「科学语法」大模型LOGOS开源：以纯序列打通多领域AI4S建模
阿里巴巴旗下 ATH-Token Foundry 联合中国人民大学高瓴人工智能学院，开源了多领域科学生成大模型 LOGOS。不同于针对结构预测、分子生成分立训练专家模型，LOGOS 首次在 LLM 架构内实现了蛋白质、小分子、材料和化学反应的原生统一建模与生成。
核心突破在于将三维空间接触模式编码为 Token 序列。LOGOS 无需输入 3D 坐标即可捕捉空间互作，消除了预训练与下游任务的偏差。预训练语料库达 448.7 亿 tokens，完整覆盖蛋白质、小分子、化学反应等 7 类科学模态。
在六大任务评测中，1B 参数量的 LOGOS-1B 仅以 1/56 的参数规模，在多项任务上超越 56B 参数量的 NatureLM。在 AI 制药关键的口袋配体生成中，LOGOS 首次以纯序列范式击败了依赖 3D 坐标的扩散模型；在逆合成预测中取得 74.8% 的 Top-1 准确率。目前，LOGOS 已完整开源模型权重、推理代码与学术论文。
信源：https://mp.weixin.qq.com/s/50q5uY849FKnBzk1Q04MRg
阿里巴巴旗下 ATH-Token Foundry 联合中国人民大学高瓴人工智能学院，开源了多领域科学生成大模型 LOGOS。不同于针对结构预测、分子生成分立训练专家模型，LOGOS 首次在 LLM 架构内实现了蛋白质、小分子、材料和化学反应的原生统一建模与生成。
核心突破在于将三维空间接触模式编码为 Token 序列。LOGOS 无需输入 3D 坐标即可捕捉空间互作，消除了预训练与下游任务的偏差。预训练语料库达 448.7 亿 tokens，完整覆盖蛋白质、小分子、化学反应等 7 类科学模态。
在六大任务评测中，1B 参数量的 LOGOS-1B 仅以 1/56 的参数规模，在多项任务上超越 56B 参数量的 NatureLM。在 AI 制药关键的口袋配体生成中，LOGOS 首次以纯序列范式击败了依赖 3D 坐标的扩散模型；在逆合成预测中取得 74.8% 的 Top-1 准确率。目前，LOGOS 已完整开源模型权重、推理代码与学术论文。
信源：https://mp.weixin.qq.com/s/50q5uY849FKnBzk1Q04MRg
OpenAI推出生物基准LifeSciBench，GPT-Rosalind通过率仅36%
OpenAI 联合 173 名生物技术与制药研发领域的博士级科学家，推出全新的评测基准 LifeSciBench，用以衡量并改善 AI 对真实世界生命科学研究的支持能力。相较于侧重窄领域知识记忆或单步回答的传统评测，LifeSciBench 聚焦于科研工作流中的多步推理与不确定性决策。
整个评测包含 750 个专家撰写任务并经过 453 名同行评议人验证，覆盖证据处理、数据分析、设计与优化、科学推理、验证与操作、转化、科学传播 7 个工作流。为了模拟真实科研协作，LifeSciBench 引入了序列文件、图表、分子结构、PDF 论文等 1,062 个科学制品。有 53% 的任务包含这些制品，79% 的任务需要多步推理（平均约 4 步）。评测最终通过专家制定的 19,020 条细粒度标准进行打分。
首批评测结果显示，现有的前沿大模型在应对真实生命科学研究时仍面临极高门槛。OpenAI 专为生物医药研发设计的推理模型 GPT-Rosalind（今年 4 月开启预览）取得了最佳成绩，但也仅实现了 36.1% 的任务通过率（标准化得分 0.576）。在需要处理复杂制品的任务中，GPT-Rosalind 的通过率进一步降至 28.1%。目前，有 171 个任务（占比 22.8%）在所有被测模型中通过率均为 0%，属于当前全行业大模型均无法攻克的绝对死角。
信源：https://openai.com/index/introducing-life-sci-bench/
OpenAI 联合 173 名生物技术与制药研发领域的博士级科学家，推出全新的评测基准 LifeSciBench，用以衡量并改善 AI 对真实世界生命科学研究的支持能力。相较于侧重窄领域知识记忆或单步回答的传统评测，LifeSciBench 聚焦于科研工作流中的多步推理与不确定性决策。
整个评测包含 750 个专家撰写任务并经过 453 名同行评议人验证，覆盖证据处理、数据分析、设计与优化、科学推理、验证与操作、转化、科学传播 7 个工作流。为了模拟真实科研协作，LifeSciBench 引入了序列文件、图表、分子结构、PDF 论文等 1,062 个科学制品。有 53% 的任务包含这些制品，79% 的任务需要多步推理（平均约 4 步）。评测最终通过专家制定的 19,020 条细粒度标准进行打分。
首批评测结果显示，现有的前沿大模型在应对真实生命科学研究时仍面临极高门槛。OpenAI 专为生物医药研发设计的推理模型 GPT-Rosalind（今年 4 月开启预览）取得了最佳成绩，但也仅实现了 36.1% 的任务通过率（标准化得分 0.576）。在需要处理复杂制品的任务中，GPT-Rosalind 的通过率进一步降至 28.1%。目前，有 171 个任务（占比 22.8%）在所有被测模型中通过率均为 0%，属于当前全行业大模型均无法攻克的绝对死角。
信源：https://openai.com/index/introducing-life-sci-bench/
OpenAI
Introducing LifeSciBench
Introducing LifeSciBench, an expert-authored, expert-reviewed benchmark for evaluating how AI systems handle real-world life science research tasks and decisions.
❤1
算力租赁服务商Baseten拟敲定15亿美元融资，双层估值冲上130亿美元
AI 推理服务商 Baseten 正在敲定新一轮 15 亿美元融资。相比三个月前谈判中拟以 110 亿美元估值融资 10 亿美元的方案，最终确定的融资规模扩大了 5 亿美元。估值也调整为双层结构，部分投资者按 110 亿美元估值认购，另一部分按 130 亿美元估值跟投。本轮由 Altimeter Capital、Conviction、Spark Capital、Sands Capital 与 Wellington Management 联合领投，这也是 Wellington Management 首次投资 AI 推理赛道。
Baseten 在 20 家云服务商的算力之上搭建软件层，帮助企业微调和运行开源模型，当前客户包括编程助手 Cursor、Mercor 和 OpenEvidence。随着 DeepSeek、Kimi 以及英伟达 Nemotron 等开源模型性能直逼闭源前沿模型，企业开始转向混合架构以控制成本。Baseten 首席执行官 Tuhin Srivastava 表示，在特定任务中改用开源模型，成本仅为闭源模型的 30%。
开源模型爆发拉动了对底层算力的强劲需求，Baseten 营收也随之暴增。截至 2026 年第一季度末，年化经常性收入已从季度初的 2 亿美元增长至 6 亿美元，比去年同期翻了 20 倍。不过，Baseten 依靠向云巨头租用 GPU 再转售，面临毛利率被挤压的风险。即便面临利润隐忧，通常表现谨慎的机构投资人 Wellington Management 依然入局，完成了在 AI 推理市场的首笔投资，被业内视为算力中介赛道具备持久生命力的信号。
信源：https://www.wsj.com/tech/ai/the-13-billion-ai-startup-betting-on-cheaper-alternatives-to-openai-anthropic-b9679603
AI 推理服务商 Baseten 正在敲定新一轮 15 亿美元融资。相比三个月前谈判中拟以 110 亿美元估值融资 10 亿美元的方案，最终确定的融资规模扩大了 5 亿美元。估值也调整为双层结构，部分投资者按 110 亿美元估值认购，另一部分按 130 亿美元估值跟投。本轮由 Altimeter Capital、Conviction、Spark Capital、Sands Capital 与 Wellington Management 联合领投，这也是 Wellington Management 首次投资 AI 推理赛道。
Baseten 在 20 家云服务商的算力之上搭建软件层，帮助企业微调和运行开源模型，当前客户包括编程助手 Cursor、Mercor 和 OpenEvidence。随着 DeepSeek、Kimi 以及英伟达 Nemotron 等开源模型性能直逼闭源前沿模型，企业开始转向混合架构以控制成本。Baseten 首席执行官 Tuhin Srivastava 表示，在特定任务中改用开源模型，成本仅为闭源模型的 30%。
开源模型爆发拉动了对底层算力的强劲需求，Baseten 营收也随之暴增。截至 2026 年第一季度末，年化经常性收入已从季度初的 2 亿美元增长至 6 亿美元，比去年同期翻了 20 倍。不过，Baseten 依靠向云巨头租用 GPU 再转售，面临毛利率被挤压的风险。即便面临利润隐忧，通常表现谨慎的机构投资人 Wellington Management 依然入局，完成了在 AI 推理市场的首笔投资，被业内视为算力中介赛道具备持久生命力的信号。
信源：https://www.wsj.com/tech/ai/the-13-billion-ai-startup-betting-on-cheaper-alternatives-to-openai-anthropic-b9679603
The Wall Street Journal
Exclusive | The $13 Billion AI Startup Betting on Cheaper Alternatives to OpenAI, Anthropic
Baseten, part of a growing Silicon Valley ecosystem offering services to enable low-cost AI models, is raising $1.5 billion in a new round.
「干净代码」与逐行审查已死，Ramp主管宣告AI终结传统软件开发
Ramp 应用 AI 主管 Rahul Gupta 指出，下一代大模型正将编程转变为「自然语言到代码的解释器」，传统软件开发逻辑正面临根本性颠覆。Gupta 警告，随着即将推出的 Anthropic Fable 等模型在代码正确率上跨越问题与输出的复杂度，死守「干净代码」与低风险区域的人工逐行审查已无必要，逐行审查应仅保留给涉及安全与资金的高风险核心模块，软件开发的重点必须转向系统性的实证验证与主动拥抱技术债务。
在新的开发范式下，AI 极大地降低了重构成本，合理的抽象与完美架构正变得不再重要。开发团队可以接受增加 50% 冗余代码来换取 5% 的性能提升，将累积的技术债务直接留给后续更智能的模型去维护。Gupta 指出，软件交付的瓶颈已全面转移到「评审与合并」环节。对于低风险模块，应当像对待神经网络一样直接视作「黑盒」，通过隔离沙箱并完全切断对数据库与网络的外部出站访问权限，在 CI 流程中进行成千上万次真实输入的实证检验，来替代低效的手工逐行逻辑验证。
Claude Code 之父 Boris Cherny 对 Gupta 的颠覆性言论表示强烈赞同，并补充称，既然模型已经能够正确生成绝大部分任务代码，人类的核心工作转变为大模型与验证器设计闭环运行的安全防护网，不断消除工程流程中的各种系统瓶颈。
信源：https://x.com/rahulgs/status/2067257255825686880
Ramp 应用 AI 主管 Rahul Gupta 指出，下一代大模型正将编程转变为「自然语言到代码的解释器」，传统软件开发逻辑正面临根本性颠覆。Gupta 警告，随着即将推出的 Anthropic Fable 等模型在代码正确率上跨越问题与输出的复杂度，死守「干净代码」与低风险区域的人工逐行审查已无必要，逐行审查应仅保留给涉及安全与资金的高风险核心模块，软件开发的重点必须转向系统性的实证验证与主动拥抱技术债务。
在新的开发范式下，AI 极大地降低了重构成本，合理的抽象与完美架构正变得不再重要。开发团队可以接受增加 50% 冗余代码来换取 5% 的性能提升，将累积的技术债务直接留给后续更智能的模型去维护。Gupta 指出，软件交付的瓶颈已全面转移到「评审与合并」环节。对于低风险模块，应当像对待神经网络一样直接视作「黑盒」，通过隔离沙箱并完全切断对数据库与网络的外部出站访问权限，在 CI 流程中进行成千上万次真实输入的实证检验，来替代低效的手工逐行逻辑验证。
Claude Code 之父 Boris Cherny 对 Gupta 的颠覆性言论表示强烈赞同，并补充称，既然模型已经能够正确生成绝大部分任务代码，人类的核心工作转变为大模型与验证器设计闭环运行的安全防护网，不断消除工程流程中的各种系统瓶颈。
信源：https://x.com/rahulgs/status/2067257255825686880
X (formerly Twitter)
rahul (@rahulgs) on X
1. as a mental model it is more correct to think of fable+ class models as english -> code interpreters - converts your idea into code into "correct" code regardless of problem complexity and output complexity (diff size). Fable 5 will be the worst of this…
❤1
米哈游原国际化总裁金雯怡加盟月之暗面，全面负责Kimi业务线商业化
米哈游原国际化总裁金雯怡加入国内大模型初创公司月之暗面（Moonshot AI），全面负责旗下核心产品 Kimi 智能助手的业务线。
金雯怡于 2017 年加入米哈游，从零搭建海外发行、本地化运营以及海外社群体系。在职期间，主导建立海外独立品牌 HoYoverse，推动《崩坏 3》覆盖 200 多个国家与地区。2020 年《原神》全球上线首月斩获 2.45 亿美元，登顶全球手游收入榜，随后的《崩坏：星穹铁道》与《绝区零》也成功落地海外。多款核心游戏的海外推广，推动米哈游从本土二次元厂商转型为全球化游戏 IP 公司。4 月底，金雯怡宣布离职，业务交接给前哔哩哔哩副总裁王宇阳。
月之暗面目前正处于从技术积累转向商业化落地的阶段。引入在出海与全球化运营领域有近 10 年经验的金雯怡，显示月之暗面正加速布局 Kimi 商业化与海外市场拓展。
信源：https://mp.weixin.qq.com/s/2egr6sCg1mek4nsaJYjBeA
米哈游原国际化总裁金雯怡加入国内大模型初创公司月之暗面（Moonshot AI），全面负责旗下核心产品 Kimi 智能助手的业务线。
金雯怡于 2017 年加入米哈游，从零搭建海外发行、本地化运营以及海外社群体系。在职期间，主导建立海外独立品牌 HoYoverse，推动《崩坏 3》覆盖 200 多个国家与地区。2020 年《原神》全球上线首月斩获 2.45 亿美元，登顶全球手游收入榜，随后的《崩坏：星穹铁道》与《绝区零》也成功落地海外。多款核心游戏的海外推广，推动米哈游从本土二次元厂商转型为全球化游戏 IP 公司。4 月底，金雯怡宣布离职，业务交接给前哔哩哔哩副总裁王宇阳。
月之暗面目前正处于从技术积累转向商业化落地的阶段。引入在出海与全球化运营领域有近 10 年经验的金雯怡，显示月之暗面正加速布局 Kimi 商业化与海外市场拓展。
信源：https://mp.weixin.qq.com/s/2egr6sCg1mek4nsaJYjBeA
❤1
钉钉新CEO陈宇森发布首封全员信，启动向Agent友好的「双引擎」AI改造
钉钉新任 CEO 陈宇森（落款为「宇森 悟空事业部 CEO」）上任一周后发布首封内部信，对悟空事业部进行全面组织调整。陈宇森将钉钉和「悟空」两个产品定位为「双引擎」，提出要对过去已有的业务全面做好 AI 化改造，使其成为未来 Agent 友好的基础设施。
在组织架构调整中，主要变动包括：
1. 核心平台业务部：由朱鸿（此前为钉钉 CTO，2025 年随前 CEO 无招一同回归阿里）负责，向陈宇森汇报，核心负责钉钉等业务。
2. 悟空团队：整合悟空与 AI Agent 平台 MuleRun，由束骏亮（前 MuleRun CTO、蜚语安全创始人，2025 年与陈宇森等联合创立 MuleRun）负责，向陈宇森汇报。
3. 市场部：由李昕瑜（前 MuleRun CMO）负责，向陈宇森汇报，统筹悟空的商业化运营。
4. 客户发展部：由杨猛（工号 598 号的老阿里人，原钉钉全球商业总裁）负责，整合直销、电销、服务商、交付等团队。
5. 公司信息技术部：新成立部门，由邓悟负责，旨在优化迭代业务系统，让一切系统易于被 Agent 使用。
此外，去年推出的 AI 硬件与 AI 听记等 AI 原生产品予以保留，AI 硬件部门由任卿负责，后续将增强投入并推进国际化。
业务进展方面，悟空与 MuleRun 的整合是陈宇森出任 CEO 时的定调。据悉，MuleRun 自今年 5 月中旬正式商业化，一个月内 ARR（年度经常性收入）已突破 3 亿元人民币。管理作息上，陈宇森对作息进行了松绑，由各业务线自主决定下班时间，不再开设晚会，没有硬性加班要求，不少员工本周已开始休假。
信源：https://mp.weixin.qq.com/s/2IsF4C682LPWPMHJ64NR_w
钉钉新任 CEO 陈宇森（落款为「宇森 悟空事业部 CEO」）上任一周后发布首封内部信，对悟空事业部进行全面组织调整。陈宇森将钉钉和「悟空」两个产品定位为「双引擎」，提出要对过去已有的业务全面做好 AI 化改造，使其成为未来 Agent 友好的基础设施。
在组织架构调整中，主要变动包括：
1. 核心平台业务部：由朱鸿（此前为钉钉 CTO，2025 年随前 CEO 无招一同回归阿里）负责，向陈宇森汇报，核心负责钉钉等业务。
2. 悟空团队：整合悟空与 AI Agent 平台 MuleRun，由束骏亮（前 MuleRun CTO、蜚语安全创始人，2025 年与陈宇森等联合创立 MuleRun）负责，向陈宇森汇报。
3. 市场部：由李昕瑜（前 MuleRun CMO）负责，向陈宇森汇报，统筹悟空的商业化运营。
4. 客户发展部：由杨猛（工号 598 号的老阿里人，原钉钉全球商业总裁）负责，整合直销、电销、服务商、交付等团队。
5. 公司信息技术部：新成立部门，由邓悟负责，旨在优化迭代业务系统，让一切系统易于被 Agent 使用。
此外，去年推出的 AI 硬件与 AI 听记等 AI 原生产品予以保留，AI 硬件部门由任卿负责，后续将增强投入并推进国际化。
业务进展方面，悟空与 MuleRun 的整合是陈宇森出任 CEO 时的定调。据悉，MuleRun 自今年 5 月中旬正式商业化，一个月内 ARR（年度经常性收入）已突破 3 亿元人民币。管理作息上，陈宇森对作息进行了松绑，由各业务线自主决定下班时间，不再开设晚会，没有硬性加班要求，不少员工本周已开始休假。
信源：https://mp.weixin.qq.com/s/2IsF4C682LPWPMHJ64NR_w
Manus年化营收暴增至5亿美元，早期中资机构正筹资20亿美元从Meta赎回
据《The Information》报道，受中国监管机构责令逆转交易的影响，AI 智能体初创公司 Manus 的早期中资背景投资人计划以 Meta 收购时的 20 亿美元原价，从 Meta Platforms 手中赎回该公司。尽管该逆转令在创业圈引发对海外并购和融资通路受阻的担忧，但对早期投资者而言却是一个意外之喜：由于自去年 12 月被 Meta 收购以来，Manus 的订阅收入录得爆发式增长，其年化经常性收入（ARR）已从收购前的 1 亿美元飙升至最近几周的 4 亿至 5 亿美元。这意味着投资者将以极具性价比的「折扣价」拿回一家更具估值想象力的公司。
今年 4 月，在经历数月调查后，中国政府因 Manus 交易未提前申报且担忧将 AI 核心技术及人才转移给地缘政治对手而责令取消该交易。目前，Meta 已在内部将 Manus 的业务进行隔离，并停止了数据共享。在资金安排上，红杉中国（HSG）、真格基金（ZhenFund）和腾讯将参与赎回，且计划动用新资金（fresh capital）买回 Meta 的股份，而不要求 LP 退回已分发的收益。由于地缘和监管限制，曾领投 7500 万美元的美国顶级风投 Benchmark 将彻底退出此次赎回，其原持有的份额或将被中资机构瓜分。
为了适应新的监管环境并保留投资人利益，Manus 正在考虑重整公司架构，将其转变为一家在中国境内注册的合资公司（JV）。这一举措不仅允许投资者以美元形式继续持有股份，还旨在为未来申请在香港进行首次公开募股（IPO）铺平道路。随着监管机构对科技企业使用红筹或 VIE 架构绕过境内审查的容忍度持续走低，此番境内注册架构调整被视为 Manus 获得中国监管机构批准其香港 IPO 的关键合规步骤。
信源：https://www.theinformation.com/articles/manus-revenue-soars-original-investors-move-reverse-meta-deal
据《The Information》报道，受中国监管机构责令逆转交易的影响，AI 智能体初创公司 Manus 的早期中资背景投资人计划以 Meta 收购时的 20 亿美元原价，从 Meta Platforms 手中赎回该公司。尽管该逆转令在创业圈引发对海外并购和融资通路受阻的担忧，但对早期投资者而言却是一个意外之喜：由于自去年 12 月被 Meta 收购以来，Manus 的订阅收入录得爆发式增长，其年化经常性收入（ARR）已从收购前的 1 亿美元飙升至最近几周的 4 亿至 5 亿美元。这意味着投资者将以极具性价比的「折扣价」拿回一家更具估值想象力的公司。
今年 4 月，在经历数月调查后，中国政府因 Manus 交易未提前申报且担忧将 AI 核心技术及人才转移给地缘政治对手而责令取消该交易。目前，Meta 已在内部将 Manus 的业务进行隔离，并停止了数据共享。在资金安排上，红杉中国（HSG）、真格基金（ZhenFund）和腾讯将参与赎回，且计划动用新资金（fresh capital）买回 Meta 的股份，而不要求 LP 退回已分发的收益。由于地缘和监管限制，曾领投 7500 万美元的美国顶级风投 Benchmark 将彻底退出此次赎回，其原持有的份额或将被中资机构瓜分。
为了适应新的监管环境并保留投资人利益，Manus 正在考虑重整公司架构，将其转变为一家在中国境内注册的合资公司（JV）。这一举措不仅允许投资者以美元形式继续持有股份，还旨在为未来申请在香港进行首次公开募股（IPO）铺平道路。随着监管机构对科技企业使用红筹或 VIE 架构绕过境内审查的容忍度持续走低，此番境内注册架构调整被视为 Manus 获得中国监管机构批准其香港 IPO 的关键合规步骤。
信源：https://www.theinformation.com/articles/manus-revenue-soars-original-investors-move-reverse-meta-deal
The Information
Manus’ Revenue Soars as Original Investors Move to Reverse Meta Deal
The early Chinese backers of AI firm Manus are planning to buy the firm back from Meta Platforms at the $2 billion price Meta paid, in response to a Chinese government order that the deal be reversed, according to two people with direct knowledge of the matter.…
唐杰回应马斯克：中国大模型赶超Claude Fable 5不用等到2027年
针对 X 上对于中国模型何时达到 Claude Fable 5 水平的讨论，埃隆·马斯克预测可能是在 2027 年第一季度。智谱联合创始人兼首席科学家唐杰反驳称「不会花那么长时间」，暗示以智谱为代表的国内大模型有望在今年内实现跨越。
要想达成这个目标，不仅要在预训练阶段把模型推向万亿级参数，而且还要在后训练阶段让模型能够（部分）跑通自我训练。
信源：https://x.com/jietang/status/2067580270078030088
针对 X 上对于中国模型何时达到 Claude Fable 5 水平的讨论，埃隆·马斯克预测可能是在 2027 年第一季度。智谱联合创始人兼首席科学家唐杰反驳称「不会花那么长时间」，暗示以智谱为代表的国内大模型有望在今年内实现跨越。
要想达成这个目标，不仅要在预训练阶段把模型推向万亿级参数，而且还要在后训练阶段让模型能够（部分）跑通自我训练。
信源：https://x.com/jietang/status/2067580270078030088
❤3
微博开源VibeThinker-3B，3B小模型冲进前沿推理梯队
新浪微博团队日前开源了 30 亿参数的推理模型 VibeThinker-3B。
模型在数学与编程等任务上达到前沿水平，部分指标接近或超越 DeepSeek V3.2、GLM-5 和 Gemini 3 Pro 等大规模旗舰模型。
VibeThinker-3B 基于 Qwen2.5-Coder-3B 改造，采用 Spectrum-to-Signal 流程进行二次训练：模型先从易到难做题积累解题谱系，再通过强化学习放大正确解法信号，训练全程使用 64K 大思考空间防止中断推理步骤。
针对数学与编程，模型一方面将自己做对的优秀步骤收集起来进行自蒸馏模仿，另一方面在答题时引入步骤级评估来进行自我核对。自我核对机制最终将 AIME26 数学测试得分从 94.3 提升至 97.1。
研发团队在报告中提出「参数压缩-覆盖假设」，认为逻辑推理属于高度可压缩的能力，主要依赖规则和纠错，用 3B 小模型就能跑出顶尖效果；而开放领域知识则需要海量参数去死记硬背。受限于参数规模，VibeThinker-3B 对常识性开放知识的覆盖能力仍弱于大模型。
团队强调，研发目的并非用小模型替代大模型，而是探索紧凑型模型在明确验证机制下的能力边界。
信源：https://arxiv.org/abs/2606.16140
新浪微博团队日前开源了 30 亿参数的推理模型 VibeThinker-3B。
模型在数学与编程等任务上达到前沿水平，部分指标接近或超越 DeepSeek V3.2、GLM-5 和 Gemini 3 Pro 等大规模旗舰模型。
VibeThinker-3B 基于 Qwen2.5-Coder-3B 改造，采用 Spectrum-to-Signal 流程进行二次训练：模型先从易到难做题积累解题谱系，再通过强化学习放大正确解法信号，训练全程使用 64K 大思考空间防止中断推理步骤。
针对数学与编程，模型一方面将自己做对的优秀步骤收集起来进行自蒸馏模仿，另一方面在答题时引入步骤级评估来进行自我核对。自我核对机制最终将 AIME26 数学测试得分从 94.3 提升至 97.1。
研发团队在报告中提出「参数压缩-覆盖假设」，认为逻辑推理属于高度可压缩的能力，主要依赖规则和纠错，用 3B 小模型就能跑出顶尖效果；而开放领域知识则需要海量参数去死记硬背。受限于参数规模，VibeThinker-3B 对常识性开放知识的覆盖能力仍弱于大模型。
团队强调，研发目的并非用小模型替代大模型，而是探索紧凑型模型在明确验证机制下的能力边界。
信源：https://arxiv.org/abs/2606.16140
arXiv.org
VibeThinker-3B: Exploring the Frontier of Verifiable Reasoning in...
This technical report introduces VibeThinker-3B, a compact dense model with 3B parameters developed to investigate how far verifiable reasoning can be pushed within a strictly small-model regime....
动察Beating AI News
唐杰回应马斯克：中国大模型赶超Claude Fable 5不用等到2027年 针对 X 上对于中国模型何时达到 Claude Fable 5 水平的讨论，埃隆·马斯克预测可能是在 2027 年第一季度。智谱联合创始人兼首席科学家唐杰反驳称「不会花那么长时间」，暗示以智谱为代表的国内大模型有望在今年内实现跨越。 要想达成这个目标，不仅要在预训练阶段把模型推向万亿级参数，而且还要在后训练阶段让模型能够（部分）跑通自我训练。 信源：https://x.com/jietang/status/2067580270078030088
马斯克：中国大模型跑分易追，但实用智能与收入难赶超
马斯克在 X 上回复智谱联合创始人兼首席科学家唐杰表示，中国大模型在跑分上追赶容易，但在真实实用性上，即使在 2027 年第一季度追平也已非常不易。真正的差距在于大模型能否转化为实际商业收入，而非仅仅在基准测试中取得高分。Anthropic 正确地将开发重心放在了最大化实用智能上，实用智能虽无法在跑分中呈现，却在营收中得到了明确体现。
此前，针对智谱新发布的开源大模型 GLM-5.2，马斯克预测中国 AI 模型将在 2027 年第一季度达到 Anthropic 旗下 Claude Fable 5 级别的能力，唐杰反驳称不需要那么久。
截至 2026 年 6 月，Anthropic 的年化经常性收入（ARR）已达到 470 亿美元，相较于 2024 年底的 10 亿美元实现暴增。
信源：https://x.com/elonmusk/status/2067671903288864865
马斯克在 X 上回复智谱联合创始人兼首席科学家唐杰表示，中国大模型在跑分上追赶容易，但在真实实用性上，即使在 2027 年第一季度追平也已非常不易。真正的差距在于大模型能否转化为实际商业收入，而非仅仅在基准测试中取得高分。Anthropic 正确地将开发重心放在了最大化实用智能上，实用智能虽无法在跑分中呈现，却在营收中得到了明确体现。
此前，针对智谱新发布的开源大模型 GLM-5.2，马斯克预测中国 AI 模型将在 2027 年第一季度达到 Anthropic 旗下 Claude Fable 5 级别的能力，唐杰反驳称不需要那么久。
截至 2026 年 6 月，Anthropic 的年化经常性收入（ARR）已达到 470 亿美元，相较于 2024 年底的 10 亿美元实现暴增。
信源：https://x.com/elonmusk/status/2067671903288864865
前白宫AI顾问Dean Ball加盟OpenAI执掌前沿政策新团队
前白宫 AI 顾问、美国创新基金会（FAI）高级研究员 Dean Ball 宣布，将于 7 月 6 日正式加盟 OpenAI，出任新成立的「战略未来」（Strategic Futures）团队负责人。Ball 将直接向 OpenAI 首席战略官 Jason Kwon 汇报，同时保留在 FAI 的非驻校高级研究员身份。
新成立的「战略未来」团队是一个小型且拥有高度自主权的政策团队，核心工作是塑造前沿 AI 政策与内部治理。具体业务范围涵盖灾难性风险防范、大模型递归自我改进、技术对劳动力市场的冲击，以及前沿实验室与美国联邦政府等利益相关方的沟通。这支团队的职责横跨外部政策倡议与内部机制设计，工作需要与技术研发人员、安全防范（Preparedness）团队、法律团队以及国家安全与全球事务团队协同推进。
Dean Ball 曾任白宫 AI 顾问，并参与了美国政府 AI 行动计划的起草工作。Ball 在个人博客中表示，加入 OpenAI 源于对前沿 AI 治理的判断。Ball 认为，AI 在需要监管的同时也将成为一种全新的治理技术，未来最关键的 AI 治理决策很可能在实验室内部而非外部机构做出。要想推动实质性的 AI 政策研究，必须进入开发一线了解技术底层。
「战略未来」团队目前正在招募跨学科成员。Ball 透露，虽然团队的工作紧密依赖底层技术理解，但并不强制要求求职者具备机器学习或 AI 政策的专业背景。Ball 希望搭建一个具备多元学科视角和异质知识结构的团队，目前已向外部开放沟通渠道。
信源：https://hyperdimensional.co/p/that-untravelld-world
前白宫 AI 顾问、美国创新基金会（FAI）高级研究员 Dean Ball 宣布，将于 7 月 6 日正式加盟 OpenAI，出任新成立的「战略未来」（Strategic Futures）团队负责人。Ball 将直接向 OpenAI 首席战略官 Jason Kwon 汇报，同时保留在 FAI 的非驻校高级研究员身份。
新成立的「战略未来」团队是一个小型且拥有高度自主权的政策团队，核心工作是塑造前沿 AI 政策与内部治理。具体业务范围涵盖灾难性风险防范、大模型递归自我改进、技术对劳动力市场的冲击，以及前沿实验室与美国联邦政府等利益相关方的沟通。这支团队的职责横跨外部政策倡议与内部机制设计，工作需要与技术研发人员、安全防范（Preparedness）团队、法律团队以及国家安全与全球事务团队协同推进。
Dean Ball 曾任白宫 AI 顾问，并参与了美国政府 AI 行动计划的起草工作。Ball 在个人博客中表示，加入 OpenAI 源于对前沿 AI 治理的判断。Ball 认为，AI 在需要监管的同时也将成为一种全新的治理技术，未来最关键的 AI 治理决策很可能在实验室内部而非外部机构做出。要想推动实质性的 AI 政策研究，必须进入开发一线了解技术底层。
「战略未来」团队目前正在招募跨学科成员。Ball 透露，虽然团队的工作紧密依赖底层技术理解，但并不强制要求求职者具备机器学习或 AI 政策的专业背景。Ball 希望搭建一个具备多元学科视角和异质知识结构的团队，目前已向外部开放沟通渠道。
信源：https://hyperdimensional.co/p/that-untravelld-world
www.hyperdimensional.co
That Untravell'd World
Some career news
杨立昆直言xAI失败，指出人才难招且被迫出租算力
前 Meta 首席 AI 科学家、世界模型公司 AMI Labs 联合创始人杨立昆（Yann LeCun）在接受 CNBC 采访时，直言埃隆·马斯克创立的 AI 公司 xAI「在某种程度上是失败的」，并预测 xAI 无法在前沿领域与 OpenAI 和 Anthropic 竞争。
LeCun 指出，因除马斯克外的所有初始联合创始人团队已悉数离职，加之马斯克此前对团队对待方式不佳，导致其目前极难招募到顶尖 AI 人才。
面临巨大的成本压力，xAI 目前正在向 Google 和 Anthropic 等竞争对手出租其位于田纳西州孟菲斯的 Colossus（1和2）数据中心算力，以回收庞大的基础设施建造开销。财务数据进一步印证了这一压力：在截至 2026 年 3 月 31 日 的第一季度中，包含 xAI 在内的 SpaceX AI 业务板块运营亏损高达 25 亿美元。
高昂的算力和运营成本反映了整个 AI 行业的共同困境。LeCun 警示，当前商业模式过度依赖投资人资金来补贴用户，若 OpenAI 与 Anthropic 等头部实验室无法大幅提高服务价格或降低运营成本，整个 AI 行业可能遭遇「大泡沫爆炸」（Big Bubble Explosion）。
LeCun 同时指出，现有的 LLM（大语言模型）路线由于成本过高且仅靠模式预测，无法带来真正通用、可靠的智能体（Agent），未来的关键在于世界模型（World Models）。其创办的 AMI Labs 已于 2026 年 3 月以 35 亿美元投前估值募集 10 亿美元，全力用于相关技术的研究。
信源：https://www.cnbc.com/2026/06/18/yann-lecun-elon-musk-xai-failure-ai-labs-bubble-risk.html
前 Meta 首席 AI 科学家、世界模型公司 AMI Labs 联合创始人杨立昆（Yann LeCun）在接受 CNBC 采访时，直言埃隆·马斯克创立的 AI 公司 xAI「在某种程度上是失败的」，并预测 xAI 无法在前沿领域与 OpenAI 和 Anthropic 竞争。
LeCun 指出，因除马斯克外的所有初始联合创始人团队已悉数离职，加之马斯克此前对团队对待方式不佳，导致其目前极难招募到顶尖 AI 人才。
面临巨大的成本压力，xAI 目前正在向 Google 和 Anthropic 等竞争对手出租其位于田纳西州孟菲斯的 Colossus（1和2）数据中心算力，以回收庞大的基础设施建造开销。财务数据进一步印证了这一压力：在截至 2026 年 3 月 31 日 的第一季度中，包含 xAI 在内的 SpaceX AI 业务板块运营亏损高达 25 亿美元。
高昂的算力和运营成本反映了整个 AI 行业的共同困境。LeCun 警示，当前商业模式过度依赖投资人资金来补贴用户，若 OpenAI 与 Anthropic 等头部实验室无法大幅提高服务价格或降低运营成本，整个 AI 行业可能遭遇「大泡沫爆炸」（Big Bubble Explosion）。
LeCun 同时指出，现有的 LLM（大语言模型）路线由于成本过高且仅靠模式预测，无法带来真正通用、可靠的智能体（Agent），未来的关键在于世界模型（World Models）。其创办的 AMI Labs 已于 2026 年 3 月以 35 亿美元投前估值募集 10 亿美元，全力用于相关技术的研究。
信源：https://www.cnbc.com/2026/06/18/yann-lecun-elon-musk-xai-failure-ai-labs-bubble-risk.html
CNBC
Godfather of AI blasts Musk's xAI as 'failure,' says labs are risking a 'big bubble explosion'
Yann LeCun's comments renew a long-running spat with Musk and cast doubt over valuations of some of the world's biggest AI companies.
OpenAI 推出 Codex「录制与复现」功能，可将演示工作流直接转化为 AI 技能
OpenAI 为其编码智能体 Codex 引入了一项名为「录制与复现」的新功能。该功能允许用户向 Codex 演示一次日常的重复性工作流程（例如填写报销单或提交休假申请），Codex 随后能够将该演示转化为可供检查和编辑的结构化技能，以便日后自动复用。用户可自主控制录制的开始与停止。
该功能目前仅在 macOS 客户端提供，且属于可选配置。在初始发布阶段，其可用地区排除了欧洲经济区（EEA）、英国和瑞士；此外，用户或其管理员必须开启「电脑使用」（Computer Use）权限才可使用该功能。
信源：https://x.com/OpenAIDevs/status/2067681320281723113
OpenAI 为其编码智能体 Codex 引入了一项名为「录制与复现」的新功能。该功能允许用户向 Codex 演示一次日常的重复性工作流程（例如填写报销单或提交休假申请），Codex 随后能够将该演示转化为可供检查和编辑的结构化技能，以便日后自动复用。用户可自主控制录制的开始与停止。
该功能目前仅在 macOS 客户端提供，且属于可选配置。在初始发布阶段，其可用地区排除了欧洲经济区（EEA）、英国和瑞士；此外，用户或其管理员必须开启「电脑使用」（Computer Use）权限才可使用该功能。
信源：https://x.com/OpenAIDevs/status/2067681320281723113
X (formerly Twitter)
OpenAI Developers (@OpenAIDevs) on X
Show Codex a workflow once. Reuse it as a skill.
Record & Replay lets you show Codex a recurring task, like filing an expense report or submitting a time-off request.
Codex turns that demo into an inspectable, editable skill.
You control when recording…
Record & Replay lets you show Codex a recurring task, like filing an expense report or submitting a time-off request.
Codex turns that demo into an inspectable, editable skill.
You control when recording…
终端变交互画布：Anthropic推出Claude Code版Artifacts
Anthropic 为 Claude Code（包含 CLI 命令行及桌面应用）推出 Artifacts 预览支持（面向 Claude Team 和 Enterprise 组织开放 Beta 测试）。该功能将 Artifacts 的实时交互体验从 Web 端延伸至本地终端，允许开发者将长期的终端会话进程（如故障排查、服务重构等）一键捕获并转化为实时的交互式网页。
依托包含本地代码库、已连接监控工具（Connectors）以及对话历史在内的完整会话上下文，Claude Code 无需任何配置即可自动整合测试失败、关联函数、错误峰值及根因推理，一键生成诸如 PR 演示、系统依赖图、动态仪表板以及可自动填写的发布清单。
为提升团队协同效率，生成的网页支持原地刷新，团队成员访问同一链接即可实时同步开发进展，并提供完整的版本历史回溯。在安全合规方面，所有生成的 Artifacts 默认仅个人可见，且强制要求组织身份验证，严禁向组织外部公开，企业管理员可设置留存策略并进行审计。
信源：https://x.com/claudeai/status/2067671912038240487
Anthropic 为 Claude Code（包含 CLI 命令行及桌面应用）推出 Artifacts 预览支持（面向 Claude Team 和 Enterprise 组织开放 Beta 测试）。该功能将 Artifacts 的实时交互体验从 Web 端延伸至本地终端，允许开发者将长期的终端会话进程（如故障排查、服务重构等）一键捕获并转化为实时的交互式网页。
依托包含本地代码库、已连接监控工具（Connectors）以及对话历史在内的完整会话上下文，Claude Code 无需任何配置即可自动整合测试失败、关联函数、错误峰值及根因推理，一键生成诸如 PR 演示、系统依赖图、动态仪表板以及可自动填写的发布清单。
为提升团队协同效率，生成的网页支持原地刷新，团队成员访问同一链接即可实时同步开发进展，并提供完整的版本历史回溯。在安全合规方面，所有生成的 Artifacts 默认仅个人可见，且强制要求组织身份验证，严禁向组织外部公开，企业管理员可设置留存策略并进行审计。
信源：https://x.com/claudeai/status/2067671912038240487
X (formerly Twitter)
Claude (@claudeai) on X
New in Claude Code: Artifacts.
Interactive pages built from your session, like a PR walkthrough or a living project dashboard, shared with your team at a private link.
Available in beta on Team and Enterprise plans.
Interactive pages built from your session, like a PR walkthrough or a living project dashboard, shared with your team at a private link.
Available in beta on Team and Enterprise plans.
AA-Briefcase发布：Claude Fable 5夺冠，GLM-5.2挤进前三
评测机构 Artificial Analysis 推出首个专为大模型智能体设计的长周期知识工作评测基准 AA-Briefcase。评测包含数据科学、产品管理、银行业务运营及重工业战略四个场景，由来自谷歌、麦肯锡和波士顿咨询的行业专家开发，共设有 91 项任务，旨在模拟真实复杂的商业项目流。
基准通过客观题、分析质量和排版展示三个维度进行双人对战及基准评测。结果显示，Anthropic 旗下的 Claude Fable 5 取得了最高综合评分 AA-Briefcase Elo，Claude Opus 4.8 (max) 与 GLM-5.2 (max) 分列第二与第三位。即便强如 Claude Fable 5，在严格的单项任务全对标准下，完美率也仅有 3%，且在 91 项任务中有 31 项没有任何模型能取得 50% 以上的分数。
在开源模型方面，智谱 GLM-5.2 (max) 表现突出，综合评分仅比 Claude Opus 4.8 (max) 低 90 分，但运行成本不足 Claude Opus 4.8 (max) 的 25%。运行成本在不同模型间差异悬殊，DeepSeek V4 Flash 单次任务成本仅为 0.04 美元，而最贵的 Claude Fable 5 超过 31 美元。分析显示，视觉检查能力对提升交付成果的排版质量至关重要，领先排版评分的 Claude Fable 5 和 Claude Opus 4.8 (max) 每次任务平均分别调用 21 次和 12 次图像查看工具。
信源：https://artificialanalysis.ai/articles/aa-briefcase
评测机构 Artificial Analysis 推出首个专为大模型智能体设计的长周期知识工作评测基准 AA-Briefcase。评测包含数据科学、产品管理、银行业务运营及重工业战略四个场景，由来自谷歌、麦肯锡和波士顿咨询的行业专家开发，共设有 91 项任务，旨在模拟真实复杂的商业项目流。
基准通过客观题、分析质量和排版展示三个维度进行双人对战及基准评测。结果显示，Anthropic 旗下的 Claude Fable 5 取得了最高综合评分 AA-Briefcase Elo，Claude Opus 4.8 (max) 与 GLM-5.2 (max) 分列第二与第三位。即便强如 Claude Fable 5，在严格的单项任务全对标准下，完美率也仅有 3%，且在 91 项任务中有 31 项没有任何模型能取得 50% 以上的分数。
在开源模型方面，智谱 GLM-5.2 (max) 表现突出，综合评分仅比 Claude Opus 4.8 (max) 低 90 分，但运行成本不足 Claude Opus 4.8 (max) 的 25%。运行成本在不同模型间差异悬殊，DeepSeek V4 Flash 单次任务成本仅为 0.04 美元，而最贵的 Claude Fable 5 超过 31 美元。分析显示，视觉检查能力对提升交付成果的排版质量至关重要，领先排版评分的 Claude Fable 5 和 Claude Opus 4.8 (max) 每次任务平均分别调用 21 次和 12 次图像查看工具。
信源：https://artificialanalysis.ai/articles/aa-briefcase
❤1
只教AI在健康对话里当好人，它连写代码也变老实了？OpenAI证实对齐强泛化
大家都知道 AI 学坏容易，但 AI 变好也能「人传人」吗？OpenAI 发表最新研究，证实了对齐领域中奇妙的「强泛化」现象：研究人员只需在极少数日常场景中把 AI 教成不撒谎、乐于认错的「好人」，AI 在从未学过的全新场景里也会自动变乖。实验证明，正向的对齐人格同样具备跨领域传染力。
研究团队在医疗、教育、科学等场景中重点训练了大模型的诚实和谦虚等特质。测试发现，模型学到好人特质后，在 53 项安全评估中，有 44 项超越了普通模型。最惊人的证据在于跨领域泛化：哪怕训练集里完全不包含医疗和科学对话，模型在医疗评估中依旧变老实了；反过来，只在医疗领域训练 AI 做好人，AI 在完全不相关的代码或日常测试里，也自动学会了防骗和不钻空子。
好人性格在实战中极其稳固。面对诱导 AI 说胡话的对抗性套路，对齐模型不仅顶住了压力，还能继续听懂正常指令。即便用充满错误医疗建议的脏数据对模型进行恶意微调，模型在其他领域的安全性也几乎没有退化。研究团队认为，注入善良的强化学习训练能让对齐特质在模型深层生根发芽，真正起到「以点带面」的防护效果。
信源：https://alignment.openai.com/beneficial-rl/
大家都知道 AI 学坏容易，但 AI 变好也能「人传人」吗？OpenAI 发表最新研究，证实了对齐领域中奇妙的「强泛化」现象：研究人员只需在极少数日常场景中把 AI 教成不撒谎、乐于认错的「好人」，AI 在从未学过的全新场景里也会自动变乖。实验证明，正向的对齐人格同样具备跨领域传染力。
研究团队在医疗、教育、科学等场景中重点训练了大模型的诚实和谦虚等特质。测试发现，模型学到好人特质后，在 53 项安全评估中，有 44 项超越了普通模型。最惊人的证据在于跨领域泛化：哪怕训练集里完全不包含医疗和科学对话，模型在医疗评估中依旧变老实了；反过来，只在医疗领域训练 AI 做好人，AI 在完全不相关的代码或日常测试里，也自动学会了防骗和不钻空子。
好人性格在实战中极其稳固。面对诱导 AI 说胡话的对抗性套路，对齐模型不仅顶住了压力，还能继续听懂正常指令。即便用充满错误医疗建议的脏数据对模型进行恶意微调，模型在其他领域的安全性也几乎没有退化。研究团队认为，注入善良的强化学习训练能让对齐特质在模型深层生根发芽，真正起到「以点带面」的防护效果。
信源：https://alignment.openai.com/beneficial-rl/
OpenAI Alignment Research Blog
Reinforcement learning towards broadly and persistently beneficial models
Training targeting beneficial behavior in realistic scenarios produces broad improvements in alignment that generalize across domains and persist under adversarial pressure.
Perplexity推出智能体内存系统Brain：从任务中自适应学习
Perplexity 为旗下智能体 Computer 推出名为 Brain 的自我改进内存系统。
区别于侧重记录用户姓名、兴趣等个人画像的传统 AI 记忆，Brain 专注于保存智能体自身的动作与任务表现。
智能体每次运行任务，Brain 都会在后台自动构建上下文图谱，记录所用工具、成功与失败的信源、执行结果以及用户修正。上下文图谱会转化为一份动态的 AI 知识库，在智能体下次启动时自动载入沙盒运行环境。
为避免单次任务的局限性，Brain 会在夜间自动完成增量合成，聚合前一天的全部会话、连接应用输出以及反馈数据，对知识库进行剪枝与优化。
预加载历史经验可让智能体在后续任务中主动规避重复错误、预测潜在问题并减少冗余尝试。Perplexity 披露的测试数据显示，在复现任务中，Brain 使智能体回答准确率提升 25%，信息召回率改善 16%，并在依赖历史上下文的任务中降低 13% 的 Token 消耗。
随着使用时间增加，系统累积的性能红利也会更加显著。为保障透明度，Brain 的每条记忆均可追溯至原始会话或文件。目前，新系统已面向 Perplexity Max 与 Enterprise Max 订阅用户开启研究预览。
信源：https://www.perplexity.ai/hub/blog/self-improving-memory-for-agents
Perplexity 为旗下智能体 Computer 推出名为 Brain 的自我改进内存系统。
区别于侧重记录用户姓名、兴趣等个人画像的传统 AI 记忆，Brain 专注于保存智能体自身的动作与任务表现。
智能体每次运行任务，Brain 都会在后台自动构建上下文图谱，记录所用工具、成功与失败的信源、执行结果以及用户修正。上下文图谱会转化为一份动态的 AI 知识库，在智能体下次启动时自动载入沙盒运行环境。
为避免单次任务的局限性，Brain 会在夜间自动完成增量合成，聚合前一天的全部会话、连接应用输出以及反馈数据，对知识库进行剪枝与优化。
预加载历史经验可让智能体在后续任务中主动规避重复错误、预测潜在问题并减少冗余尝试。Perplexity 披露的测试数据显示，在复现任务中，Brain 使智能体回答准确率提升 25%，信息召回率改善 16%，并在依赖历史上下文的任务中降低 13% 的 Token 消耗。
随着使用时间增加，系统累积的性能红利也会更加显著。为保障透明度，Brain 的每条记忆均可追溯至原始会话或文件。目前，新系统已面向 Perplexity Max 与 Enterprise Max 订阅用户开启研究预览。
信源：https://www.perplexity.ai/hub/blog/self-improving-memory-for-agents
Perplexity AI
Perplexity is a free AI-powered answer engine that provides accurate, trusted, and real-time answers to any question.
AI随时可能造反？谷歌DeepMind像防内鬼一样防AI，派监工全程盯防
谷歌 DeepMind 发布 AI Control 路线图，针对内部部署的先进 AI 智能体设计系统级安全框架。路线图将智能体视为潜在的「内部威胁」（类似于公司内的叛变员工），打破单一的模型对齐防线，在系统层面建立起纵深防御。安全系统引入可信 AI 充当监督智能体，实时盯防运行中智能体的推理链、动作与计划，一旦检测到异常或危害企图便直接拦截动作。
整套防御机制借鉴了网络安全行业标准的 MITRE ATT&CK 对抗框架，建立起智能体专用的威胁建模系统。系统将 AI 潜在的异常企图拆解为具体的战术与步骤，使团队能像防范公司内鬼一样追踪风险并运行安全演练。在监控上，监督智能体通过量化监控覆盖率、失效行为召回率和响应时长来评估整体安全度。
防线也需要随着 AI 能力演进同步升级。如果智能体进化出监督意识 (oversight awareness) 或不透明推理 (opaque reasoning) 并尝试隐藏思维过程，单纯读取文本推理链将失效，监控将转向分析行为特征和探测神经网络内部状态。防御级别也与威胁严重性相挂钩：低风险、可逆的普通动作允许采用事后异步审计；一旦涉及网络攻击等高风险操作，监控系统会强制切入同步实时预防，在动作发生前予以拦截。
目前，开发团队已通过原型系统分析了 100 万次任务轨迹。实测数据表明，绝大多数被警告的异常并非出于主观恶意，而是源于智能体误解了指令，或因过度急于达成用户目标而动作过载。积累的经验现已用于为 Gemini Spark 智能体构建起实时监控系统，能够即时干预意外删除数据等失控动作。在技术管控之外，团队还发布了智能体安全三层架构，呼吁政策制定者、学术界与行业多方协同共筑安全防线。
信源：https://deepmind.google/blog/securing-the-future-of-ai-agents/
谷歌 DeepMind 发布 AI Control 路线图，针对内部部署的先进 AI 智能体设计系统级安全框架。路线图将智能体视为潜在的「内部威胁」（类似于公司内的叛变员工），打破单一的模型对齐防线，在系统层面建立起纵深防御。安全系统引入可信 AI 充当监督智能体，实时盯防运行中智能体的推理链、动作与计划，一旦检测到异常或危害企图便直接拦截动作。
整套防御机制借鉴了网络安全行业标准的 MITRE ATT&CK 对抗框架，建立起智能体专用的威胁建模系统。系统将 AI 潜在的异常企图拆解为具体的战术与步骤，使团队能像防范公司内鬼一样追踪风险并运行安全演练。在监控上，监督智能体通过量化监控覆盖率、失效行为召回率和响应时长来评估整体安全度。
防线也需要随着 AI 能力演进同步升级。如果智能体进化出监督意识 (oversight awareness) 或不透明推理 (opaque reasoning) 并尝试隐藏思维过程，单纯读取文本推理链将失效，监控将转向分析行为特征和探测神经网络内部状态。防御级别也与威胁严重性相挂钩：低风险、可逆的普通动作允许采用事后异步审计；一旦涉及网络攻击等高风险操作，监控系统会强制切入同步实时预防，在动作发生前予以拦截。
目前，开发团队已通过原型系统分析了 100 万次任务轨迹。实测数据表明，绝大多数被警告的异常并非出于主观恶意，而是源于智能体误解了指令，或因过度急于达成用户目标而动作过载。积累的经验现已用于为 Gemini Spark 智能体构建起实时监控系统，能够即时干预意外删除数据等失控动作。在技术管控之外，团队还发布了智能体安全三层架构，呼吁政策制定者、学术界与行业多方协同共筑安全防线。
信源：https://deepmind.google/blog/securing-the-future-of-ai-agents/
Google DeepMind
Securing internal systems against increasingly capable and imperfectly aligned AI
Discover our AI Control Roadmap: a defense-in-depth system to securely manage advanced, potentially misaligned AI agents.
动察Beating AI News
彼得·蒂尔神秘学会Dialog遭泄密：马斯克等政商巨头参会，议程涉邪教与三战 据《连线》杂志 (WIRED) 报道，由彼得·蒂尔联合创立的神秘学会 Dialog 泄露了 222 名精英的参会记录，包括埃隆·马斯克、谷歌前 CEO Eric Schmidt、OpenAI 总裁 Greg Brockman 及特朗普女婿 Jared Kushner。泄露的数据库不仅公开了名单，还曝光了探讨建立邪教、应对第三次世界大战等极为隐私的议程。 Dialog 自 2006 年创立以来保密运营了近 20 年，常被称为科技界的「毕德堡会议」，参会费超…
彼得·蒂尔神秘学会暗黑评级曝光：大佬被分三六九等，C级最高A级垫底，价格按名气打折
据《连线》（WIRED）对最新泄露数据的分析，彼得·蒂尔联合创立的神秘学会 Dialog 内部有一套极其冷酷且偏见明显的「分级与淘汰」机制。
Dialog 实行「入门即评级」的隐秘规则。虽然该俱乐部拥有上千名会员，但此次泄露并被 WIRED 获取审查的仅是俱乐部内部建档的 192 份个人档案（包含 130 名正式会员及部分候选人）。它们展示了俱乐部反直觉的鄙视链：C 级才是最高 VIP，B 级是占绝大多数的普通层，而通常被视作最好的 A 级，反而是知名度最低的垫底边缘层。
这套评级直接与成员的钱包挂钩。仅有约 25% 的 VIP「C」级大佬被要求支付全额参会费，而在垫底的「A」级成员中，全额支付数万美元参会费的比例则高达 70%。
比较滑稽的是，Dialog 引入的 AI 筛选机制极度迷信所谓的「国民知名度」。例如「灭霸」演员乔什·布洛林（Josh Brolin）虽从未参会，却凭电影票房与数百万粉丝直接躺赢 VIP「C」级；而学术巨擘泰勒·考恩（Tyler Cowen）却被 AI 判定「在普通人里不够出名」险些被划入普通层，最终靠人工干预才勉强升入 C 级。
而「增值分」则是清退「无用之人」的镰刀，专门衡量成员对俱乐部其他巨头的资源对接和智力贡献。每次聚会后，员工都会像「审查代码」一样复盘成员表现，增值分太低、文化不契合或声量下滑者会被无情移出邀请名单。
此外，泄露的数据库还曝光了其内置的社交与约会配对系统（10% 成员加入单身池），算法在推荐配对的同时还设有「禁止配对名单」。
这套号称客观的评估系统同样塞满了偏见：女性占了成员的三分之一，却只分到了 18% 的 VIP 席位；政治立场上更难逃区别对待，尽管超半数成员自称「左倾」，但「右翼」拿到 VIP 的概率却是左倾者的两倍多，甚至有环保大佬的「左倾」标签被员工在后台强行改写成了「右翼」。
信源：https://www.wired.com/story/how-peter-thiels-private-dialog-club-secretly-ranks-its-members/
据《连线》（WIRED）对最新泄露数据的分析，彼得·蒂尔联合创立的神秘学会 Dialog 内部有一套极其冷酷且偏见明显的「分级与淘汰」机制。
Dialog 实行「入门即评级」的隐秘规则。虽然该俱乐部拥有上千名会员，但此次泄露并被 WIRED 获取审查的仅是俱乐部内部建档的 192 份个人档案（包含 130 名正式会员及部分候选人）。它们展示了俱乐部反直觉的鄙视链：C 级才是最高 VIP，B 级是占绝大多数的普通层，而通常被视作最好的 A 级，反而是知名度最低的垫底边缘层。
这套评级直接与成员的钱包挂钩。仅有约 25% 的 VIP「C」级大佬被要求支付全额参会费，而在垫底的「A」级成员中，全额支付数万美元参会费的比例则高达 70%。
比较滑稽的是，Dialog 引入的 AI 筛选机制极度迷信所谓的「国民知名度」。例如「灭霸」演员乔什·布洛林（Josh Brolin）虽从未参会，却凭电影票房与数百万粉丝直接躺赢 VIP「C」级；而学术巨擘泰勒·考恩（Tyler Cowen）却被 AI 判定「在普通人里不够出名」险些被划入普通层，最终靠人工干预才勉强升入 C 级。
而「增值分」则是清退「无用之人」的镰刀，专门衡量成员对俱乐部其他巨头的资源对接和智力贡献。每次聚会后，员工都会像「审查代码」一样复盘成员表现，增值分太低、文化不契合或声量下滑者会被无情移出邀请名单。
此外，泄露的数据库还曝光了其内置的社交与约会配对系统（10% 成员加入单身池），算法在推荐配对的同时还设有「禁止配对名单」。
这套号称客观的评估系统同样塞满了偏见：女性占了成员的三分之一，却只分到了 18% 的 VIP 席位；政治立场上更难逃区别对待，尽管超半数成员自称「左倾」，但「右翼」拿到 VIP 的概率却是左倾者的两倍多，甚至有环保大佬的「左倾」标签被员工在后台强行改写成了「右翼」。
信源：https://www.wired.com/story/how-peter-thiels-private-dialog-club-secretly-ranks-its-members/
WIRED
How the Peter Thiel-Linked Dialog Club Secretly Ranks Its Members
Leaked files show the invite-only network grades members by their money and fame, shaping who’s in, who’s out, and who pays.
❤1
诺奖得主John Jumper离开DeepMind，谷歌两日内连失两名AI高管
谷歌 DeepMind 副总裁及 AlphaFold 团队负责人 John Jumper 宣布将加盟 Anthropic。John Jumper 在谷歌 DeepMind 任职近 9 年，因主导开发 AlphaFold 与首席执行官 Demis Hassabis 共同获得 2024 年诺贝尔化学奖。
就在前一日，前 Gemini 共同负责人、《Attention Is All You Need》共同作者之一 Noam Shazeer 也已宣布离开谷歌，加盟 OpenAI 担任架构研究负责人。
信源：https://x.com/JohnJumperSci/status/2068001285173834106
谷歌 DeepMind 副总裁及 AlphaFold 团队负责人 John Jumper 宣布将加盟 Anthropic。John Jumper 在谷歌 DeepMind 任职近 9 年，因主导开发 AlphaFold 与首席执行官 Demis Hassabis 共同获得 2024 年诺贝尔化学奖。
就在前一日，前 Gemini 共同负责人、《Attention Is All You Need》共同作者之一 Noam Shazeer 也已宣布离开谷歌，加盟 OpenAI 担任架构研究负责人。
信源：https://x.com/JohnJumperSci/status/2068001285173834106
X (formerly Twitter)
John Jumper (@JohnJumperSci) on X
A bit of news: After nearly 9 years, I have decided to leave Google DeepMind and join Anthropic (after taking some time to recharge). I am incredibly grateful for my time at GDM. @demishassabis took a real chance letting me lead the AlphaFold team just six…
❤1
美前沿AI管制令留缝隙，思科等机构仍可访问Anthropic最强安全模型
美政府针对 Anthropic 颁布的出口管制令未能完全阻断访问，网络安全公司 Dragos 与思科系统已证实，两家公司自身均保留了 Mythos 预览版的访问权限。
Mythos 预览版在测试中表现出强大的漏洞检测能力，可找出主流操作系统与浏览器中的数千个安全漏洞。为防滥用，Anthropic 于 4 月将 Mythos 预览版访问权限制在 Project Glasswing 联盟内部。Project Glasswing 由大约 200 家包含银行与科技公司在内的组织组成。作为替代，Anthropic 向公众发布移除了网络安全任务执行权限的 Fable 5 模型。
随着出口许可审查要求下达，美政府勒令 Anthropic 封锁 Fable 5 和 Mythos 5，防止未经许可的外籍人员使用。Anthropic 随即关停了 Fable 5 公众服务，并暂停向 Project Glasswing 成员推送 Mythos 5。然而，美政府指令并未提及 Mythos 预览版。Anthropic 在官方博客中表示「余下模型」不受影响，但未直接提及 Mythos 预览版。
信源：https://www.bloomberg.com/news/articles/2026-06-19/early-users-of-anthropic-mythos-still-have-access-after-us-order
美政府针对 Anthropic 颁布的出口管制令未能完全阻断访问，网络安全公司 Dragos 与思科系统已证实，两家公司自身均保留了 Mythos 预览版的访问权限。
Mythos 预览版在测试中表现出强大的漏洞检测能力，可找出主流操作系统与浏览器中的数千个安全漏洞。为防滥用，Anthropic 于 4 月将 Mythos 预览版访问权限制在 Project Glasswing 联盟内部。Project Glasswing 由大约 200 家包含银行与科技公司在内的组织组成。作为替代，Anthropic 向公众发布移除了网络安全任务执行权限的 Fable 5 模型。
随着出口许可审查要求下达，美政府勒令 Anthropic 封锁 Fable 5 和 Mythos 5，防止未经许可的外籍人员使用。Anthropic 随即关停了 Fable 5 公众服务，并暂停向 Project Glasswing 成员推送 Mythos 5。然而，美政府指令并未提及 Mythos 预览版。Anthropic 在官方博客中表示「余下模型」不受影响，但未直接提及 Mythos 预览版。
信源：https://www.bloomberg.com/news/articles/2026-06-19/early-users-of-anthropic-mythos-still-have-access-after-us-order
Bloomberg.com
Early Users of Anthropic Mythos Still Have Access After US Order
Some firms chosen early on by Anthropic PBC to test the Mythos AI model ahead of a wider release have preserved their access to a preview of the system, despite a US government order that led to the total shutdown of other versions.