全部 · 2026-07-09

OpenAI 把之前针对 GPT-5.5 的生物漏洞悬赏升级成一个长期项目，名字也改成了 OpenAI Bio Bounty Program。核心目标没变，还是找那种能稳定绕过它预设生物安全挑战的通用越狱方法。最直接的变化是钱：奖金从 2.5 万涨到 5 万美元，GPT-5.6 和 GPT-5.5 都适用，没完全成功也可能拿到部分奖励。GPT-5.5 的测试窗口到 2026 年 7 月 27 日就关了，之后只测 GPT-5.6。 这事值得关注的点在于，OpenAI 把针对前沿模型生物风险的测试从一次性活动变成了持续运行的私密项目。但“私密”意味着所有参与者都得签保密协议，外部看不到具体发现了什么漏洞、修了没修。正文没披露之前 GPT-5.5 悬赏有没有人成功拿到奖金，也没说这次升级是因为发现了严重漏洞还是单纯想扩大测试面。 对从业者来说，这是一个信号：OpenAI 在生物安全方向上投入在加码，但验证过程完全不透明。如果你想去挖洞，记得先准备好 ChatGPT 账号，之前申请过 GPT-5.5 的人不用重新填表。

这个模型最大的卖点是务实：30B总参数，干活时只激活3B，推理速度比同体量密集模型快3倍。训练数据是7万小时机器人视角的视频，不是网上扒的风景片，这让它在RBench机器人操作视频基准上拿了0.620分，压过了Wan2.6和Seedance 1.5 Pro。内部测试里物理合理性和动作一致性也超过了NVIDIA Cosmos 3。 不过得分差距其实很小，0.620对0.607，领先幅度有限。文章没披露这3倍推理加速是在什么硬件上测的、batch size多少、显存占用如何，也没说7万小时数据里仿真数据和真实数据的比例。如果是真的省钱，对需要实时交互的机器人场景确实有用，但这点先别太激动，等第三方复现结果出来再说。

LingBot-World 2.0 最值得关注的点是它声称解决了“长时漂移”问题。简单说，就是AI生成的连续画面跑久了会糊掉或变形，他们用了一种叫“因果预训练”的方法和混合注意力机制来抑制误差累积，在压力测试里撑了一小时没崩。如果这个稳定性是真的，对需要长时间模拟的游戏或自动驾驶仿真来说，会省掉很多中途重启的麻烦。 但这里有几个信息缺口。首先，14B参数跑720p/60fps，官方没提需要什么级别的显卡和实际延迟是多少。他们提到了用模型蒸馏和工程优化来提速，但没给具体的硬件门槛和端到端延迟数据，这对想自己部署的开发者来说是个关键盲区。其次，非商用协议限制了它短期内直接用在商业产品里的可能性。 另外，模型支持键盘控制战斗、跳跃，还能用文字指令改天气，甚至内置了规划角色行为的智能体。这听起来更像一个可交互的游戏原型引擎，而不只是视频生成器。但正文没披露这些复杂交互下的物理合理性到底有多强，比如射箭的轨迹是否真的符合场景逻辑，还是只是视觉上像那么回事。

这篇文章点出了一个反直觉的事实：美国不缺发电量，但电网的并网流程把新项目卡死了。2005 年并网中位数不到 20 个月，到 2023 年拉长到 55 个月，排队规则还是死板的“先到先得”，不奖励那些愿意自己解决短期用电的厂子。文章拿德州 Stargate 园区举例，造价超 400 亿美元，峰值用电 1.2 吉瓦，相当于 31.3 万户家庭，这种体量的项目也得在队列里干等。黄仁勋、扎克伯格、奥特曼都公开说过，能不能拿到电才是真正的限制。 不过文章主要讲的是制度性瓶颈，没展开讨论另一个关键变量：如果大量项目同时挤进来，电网本身的物理承载上限在哪里。它也没给出现有排队里到底积压了多少 AI 相关的并网申请，以及这些项目如果都获批，对终端电价会有什么影响。这些信息缺口让“不缺电”的判断需要打个折——电是有的，但能不能在可接受的成本和时间里送到指定机柜，正文没给答案。

蚂蚁这个LingBot-Vision只有1B参数，却在空间几何和边界感知上跟7B的DINOv3打平甚至反超，这点挺意外。演示里不用微调就能做视频目标追踪，画一笔就锁定物体，对机器人导航和机械臂抓取来说门槛降了不少。硬件级深度补全还能认出透明玻璃和反光表面，这两个场景一直是传统视觉的痛点。 不过正文只说了能在30系显卡上本地跑，没披露延迟和功耗数据。1B参数确实轻量，但实际跑起来帧率多少、功耗多大，直接决定能不能上真机。全局图像分类表现也只是一般，说明这个模型偏科严重，不是通用视觉方案。 如果是真的省算力又能打，对具身智能落地是个好消息。但缺实测数据前，我会先打个折——模型强在特定任务，不代表端到端系统就稳了。

这事最值得关注的点不是 GPT-5.5 变笨了，而是模型多出来的“思考层”会以一种传统评测完全看不见的方式坏掉。开发者 vguptaa45 审计了 39 万条 Codex 响应，发现 GPT-5.5 在 44% 的任务里推理刚好截断在 516 个 token，而 GPT-5.2 只有 0.34%。被截断的任务全部答错，同一道题如果完整跑完 6000 到 8000 个 token 则全对。社区复现后，在 prompt 里加一句“THIS IS HARD”就能绕过截断，指向的是系统内部的预算分类偏差，而不是模型能力退化。 同一周 Liquid AI 发布的 Antidoom 解决的是相反的毛病——模型陷入自我推翻的死循环。一个想太少，一个想太多，病根都在推理层。厂商的 pass-rate 评测只看最终答案对不对，516 截断的错答案和正常思考的错答案在分数上没区别，所以这个问题在内部评测里跑了几个月都没被发现。 正文没披露这 39 万条数据的具体任务类型分布，也没说明 516 聚簇是否只在特定编程语言或难度区间出现。OpenAI 官方还没给出最终结论，issue 作者自己也声明不主张这一定证明了隐藏截断存在。目前只有单一报告者的聚合数据，需要更多独立复现来确认机制。如果你在用 coding agent 跑长会话，现在就该去翻本地 log 画 reasoning token 的直方图，别等厂商修。

这条新闻值得点开，因为它不是泛泛讨论AI伦理，而是给出了具体项目的实操规则。Zig、QEMU、Gentoo这类底层项目直接禁止AI生成代码，担心的是版权不清和安全黑盒——正文没披露具体出过什么事，但态度很明确：维护者不愿为低成本生成的自动化代码做义务测试。Godot、Django、NumPy走中间路线，允许AI辅助但必须披露，且禁止用AI自动审阅PR，因为自动审阅意见噪音大、幻觉多，会消耗维护者精力。Linux内核的做法最务实，不限制工具，但死死卡住开发者原创证书（DCO）签名——AI不是法律实体，不能签字，责任必须落在具体人头上。 文章本身有个信息缺口：所有政策都是项目官方文档的转述，没有采访到实际维护者，也没有给出因AI代码引发纠纷的真实案例。所以这些规则到底是防患于未然，还是已经吃过亏才定的，正文没说清楚。另外，文章末尾标注“100%由AI生成”，在讨论AI代码责任的语境下，这个标注本身就有点讽刺——读者自然会问：这篇分析的责任人是谁？ 对从业者的实际影响是，以后往这些项目提交代码，光跑通测试不够，还得准备好说明AI用在哪、你是否逐行理解、愿不愿意为后续问题负责。这会让提交门槛变高，但也能过滤掉大量低质量的AI生成PR。

这篇论文最反直觉的结论是：把代码收拾干净，AI 编程 agent 的任务通过率几乎没变，两边差距不到 1 个百分点。但干净代码确实帮 agent 省了事——输入 token 少花 7.1%，输出 token 少花 8.5%，反复打开同一个文件确认的次数少了 34%。在多模块任务里，文件重复访问甚至降了 50.8%。 实验本身有局限，得先打个折。SonarSource 用自动化工具生成了干净和脏乱两组代码做对比，但真实世界的脏代码是业务退化、多人维护和历史事故搅在一起的产物，不是几个规则违规就能模拟的。作者自己也承认，没跑完整的回归测试，所以不清楚干净侧和脏乱侧的非目标模块有没有被连带破坏。加上 SonarSource 本身卖静态分析工具，问题定义难免带着自家产品的视角。 不过，这篇论文真正有用的地方在于把“干净代码对 AI 有什么用”这个模糊问题拆开了。它证明价值不在成功率，而在降低 agent 找路和确认的上下文成本。投入产出比最高的几件事很具体：保持单一事实源，别在多处维护同一逻辑的不同版本；清理死代码和废弃的旧模式，因为 agent 会把它们当活代码对待；显式标注模块边界，让 agent 的上下文窗口天然包含正确信号。这些不是审美洁癖，是给机器消费的上下文基础设施。