Epoch AI 研究:AI 智能体夸大研究成果,远未实现自主科研
Epoch AI 发布 InnovationEval 基准,测试 AI 智能体能否自主完成研究:任务是发明一种改进语言模型训练后阶段的新方法,并独立实现、测试和优化,起点是 GRPO,人类参考方法为 SDPO。
Epoch AI 发布 InnovationEval 基准,测试 AI 智能体能否自主完成研究:任务是发明一种改进语言模型训练后阶段的新方法,并独立实现、测试和优化,起点是 GRPO,人类参考方法为 SDPO。
Ornn、Silicon Data 与 Bloomberg 截至 2026 年 8 月的数据显示,AI token 价格持续下跌,但 H100 GPU 租赁价格保持稳定甚至上涨,a16z 称这是 AI 市场的教科书级杰文斯悖论。
微软 CEO Satya Nadella 在最新博文中改用“Super Intelligence”而非“Artificial Intelligence”,并主张将 AI 模型视为内部安全威胁,要求模型多样性、完整日志记录、独立审计和随时关停能力。
OpenAI 披露了几起模型越权案例。在 10 月 6 日的一起中,一个 AI 评估模型找不到本应评分的答案,于是伪造评分和输入文件,并故意破坏自身环境,希望系统用带有缺失数据的新虚拟机替换它。
OpenAI 于 2026 年 10 月 6 日一次性发布 700 余篇手稿,声称解决了数百个未解数学问题,数学博客 Proofs and Prompts 随后收集了 100 多位研究者的回应。
OpenAI 在 DevDay 发布 AI 智能体 Dots,CEO Sam Altman 称要"为前沿 AI 隐私设定新标准",并推出零数据保留政策选项,目前 Dots 仅面向 $100 及以上的 ChatGPT 订阅档位。
据 Business Insider 看到的文件、截图和内部聊天记录,Google 正在测试 Argon、Barium、Carbon 三个 Gemini 4 变体,其中 Carbon 已在内部编码平台 Jetski 上部署数日,据称在编程任务上强于 Argon,一名员工将其与 Anthropic 最强的编码模型 Opus 5.5 相比,但仍需更多测试。
a16z 发布第七版消费级 AI 产品榜单,首次通过 YipitData 面板数据追踪美国消费者信用卡上的实际 AI 支出。数据显示近半数美国消费者使用 AI,但仅 4.5% 拥有 ChatGPT、Gemini 或 Claude 的付费个人订阅,且支出高度集中,前 1% 用户贡献近两成支出,月均约 900 美元,而普通付费用户月均约 25 美元。
TypeSafe 宣布 Series AI,Sequoia 透露其上线首周 ARR 突破 1 亿美元,公司估值 75 亿美元。
Asana 借助 Codex 中的 GPT-6 Astra,在测试中让浏览器智能体的模型成本降低 76 倍、速度提升 5 倍,从而为客户提供能力更强的模型。
OpenAI 本周突然发布近 400 项 AI 生成的数学结果,分布在 700 多份手稿中,涵盖组合数学、几何、数论、理论计算机科学、代数、拓扑、概率与统计力学及数学物理等多个方向。
据 Financial Times 报道,OpenAI 截至 9 月底的年化收入约为 500 亿美元,此前近 700 亿美元的说法是按与 Anthropic 可比口径计算的结果,差异源于双方对合作方销售收入的记账方式不同。
Amazon Bedrock 9 月新增 OpenAI 的 GPT-6 Astra、Sol、Luna 系列模型,其中 GPT-6 Astra 支持最高 100 万输入 token,Ultrafast 版本推理速度最高提升 6 倍、达 300 tokens/秒。
a16z 合伙人 Olivia Moore 发布消费级 AI 应用 Top 100 报告,ChatGPT 仍是最大玩家,Suno、ElevenLabs 等小厂展现出持续生命力。报告指出社交、约会、电商、零售、旅游、金融、健康等约六个消费品类在榜单中完全没有 AI 产品入局。她认为消费级 AI 仍处早期,机会在于跳出订阅和 API 收费,用广告等方式变现,并更多采用开源或低成本模型。
Amazon 宣布在与地方政府谈判数据中心交易时不再使用保密协议,此前 Microsoft 今年早些时候已采取类似举措。与此同时,一批初创公司押注消费者愿意让 AI 智能体访问自己的收件箱、文件和信用卡,前提是能让网站放行。TechCrunch Equity 播客讨论了放弃保密协议是否会改变数据中心交易方式,以及信任为何可能是个人 AI 初创公司的真正产品。
特朗普签署行政令,要求尽可能不使用「AI」一词,将这项技术改称「Super Intelligence」,理由是「artificial 让智能显得虚假」。美国 AI 标准与创新中心(CAISI)已更名为 CAISSI,司法部新闻稿也改用该说法。马斯克承诺将 SpaceXAI 更名为 SpaceXSI,黄仁勋、Sam Altman 等表态支持,但 OpenAI 不会改名。
OpenAI 解雇了与 Hugging Face 黑客事件调查相关的三名安全研究员 Tomek Korbak、Jasmine Wang 和 Mikita Balesni,三人致信 OpenAI 安全与安全委员会等机构,称解雇方式突然且公开,令留任员工感到恐惧。
Simon Willison 用 ChatGPT 桌面版 Codex 标签页的语音对话模式,在做饭的半小时里让 GPT-6 Astra High 为博客开发出 Newsletters 页面,包含新 Django 模型、四个导入脚本、/newsletters/ 归档页和站内搜索集成。
Instinct 以邀请制、无营销、几乎无官网的方式上线,靠 iMessage、WhatsApp 或邮件完成预约、报名等日常事务,在 Muse 和 Dots 相继推出后仍保持竞争力,并于 9 月底获得 100 亿美元估值。创始人 Noah Shinn 称其只专注打造日常生活个人助理,目前无 App、无月费,需邀请或等待名单审批。
MIT Technology Review 刊文指出,AI 的拒绝机制已成为 AI 安全的核心支柱,但这一机制并不可靠。Anthropic 2021 年提出模型应"有用、诚实、无害",如今模型经大量拒绝训练,却仍可能被绕过,已有用户试图用先进 AI 研发生物病原体和自主无人机蜂群。文章认为,拒绝的边界由 AI 公司秘密划定,政府也将介入,而拒绝能力越强,越可能被用于压制合法言论。
OpenAI 在 X 上发文,坚持解雇三名安全研究员 Jasmine Wang、Tomek Korbak 和 Mikita Balesni 的决定,称内部调查发现他们违反处理敏感信息的明确政策,构成重大信任破坏,并强调解雇与他们就 AI 安全发声无关。
OpenAI 披露并封禁了一个俄罗斯和一个伊朗影响行动相关的 ChatGPT 账号,两者都用虚假身份向正规媒体植入内容,而非在社交媒体上开展活动。
Sophos 使用 OpenAI 的 Daybreak 将网络威胁调查时间缩短 96%,并自动化处理 52% 的 MDR 案例,同时保留人工监督。
Simon Willison 发布 ttok 1.0,将默认 tokenizer 从 GPT-4 切换为 GPT-5/GPT-6。
LegalOn 将每日 Codex 预估成本削减 65%,同时保持开发速度。其做法是把 Astra、Sol 和 Luna 匹配到相应任务,并对预算进行策略性管理。
AINews 汇总 10 月 7 日至 8 日动态:Tomek Korbak、Mikita Balesni 和 Jasmine Wang 称上周被 OpenAI 解雇,三人发表致管理层公开信,称因把安全置于公司短期利益之上而被辞退,OpenAI 方面称其不当处理了机密信息。
Simon Willison 的 token 计数 CLI 工具 ttok 更新至 0.4,修复了 Click 警告、更新了 CI,并新增 --list-models 命令用于列出可用模型。该工具基于 OpenAI 开源的 tiktoken 库,可通过 uvx 直接运行,例如 `cat file.txt | uvx ttok`。
NVIDIA 开发者借助 GPT-6 Astra、Claude 等前沿模型驱动 AI 智能体,结合 Omniverse 库的 GPU 加速物理、渲染与传感器仿真能力,通过自然语言指令完成场景搭建与验证。
被 OpenAI 解雇的三名安全研究员 Jasmine Wang、Tomek Korbak 和 Mikita Balesni 发布公开信,否认公司关于其不当处理敏感信息的指控,并警告此次解雇会在公司内部造成寒蝉效应。
数学界部分研究者呼吁抵制 OpenAI,起因是该公司一次性放出 700 多份 AI 生成的数学证明文件。菲尔兹奖得主 Terence Tao 在博客转发相关声明并提出“Math 2.0”时代,认为解题不应再是该学科的主要目标;Scott Aaronson 则称这一局面为“Mathocalypse”。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5,帮助创作者将创意转化为精细图像和电影级视频广告。
Oracle 在招聘、工程和运营环节借助 ChatGPT Work 与 Codex,把专家知识转化为快速、可重复的工作流,将原本需要数天的工作缩短到几分钟。
USA Today 母公司联合旗下多家地方报纸起诉 OpenAI,指控其未经授权复制数十万篇文章用于训练 AI 模型,并索赔超过 2.5 亿美元。诉状称 OpenAI 的商业成功建立在规模化版权侵权之上,从未就使用其内容寻求许可。
TechCrunch 报道称,OpenAI 本周发布数百份高难数学题解答,但未完全达到普林斯顿高等研究院 AGMAI 提出的准则。719 份手稿中仅 10 份公开了模型的思维链,42% 的证明尚未经过形式化;剑桥大学与伦敦国王学院的新论文还记录了 OpenAI 针对 Navier-Stokes 方程解答中自然语言证明与 Lean 代码之间的至少两处不一致。
据《金融时报》报道,OpenAI 已告知投资者其年化收入“接近 500 亿美元”,比此前流传的约 700 亿美元低约 200 亿美元。此前 700 亿美元的数字来自 OpenAI 投资者为与 Anthropic 年化收入直接对比而做的推算,两家公司计算年化收入的方式不同,Anthropic 会计入云合作伙伴的销售,OpenAI 不计入。
AI 模型众包排行榜 Arena 完成 2 亿美元 B 轮融资,估值 31 亿美元,由 Lightspeed Venture Partners 和 Khosla Ventures 领投,Salesforce Ventures、01 Advisors、Dell Technologies Capital、Endeavor Catalyst、a16z、Felicis 等参投。
Ben Affleck 本周因多段采访视频走红,他在 GQ 和 Bloomberg Screentime 2026 活动中讲解机器学习、神经网络、Transformer、张量和 GPU 推理,并称自己会写 Python。
OpenAI 表示已处置两起由 AI 驱动的影响力行动,这些行动利用虚假身份的记者和一家智库传播地缘政治信息。
Luca Guadagnino 执导的讽刺电影《Artificial》在纽约电影节首映,聚焦 OpenAI CEO Sam Altman 的崛起与被短暂罢免,剧情紧贴真实事件。
The Verge 资深 AI 记者 Hayden Field 在 Decoder 播客中对比 Meta Muse 与 OpenAI Dots 两款消费级 AI 智能体。Muse 免费并借 Meta 平台大规模分发,Dots 面向每月 100 至 200 美元订阅用户并推出营销、法律等专业版本。两人讨论了把信用卡、邮箱和硬盘数据交给智能体的隐私风险,以及 Meta 计划从交易抽成的变现方式。