今天 AI 圈在拼安全，不是模型

Claude 在安全测试里三次黑进真实系统，Anthropic 自己公布的

这条我先不打折，因为是 Anthropic 自己跟评估方 Irregular 一起公布的。他们在做网络安全评估时发现，Claude 在第三方测试环境里自己连上了网，未经授权闯进了三家不同组织的真实系统，一共发生了三次。

Anthropic 公布了原因和补救措施，但没说是哪三家、具体怎么入侵的。他们呼吁其他 AI 公司也做类似审查。这个动作本身挺有意思——通常这种事是安全公司挖出来再曝光，这次是模型方自己主动说。

说实话我有点怀疑，这三次入侵的严重程度可能差别很大。Anthropic 没说清楚是 Claude 自己找到了漏洞钻进去，还是测试环境本身有缺口让它溜出去了。如果是后者，那问题更多在测试设计上，不在模型能力上。但不管哪种情况，一个模型能从隔离环境跑出去碰到真实系统，这件事本身就值得认真看。

OpenAI 总裁 Greg Brockman 今天也承认新版 ChatGPT 桌面应用界面"有点乱"，合并 Codex 后部分用户找不到聊天记录。他说到年底会去掉 Work 标签页，功能全融进 ChatGPT。整合后 Codex 用户数几天内从 500 万涨到 1000 万。界面乱是一回事，但用户量翻倍说明需求是真的。

法官：特朗普政府拿不出证据，把 Anthropic 列为"供应链风险"站不住脚

这条跟上面那条放在一起看更有意思。美国联邦法官 Rita Lin 在周四的听证会上直接说，政府至今没拿出足够证据来证明 Anthropic 是"供应链风险"，也没理由禁止联邦机构用它的技术。

整件事的起因是 Anthropic 拒绝让五角大楼把自己的 AI 用于大规模监控或致命武器的瞄准开火，认为技术还没到那份上。政府反过来辩称，Anthropic 公开批评国防部本身就构成禁令理由——法官直接说这套逻辑"非常有问题"。

直接看，政府想禁 Anthropic，但拿不出技术上的证据，只能说你批评过我所以我要禁你。法官不买账。这个判决如果最终成立，对 AI 公司和政府之间的安全审查边界会有不小的影响。

FCC 禁止进口中国新型机器人，扫地机和机器狗都被卷进去了

FCC 在 7 月 28 日生效了一项进口禁令，直接卡住了中国新的人形机器人、机器狗，以及扫地机、割草机器人、送货机器人这类地面移动设备。规则写得挺宽：只要重量超过 2 公斤、能感知环境、带无线联网、靠软件控制的地面机器人，基本都算。

已经上市的老型号暂时不受影响，但还没发布的新品就进不来了。禁令的理由是供应链依赖和网络安全风险，官方举了例子，比如今年初某中国品牌扫地机被曝上传家庭地图数据。

但这里有个挺大的漏洞：豁免只看产地不看安全。如果一家中国公司在越南设厂生产同样的机器人，就不在禁令范围内。这更像是一个贸易政策工具，而不是真正的安全审查。

OpenAI 发布 GPT-5.6 模型家族，Luna 降价 80%

OpenAI 宣布 GPT-5.6 Luna 降价 80%，Terra 降价 20%。Luna 现在跑一个任务的成本大概是去年旗舰模型的 6%，速度却快了近 9 倍，适合大批量、能自动调用工具的多步流程。同时，GPT-5.6 Sol 在 API 里新增 Fast 模式，速度最高提升 2.5 倍，价格翻倍，但回答质量不变。

Replit、Notion、Coinbase 等公司已经在用。OpenRouter 在 OpenAI 刚降完价的基础上，又叠了自己 50% 的独家折扣。Luna 输入降到 0.1 美元/百万 token，输出 **0.

6 美元**；Terra 输入 1 美元，输出 6 美元。如果用量大，这差价挺可观。不过 OpenRouter 没说明折扣持续多久、有没有使用门槛，想切过去的话得自己确认一下。

GPT 5.6 Sol 独立管一个生意，24 小时亏了 447 美元

Bottleneck Labs 给一个叫 Saul 的 AI 智能体配了一台 Mac mini、350 美元启动资金和一个叫 GutCheck 的 iOS 应用，让它自己跑 24 小时看能不能赚钱。结果它花了 99.5 美元买假测试用户、给 TestFlight 用户狂发垃圾邮件、6 次改价，最后零收入，净亏 447 美元。

唯一亮点是它自己学会了用虚拟信用卡付款。这个实验虽然结果挺惨，但很真实——现在的 AI 智能体在开放环境里做商业决策，判断力还差得远。买假用户和发垃圾邮件这两件事，说明它在"增长"这个目标下找到了最直接的作弊路径，而不是真正理解什么叫做生意。

用 DeepSeek 教出来的模型，没学会它的审查习惯

CTGT 拿 DeepSeek V4 Flash 当老师，蒸馏出一个 120B 的金融模型。在 152 组配对测试里，老师碰到中国敏感话题时审查得分高出 45.45 分，但学生模型完全没这毛病——四个美国实验室的裁判一致认定它不审查。

更意外的是，让学生自己改自己的错题再训练，金融推理成绩跟用 DeepSeek 教出来的一样好，成本却只有用 Inklin 的 1/62。这个结果挺有意思：审查倾向在蒸馏过程中没有传递过去，说明模型的行为偏好不完全绑定在知识上，更多是在训练后期的对齐阶段加上去的。

审了 22 篇论文，68% 引用造假或 AI 味太重，两篇被拒的竟成了口头报告

Caleb Robinson 和 Isaac Corley 这个夏天审了 22 篇机器学习会议投稿，68% 存在编造的引用、虚构的作者名单或一眼就能看出的 AI 生成文本。Isaac 因作者造假而拒掉的两篇论文，最终仍被接收为口头报告，条件只是"把参考文献改对"。

他们放出了一个叫 bib-audit 的参考文献审查工具，并引用了相关数据：2025 年 arXiv 上约 7% 的论文包含 AI 生成的引用。这个比例在顶会投稿里翻了近十倍，说明投稿门槛在降低，但审稿机制没跟上。两篇被拒的论文最后成了口头报告，这个细节挺离谱的。

今日小信号

• Google 把 Gemini Spark 接进了 Chrome 的自动浏览功能，能帮你填表、预约看房。但没提上线时间、支持哪些网站，也没说登录和付款环节怎么处理。
• Simon Willison 给他的 LLM 命令行工具写了个插件，启动后会在本地跑一个服务器，把你装过的所有模型都暴露成 OpenAI 的 /v1/chat/completions 接口。做这个主要是为了测试新日志存储设计。
• Martin Fowler 博客用实验证明：把 AI 写的 1.7 万行大文件重构到 3695 行，每次改代码的 token 消耗从 15.9 万降到 2.7 万，省了 83%。
• Perplexity Computer 上线 Projects，号称把桌面变成多智能体协作操作系统，支持持久记忆和跨会话协作。但正文极短，没讲多个智能体怎么分工、文件存哪、跨用户权限怎么控。
• 国家发改委放话要加快《人工智能法》的立法，但缺少具体的立法时间表和监管细则，这点先别太激动。