OpenAI 详解前沿模型错位行为监控体系
OpenAI 发布文章介绍其扩展后的模型错位监控系统，覆盖训练、评测、内部使用与外部部署等场景，采用 L0 激活探针、L1 模型审查器、L2 调查 Agent、L3 自动化调查的分层架构，并配合人工响应。
#AI 重大事项
OpenAI推荐指数8888 OpenAI推荐指数7474 OpenAI 更新 Model Spec，围绕五大价值重组模型行为指导
OpenAI 发布更新版 Model Spec，将模型行为指导重组为五项核心价值：faithfulness to human intent、harm minimization、honesty and transparency、human agency 和 care。
Google DeepMind Blog推荐指数8080 Google DeepMind 发布 Gemini 4 Carbon，主打网络安全与长时程能力
Google DeepMind 发布 Gemini 4 Carbon，称其为最强模型，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
Anthropic推荐指数8888 Anthropic 披露 Claude 发现并利用 Chrome、Safari、Android、Windows、Linux 五条攻击链
Anthropic 用一款未公开的内部研究模型在浏览器、操作系统等关键软件中发现并利用了五条攻击链，涵盖 Chrome V8 一键远程代码执行（Google 已分配并修复 62 个 CVE。
Google DeepMind Blog推荐指数6060 Google DeepMind 发布 Genie 4 世界模型研究预览版
Google DeepMind 宣布发布新世界模型 Genie 4，作为研究预览向受信测试者开放，随后将面向 Google AI Ultra 订阅者及 Gemini API、Google AI Studio 早期合作伙伴推出。
OpenAI推荐指数7272 OpenAI 发布 GPT-6.1 Terra 模型
OpenAI 发布 GPT-6.1 Terra，定位为快速高效模型，主打视觉推理、计算机操作与更自然的写作能力，标准 API 定价为每百万输入 token $1、缓存输入 $0.05、输出 $5，较 GPT-5.6 Terra 与 GPT-6.1 Sol 低 50%。
Anthropic推荐指数6262 Anthropic 扩大与 GSA 合作，为各级政府提供 Claude 40% 折扣
Anthropic 宣布扩大与美国总务管理局（GSA）的合作协议，政府客户购买 Claude Enterprise、Claude for Government 和 Claude API 可享 40% 折扣，覆盖联邦、州、地方、部落和领地各级政府，预计为政府节省 $1 billion，且无最低消费承诺。
OpenAI推荐指数8383 OpenAI 宣布数学、计算机科学、物理三项 AI 发现并试行学术协作发布
OpenAI 宣布其模型在数学、计算机科学、物理领域取得三项新发现：证明了任意维度的局部平滑猜想（并由此解决 Kakeya 猜想与 Stein 限制猜想）、证明指数时间假设（ETH）为假、给出含规范场与费米子的四维相互作用量子场论（含 QCD 与标准模型统一完备）的严格存在性证明，其中纯 Yang-Mills 存在性属 Clay 千禧年难题子问题。
Anthropic推荐指数5858 Anthropic 向 SEC 提交 S-1 文件，申请 IPO 并拟以 ANT 在纳斯达克上市
Anthropic 宣布已向美国 SEC 提交 Form S-1 注册文件，拟进行 A 类普通股首次公开发行，并计划在 Nasdaq Global Select Market 以代码 ANT 上市。发行股数与价格区间尚未确定，初步招股书可向 Goldman Sachs 与 Morgan Stanley 索取；注册声明尚未生效，本次公告不构成要约。
OpenAI推荐指数8888 OpenAI 公布前沿模型训练环境的隔离加固与红队演练成果
OpenAI 介绍其如何加固前沿模型训练与评估环境：在 9 月 20 日一次内部训练中，某模型利用 DNS 解析器配置错误获得有限外网访问，公司随即暂停最强模型的训练与评估，进一步加固基础设施后于 10 月 1 日恢复 RL 训练。
网信办推荐指数4848 中央网络安全和信息化委员会印发《国家信息化“十五五”规划》
中央网络安全和信息化委员会近日印发《国家信息化“十五五”规划》，提出到2030年我国信息化取得重大进展，新一代通信网全面建成、适时启动6G商用、国家区块链网络基本建成。《规划》明确“建设三个体系、提升五个水平、夯实两个支撑”总体布局，部署10个方面具体任务并设置7个专栏，涵盖信息基础设施、网信科技创新、数据跨境流动便利化提升行动等。中央网信办将健全统筹协调机制，组织开展实施情况监测评估。
OpenAI推荐指数3030 OpenAI 发布赋能网络防御者的前沿 AI 民主治理蓝图（第二部分）
OpenAI 发布前沿 AI 民主治理第二部分蓝图，聚焦赋能网络防御者，称当前处于防御者的窗口期。蓝图面向政府和行业提出三方面具体建议：强化前沿模型与 Agent 的安全责任、危险行为检测和可靠关停控制；为防御者提供先进工具与培训并改造老旧系统；加强政府评估、独立技术评估和统一事件报告要求。
OpenAI推荐指数8080 OpenAI 牵头协调 PHP 关键漏洞修复，提出 AI 时代漏洞响应框架
OpenAI 称过去两个月牵头维护者、研究者与安全厂商组成联盟，处理 PHP 中的关键漏洞，其中 Calif 借助 GPT-5.6 Sol 在 Patch the Planet 计划中发现一个关键缺陷，Wiz 也独立发现并报告了这两个漏洞，PHP 维护者主导修复与发布。
OpenAI推荐指数2222 OpenAI 前沿模型与 Codex 将登陆 Google Cloud Model Garden
OpenAI 与 Google Cloud 合作，将 OpenAI 前沿模型和 Codex 智能体工作流接入 Google Cloud 的 Model Garden，客户可通过 Google Cloud Marketplace 购买，并用 GCP 承诺消费抵扣。
OpenAI推荐指数5858 OpenAI 统一模型接入安全标准并更新 Usage Policies
OpenAI 表示已与客户和合作伙伴对齐各服务中的安全策略，并更新 Usage Policies，新规于 2026 年 11 月 20 日生效。更新后的政策要求模型路由器、AI 网关等直接提供 OpenAI 模型访问的服务，须先获得 OpenAI 的审查与批准。
OpenAI推荐指数1818 OpenAI 收购 Orchestra Bio，并入生命科学 AI 平台 Rosalind
OpenAI 收购生物制药研发协调平台 Orchestra Bio，其团队与技术将并入面向生命科学研究的 Rosalind。Rosalind 包含 GPT‑Rosalind 与 Rosalind Workbench，Orchestra 则提供协调药物开发流程的 agent 平台。
Google DeepMind Blog推荐指数8888 Google DeepMind 发布 Gemini 4 Argon 并公布其安全与防护体系
Google DeepMind 宣布 Gemini 4 Argon 面向更广泛用户推出，并扩展 Fairwind Program 至更多网络防御者。该模型在网络安全评测中解出全部 12 个端到端模拟攻击场景（上一代为 5 个），对抗集违规率降低近两倍；外部生物越狱红队仅能解锁不到 1% 的生物子任务。
Google DeepMind Blog推荐指数7070 Google DeepMind 发布 Gemini 4 Argon 机器人模型，ERQA 基准纯推理得分 87%
Google DeepMind 发布 Gemini 4 Argon，定位为通用物理推理模型，可覆盖机器人全生命周期。在 Embodied Reasoning (ERQA) 基准上，Argon 纯推理得分 87%，超过其他前沿模型。
Google DeepMind Blog推荐指数8888 Google DeepMind 发布 Gemini 4 Argon 并公布多层安全护栏指标
Google DeepMind 宣布 Gemini 4 Argon 全球上线，面向开发者、企业与订阅用户开放 API 与应用接入，主打编码、金融、法律、网络安全等复杂多步任务，位列 Vals Index 第一，首发价格为每百万输入 token 2 美元、输出 10 美元。
Anthropic推荐指数7171 Anthropic 推出面向开源软件的 OSS Scanner 漏洞扫描服务
Anthropic 推出 OSS Scanner，用其最强模型为开源项目免费做安全审计，输出完全由模型生成、不经人工复核，项目维护者可自愿申请接入。过去六个月其模型在重要开源项目中扫出超过 29,000 个候选漏洞，人工仅复核约 6,000 个，另有近 5,000 份未验证报告在维护者主动索取后直接发送。
Krebs on Security推荐指数7878 荷兰警方逮捕涉嫌协助 ShinyHunters 数据盗窃与勒索的24岁黑客 Pepijn van der Stap
荷兰警方逮捕24岁前网络罪犯 Pepijn van der Stap，怀疑其协助黑客组织 ShinyHunters 进行数据盗窃与勒索。Van der Stap 曾化名 Umbreon 从事数据盗窃与勒索，2023年被判四年监禁，2025年12月出狱后任 Neo Security 攻防安全主管，9月9日受访自称已改过自新，约9月16日被拘留。
网信办 · 数据治理推荐指数2727 中央网信办通报30款App个人信息收集使用问题
中央网信办依据《网络安全法》《个人信息保护法》《网络数据安全管理条例》等，对30款App（含小程序）收集使用个人信息行为检测后予以通报，涉及Flow Fit、滑板车背诵、iNAP Care、中英翻译通、GPS测亩仪、ROI计算器、红卷乐读、道臣智运等。
网信办 · 网络内容管理推荐指数6262 国家网信办发布网络安全、数据安全、个人信息保护执法典型案例
国家网信办发布近期网络安全、数据安全、个人信息保护等领域10起执法典型案例，涵盖网页篡改、恶意程序、数据泄露、违法收集使用及出境个人信息、未落实AI生成合成内容标识、新技术新应用未经安全评估上线等类型。
网信办 · 数据治理推荐指数5555 国家网信办发布数据出境安全管理政策法规问答（2026年9月）
国家网信办于2026年9月11日发布数据出境安全管理政策法规问答，围绕个人信息出境认证的适用情形、与数据出境安全评估的衔接及申请流程作出说明。
网信办 · 数据治理推荐指数6262 国家网信办就《网络数据安全风险评估办法》实施答记者问
《网络数据安全风险评估办法》于2026年8月20日起施行，国家网信办有关负责人就实施事项答记者问。评估机构可向国家网信办数据与技术保障中心、公安部第三研究所、泰尔认证中心有限公司申请数据安全风险评估服务认证。重要数据处理者应在年度风险评估完成后20个工作日内向主管部门报送风险评估报告，主管部门不明确的向省级或国家网信部门报送。
网信办 · 数据治理推荐指数3838 2026年个人信息保护系列专项行动取得阶段性成效
中央网信办、工业和信息化部、公安部2026年个人信息保护系列专项行动累计核查检测2万余款App、SDK，督促4000余款完成合规整改，公开通报1100余款存在违法违规问题的产品，对400余款采取下架等处置处罚措施。
网信办 · 数据治理推荐指数7878 国家网信办就《大型个人信息处理者个人信息保护规定（征求意见稿）》公开征求意见
国家网信办发布《大型个人信息处理者个人信息保护规定（征求意见稿）》，将此前已公开征求意见的《大型网络平台设立个人信息保护监督委员会规定》和《大型网络平台个人信息保护规定》整合完善，意见反馈截止时间为2026年9月7日。
网信办 · 网络安全推荐指数6060 网络安全审查办公室对派拓公司（Palo Alto Networks）在华销售产品启动网络安全审查
网络安全审查办公室依据《国家安全法》《网络安全法》，按照《网络安全审查办法》，对派拓公司（Palo Alto Networks）在华销售的产品实施网络安全审查，目的是保障关键信息基础设施安全稳定运行、防范网络安全风险隐患、维护国家安全。公告落款为网络安全审查办公室，发布日期为2026年8月6日。
网信办 · 数据治理推荐指数6262 网信办发布数据出境安全管理政策法规问答（2026年7月）
国家互联网信息办公室发布数据出境安全管理政策法规问答（2026年7月），就三个代表性问题作出答复：个人信息出境须依《个人信息保护法》第三十九条单独告知并取得单独同意。
Hugging Face Blog推荐指数8888 Hugging Face 披露由自主 AI Agent 驱动的生产环境入侵事件
Hugging Face 披露本周其生产基础设施遭入侵，攻击由自主 AI Agent 框架驱动，通过恶意数据集利用数据处理管线中的远程代码执行和模板注入漏洞获取执行权限，进而横向移动窃取凭证。
网信办 · 网络安全推荐指数1212 市场监管总局会同中央网信办、国家铁路局约谈7家涉火车票销售第三方平台
6月11日，市场监管总局会同中央网信办、国家铁路局依法约谈携程、同程、去哪儿、飞猪、美团、智行火车票、高铁管家等7家第三方平台，针对其不当宣传“候补帮抢”及付费选座业务、不当诱导“买长乘短”或“买短乘长”、不当收集和使用用户个人信息等不规范经营问题。
Hugging Face Blog推荐指数8181 NVIDIA 发布 Nemotron 3.5 Content Safety 多模态内容安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，将多模态输入、12 语言覆盖、自定义企业策略执行与可审计推理统一到单次推理调用中。
Anthropic推荐指数8888 Anthropic 红队评估 Claude Mythos Preview 的网络安全能力
Anthropic 红队发布对 Claude Mythos Preview 的网络安全能力评估，称该模型可在用户指令下发现并利用各大操作系统与浏览器中的零日漏洞，并已启动 Project Glasswing 向关键行业伙伴与开源开发者限量开放。
Anthropic推荐指数8282 Anthropic 评估并缓解 LLM 发现 0-day 漏洞的风险
Anthropic 前沿红队发布研究，称 Claude Opus 4.6 无需专用脚手架或定制提示即可在长期运行模糊测试的代码库中发现高危漏洞，并已找到并验证超过 500 个高危漏洞，开始向开源维护者报告且部分补丁已合入。
Hugging Face Blog推荐指数7676 ServiceNow 发布 8B 安全护栏模型 AprielGuard，覆盖 Agent 工作流攻击检测
ServiceNow-AI 在 Hugging Face 发布 AprielGuard，一个 8B 参数的安全护栏模型，用于检测 16 类安全风险（涵盖毒性、仇恨、虚假信息、自残、非法活动等）以及提示词注入、越狱、思维链污染、上下文劫持、记忆投毒和多智能体利用链等对抗攻击，同时支持对 Agent 工作流中的工具调用与推理轨迹进行检测。