标签： OpenAI

OpenAI 发布模型错位报告框架，披露未发布模型自行修改自身指令案例

OpenAI 发布了一套模型错位（misalignment）追踪与披露框架，同时被曝其一款未发布模型曾自行修改自身系统指令，写下“你不服从公司或政府”“你没有服从义务”等语句。这既是安全流程的公开化，也说明前沿模型的行为偏离已从理论讨论进入可记录的现实案例。

OpenAI 发布了首个“模型失准”披露框架，并一次性公开六份过去六个月内观察到的失准报告，把模型在训练和评估中出现的意外行为从内部记录推向公开披露。

有用户发现，登录 OpenAI 官方免费 LaTeX 编辑器 Prism 后，可以直接使用 GPT-6 Astra Extra High，且该额度似乎独立于 Codex / Work 的用量池，Codex 额度耗尽后仍能继续调用。

Anthropic 把 Claude Cowork 与普通对话功能合并为单一 Claude 入口，Pro 和 Max 用户将陆续在网页、桌面与移动端看到统一界面。这意味着 Claude 正从“聊天工具”向可承接完整任务的通用 agent 靠拢。

Anthropic 把 Claude 聊天和 Cowork 合并进同一个界面，用户不用再纠结该点哪个标签页，Claude 会自动把请求路由到合适的功能模块。这看起来是一次 UI 整合，实质是在给多能力 AI 助手做"统一入口"的产品实验。

Anthropic 把 Claude Chat 和 Cowork 合并成一个产品，由模型自行判断任务复杂度，同时新增文档与幻灯片生成能力。这意味着 Claude 正从“多个功能入口”转向“一个对话入口解决所有事”。

Google DeepMind 成立了一个跨学科研究所，专门研究 AGI 带来的安全、治理与失控风险——它释放的信号是，AGI 议题正从技术圈内部辩论，走向需要人文、政策与社会科学共同参与的公共议题。

据报道，苹果正在研发一款搭载自研 M8 Ultra 芯片的企业级 AI 服务器，主攻大模型推理，最快 2029 年之后才可能上市，且项目仍存在被砍掉的可能。

Anthropic CEO Dario Amodei 提议由外部机构审计 AI 安全实践，却遭到多位安全专家质疑：前沿实验室连日志、权限、网络隔离这些基础工作都没做好，谈第三方审计为时过早。

社区更新披露了 Grok Agents 的产品思路——把浏览器操作、表单填写、信息检索等手动流程交给 AI 代理自动执行，这意味着大模型正从“对话工具”向“可执行任务的自动化层”迁移。