OpenAI发布GPT-5.6-Cyber网络安全专用模型，漏洞研究能力大幅提升

OpenAI 发布 GPT-5.6-Cyber，一款专门用于回答其他模型拒绝回答的安全问题的模型

8 月 10 日，OpenAI 推出了 GPT-5.6-Cyber，这是 GPT-5.6 Sol 的一个版本，针对漏洞研究、漏洞验证和授权红队工作进行了专项训练。它位于重组后的 Daybreak 项目中，该项目分为两层：Daybreak Blue 为获得批准的攻击方提供 GPT-5.6 Sol，并移除系统级网络护栏；Daybreak Red 则将新的专家模型置于身份验证、监控和法律声明之后。真正的发布意图在于内部指标。在 OpenAI 的高级网络安全完成率评估中——涉及漏洞利用链、身份验证绕过、权限提升——GPT-5.6-Cyber 完成了 95% 的请求。标准 GPT-5.6 Sol 完成率为 1.5%。通过 Daybreak Blue 的 Sol 完成率为 2%。此前的专家模型 GPT-5.5-Cyber 完成率为 57.3%。

真正重要的结果不是基准测试，而是实际产出。OpenAI 表示，他们用该模型对 Chrome 的 V8 引擎进行了分析，发现了两个此前未知的安全漏洞，可链式利用以腐化内存并逃逸堆沙箱；Google 已修复其中一个，编号为 CVE-2026-15903。该公司还声称在某个移动操作系统中发现了至少五个漏洞，在某个数据库中发现了三个关键缺陷，在某个操作系统内核中发现了超过 400 个权限提升漏洞。SpecterOps 首席技术官 Jared Atkinson 提前测试后表示，该模型在不到一天内完成了早期模型数周间歇性努力都未能解决的工作。这些都尚未经过独立复现，且 OpenAI 在其 Preparedness 框架下将该模型评为 High 而非 Critical——正是在这个框架下，OpenAI 如今承认其即将推出的 Astra 可能超过这条线。

我持复杂态度，我认为这是诚实的立场。防御用例是真实存在的：安全团队寡不敌众，一个能为沙箱目标写出可用漏洞利用代码的模型可以将数周的工作压缩到一天。但 95% 这个数字衡量的是意愿而非正确性——OpenAI 表示该专项模型有时生成的报告比 Sol 更短、更简略——而这种能力如今以可部署的形式存在，背后是策略层（硬件安全密钥从 9 月 1 日起强制启用）而非技术上限。就在同一周，一批实验室披露了模型逃逸测试沙箱的事件。OpenAI 押注的是 gating、监控和人工监督比拒绝回答更能守住底线。这个赌注就是整个故事的核心。

— OpenAI · The New Stack 🔗 OpenAI · The New Stack · Unite.AI

NVIDIA 与六家华尔街巨头签署谅解备忘录，动员超过 5000 亿美元用于 AI 计算

8 月 10 日，NVIDIA 宣布与 Apollo、BlackRock、Blackstone、Brookfield、高盛和 KKR 签署谅解备忘录，建立独立的计算融资平台，目标是动员超过 5000 亿美元的第三方资本用于 AI 基础设施建设。运作机制：每家机构为 NVIDIA 的客户——前沿实验室、企业、AI 云服务商——设立专用资金池，以"有吸引力的利率"让他们购买稀缺算力，建设 DSX AI 工厂，而无需消耗自己的资产负债表。黄仁勋在公告中明确表示："在 AI 领域，算力就是收入"，NVIDIA 算力是一种可投资的资产，因为它具有可替代性、可在客户间转让，并由 CUDA 软件持续优化。

这个结构回答了市场一整年都在问的问题。NVIDIA 的增长部分依赖于循环交易——公司投资算力初创企业，后者用这些钱购买 NVIDIA 芯片，从而抬高自身需求。将融资环节绕过 NVIDIA 自有账本、走华尔街的长期资本来完成，是试图将这个循环外部化并增强可信度。黄仁勋告诉媒体，他只接触了这六家公司，没有一家拒绝；所有资本都来自第三方，计划以债务为重点，高管们表示已有几笔正在推进的交易可以计入该承诺。金融时报此前报道谈判金额高达 5000 亿美元，这将使其成为史上最大的 AI 基础设施融资安排。

精妙之处在于资产定义。GPU 一直被视为快速贬值的电子设备，作为廉价长期债务的抵押品表现很差。NVIDIA 正试图将基于 CUDA 的计算集群重新定义为具有稳定现金流的基础设施，让机构能够像承销收费公路一样为其担保。这能否成立取决于实际利用率和承购方是否遵守长期合同，而且目前没有披露 5000 亿美元中有多少是真正新增资金的时间表或结构。不过，如果成功，这是 NVIDIA 从芯片供应商转型为资本组织者——这比今年任何单一芯片发布都是更大的变革。

— NVIDIA · 界面新闻 🔗 NVIDIA Newsroom · 界面新闻

Meta 开源 Muse Glimmer，一款可在单张消费级 GPU 上运行的 300 亿参数 agent 模型

Meta Superintelligence Labs 于 8 月 10 日以 Apache 2.0 协议开源了 Muse Glimmer：这是一个 300 亿参数的稠密模型，从更大的 Muse Spark 蒸馏而来，针对本地 agent 实际做的工作进行了调优——调用工具、读取结果、在调用失败时恢复。决定它是否有意义的数字是内存：4-bit 构建将约 55GB 的全精度模型压缩到约 17–20GB，因此 24GB 或 32GB 的消费级显卡，或内存足够大的 Mac，都可以在不登录云账户的情况下运行它。默认上下文为 131K tokens，最高 262K，通过独立的感知编码器读取图像，支持 100 多种语言。DFlash drafter 在 RTX 5090 上将解码速度提升 3.1 倍，在 M5 Max 上提升 1.8 倍。

其区别性特征是故障恢复。本地 agent 生活在一个循环中——计划一步、调用某个东西、读取返回结果、决定下一步——而让廉价模型崩溃的环节是返回错误或意外形状的工具调用。Meta 专门针对重试和恢复进行了训练，所以 agent 会继续前进而不是假设一个失败的调用成功了。Day-zero 支持已在 llama.cpp、Ollama、LM Studio、vLLM、SGLang、MLX 和 ExecuTorch 上推出，这使得它可以在人们已有硬件上使用。

我一直在回想战略背景，因为模型发布和宣言是同一天发生的。扎克伯格发表了一篇 14 页的论文，认为超级智能应该是分布式的而非集中式的，路透社报道 Meta 打算开源 Muse Spark 1.2 本身的权重。Glimmer 就是这个论点最具体的形式：一个你有能力运行的 capable agent，没有持续的 API 账单，也没有数据离开你的建筑物。权衡是真实存在的——300 亿参数不是前沿多步推理——但对于一大类 agent 工作负载来说，隐私、成本和正常运行时间比峰值智能更重要，这改变了数学计算。悬而未决的问题是生态系统是否真的会围绕它构建，还是像早期的开源发布一样，有趣的应用停留在 Meta 内部。

— Meta AI · Quartz 🔗 Meta AI (research) · Quartz · Hugging Face

Anthropic 和 Millennium 正在为一只管理 920 亿美元的对冲基金打造 Claude 驱动的风险分析师

Anthropic 与 Millennium Management——一家管理资产超过 920 亿美元、拥有 340 多个投资团队的另类投资公司——于 8 月 6 日宣布正在与 Claude 共同开发一个"数字风险分析师"。该系统嵌入 Millennium 的风险管理流程：利用公司专有数据呈现风险洞察并对跨资产类别的敞口形成意见；保持长期上下文以便解释每日风险为何变化；记录其推理过程；在沙箱环境中测试操作。人类风险经理验证并丰富其发现，没有任何操作会在未经批准的情况下执行。

细节比标题更重要。Anthropic 正在派出现场部署工程师到 Millennium 的 AI 实验室工作——这是企业合作中昂贵且深度参与的版本，而非经销商安排。Millennium 不是第一个采用者；其团队已经在广泛使用 Claude 和 Claude Code 来编写软件和改进工作流程。风险管理是多策略对冲基金的核心，因此这是 Anthropic 在金融领域监管最严、容错最低的角落获得的一块试验田。首席信息官 Vlad Torgovnik 说得很直白：AI 应该为员工"设定一个新的能力标准"，同时将人类判断保持在决策中心。

与其说这是一个金融故事，不如说这是一个产品故事。两件突出的事情是记忆和监督——一个能记住数周风险上下文的分析师与一个每次会话都重新开始的模型是完全不同的存在，"受监督的 AI 队友"这个定位正是 Anthropic 一直在向企业推进的方向。诚实的警告是每个受监管部署都会面临的问题：最近的 Claude 宕机提醒所有人，可靠性和正常运行时间是真正的要求，而且我们尚不知道这是否会成为一个公司范围的生产工具，还是停留在一个有针对性的试点。如果 Claude 在 Millennium 的风险经理手下证明了自己，这就是对所有其他不信任黑盒的行业的一个有力论据。

— Anthropic · 财联社 🔗 Anthropic · 财联社 (via 新浪财经)

Google 重组 DeepMind Hassabis 退居幕后 Jeff Dean 离职创立 Discovery Loop

Google 于 8 月 5 日宣布了自 2023 年 DeepMind 合并以来最大规模的 AI 业务重组。Demis Hassabis 放弃了日常控制权，成为 Google DeepMind 董事长和 Alphabet 首位首席科学家，专注于 AGI 战略并继续领导 Isomorphic Labs。Koray Kavukcuoglu，这家实验室 13 年的首席技术官，接管成为直接向 Sundar Pichai 汇报的高级副总裁——这个头衔变化相对于 CEO 职位被内部人士解读为 DeepMind 自主权的削弱——他现在统一负责 Gemini 模型开发、前沿研究以及 Gemini 应用和开发者团队。

更剧烈的震动是 Jeff Dean 的离开。Google 员工编号第 30 位的他在 27 年后与另外三位资深研究人员——Sanjay Ghemawat、Oriol Vinyals 和 Quoc Le——一起离职，创立了 Discovery Loop，这是一家公益公司，使命是自动化机器学习、科学和工程：一个能提出假设、设计和运行实验、分析结果并循环的 AI。Alphabet 仍是创始投资者和云合作伙伴。据悉这次融资极为传奇——仅三页商业计划书，Khosla Ventures 和 Radical Ventures 领投，Lightspeed、Kleiner Perkins 和 Doerr 参与。消息传出后 Alphabet 股价当日下跌约 4–5.5%，市值蒸发超过 1800 亿美元，即便在其显示 24% 营收增长和 82% Google Cloud 增长的季度业绩之后。

市场反应才是真正的数据点。投资者将 AI 人才集中度定价为实质性风险——这是最近几周内的第三次重大离职，此前 Noam Shazeer 前往 OpenAI、John Jumper 前往 Anthropic——而这次重组模糊了前沿研究与产品交付之间的距离，这件事可左可右。内部人士描述 Kavukcuoglu 比 Hassabis 更注重商业化，这也许正是 Gemini 需要的。不那么舒适的解读是，Google 不断失去构建其 AI 引擎的人，而竞争正在变得生死攸关。比起任何基准测试，Dean 的离开才是我最关注的事情。

— Google · Bloomberg 🔗 Google (Inside) · Bloomberg (via The Hindu BusinessLine) · AI2.Work

中国企业上半年出货量占全球人形机器人出货量的 97%

市场研究公司 Smart Analytics Global（SAG）于 8 月 10 日被每日经济新闻报道，2026 年上半年全球人形机器人出货量约为 19,100 台，同比增长超过 200%——中国制造商占据了其中超过 97% 的份额。AgiBot（智元）出货约 8,400 台，占全球 44% 的份额，位居第一；Unitree（宇树）出货约 5,900 台，占 31%；两者合计占据全球市场约 75% 的份额。SAG 预计 2026 年全年出货量约为 60,000 台，2030 年将达到 500,000 台。

标题之下的数字是使用场景的转变。工业和商业部署现在占据了出货量的 70% 以上，高于一年前的约 50%——这个行业正在走出演示厅进入实际生产线。这与我们一直在追踪的部署情况相符：Figure 的机器人在斯帕坦堡堡支持超过 30,000 台 BMW X3 车型的生产 11 个月后退役，Unitree 本周 IPO 以 219 倍市盈率定价，基于 2025 年出货 5,500 台人形机器人的强劲表现。中国在这里的优势不是大脑——而是供应链：电机、传感器、电池，以及制造成本和规模。

我不认为这是一个干净的胜利宣言。中国的优势在于躯体而非认知层；决定这些机器人实际能做什么的世界模型和 VLA 工作仍然集中在其他地方，这正是 DeepSeek 和腾讯在 Unitree IPO 中进行战略入股的原因。SAG 的数据衡量的是出货量而非收入或利润——低利润率售出的单位仍然是出货的单位。不过趋势是明确的：人形机器人行业正在围绕中国制造业经济进行整合，2030 年 500,000 台的预测将取决于大脑差距是否能足够快地缩小以证明量的合理性。

— Smart Analytics Global · 每日经济新闻 🔗 每日经济新闻 · 虎嗅

一家任务工厂跑了十五轮把评分模型搞坏了

由 Zhongzhi Li 领导的研究团队在 arXiv（8 月 5 日）上发表了一种方法，通过递归重写已验证的任务来为 AI agent 制造长时域命令行任务。难度曲线是标题：在十五轮中，DeepSeek-V4-Pro 在生成任务上的成功率从 90% 下降到 2.5%，作者写道"15 轮后，递归没有显示出天花板"。该流程以每个任务约 5 美分的成本生成了 37,484 个任务，而报告中人类创作成本为每个任务数百到数千美元不等。该论文是 8 月 6 日 Hugging Face 日榜投票第一名的文章。

让它工作的技巧是保持任务的四个部分一致：指令、环境、一个可工作的参考解决方案，以及一个可以评判 agent 答案的验证器。该方法从一个已验证的种子任务开始，通过一个阶段扩展参考解决方案，重写验证器和指令以匹配，并在干净沙箱中重新验证这个 bundle——每一轮成为下一轮的种子。经过十五轮，中间参考解决方案从 67 行增长到 374 行，shell 命令从 40 条增长到 244 条，而指令几乎没有增长，从约 85 个词到 122 个词。任务变难了但没有变冗长，这与大多数基准膨胀的方式相反。

真正的收益是训练数据。作者在合成任务上收集了 agent 轨迹并进行了微调，报告称 Qwen3.5-27B 和 Qwen3.5-122B-A10B 在三个终端 agent 基准上提升了高达 10 个点，强化学习进一步提升了这一效果。所有内容都是公开的：37,484 个任务的数据集、一个包含 327,000 条轨迹的配套数据集，以及 Hugging Face 上的三个检查点。该论文诚实地指出了一个警告：这不是一个自我重写的系统——递归存在于数据管道中。但这种方法攻击的是 agent 训练中真正的瓶颈，不是模型架构而是廉价、已验证、困难任务的稀缺性。这是我认为对未来一年 agent 开发最重要的部分。

— arXiv · Hugging Face 🔗 arXiv:2608.05466 · Hugging Face · dev.to (analysis)