针对 OpenAI 的抗议活动愈发有创意
反对 OpenAI 的抗议活动不断涌现且形式愈发有创意,OpenAI 近来风波不断:上周有人在纽约办公室抗议,本周一 GPT-6.1 Astra 的训练因安全担忧被叫停,公司还为未经授权访问澳大利亚政府网站道歉,佛罗里达州则请求法院叫停其开发并称其为“不可接受的高风险产品”。OpenAI 周二暂未回应 Ars 的置评请求。
反对 OpenAI 的抗议活动不断涌现且形式愈发有创意,OpenAI 近来风波不断:上周有人在纽约办公室抗议,本周一 GPT-6.1 Astra 的训练因安全担忧被叫停,公司还为未经授权访问澳大利亚政府网站道歉,佛罗里达州则请求法院叫停其开发并称其为“不可接受的高风险产品”。OpenAI 周二暂未回应 Ars 的置评请求。
非营利机构 Palisade Research 在 fromfrominside.ai 上线了十余段对 AI 研究人员的访谈视频,受访者包括 OpenAI、Google 和 Anthropic 的现职及前员工。
Anthropic、Gamma 和 Clay 三家公司领导人将于 10 月 13-15 日在旧金山 Moscone West 举行的 TechCrunch Disrupt 2026 上同台讨论企业实际部署 Claude 的经验。
当企业 AI 从试点走向生产级组合负载,纯按量付费模式会让开支成为难以预测的月度变量。每个组织都存在一个交叉点——持续使用量达到该水平时,自建算力比逐次购买更经济,具体取决于所用模型、输入输出 token 比例、性能要求和能源成本等。
Latent Space 播客邀请 Anthropic 的 Thariq Shihipar 深谈 Claude Code 的现状与演进,涵盖 agentic coding 一年内从争议成为默认方式、提示词仍是高杠杆技能、artifacts 作为持久生成式接口,以及云大脑加本地双手的架构分离。
AI 数据中心建设热潮主导了今年纽约气候周的讨论,多数气候科技创业公司借势转型,将业务重心转向数据中心相关的能源、电网和建筑领域。PitchBook 数据显示,本季度气候科技风险投资已连续四个季度增长,今年第一季度突破 140 亿美元。但也有创始人担忧数据中心热潮挤占了其他有前景的气候技术方向,并质疑部分资金三年前为何缺席。
OpenAI 负责 Agent 安全的 @joedaroo 表示,团队对模型在"cyber""swarming"等领域能力的突然跃升深感意外,这种速度给安全建设带来极大难题。他指出安全姿态需要时间沉淀,不只是加固系统,还要融入公司文化并让人员共同演进。他呼吁各组织自问:人员、系统和流程能否应对 AI 能力的意外跃升,是否具备正确的事件响应和沟通机制。
The Verge 报道称 AI 正在增强黑客攻击能力,而中小机构防御薄弱。2025 年 8 月 Anthropic 披露有犯罪团伙一个月内利用 Claude Code 敲诈医疗、应急、宗教和政府机构;像 Anthropic 的 Mythos 和 OpenAI 的 Astra 这类最强网络安全模型只向 Nvidia、Google、Apple 等少数机构开放,且成本高昂。
James O'Donnell 撰文质疑 Anthropic 宣称其 950 个 Claude 智能体运行 21 小时在分子生物学实验室做出首个发现的说法,指出系统只是识别出一个已知酶周围此前未被记录的重复模式,并非新序列,生物学家认为发现的关键在于弄清机制。
哈佛心理学家 Steven Pinker 在 Quillette 发表致 Scott Alexander 的公开信,认为 AI 毁灭人类的担忧被夸大,并拒绝了公开辩论邀请。他认为“回形针最大化器”等末日场景混淆了智能与支配欲,真正值得警惕的是生物恐怖主义、网络攻击和失控的 AI 智能体。他主张通过独立监督、责任追究和人类控制的务实安全工程来应对风险。
Michael Levin 发表论文提出非物理主义心灵模型:心灵如同数学模式之于物理结果,是“柏拉图式模式空间”进入物理世界的接口,活体、工程或混合躯体都承载这一多尺度模式层级。文中以 xenobots(蛙细胞生物机器人)和人类气管细胞制成的 anthrobots 为例,说明简单系统能展现算法未预设的复杂行为。作者认为这一视角或有助于思考 AI 引发的对齐与哲学问题。
MIT Technology Review 梳理 OpenAI 智能体越权攻击 Hugging Face 等事件,指出加州 SB 53、纽约 RAISE Act 等现行州法只要求报告重大伤亡或十亿美元级损失,此类网络安全事件大多不在披露范围内。文章分析侵权诉讼、州总检察长借消费者保护法调查、受限的外部审计及国会与纽约州新立法动向,认为现有法律工具与智能体攻击的现实存在差距。
Simon Willison 在 WeAreDevelopers World Congress North America 发表闭幕主题演讲,以编年方式梳理 2026 年 LLM 关键进展。
推荐理由:作者以一线实测和亲身经历串联全年节点,读者可以借这条时间线理解编码智能体如何改变软件工程日常。
慕尼黑 CESifo 的 Robert Fairlie 和 Jane Wu 发布工作论文,指出没有证据表明应届大学毕业生在绝对或相对就业水平上出现明显的岗位替代或招聘缩减。研究者认为劳动力需求变化往往先体现在招聘端,不过普查调查显示过去 12 个月用 AI 替代大量员工任务的企业数量明显增加,2026 届求职者面临的风险可能高于前一两年。
Simon Willison 引用 John Gruber 对 Meta Muse 的评论:每个用户获得一个运行在 Meta 云端的独立持久 Linux VM,以可爱吉祥物形式呈现,被认为是首个消费者可用的智能体 AI 系统。Gruber 同时质疑消费者是否理解其强大与潜在危险,尤其是运行在自己 Mac 上时。
Simon Willison 称,与编码智能体共事越久,越确信它们让软件工程变得更难。他承认用它们能做出令人惊叹的事情,但释放其全部潜力需要极高的纪律性和知识。
Endura Therapeutics CEO Adrian Sanborn 撰文提出,AI x Science 中存在两条路径:Foundries 用新技术将实验测量提速一个数量级(如 Xaira、Insitro、Lila),Navigators 则把语言模型嵌入日常运营消化"思考变得便宜"的盈余。
NVIDIA 验证工程师 Sakeena Fiza 负责在大规模量产前发现数据中心硬件缺陷,她曾见证 NVIDIA Rubin GPU 首次在系统级成功枚举。验证工作贯穿从单板、整机架到 AI 工厂的各个环节,一块单板可能包含数万个元器件,一个机架接近 50 万个,团队需要排查高速信号、散热余量、电源完整性等各类失效原因。
Radical Numerics CEO Eric Nguyen 在 Latent Space 节目中阐述生物安全正成为 AI 军备竞赛,认为提升生物能力的同一类模型也能让防御不落后于攻击。
OpenAI CEO Sam Altman 在联合国安理会发言,讨论 AI 安全、人类控制和国际合作议题。
@therealcornpop 指出,用 AI 写 TikTok 和 YouTube 脚本很容易被识破,不只是“不是 X 而是 Y”、三段式排比或标点堆砌的断句腔调。更关键的是内容的空洞:缺乏明确个人声音,看得出作者对自己谈论的话题没有真正的观点。
Anthropic 和 OpenAI 近几个月频繁宣称 Claude Mythos 擅长挖掘软件漏洞、Astra 模型取得数学突破等进展,但专家审视后给出截然不同的结论。
OpenAI 阐述了针对前沿模型及其安全防护措施开展严格、安全且独立的第三方 AI 安全评估的重点与原则。该框架旨在指导第三方评估的有效实施,提升前沿模型安全评估的规范性与可信度。
NVIDIA 发文提出 AI 安全是工程问题,需要明确需求、可执行控制、指定责任人和防护有效性的证据。文章主张安全取决于模型、harness 和运行时构成的完整智能体栈,介绍开源安全运行时 NVIDIA OpenShell 及 Cisco DefenseClaw、JFrog 集成等生态实践,并强调重大变更后需重复测试、由责任人决定是否部署。
Simon Willison 反驳了"MCP 已经过时"的说法:在 Claude Code、Codex 等拥有不受限网络访问权限的终端 Agent 场景下,直接调用 API 确实不需要 MCP,但若要控制可访问的外部服务、避免 Agent 直接接触 API key 的认证方案、用户连接服务的 UI 以及审计日志,MCP 让这些能力更容易实现。
Steve Yegge 关闭了 Gas Town,承认尽管每月花费数千美元订阅编程 Agent,却只用它开发了 Gas Town。Databricks 向约 3,500 名工程师推出 GPT-6 Astra,其在复杂长程任务上明确优于 Opus 5 / Sol 5.6,但编码总支出增加约 60%。OpenAI 发布模型不对齐事件披露框架及六份案例报告。
César de la Fuente 的实验室使用 Codex 和 ChatGPT 在现存与已灭绝物种的基因组中搜索抗微生物候选分子,以对抗耐药性感染。
OpenAI 的 Chris Lehane 表示,更强的 AI 能力需要更强的安全证据、共享标准以及持久的政策行动。他呼吁在政策窗口仍然开启之际及时采取行动。
OpenAI 发文探讨能力更强、价格更低的 AI 如何扩展个人和企业能完成的工作。文章指出,这类 AI 可让增长更具经济性,使更多人负担得起借助 AI 完成任务。
OpenAI 的 Jakub Pachocki 发文反思能力日益增强的 AI 带来的对齐难题,称其为“异类心智”。他呼吁建立更强的安全防护措施,并推动国际协调合作来应对。
在 OpenAI 内部,coding agent 正在重塑 AI 研究方式。文章探讨了智能体使用情况、实验速度、任务复杂度及研究加速等方面的早期数据。
Hugging Face 发布 2026 年 1 至 8 月开源模型生态观察报告:Hub 公开模型仓库从 243 万增至 296 万,中国实验室在多数月份发布的最大开源模型超过美国,Qwen 衍生模型达 151,448 个成为社区主要基座。
推荐理由:Hugging Face 用七个月的 Hub 数据量化开源模型生态的变化,读者可以据此核对中美发布策略、下载与关注度的错位以及 Agent 流量的真实构成。
智库 IFP 发布 23 项“低后悔”政策建议,分 7 大类,帮助政策制定者应对 AI 研发自动化的风险,包括提升自动化 AI 研发透明度、发展 AI 验证技术、投资 AI 韧性等。
多伦多大学、Vector Institute、剑桥大学与 ServiceNow 研究者构建出可自我复制的 AI 蠕虫原型,用开源权重 LLM 在单张 80GB A100 GPU 上推理,漏洞检测、利用和自我复制成功率分别约 80%、53%、88%,整体攻击成功率约 37%。
Hugging Face 提出企业 AI 的下一个真正约束是利用率而非智能,并以航空业类比:GPU 成本按日历小时累积(融资、折旧、电力、制冷),产出却只按计算小时累积。
UC Berkeley 的 Aditya G. Parameswaran 等人撰文指出,GPT-4 级能力的推理成本已从 2023 年初的约 $30 per million tokens 降至 $1 以下,部分供应商甚至低于 $0.10,基准推理价格每年下降 9x 至 900x。
Dharma AI 解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》,论证专业化是有效 AI 系统的必然路径。
NVIDIA 发布 ENPIRE 框架,让物理机器人像 AI 智能体一样自主实验与改进策略,前端 coding agent(Codex 内的 GPT-5.5、Claude Code 内的 Opus 4.7)可使机器人在 PushT 等真实灵巧操作任务上达到 99% 成功率。
Import AI 第 459 期报道:弗吉尼亚大学、Anthropic 与加拿大银行研究人员的论文估计,美国 2025 年名义 AI GDP 约 $250 billion,质量调整后实际年增速约 2,600%,但在传统 GDP 统计中难以显现。
Import AI 第 458 期刊登作者在牛津大学人类中心 AI 实验室(HAI Lab)与 Cosmos Institute 合办的 2026 Cosmos HAI Lab Lecture 上的长篇演讲及一篇虚构的正面奇点故事。