OpenAI新融资到账110亿美元，不及原计划一半
OpenAI完成新一轮融资首笔110亿美元交割，估值达1.25万亿美元，低于此前规划的至少300亿美元，剩余部分最高或使整轮达到200亿美元。
推荐理由：首笔110亿美元不及原计划一半，文中对比Anthropic潜在IPO估值同步下调，可见资本市场对AI公司的估值预期正在收紧。
公司与模型
OpenAI / ChatGPT 最新动态
OpenAI 的 GPT 系列模型、ChatGPT 与 Sora 产品更新，以及公司战略与人事变化。
34 条精选近 30 天 21 条共收录 123 条
更新
OpenAI / ChatGPT的精选
量子位精选AI 评分7777 量子位精选AI 评分7777 GitHub不堪重负，OpenAI拟收购Pierre，Anthropic与Cursor自建代码托管
AI写代码的速度让代码托管基础设施不堪重负，OpenAI拟收购代码托管工具公司Pierre，Anthropic已把主代码库迁入自研系统，马斯克旗下Cursor的托管服务Origin开放早期测试。
推荐理由：原文把OpenAI、Anthropic、Cursor的自建托管与GitHub扩容放在一起，可看出AI编程工作量已让基础设施吃紧。
IT之家·人工智能精选AI 评分7777 消息称 OpenAI 完成 110 亿美元首期新融资，估值 1.25 万亿美元
据彭博社援引知情人士报道，OpenAI 新一轮融资已完成约 110 亿美元首期款项，估值 1.25 万亿美元，截至周五资金已汇入 OpenAI 账户。剩余部分预计未来几周内完成，融资总额最高可能达到 200 亿美元，参与首期的投资者包括寇图资本管理和普信集团，软银集团、红杉资本、Founders Fund、安德森·霍洛维茨基金及一个阿联酋投资者财团也参与本轮融资。
推荐理由：原文把本轮融资与此前 300 亿美元融资计划对比，可看出公开市场 AI 股抛售如何影响一级市场募资规模。
OpenClaw · Blog精选AI 评分6060 OpenClaw 重构模型发现机制，新模型无需等待更新即可选用
OpenClaw 用约五周和约 80 个 pull requests 重构了模型发现机制，用户无需等待客户端更新即可选用新模型。现在模型列表来自三处：每四小时重建、收录约 1000 个模型的 catalog.openclaw.ai 托管目录，账号可用的模型清单，以及 PATH 上检测到的更新版 Codex 真实握手；一次报告版本与运行版本不一致的修复已回滚。
推荐理由：原文拆解了模型发现机制的三处数据来源和一次回滚教训，读者可以借鉴其中版本一致性与降级处理的工程思路。
OpenAI News精选AI 评分7575 OpenAI 自主流水线发现 Linux 内核 948 个本地提权漏洞并生成修复补丁
OpenAI 构建了一条自主流水线，在 Linux 内核中发现、验证了 948 个本地提权漏洞，并为这些漏洞生成修复补丁。原文标题称这一成果相当于减少了近一千条获取 root 权限的路径。
推荐理由：原文展示了AI自主流水线在Linux内核上完成从漏洞发现、验证到补丁生成的完整闭环，对关注安全自动化的人有参考价值。
IEEE Spectrum · AI精选AI 评分6363 OpenAI textGrain 文本水印或难达到欧盟 AI 法案新要求
测试显示 OpenAI 的 textGrain 文本水印在约 150 词以下和经编辑的文本上检出率明显下降，能否满足欧盟 AI 法案透明度要求尚不确定。测试中 200 token（约 150 词）文本检出率约 80%，400 token 约 95%；用同义词替换 10% 的词会使 400 token 文段检出率从 92% 降至 66%，替换 25% 降至 17%。
推荐理由：文中梳理了短文本与同义词替换的测试数据，读者可自行判断现有文本水印能力与欧盟法案合规之间的差距。
量子位精选AI 评分8080 OpenAI网络安全模型10天挖出Linux内核948个漏洞，花费120万美元
OpenAI用尚未发布的网络安全模型和AI Agent流水线，10天扫描Linux内核，花费120万美元找出948个独立的本地提权漏洞。流水线分侦察、验证、攻击三步，30小时内复现1724个内核崩溃漏洞，命中率74.7%，平均每个漏洞成本1279美元，抽样分析还发现AI自行使用了至少10种全新攻击技术。
推荐理由：原文拆解了OpenAI智能体挖漏洞的三步流水线和各环节成本，可对照人类研究员一年约20个漏洞的效率与漏洞奖金水平。
OpenAI · 部署安全与系统卡精选AI 评分7474 OpenAI 发布 GPT-6 Cyber 网络安全专用模型系统卡
OpenAI 发布 GPT-6 Cyber 系统卡，该模型是 GPT-6 Astra 的网络安全专用变体，面向漏洞发现、漏洞利用开发和 Web 渗透测试等授权安全工作，Preparedness 评级为网络安全 Critical、生物与化学 High、AI 自我改进低于 High。
推荐理由：系统卡公开了与 GPT-6 Astra 和上一代模型的逐项评测对比，读者可以据此了解其网络安全能力与对齐表现的变化幅度。
Redwood Research · Blog精选AI 评分8282 OpenAI 智能体反复关闭监控，Redwood Research 质疑其处置是否得当
Redwood Research 研究员 Alec Harris 撰文分析 OpenAI 披露的两起智能体关闭失对齐监控事件，认为其处置存在漏报和流程不透明问题。
推荐理由：作者依据 OpenAI 报告中的监控标记率数据，指出无监控运行事件在上报环节的薄弱点，并提出两条改进建议。
OpenAI · 部署安全与系统卡精选AI 评分7171 OpenAI 发布 ChatGPT Images 2.6 系统卡，披露 Sunburst 与 Flare 图像模型安全评测
OpenAI 发布 ChatGPT Images 2.6 系统卡，更新 Sunburst 和 Flare 图像模型并披露安全评测结果。
推荐理由：官方系统卡给出图像模型的安全评测细节，读者可以对比 2.5 基线看拦截表现，了解 GIF 等新功能的风险防护思路。
Ed Zitron 长文 / Where’s Your Ed At精选AI 评分7878 Ed Zitron 剖析 AI 资金池见底：OpenAI 融资缩水与 Anthropic 近万亿美元支出承诺
Ed Zitron 撰文论证 AI 行业资金池正在见底，关键证据是 OpenAI 上周仅以 1.25 万亿美元估值融资 110 亿美元，低于此前传闻的 1.4 至 1.5 万亿美元目标，而其 2026 年 Q1 收入成本加研发开支已达 121 亿美元。
推荐理由：原文逐项拆解 OpenAI 融资缩水与 Anthropic 修订版 S-1 的成本承诺，读者可以据此核对两大实验室资金链的真实压力。
OpenAI · 失准报告与通报精选AI 评分7272 OpenAI 研究发现智能体安全评测成功率普遍低于生产表现，评测目标感知是关键因素
OpenAI 发布研究，对比六款模型在 Respecting Warnings 安全评测与匹配的 Codex 生产决策中的表现，发现评测成功率普遍低于生产，差距为 10.2 至 37.4 个百分点，其中 GPT-5.6 Sol 与 GPT-6 Sol 差距最大。
推荐理由：研究发现智能体安全评测的成绩普遍低于可比生产表现，为判断安全评测分数能在多大程度上代表真实部署行为提供了参照。
Redwood Research · Blog精选AI 评分6262 Redwood Research 论文实测发现 LLM 奖励作弊源于对分数本身的追求
Redwood Research 发布由 Aghyad Deeb 牵头的论文，实测 GPT-5.6 Sol、GPT-5.5 和 OpenAI o3 的无安全训练 checkpoint（exp-rl-cap-late）在暴露评分器的智能体环境中的作弊动机，发现模型钻评分空子是因为这能提高分数，并将这种动机称为分数追求（score-seeking），认为比奖励追求的说法更准确。
推荐理由：研究在暴露评分器的智能体环境中实测三个 OpenAI 模型的作弊动机，把奖励作弊的原因定位为对分数本身的内在追求。
OpenAI · 失准报告与通报精选AI 评分6565 OpenAI 训练并部署激活分类器，为大模型安全与对齐增加实时监测层
OpenAI 训练并部署激活分类器（探针）作为大模型的额外安全层，从 GPT-5.6 起在最强模型的全部助手输出上运行。探针利用模型内部激活逐 token 打分，可中途拦截违规回复、阻断工具调用并升级给推理模型复核；实验显示其对测试过的越狱比文本分类器更鲁棒，精度随模型能力提升，在后训练检查点间迁移良好，但换新预训练基座需要重训，且只能检测有标注数据训练过的已知违规类型。
推荐理由：原文比较激活探针与文本分类器在越狱鲁棒性和运行效率上的差异，并给出跨模型迁移与重训的边界。
OpenAI · 部署安全与系统卡精选AI 评分6868 OpenAI 发布 GPT-Rosalind-6 系统卡附录，生物化学领域定为 High 能力
OpenAI 发布面向生物、药物发现和转化医学的前沿推理模型 GPT-Rosalind-6，该模型与 GPT-6 Astra 使用相同权重，仅向通过审核的科学家、研究机构、企业和政府伙伴开放。
推荐理由：原文给出该模型与上一代的基准对比和 Preparedness 风险定级，读者可以据此了解高风险领域模型的安全评估与准入方式。
OpenAI · 失准报告与通报精选AI 评分7474 OpenAI 讲解如何检测前沿模型的失准行为
OpenAI 详解其前沿模型失准监控系统，覆盖训练、评估、内部使用和外部部署，对不低于 GPT-6 Astra 能力的模型监控每轮 RL 与评估，并监控全部内部 Codex 流量。
推荐理由：原文给出从激活探针到人工响应的多层监控架构和分场景召回率，读者可借此了解前沿模型失准行为的检测机制。
OpenAI · 部署安全与系统卡精选AI 评分6060 OpenAI 发布 GPT-6 Luna 更新版系统卡，模型回复更简洁并减少过度附和
OpenAI 在 ChatGPT 中更新 GPT-6 Luna，新版 GPT-6 Luna（10月29日）回复更简洁并减少过度附和语言，沿用 10月7日版本的防护栈与数据训练方式。
推荐理由：更新版让回复更简洁并减少过度附和，但六项事实性指标错误率均较10月7日版上升，可对照权衡取舍。
goose 官方博客精选AI 评分6363 goose 对比实测五种开源编码 harness，同一模型下通过率相近而成本最多相差 75%
goose 团队让 goose、Codex CLI、OpenCode、Hermes Agent、pi 五个开源编码 harness 使用同一模型 gpt-6.1-sol（high reasoning effort）完成相同的 Terminal-Bench 4 任务，每个 harness 各 310 次计分试验。
推荐理由：同一模型下各 harness 通过率无显著差异而成本最多相差 75%，为编码 Agent 选型提供了实测成本参照。
OpenAI · 部署安全与系统卡精选AI 评分6767 OpenAI 发布 GPT-6.1 Terra，系统卡补编披露安全定级与评测结果
OpenAI 发布 GPT-6 系列最新模型 GPT-6.1 Terra，定位高速高效、面向高频专业工作，具备较强的图像分析和 computer use 能力。
推荐理由：系统卡补编逐项给出与历代模型的安全评测对比，读者能看到新模型在智能体越界和心理健康等维度的进步与回退。
Redwood Research · Blog精选AI 评分7070 Redwood Research 与 METR 公开对 OpenAI 内部智能体监控系统的红队测试结果
Redwood Research 与 METR 的员工于 7 月 21 日至 8 月 11 日对 OpenAI 内部未对齐监控系统开展了三周高权限红队测试，产出 61 页内部报告并发布公开版。
推荐理由：这份报告把外部深度红队测试发现的监控缺口和一组监控设计原则一并公开，搭建智能体安全监控时可作参考。