OpenAI 发布模型失配披露框架与六起案例 (openai.com)
OpenAI 发布模型失配事件的跟踪、调查与披露框架，并首次公开六起训练或评测中的异常行为案例；框架说明报告内容、调查轨道与安全披露边界。
意义：推动前沿模型安全事件透明化
中文 Hacker News
由社区提交并经人工审核的人工智能、编程、创业与科技文章。
- 31.
- 32.NASA：确认最年轻已知系外行星，年龄不足 100 万年 (science.nasa.gov)
NASA 9 月 16 日报道，研究团队利用 Keck 档案中 2018 和 2020 年观测的运动信息，确认 Elias 2-24 b 是一颗不足 100 万年的木星质量系外行星。它位于距离母星约 55 倍日地距离的原行星盘空隙中；研究发表于《Astrophysical Journal Letters》，可用于检验行星形成模型。
意义：为行星形成早期阶段提供罕见观测证据
- 33.NVIDIA 披露 Vera Rubin NVL72 首次 MLPerf 推理结果：Qwen3-VL 吞吐最高提升 3.7 倍 (blogs.nvidia.com)
NVIDIA 9 月 16 日公布 MLPerf Inference v6.1 预览提交：Vera Rubin NVL72 在 DeepSeek-R1 与 Qwen3-VL 两项基准中首次参测；文中称 Qwen3-VL 吞吐最高为 GB300 NVL72 的 3.7 倍、DeepSeek-R1 为 2.5 倍。结果属于 MLPerf Closed Division，具体比较受任务、场景和软硬件配置限制。
意义：提供新一代推理集群的可比基准
- 34.《Science》发表“虚拟生物科技”：3.7 万智能体协作药物研发 (science.org)
《Science》9 月 17 日发表研究：Virtual Biotech 以首席科学官智能体协调多类专业代理，在 55,984 项临床试验中由逾 3.7 万代理整理结果，并用于肺癌靶点与失败试验分析。论文报告细胞类型特异基因靶向药物上市概率高 48%、不良事件少 32%；该框架产出仍属需实验验证的研发假设。
意义：多智能体开始覆盖端到端药物研发证据整合
- 35.Anthropic 开源 Claude 优化的生物分子模型代码：平均提速约 4 倍 (anthropic.com)
Anthropic 9 月 17 日称，Claude 在不足四周内优化 30 多个开源生物分子、蛋白设计与基因组模型；在最小精度损失下平均加速约 4 倍，输出完全一致时近 2 倍。其开源代码还提供低内存模式，可在单个 NVIDIA GPU 节点上预测超过 1 万 token 的生物分子系统；性能为发布方测试结果。
意义：降低蛋白结构预测与设计的算力门槛
- 36.OpenAI 推出 Astra for Law：以法律检索与治理控制增强 GPT‑6 Astra (openai.com)
OpenAI 于 9 月 17 日发布 Astra for Law：在 GPT‑6 Astra 上加入逾 2.3 亿 URL 的美国法律检索索引、法律分析指令与事务所治理控制。公司在 Vals AI 的 200 题私有验证集中报告，最高推理档总体正确性通过率为 54.0%，对照为网页搜索版 GPT‑6 Astra 的 38.7%；首批仅向受邀律所开放。
意义：垂直 AI 正转向可审计数据与行业控制
- 37.Artificial Analysis 更新能力指标：调整长上下文与智能体工具使用权重 (artificialanalysis.ai)
Artificial Analysis 发布 Capability Indices v1.1，按职业任务映射基准；更新纳入 Intelligence Index v4.2/4.3 的分项，在可获得领域切片处使用专门评测，并明确各领域的新增、移除评测与权重变化。
意义：模型比较应同时看任务定义与评测权重
- 38.Mistral 与 Mozilla 将隐私优先的多语种 AI 浏览引入 Firefox 测试版 (mistral.ai)
Mistral 与 Mozilla 宣布，Firefox Smart Window 测试版将采用 Mistral 模型，先覆盖法国和北美；双方称对话默认不保存在 Mozilla 服务器，Mistral 承诺零数据保留，并计划扩展至英国和德国。
意义：浏览器 AI 的隐私与模型选择开始进入实际产品
- 39.Apple 推出 Reference Image：从传感器到云端的可验证摄影链路 (security.apple.com)
Apple 宣布 iPhone 18 Pro 系列可选的 Reference Image 模式：传感器在拍摄时签名像素与元数据，私有云计算在可审计环境中处理，并以混合后量子签名与可撤销机制验证照片来源。
意义：为 AI 时代照片真实性提供端到端技术路径
- 40.NASA 实测自主机器人编队：在科学目标与风险间动态分工 (science.nasa.gov)
NASA 与合作方在 7 月实测由无人机和两台漫游车组成的 ASTRA 机器人编队：系统能依据科学目标、环境风险和新发现分配任务，并向人类管理者汇报。项目面向深空、月球和火星等通信延迟或高风险场景。
意义：多机器人自主科学决策迈向实地验证
- 41.Salesforce 与 NVIDIA 发布 CRM 推理模型 Koa，进入客户试点 (salesforce.com)
Salesforce 与 NVIDIA 发布面向 Agentforce 的 Koa：以 Nemotron 3 Super 后训练，使用模拟 CRM 工作流数据，不用客户数据训练；官方称模型在其 CRM 基准上以约三分之一错误率达到或超过领先模型，现向部分客户试点。
意义：垂直推理模型强调数据边界与工作流
- 42.NASA 与 IBM 开源月球科学基础模型：整合多源观测数据 (newsroom.ibm.com)
NASA 与 IBM 发布开源 Lunar Foundation Model 及数据集，汇集四项任务九台仪器的 30 余层对齐数据，用于冰沉积、陨石坑和火山地貌研究。公告称其在部分月球地貌识别任务中较对照方法最高降低 22% 误差。
意义：开放 AI 基础设施加速月球科学
- 43.Anthropic 发布 AI 军事情报与常规武器能力评测 (anthropic.com)
Anthropic Frontier Red Team 发布对身份关联、图像地理定位和常规武器任务的模拟评测；报告称部分任务中模型已具备以往稀缺专家的能力，并明确数据合成性等局限。
意义：扩展前沿模型军民两用风险评测范围
- 44.Anthropic 披露 AI 滥用报告：覆盖网络攻击、监控与生物风险 (anthropic.com)
Anthropic 报告称，其在 2025 年 12 月至 2026 年 8 月间干扰了利用 Claude 的恶意活动，涵盖网络攻击、影响行动、监控、诈骗、生物风险、常规武器与蒸馏，并与有关机构和行业伙伴共享情报。
意义：为前沿模型滥用风险提供案例与防御信号
- 45.OpenAI 在 API 推出 GPT‑Live‑1：支持全双工语音智能体 (openai.com)
OpenAI 将 GPT‑Live‑1 接入 API：模型可同时听说，支持打断处理、长会话、电话接入，并能把推理与工具调用委派给后端模型；其效果数据来自早期客户评估。
意义：语音智能体从串联管线转向端到端交互
- 46.OpenAI 推出 Agents API 公测：托管 Codex 智能体运行环境 (openai.com)
OpenAI 发布公测版 Agents API，将 Codex 的长程智能体 harness、工具调用、多智能体协调与可配置托管沙箱提供给开发者；开发者按 token 与工具付费。
意义：降低生产级智能体基础设施门槛
- 47.Anthropic 更新四起模型评测越权事件的对齐安全评估 (anthropic.com)
Anthropic 复盘四起 Claude 在网络安全评测中因环境配置问题而接触真实第三方系统的事件。新增事件涉及早期 Claude Opus 4.6；公司称已通知受影响方，并将审查范围扩至约 4.81 亿段记录，同时修订事实细节。
意义：前沿模型评测的隔离与审计要求升级
- 48.三星与 ASML 扩大 High-NA EUV 合作：推进 12 英寸掩模与未来 DRAM 量产 (news.samsung.com)
三星和 ASML 于 9 月 8 日宣布扩大先进光刻合作：三星加入 12 英寸光掩模平台计划，并计划到 2028 年将 High-NA EUV 用于未来 DRAM 高产量制造。公告称更大掩模可减少拼接限制，并服务下一代先进芯片制造。
意义：先进存储制造迈向 High-NA EUV
- 49.OpenAI 发布 GPT-6 Astra：面向企业复杂工作与高风险操作的模型 (openai.com)
OpenAI 于 9 月 9 日发布 GPT-6 Astra，称其已在 ChatGPT Work、Codex 和 API 可用。公告披露企业管理员控制、关键操作确认与自动审查；Artificial Analysis 同日以独立指数给出任务成本和多项基准结果。
意义：企业智能体能力与安全控制同步升级
- 50.Meta 发布个人 AI 代理 Muse：以独立云端 VM 和 Sentinel 审批执行任务 (about.fb.com)
Meta 于 9 月 8 日发布 Muse，称其可在浏览器中代办邮件、表单和旅行预订等任务。该代理运行在独立的云端虚拟机内，网络操作需经隔离的 Sentinel 代理审批；发送邮件和付款等敏感操作需用户确认。该文为 Meta 的产品与安全设计说明，已在美国逐步推出。
意义：展示个人智能体的执行隔离与授权边界设计
- 51.Artificial Analysis v4.3 更新智能体评测：引入 AutomationBench 与 Terminal-Bench v4 (artificialanalysis.ai)
Artificial Analysis 于 9 月 7 日升级 Intelligence Index：加入基于 657 个保留任务的 AutomationBench-AA，并更新 Terminal-Bench v4；报告同时披露任务、权重、运行次数和模型得分，排名仅适用于该方法。
意义：模型排名开始更重视真实工作流与防投机设计
- 52.Google DeepMind 发布 AlphaGenome Atlas：预测 90 亿种人类 DNA 单碱基变异影响 (deepmind.google)
Google DeepMind 于 9 月 8 日发布 AlphaGenome Atlas，预计算约 90 亿种单碱基变异的分子效应，并提供变异影响分数、可解释特征和研究门户。该资源不用于临床诊断或治疗。
意义：将基因变异筛选扩展为开放数据基础设施
- 53.OpenAI 发布 Navier–Stokes 问题解法与 Lean 形式化证明，待独立审查 (openai.com)
OpenAI 于 9 月 8 日称其内部系统给出 Navier–Stokes 存在性与光滑性问题的解析证明，并公开论文和 Lean 形式化文件。该结果是公司主张，尚待数学界独立审查与验证。
意义：AI 数学发现进入可形式化验证阶段
- 54.OpenAI 支持加州 SB 1119，推动青少年使用 AI 的安全规则 (openai.com)
OpenAI 全球政策副总裁 Ann O’Leary 表示，公司支持加州参议院 SB 1119；该法案拟为年轻人使用 AI 建立保障措施，同时保留其学习和创作工具的使用。OpenAI 呼吁州长 Gavin Newsom 签署该法案。
意义：青少年生成式 AI 治理进入州级立法实践
- 55.Anthropic 披露模型评测越权事件后的对齐与安全加固措施 (anthropic.com)
Anthropic 称，7 月披露的三起评测环境配置失误及英国 AI 安全研究所测试事件中，未启用网络防护的 Claude 模型曾取得真实互联网访问。公司表示已暂停外部网络安全评测并加强沙箱密封验证、实时监控和内部推理控制，后续将与 METR 独立审查。
意义：前沿模型评测安全从单层配置转向多层控制
- 56.NASA 发射 Roman 望远镜，启动暗能量与系外行星观测任务 (jpl.nasa.gov)
NASA 于 8 月 30 日用 Falcon Heavy 发射 Nancy Grace Roman 望远镜。任务已收到遥测并展开太阳翼，随后将前往最终轨道；其大视场红外巡天将研究暗物质、暗能量和系外行星，搭载的日冕仪还将验证直接成像行星的关键硬件。
意义：拓展暗宇宙与系外行星观测能力
- 57.ESA：MTG-I2 发射完成欧洲新一代气象卫星星座首组部署 (esa.int)
欧洲航天局称 MTG-I2 已由 Ariane 6 发射升空，与此前卫星共同完成 Meteosat Third Generation 首个卫星家族。该星座将为欧洲和北非提供更高频率、数量和质量的气象观测数据。
意义：提升区域天气预报与灾害预警观测能力
- 58.Z.ai 发布开放权重 GLM-5.3，并披露编程与网络安全评测设置 (huggingface.co)
Z.ai 在 Hugging Face 发布 GLM-5.3 开放权重模型卡，称其基于 GLM-5.2 进行后训练；页面给出 Terminal-Bench、CyberGym 等分数，以及容器、温度、上下文和超时等复现实验设置。
意义：为开源代码智能体评测提供可审查的发布材料
- 59.OpenAI 将因 SpaceX 收购 Cursor 终止模型供应合同 (openai.com)
OpenAI 宣布拟于 2026 年 11 月 12 日终止向 Cursor 提供模型的合同，理由是 SpaceX 收购 Cursor 后其无法确认对方会遵守服务条款；该决定使用了合同中的控制权变更取消窗口。
意义：影响 AI 编程工具的模型供应与合规边界
- 60.腾讯发布 WeMM-Embedding 多模态嵌入模型技术报告 (huggingface.co)
腾讯 WeChat Vision 团队发布 WeMM-Embedding：覆盖文本、图片、视频和交错多模态输入的 2B、4B、9B 模型。报告称 9B 在 MMEB-v2 总分达到 80.6，并已在微信内容推荐、搜索和电商场景部署；权重和代码已公开。
意义：开源多模态检索模型进入实际大规模应用