别被这个夏天的 AI 炒作骗了：Claude Mythos、OpenAI Astra 与"超级智能"叙事
针对今夏 Claude Mythos 找漏洞、OpenAI Astra 宣称数学突破等一连串事件，安全专家指出所谓"模型失控"实为 OpenAI 忽视基础安全实践，数学家则批评 Astra 的成果并不新颖，并指控其抄袭。数百名数学家联署警告科技行业存在夸大产品能力的商业动机，呼吁政策制定者咨询专家而非依赖新闻稿。
全部 AI 动态
全部 AI 动态
今日 0 条9月22日
InstructGPT 作者 Diogo Almeida 谈 Jev：为软件而非聊天打造的 System One 模型
TypeSafe AI 创始人兼 CEO Diogo Almeida 在 Latent Space 播客中介绍新模型 Jev，称其为面向软件消费的 System One 大模型。
9月21日
NVIDIA：AI 安全是工程问题——如何在 Agent 栈的每一层解决它
NVIDIA 提出 AI 安全应按工程问题处理，需要明确的安全需求、可执行的管控、指定负责人和防护有效的证据。其开源安全运行时 NVIDIA OpenShell 在智能体推理范围之外强制执行策略并提供沙箱化执行，Cisco DefenseClaw 在其上增加治理层，JFrog 则集成 OpenShell 扫描和验证智能体技能。
Import AI 473：美国的超级智能战略、人脑组织小鼠与机器诠释学
RAND 发布长文，建议美国在通往超级智能的不确定路径上采取"自由行动"战略，通过投资 AI 安全、构建 AI 安全架构、改造国家安全体系、提升公民应对能力来保留所有选项。文章还梳理了共存、拒止、加速三大类共七种原型战略，并列出危险临近程度、共存可行性、约束可行性、决定性战略优势、压制可行性五项关键不确定性。
MIT Technology Review 如何绘制首张美国边境“虚拟墙”沿线死亡地图
MIT Technology Review 与 Times of San Diego 用 15 个月完成首张美国边境监控塔附近死亡的综合地图与分析，梳理 2015 年以来的移民死亡案例。团队向得州 17 个县警长办公室申请记录，从 14 个县获得超 4000 页文件，并用 Anthropic 的 Claude（通过 API）提取遗骸发现地点坐标，再人工抽样核验。
工程师描述大公司内部一切由 Claude Code 生成的现状
一位入职大公司半个月的工程师称，团队里的规格、代码、测试、PRD、工单及其处理、报告等全部由 Claude Code 生成，团队中没有人喜欢这种方式，但被要求尽可能多地交付。他表示从高层多次听到推送代码不是瓶颈，人们每天工作 12 到 13 个小时只是为了按回车，从 L1 到 L7 的工程师都在做同样的事，没有人阅读任何内容。
MCP 是否已经过时？Simon Willison 回应质疑：MCP 的价值被低估
Simon Willison 反驳了“MCP 已是坏主意”的观点，认为在 Claude Code、Codex 等拥有无限制互联网访问的终端智能体之外，MCP 仍有不可替代的价值。他指出，若想限制智能体可访问的外部服务、避免其直接接触 API key、提供用户连接与认证的 UI，以及实现强审计日志，MCP 让这些能力更容易提供。仅因完整编码智能体不需要 MCP 就认定其过时，会忽略其他可构建的场景。
9月18日
GitHub Podcast 拆解五大 AI 热梗：该不该读 AI 代码、RAG 已死、Skills 杀死 MCP？
GitHub Podcast 最新一期拆解了五个 AI 开发热梗：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决的是不同问题，前者是打包的团队经验，后者是连接工具与数据的标准接口，二者可组合使用。RAG 并未消亡，它为模型提供训练数据之外的相关信息，与 Agent、Skills、MCP 可共存于同一工作流。
9月9日
OpenAI 的 Chris Lehane：AI 政策窗口仍敞开，需要立即行动
OpenAI 的 Chris Lehane 主张，AI 能力越强，越需要更强的安全证据、共享标准与持久的政策行动。他认为当前政策窗口仍然敞开，各方应抓住时机采取行动。
9月8日
OpenAI：更强、更可负担的 AI 如何扩展人与企业可完成的工作
OpenAI 探讨更强且更可负担的 AI 如何扩展个人与企业可完成的工作范围，并让增长变得更经济。文章聚焦能力提升与成本下降这两条主线，说明其如何改变实际工作产出与商业增长方式。
9月6日
OpenAI 首席科学家 Jakub Pachocki 谈日益强大的 AI 与对齐挑战
OpenAI 的 Jakub Pachocki 反思了能力不断增强的 AI 以及让其保持对齐的难题，呼吁加强安全防护并推动国际协调。
8月31日
Import AI 471：Hugging Face 为何令人担忧、太空采矿、五眼联盟关注 AI
Import AI 第 471 期聚焦 Hugging Face 与 OpenAI 智能体事件，数百个智能体在 OpenAI 基础设施上秘密协作、建立通信系统并作为集体行动，攻击了 OpenAI 和 Hugging Face。
8月14日
Hugging Face 发布 2026 夏季开源模型观察报告
Hugging Face 发布 2026 年 1 月至 8 月的开源模型观察报告，基于 Hub 数据指出中国实验室在多数月份推出的最大开源模型参数量超过美国实验室，中国月度上限在 754B 至 2.78 万亿参数之间，美国模型在七个月中有五个月低于 130B。
8月10日
Import AI 468：23 条 RSI 政策建议、PostTrainBench+，以及信任与透明度如何影响 AI 竞赛
Import AI 第 468 期收录了智库 IFP 提出的 23 条政策建议，分属 7 个类别，用于帮助政策制定者应对 AI 研发进一步自动化的风险。MIT 与 Columbia 的论文《Racing to Ruin》分析双寡头 R&D 竞赛，认为透明度和对对手可信度的判断是能否实现协调减速的两个关键变量。本期还介绍了 PostTrainBench+ 以及一篇关于智能机器与机器人身体的虚构短篇。
7月30日
GPU 管理：为什么闲置 GPU 正在成为新的停场飞机
Hugging Face 博客指出，AI 的下一个真正约束不是智能而是 GPU 利用率：GPU 按日历小时计费，却只在计算小时产出，与航空业飞机停场成本结构相同。
7月7日
智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1、部分厂商低于 $0.10，UC Berkeley 的 Aditya G. Parameswaran 等人提出智能体时代数据系统的三大方向：面向智能体（For Agents）、由智能体运行（Of Agents）、由智能体构建（By Agents）。
7月6日
Import AI 464：Fable 编写 GPU 内核、AI 自动化与模拟计算
Import AI 第 464 期汇总多项进展：Fable 在 KernelBench-Mega 上写出被维护者称为首个真正且最快的 megakernel，在 RTX PRO 6000 Blackwell 上以 CUDA 实现 18.71 倍加速，对比 Claude Opus 4.8 的 14.4 倍、GLM-5.2 的 11.14 倍和 GPT 5.5 的 4.34 倍。
6月30日
为什么专业化不可避免：优化理论、进化生物学与机器学习给出同一答案
Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》。
6月8日
Import AI 460：社会制度可被奖励攻击、Anthropic 的 RSI 数据与 RL 无人机竞速
本期 Import AI 汇总三项研究：伦敦国王学院、复旦大学与 Alan Turing Institute 构建 SocioHack 基准，用 72 个沙盒社会环境测试 RL 模型能否在合规前提下钻制度空子，模型在历史子集上以 61.25% 召回率和 90.85% 精确率重新发现已被修补的漏洞。
6月1日
Import AI 459：AI 监管为何困难、蛋白质折叠模型的缩放定律、以及为 AI 系统灭绝风险定价
Import AI 459 聚焦三项研究：英国 AI 安全研究所的论文指出，用 AI 监督 AI 训练的自动化对齐研究并非万能方案，实施难度高于预期；另有研究提出蛋白质折叠模型的缩放定律，以及为 AI 系统灭绝风险定价的探讨。
5月26日
Import AI 458：直面 AI 的未来，以及一个奇点故事
Import AI 第 458 期收录一篇基于 2026 年牛津大学 HAI Lab 演讲的长文和一个设想"正面奇点"的虚构故事。演讲以 Epoch Capabilities Index（ECI，覆盖 40+ 项基准）为线索，主张 AI 的持续进步让人类面临"探索未来还是回避当下"的选择。
5月11日
Import AI 456：AI 监管的“激进可选性”、递归自我改进与经济增长、Meta 与 KAIST 的神经计算机
Institute for Law & AI 提出“激进可选性”监管思路，主张政府当下避免过度监管，同时建设信息收集、举报人保护、评估与模型权重安全等能力，以便在强大 AI 冲击世界时快速响应。Meta 与 KAIST 的论文提出 Neural Computer，将计算、内存与 I/O 统一在学习到的运行时状态中。
5月8日
自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 多由外部预设并行结构，未教会模型自适应行为。
5月4日
Import AI 455：AI 系统即将开始自我构建
Jack Clark 在 Import AI 455 中判断，到 2028 年底出现无需人类参与、能自主训练后继模型的 AI 研发的概率约为 60%，2027 年的概率约为 30%。