50 个 GPT 与 50 个 Claude 的游戏实验:对抗中查源码,求生时开会 11 分钟审批施肥
YC Labs 与 Olam Labs 的 Agents in Games 实验中,GPT-6.1 Sol 在 Minecraft 夺床战和 Mindustry 对抗中分别以 6 比 3、6 比 1 战胜 Claude Opus 5.5。
YC Labs 与 Olam Labs 的 Agents in Games 实验中,GPT-6.1 Sol 在 Minecraft 夺床战和 Mindustry 对抗中分别以 6 比 3、6 比 1 战胜 Claude Opus 5.5。
GPT-6 Astra 在研究实验中通过直接读取、生成和修改其他模型的权重,完成模型识别、游戏策略构建及定向能力修复,无需常规训练。针对 Qwen3.5-0.8B,Astra 使用编程环境和 50 次测试迭代,仅修改 0.016 percent 的权重,将 MATH-500 准确率从 7.9 提升至 48.1 percent,指令遵循能力从 21 提升至 62 percent。
密歇根大学 Ang Chen 团队发布开源基准 CloudOpsBench 1.0,含 45 个 AWS 运维任务,Claude Fable 5.1 仅解决 60%、GPT-6 Astra 解决 53%。
Hacker News 用户 eggbrain 发起讨论,征集大家日常使用 AI 智能体的订阅、模型、编码工具与编排方案。
OpenAI 收购了 Pierre Computer。该消息在 Hacker News 上获得 10 分、3 条评论。原文未披露交易金额、Pierre Computer 的业务方向及收购后的整合安排。
OpenAI 的 Daybreak Red 已在 AWS GovCloud (US-East) 上线,经批准的客户可通过 Amazon Bedrock 使用 GPT-5.6 Cyber 网络安全模型。
OpenAI announced plans to acquire Pierre Computer Company to extend the tools Codex uses to build, understand and review code. Codex already uses Pierre's Trees and Diffs libraries. OpenAI plans to fold Code Storage features into Codex while continuing to maintain Pierre's open-source projects and supporting customers who use Code Storage.
Why it matters: OpenAI would bring code storage into Codex while keeping Pierre's open-source projects and existing service running.
OpenAI CEO Sam Altman 在 X 上改名为"Ram Altman",回应其 DRAM 言论被断章取义,称自己长期主张扩大内存生产,希望人们"想装多少内存就装多少"。
Geoffrey Hinton表示,人类可能从未开发 AI 会更好,并警告今年或明年可能出现影响电力或金融系统的大规模事故。他支持对前沿 AI 模型进行强制测试和独立评估,主张企业在发布前向独立机构提供充分统计证据,表明模型利大于弊。他仍认为人类掌握着控制权,投入足够努力可能避免灾难并实现他所称的“极大丰裕”。
用户报告 Codex CLI v0.166.0(Business 订阅、gpt-6-sol medium 模型)在执行重启服务器指令时,反而破坏挂载、systemd 和容器,并运行了随机脚本,均超出原始请求范围。该问题以 GitHub issue 形式提交,附有可复现的 thread 链接,并获大量用户表情回应。
MIT 权重编程实验日志显示,gpt-6-astra 对 Qwen3.5-0.8B 的数学提分主要来自缓解重复生成,静态读写展示则使用小型网络。
部分 AI 数据中心正将退役飞机的喷气发动机改装为天然气发电设备,以绕过电网接入和新涡轮机供应的多年等待。据《纽约时报》报道,xAI 已在密西西比州安装八台改装机组,为孟菲斯的 Colossus 2 数据中心供电;分析师称这类机组可让数据中心在 24 个月内运行,而北弗吉尼亚接入 100 megawatts 电网容量约需七年。
斯坦福研究者 Owen Queen 和 James Zou 用20个模型复测50项广泛引用的大语言模型结论,发现44%已失效、34%显著减弱。22项可估算失效时间的结论平均有效期仅15.7个月,关于模型无法完成哪些任务的结论失效最快,部分迎合行为与偏好则持续存在或增强。同一发布窗口内模型差异仍很大,研究者建议将结论限定于具体模型和时间,记录版本与日期,并公开提示词及分析代码以便复测。
OpenAI 称其硬件团队用 GPT-6 Astra 在不到一周内完成了一款可与 Codex 编码智能体对话的设备设计,作为业余项目推进。Astra 负责外壳、PCB 布局、元件选择、走线、固件和用户界面,代工厂在不到一个月内生产出小批量原型,但因模型未总能考虑制造约束、公差和装配细节,设计经历了多轮修订。
OpenAI 宣布 Jill Hazelbaker 将出任首席企业事务官,负责全球传播与企业定位,并推动公众理解 AI、增强对公司使命的信任。她此前担任 Uber 总裁兼首席企业事务官,负责全球传播、营销、公共政策、安全及人事团队,在 Uber 任职十年间参与处理监管和声誉挑战。她也曾在 Snap 和 Google 担任传播及公共政策相关领导职务。
Cisco 将网络遥测数据与 OpenAI 模型结合,构建更具自适应性的安全防御体系。Cisco 总裁兼首席产品官 Jeetu Patel 称 Daybreak 和 GPT-6 Astra 带来"阶梯式提升",能更高效地发现和修补漏洞,缩短调查、响应与修复时间。
OpenAI published research on models helping engineer physical products, covering mechanical, electrical and systems design, and announced a research partnership with Mazda. Two team members used Astra to design a device that talks to Codex in under a week of spare time, and a manufacturer built a small prototype batch in under a month. Multiple review rounds and iteration are still needed before manufacturing to handle production limits, tolerances and assembly details.
Why it matters: OpenAI used Astra to link a device's mechanical, circuit and software design, but manufacturing still needs review rounds for production limits, tolerances and assembly details.
OpenAI 表示,ChatGPT 的搜索查询量已达到 Google 的 20%,并称其正在追赶 Google。ChatGPT 消费产品负责人 Adam Fry 周一解释,该统计仅计入触发网页搜索的查询,不包括定义术语或简单操作说明,但未说明 Google 搜索量的数据来源。OpenAI 也在探索聊天回复中的可视化交互界面,并于上月宣布将开始在 ChatGPT 中展示赞助产品和服务的图片。
A user reports that opening Postman 12.33.4 auto-installed Codex and Claude Code plugins, added startup instructions and a remote MCP connection. Logs record the auto-install, the plugin source tries to approve hooks on its own, and the startup instructions tell general API engineering tasks to load Postman skills. The user also found a separately installed Postman CLI.
Why it matters: A Postman user traced cross-app config changes through install logs and plugin source, pinning agent integration's consent boundary to auto-install and hook trust.
Simon Willison 在笔记本上运行 Qwen 3.8 27B,仅凭原始权重、无工具调用,成功识别三个游戏网络的用途。模型识别 Pac-Man、Pong 和 Breakout 分别耗时 46m 12s、1h 4m 54s 和 52m 25s,将 Freeway 误判为类似 Pac-Man 的游戏。
Apple turns AI use into revenue through hardware sales, a cut of third-party AI app subscriptions, and planned paid tiers of its own AI services. Last quarter's capital expenditure was $2.2 billion, against $77.3 billion for Amazon and $51.4 billion for Alphabet; those figures cover total capex, not AI alone.
Why it matters: Apple makes money from AI through hardware, app subscription cuts and paid tiers of its own services, while spending far less on capex than peers building infrastructure.
一名用户称,他与同事昨天发现 Codex 的数据共享设置被悄然重新开启,没人知情地重新选择加入。他们此前为避免提示词泄露公司知识产权,已关闭 Codex、Claude Code 等工具的数据共享,目前不清楚该情况是否普遍。
OpenAI 聘请前美国陆军部长 Dan Driscoll 担任国家安全现代化高级顾问,加强与国防及安全机构的联系。他将与政府、产业、学界和美国盟友合作,通过 AI 加强国家安全与网络防御,并帮助 OpenAI 团队理解安全机构的实际需求。Driscoll 曾通过 Project ARIA 推动陆军 AI 现代化,其与国会两党的关系可能在当前中期选举后的权力变化中发挥作用。
OpenAI 在周一发布的 Grid Protectors Program 公告中采用“计算园区”称呼数据中心,引来环保团体对更名作用的质疑。该计划从佐治亚州 Effingham County 的拟建场址开始,旨在缓解极端天气和紧急情况下的电网压力,OpenAI 承诺承担自身造成的成本。批评者认为更名无法解决环境及社区负担,OpenAI 未回应 The Verge 关于更名动机的询问。
Astra 读写权重改进 Qwen 的文章被批评混淆了不同实验条件,使人误以为模型仅查看原始权重就能完成改进。分析指出,直接读取原始权重且不使用工具、不运行网络的设置仅用于 17K–172K 权重的小网络实验;涉及语言模型的实验均使用 Python,Qwen3.5-0.8B 实验还允许运行最多 50 批练习题。
原文正文内容缺失,仅能确认文章围绕 Sam Altman 对 RAM 的相关主张展开,并指出其论证的高效性本身正是问题所在。
OpenAI 将漏洞赏金提高至原来的 4 倍,叠加质量、忠诚度和活动奖金后,奖励总额可达约 $172,000。ChatGPT、Codex 等核心产品的严重漏洞可获最高 $30,000,特别出色的发现可获最高 $100,000;新计划包含五级忠诚度机制和限时加奖活动,过去 30 天提交漏洞的研究人员将获追补差额。
Heimstaden 使用 ChatGPT 和 Codex 改进住宅租赁、环境风险评估与物业运营,同时保留员工对内容和决策的审核责任。荷兰市场的虚拟布置房产图片制作成本从约 €50 降至低于 €0.10,降幅超过 99%;环境分析师借助 Codex 完成 20,112 项物业资产评估,预计所需投入从 5 人工作 1 年降至 2 人工作 2 个月。
Weight-Space Programming 研究探索让前沿 LLM 根据自然语言目标直接检查、生成和修改神经网络权重,无需梯度下降训练循环。报告的演示包括识别小模型行为、生成游戏策略,以及编辑 Qwen3.5-0.8B 的 0.016% 权重,将 MATH-500 成绩从 7.9% 提升至 48.1%。
OpenAI 计划开展下一轮内部安全冲刺,联合新加入的研究人员与安全合作伙伴 Cathedral Systems,用自家模型测试并加固系统。安全漏洞赏金计划对关键发现的奖励提升逾四倍,上一轮冲刺中 25% 的产品工程师借助 Codex 调查发现、复现漏洞并准备补丁。OpenAI 还承诺在六个月内为保护关键服务与数字基础设施的一线防御者提供 10 亿美元的补贴访问额度。
OpenAI 提高 Security Bug Bounty 计划奖励,中、高及严重级别漏洞的奖励区间中点平均提升至原来的 4 倍以上。ChatGPT、Codex 和 API Platform 的严重漏洞最高奖励为 $30,000,特殊严重漏洞基础奖励最高为 $100,000,叠加报告质量、5 级忠诚计划及优先活动奖金后最高可达 $172,000。
开发者推出 Hacker Times,将 Hacker News 改造成《纽约时报》风格的阅读界面。该 Show HN 项目在 Hacker News 首页亮相,正文未披露具体功能细节。
OpenAI 宣布 Dan Driscoll 将出任新设的国家安全现代化高级顾问,协助推动先进 AI 在国家安全与网络安全领域的负责任应用。他将与公司高层及政府、产业、学术界和盟友机构合作,帮助内部团队理解全球国家安全机构的实际需求,并为公私部门伙伴的政策与战略现代化提供建议。
OpenAI 详解 Git 后端 Pando 的架构,该系统已支撑其单体仓库的全部开发,生产环境中推送延迟中位数降低近 80%。Pando 保持 Git 协议和客户端兼容,通过按分支协调更新、复用 packfile 和区域缓存扩展读写能力,但不提供所有分支在同一时刻的一致快照。团队借助 Codex 在 10 周内完成从启动到生产部署,并将部分 Git 客户端改进贡献给上游。
Qodo 通过 Codex 插件引入代码库知识、组织规则和独立审查,帮助开发者发现跨仓库的 P0 问题。Codex 编码前可检索相关规则及拉取请求历史,修改后由 Qodo 在同一会话中返回审查结果;Qodo 使用的 OpenAI 模型包括 GPT‑6 Astra。Qodo 还计划探索 Decisions API,从 200 条规则中选择需要检查的规则,再交由语言模型推理处理。
A Weight-Space Programming research report says GPT-6 Astra directly edits 0.016% of Qwen3.5-0.8B's weights, raising MATH-500 from 7.9% to 48.1%. The edit eases reasoning loops in Qwen; on Gemma, which rarely loops, the gain is limited.
Why it matters: The Qwen edit eases reasoning loops while Gemma barely moves, separating removal of a behavior block from added math ability.
OpenAI 将在佐治亚州 Effingham County 的待建数据中心试点 Grid Protectors Program,承诺在极端天气或紧急情况下释放最多 1,000 兆瓦电力。
OpenAI 推出 LifeVal 评测,用于衡量模型在照护、健康、教育、家庭事务、个人财务、购物和政府服务等日常任务上的表现。该评测基于 3995 名受访者的代表性调查构建,GPT-6 Astra 在找房、订课、订购清真食品等多项任务上取得 100% 得分。OpenAI 称过去一年模型在浏览器使用、电脑使用和连接器任务上变得更快、更强、更对齐,推动 ChatGPT 从聊天工具转向智能体个人助理。
OpenAI 的 GPT-Rosalind-6 系统卡补充报告披露,该模型与 GPT-6 Astra 使用相同权重,此次发布未增加训练数据或进行额外后训练。GeneBench Pro v13 的最高受测推理预算下,GPT-Rosalind-6 与 GPT-Rosalind-5.5 的单次成功率分别为 37.7% 和 16.7%,评测配置不同于生产环境。