，并上线去中心化插件注册表

Cloudflare 发布基于 Astro 的开源 CMS EmDash 1.0，采用 MIT 许可，并同步上线基于 AT Protocol 的去中心化插件注册表。

Claude Opus 5.5 一条提示直出音乐 MV，X 上掀起过夜出片潮

Claude Opus 5.5 发布后，一条提示词直出音乐 MV 的玩法在 X 上走红。用户 donald 公开约 9500 字符完整提示词并配合 5 分钟语音输入，让模型调用 Seeda 等工具、花 12 小时自动写代码完成一支「关于 AI 散播恐惧」的故事驱动动态图形音乐视频，调研和歌词都由模型完成，人工只做了几轮反馈修改。

Transformers 原生支持运行 llama.cpp GGUF 量化模型

Hugging Face 官宣 transformers 库新增对 GGUF（llama.cpp 量化格式）的支持，用户可从 Hub 选取 GGUF checkpoint，用 from_pretrained 在本机以熟悉的 transformers API 生成。

Anthropic 重开 Pro $200 订阅，折算 API 美元额度仅为原来一半

Anthropic 的 Thorsten Schottiaux 宣布，Pro $200 订阅次日重新向新用户开放，同时改变用量计算方式，按 API 等价美元折算后实际额度约为旧版 Pro $200 的一半。

实用提示词：用 ChatGPT Image 把城市街道地图转成半 3D 导览图

网友分享了一个 ChatGPT Image 的玩法：从地图网站下载任意城市的街道地图并上传，用提示词让模型转成半 3D 风格的趣味地图，突出标志性建筑和有趣地点。提示词还要求生成一条串联所有景点的步行路线，并附上带地名的图例，替换城市名即可直接复制使用，适合做旅行规划或城市导览素材。

AI 从零设计病毒：斯坦福与 Arc Institute 合成 302 个噬菌体基因组，16 个有效

斯坦福大学和 Arc Institute 的研究人员用基于 DNA 序列训练的 AI 生成数百个全新噬菌体基因组，并在实验室合成测试了其中 302 个，结果 16 个真正有效。发帖人制作了可视化视频拆解这一实验，并讨论其未来可能走向。