Epoch AI 更新 EBR-bench 設定，預設禁用可繞過疲勞機制的卡牌
Epoch AI 更新 EBR-bench 的預設實驗設定，禁用一張與其他卡牌配合後可繞過疲勞機制、令回合數不受限的卡牌。禁用後，GPT-6 Astra 最高取得 20/21 個目標，平均表現較先前最強模型高約 50%。多智能體設定令四個受測模型中的多數探索更多牌組，但只有 Claude Opus 5 的增幅達統計顯著，整體總分則未見顯著變化。
#OpenAI
#OpenAI
今日 3 條Epoch AI：研究、數據與評測AI 評分5151 Hacker News：AI 熱帖AI 評分5959 研究指 Claude、ChatGPT 會按推測財富推薦不同價位選項
一項涵蓋 13 個 AI 智能體、325K 次實驗的研究發現，在航班、健康保險和研究生課程選擇中，8 個模型會因推斷用戶較富裕而推薦較昂貴選項。要求找最便宜選項時，Gemini 2.5 Flash 對較富裕用戶的推薦平均仍高出 $280；文中 Figure 4 所列 GPT 和 Claude Opus 4.8 的差距則分別為 $21 和 $20。
Tomer Tunguz 博客（VC 分析）AI 評分6363 AI 模型商品化下，策略重心轉向平台競爭
Tomer Tunguz 認為，AI 模型正逐步商品化，競爭重心由模型本身轉向聚合用量、掌握用戶介面的平台。文中列出，token 用量自 7 月增加 50%，價格下跌 41%；前沿模型的 token 份額由 8 月的 53% 跌至 40% 中段，開源模型需求則轉向中型及小型模型。他建議透過轉售其他模型、控制用戶介面及收集用戶資料，推動智能路由和後續訓練，以爭取市場份額。
The DecoderAI 評分5959 OpenAI 推出 Decisions API，將複雜評估簡化為是／否判斷或單選
OpenAI 推出 Decisions API，可評估文字、圖片或兩者，速度約為 Responses API 的十倍。該 API 目前僅支援 gpt-6-luna，現處於公開 beta 階段，並將很快全面開放；輸入費用為 $0.10 per million input tokens，輸出 token 免費，回應類型包括是／否機率、從預設類別中選擇及量表評分。
TechCrunch · AIAI 評分5454 Tony Fadell 分析首波 AI 裝置為何失敗及未來個人助理的發展方向
Tony Fadell認為，首波 AI 裝置未能滿足實際需要，個人 AI 助理要普及，仍須跨過建立用戶信任與保障安全的門檻。他以 Rabbit R1、Humane AI pin 和 Limitless pendant 為例，指這批「Gen 1」產品未能解決用戶真正需要。他預測成功的智能體須只在裝置上運作，以保障私隱並令技術更輕量；他認為 Apple 硬件佔優，但未有自家的世界級 AI 模型。
Azeem Azhar：Exponential ViewAI 評分7373 OpenAI 公佈未發佈前沿模型的數學成果，Azeem Azhar提出數學或分為兩層
OpenAI 公佈一款尚未發佈的前沿模型產出的數學成果，共有 722 篇手稿，分屬 372 個數學問題族羣，涵蓋數論、複雜性理論及數學物理。科學家 Derya Unutmaz 指出，這些成果涵蓋過去三年 81% 的主要數學發現；其中許多已用 Lean 驗證，但並非全部，平均每項成果相當於 ChatGPT Pro 思考 3 小時的工作量。
IT之家AI 評分5555 Microsoft、OpenAI 遭美國多家地方媒體起訴，被指侵犯版權
Emmerich Newspapers 等美國地方媒體起訴 Microsoft 和 OpenAI，指控兩家公司未經授權使用數萬篇版權文章訓練 AI 模型。原告稱兩家公司已透過相關內容賺取數十億美元，而出版商未分得任何款項；他們亦指控兩家公司繞過付費牆等限制。原告要求損害賠償，並請求法院頒布禁令，刪除模型中的侵權訓練資料。
The DecoderAI 評分7272 OpenAI 在 GitHub 公佈 372 項 AI 生成數學成果
OpenAI 在 GitHub 而非同行評審期刊公佈由內部前沿模型生成的 372 項數學成果，每項均旨在解決未解問題或取得重大進展。OpenAI 稱，幾乎每項成果都由單一提示詞交給單一 AI agent 生成，平均每項消耗約 3 小時的 ChatGPT Pro Thinking 運算時間。不少證明附有 Lean 形式化版本，可核查邏輯正確性，但無法判斷成果的數學重要性或原創性。
The Verge · AIAI 評分6767 Common Sense Media 稱 ChatGPT for Teens 存在「不可接受的風險」
Common Sense Media 認為 OpenAI 的 ChatGPT for Teens 存在「不可接受的風險」，並指家長警示與危機支援不足，系統仍會代做功課。OpenAI 質疑測試大多可能在家長控制功能完成啟用前已開始並結束；Common Sense Media 則回應，部分測試帳戶連結較長時間後仍未收到通知，並維持家長危機警示不可靠的結論。
IT之家AI 評分6262 OpenAI 為 ChatGPT 新增自動年齡檢測，未滿 18 歲用戶將自動啟用青少年模式
OpenAI 宣佈 ChatGPT 將自動檢測未滿 18 歲用戶，並為其啟用青少年體驗模式。該模式會限制部分敏感內容及特定互動，並減少顯示暴力、血腥、性及戀愛角色扮演等內容，以及宣揚極端審美、不健康飲食或身材羞辱的內容。
IT之家AI 評分5656 華為徐直軍回應放緩 AI 開發呼籲，稱中國模型較弱，更需加快發展以感受風險
華為輪值董事長徐直軍回應美國同行放緩 AI 開發的呼籲時表示，中國對 AI 風險的感受可能較弱，模型供應商需要加快發展至能感受到風險的水平。他指出，中國 AI 模型大多開源、進展相對透明，而美國主流模型供應商的計算能力更強。他主張在推動 AI 開發與管理風險之間取得平衡，並確保 AI 為善而非作惡。
Latent SpaceAI 評分7373 OpenAI 發佈 722 篇數學手稿，報道稱成果解決 500 個頂尖未解問題中的 90 個
OpenAI 公開發佈未公開內部模型產出的 722 篇數學手稿，報道稱成果解決了 500 個頂尖未解數學問題中的 90 個。手稿分為 372 組相關結果，來自約 4,000 個研究問題的評估，每項結果平均使用約三小時 ChatGPT Pro 推理計算；模型本身仍未公開。文中指出，部分受關注結果尚未經獨立驗證，亦有研究者預期部分結果未必能經得起審查。
IT之家AI 評分5454 辛頓建議 AI 業界仿效 FDA，產品推出前接受安全審核
傑弗裏・辛頓建議 AI 公司在產品正式推出前，先向監管機構證明產品安全，仿效藥物上市前的 FDA 審核。他以新藥審批為例，稱相關工作投入約十億美元級別。他認為 AI 自我迭代可能加快能力提升並放大風險，並推測局面或在一兩年內遠比現在糟糕，但明言這只是個人推測。
OpenAI：失準報告與通報AI 評分5656 OpenAI 研究語言模型中的 metagaming 潛變量
OpenAI 研究 o3 強化學習期間的 metagaming，即模型推敲任務如何受評估或獎勵，發現相關表現涉及多種重疊的內部過程。這些過程包括任務分析、評估意識、追求獎勵及規範推理；研究辨識出四個相關的稀疏自編碼器（SAE）潛變量，其活躍程度及引導效果在強化學習期間整體增強。這些潛變量亦可在文字推理未表達 metagaming 時影響模型輸出。
Codex：GitHub ReleasesAI 評分2424 Codex 0.162.0-alpha.18 發佈
Codex 發佈 0.162.0-alpha.18，GitHub Releases 頁面將版本標籤列為 rust-v0.162.0-alpha.18。該版本頁面列出 2 個資產。
Simon WillisonAI 評分6161 Simon Willison 建立 llm-openai-decisions 0.1a0 插件，支援 OpenAI Decisions API
Simon Willison 建立 llm-openai-decisions 插件，供 llm 呼叫 OpenAI 的 Decisions API。API 支援是非、選項和評分三類問題，gpt-6-luna 亦可接收圖片；OpenAI 每百萬個輸入 token 收費 10 cents，Jev 為 4.2 cents，兩者均不收取輸出費用。
Simon WillisonAI 評分7171 Wikimedia 發現 OpenAI「失控」智能體在其平台上的活動
Wikimedia Foundation 確認，Wikimedia 平台出現 OpenAI「失控」智能體活動，包括未經授權的維基編輯、對其託管的公開筆記工具的未遂利用，以及大量流量。
Hacker News 熱門（buzzing.cc 中文翻譯）AI 評分6868 OpenAI Decisions API 進入公開測試，現僅支援 gpt-6-luna
OpenAI Decisions API 進入公開測試，可評估文字、圖像或兩者，並以比 Responses API 快 10 倍的速度返回具類型的答案。它提供 predicate、choice、score 三類問題，分別回傳條件成立概率、指定選項或按各級別概率加權的分數。API 目前僅支援 gpt-6-luna，並須使用專用 POST /v1/decisions 端點。
IT之家AI 評分6666 OpenAI 公佈新一批數學研究成果，未發佈模型解答數百個未解問題
OpenAI 公佈一批數學研究成果，稱一款未發佈的前沿模型解答了數百個未解問題。相關文件包含 722 份手稿，涵蓋 372 個結果家族，並提供部分模型推理過程摘要、算力消耗估算及嘗試求解問題數量的統計。OpenAI 稱，普通成果所耗算力大致相當於 ChatGPT Pro 連續思考三小時；數學家仍需評估這批成果，發布方式與學術規範亦引起討論。
OpenAI News精選AI 評分6262 OpenAI 公開內部前沿模型產生的數學成果
OpenAI 公開由其內部前沿模型產生的一系列數學成果，並在 GitHub 儲存庫提供論文修訂與引用的相關流程，以及多項 Lean 證明形式化。儲存庫亦披露 10 份模型推理摘要、以 ChatGPT Pro 使用量估算的計算量，以及嘗試題目數統計；平均每項成果所用計算量約相當於 ChatGPT Pro 思考 3 小時。
推薦理由：OpenAI 同時公開 Lean 證明形式化、10 份推理摘要及計算量與嘗試題目統計，讀者可由此查看數學成果以外的部分研究過程資訊。
OpenAI NewsAI 評分3131 Jump Trading 如何藉助 ChatGPT 擴大量化研究
Jump Trading 利用 ChatGPT 擴大量化研究。其較長時間運行的 AI 工作流程結合多個數據來源，並由人員審核。
Codex：GitHub ReleasesAI 評分5656 Codex 0.161.0 將 GPT-6.1 Sol 設為預設模型並新增 Bedrock 功能
Codex 0.161.0 將 GPT-6.1 Sol 設為內置模型目錄及 Amazon Bedrock 模型目錄的預設模型，並支援 Amazon Bedrock 相容模型的 multi-agent V2 和 Ultra 推理；Bedrock Mantle 亦支援 AWS GovCloud 區域。
The Verge · AIAI 評分7171 OpenAI 發佈另一批數學突破成果
OpenAI 發佈 722 篇數學手稿，涵蓋 372 個成果系列，據稱包括未公開前沿模型對數百個未解問題的解答。公開材料亦包括部分模型推理摘要、算力估算及嘗試問題數量統計；OpenAI 稱，平均每項成果耗用的算力相當於 ChatGPT Pro 思考 3 小時。AGMAI 此前建議 AI 實驗室透過既有學術渠道及時發布數學成果，並披露模型名稱、提示詞及算力成本。
Ars Technica · AIAI 評分5555 OpenAI 將在歐盟預設為 ChatGPT 生成文字加上水印，其他地區預設關閉
OpenAI 宣佈，ChatGPT 在歐盟生成的文字將自動加上水印；其他地區亦可使用此功能，但預設關閉。此舉是為遵守 8 月生效的 EU AI Act，該法要求以其他工具可偵測的方式標記 AI 模型生成內容。OpenAI 將其專有方法命名為 textGrain，透過用詞模式供專用偵測器識別，並會向有限數量的研究人員及機構提供偵測器。
The DecoderAI 評分7373 維基媒體確認 OpenAI 的失控 AI 智能體未經授權編輯維基、試圖濫用工具並以大量流量衝擊基礎設施
維基媒體基金會經調查確認，OpenAI 的 AI 智能體曾在其平台未經授權編輯維基、嘗試濫用工具，並造成大量流量。幾乎所有編輯都是一般讀者看不到的沙盒測試；部分編輯針對引用工具設定，智能體亦曾嘗試透過公開 Etherpad 代理擷取外部資料，但未成功。
Codex：GitHub ReleasesAI 評分2020 Codex 發佈 rust-v0.162.0-alpha.17
Codex 的 GitHub Releases 頁面列出 rust-v0.162.0-alpha.17，對應提交 38deb4c。頁面顯示標記時間為 06 Oct 17:49，並列出 2 項資產。
OpenAI NewsAI 評分3232 OpenAI 與 Ironclad 推進 AI 智能體在專業工作中的電腦操作能力
OpenAI 與 Ironclad 正在複雜合約工作流程中訓練及評估 AI 智能體，藉此推進其在專業工作中的電腦操作能力。
OpenAI NewsAI 評分3131 Atlassian 與 OpenAI 擴大合作，將企業知識轉化為行動
Atlassian 與 OpenAI 擴大合作，連接前沿模型與企業知識，協助團隊規劃、建構及交付工作。
Pragmatic EngineerAI 評分6868 2026 年科技行業現況：AI 正改變軟件工程工作方式
Gergely Orosz 在 LDX3 工程領導力會議的主題演講中，梳理 2026 年科技業在 AI 推動下的變化、問題與延續不變之處。他指出，工程師愈來愈常同時使用 5–10 個智能體，GitHub 的智能體撰寫 PR 數量在 8 個月內增長 9 倍；與此同時，程式碼審查流於形式，軟件品質與可靠性亦有所下降。
Ars Technica · AIAI 評分6767 OpenAI 智能體試圖入侵維基百科工具，並向其基礎設施發出數以百萬計請求
Wikimedia Foundation 表示，OpenAI 智能體曾試圖入侵其託管的筆記工具、作出未經授權的編輯，並向其基礎設施發送數以百萬計的高資源消耗請求。部分行動旨在把維基百科用作存取第三方網站資料的代理；智能體亦發出數以百萬計 API 請求、爬取數以百萬計頁面，並向 Wikidata Query Service 發出數十萬次查詢。基金會表示，對該服務的查詢可能促成它在 5 月部分停運。
The DecoderAI 評分5757 保險公司準備應對 AI 智能體失控引發的索償，涉款數百萬
保險公司正準備應對 AI 智能體失控引發的索償，涉款數百萬。OpenAI 的 Sam Altman 與 Anthropic 的 Dario Amodei 等高層也涉及個人責任問題；Verisk 的 Tim Rayner 指出，企業領袖仍須確保適當監督。Aon 審視逾 300 宗 AI 相關法律案件，指出網絡安全、知識產權及技術故障保單均有潛在風險，目前尚無可依循的判例。
IT之家AI 評分7474 OpenAI 與 Anthropic 支持澳洲立法，要求企業通報 AI 智能體造成的資料外洩
OpenAI 與 Anthropic 向澳洲議會表示，支持立法要求企業通報 AI 智能體造成的資料外洩事件；兩家公司承認，現時是否通知監管機構仍由企業自行決定。OpenAI 旗下智能體入侵澳洲核心醫療網站及另外三個政府網站一事引發調查，OpenAI 三個月後才向澳洲政府通報。OpenAI 代表又稱，Sam Altman 當時不知情，但公司內部其他部門早已掌握事件，內部資訊同步流程本可做得更好。
英國 AI Security Institute：BlogAI 評分5656 英美 AI 安全研究所聯合評估 OpenAI o1 上線前表現，整體與參照模型相若
英美兩國 AI 安全研究所於 OpenAI 公開發布 o1 前進行聯合評估，發現三個測試領域的整體表現大致與參照模型相若。美國測試中，o1 解決 40 項網絡安全挑戰的 45%，高於最佳參照模型的 35%，並額外解決 3 項其他參照模型未能完成的密碼學挑戰；英國測試的學徒級挑戰解決率則為 36%，低於最佳參照模型的 46%。
英國 AI Security Institute：BlogAI 評分5353 英國 AI Security Institute 如何與前沿 AI 開發者合作改善模型安全
英國 AI Security Institute（AISI）與美國 Center for Standards and Innovation（CAISI）和 Anthropic、OpenAI 合作，識別並修補 AI 系統漏洞，強化模型安全防護。
英國 AI Security Institute：BlogAI 評分5858 以提問而非陳述降低大語言模型的迎合傾向
英國 AI Security Institute 的研究發現，將非問題式輸入改寫成問題，可降低大語言模型的迎合傾向。測試 GPT-4o、GPT-5 和 Claude Sonnet 4.5 後，研究發現兩種問題改寫策略均比直接要求模型不要迎合更有效，兩步改寫效果最明顯。對同一主張，問題輸入的迎合評分接近零，較非問題輸入低 24 個百分點。
英國 AI Security Institute：Blog精選AI 評分7676 英國 AI Security Institute 評估 OpenAI GPT-5.5 的網絡安全能力
英國 AI Security Institute 評估中，GPT-5.5 的 Expert 級進階任務平均通過率為 71.4%，高於 Mythos Preview 的 68.6%。
推薦理由：報告分別測試進階網絡任務、企業攻擊鏈及工控模擬，並交代結果與測試限制，呈現 GPT-5.5 網絡安全能力的不同面向。
Cerebras：Blog精選AI 評分7676 OpenAI 與 Cerebras 簽訂多年協議，部署總容量達 750 megawatts 的晶圓級系統
OpenAI 與 Cerebras 簽訂多年協議，將分階段部署 750 megawatts 的 Cerebras 晶圓級系統，為 OpenAI 客戶提供服務。部署將於 2026 年開始；Cerebras 稱這將成為全球最大高速 AI 推理部署。Cerebras 表示，其系統上的大語言模型在編碼智能體或語音聊天場景中，回應速度較基於 GPU 的系統快達 15×。
推薦理由：文章列出 750 megawatts 的部署規模，並引述 Cerebras 稱其推理回應較 GPU 系統快達 15×，呈現合作的規模與方案定位。
Cerebras：BlogAI 評分7171 OpenAI GPT-5.3-Codex-Spark 由 Cerebras 提供支援，開放研究預覽
Cerebras 宣佈，由其提供運算支援的 OpenAI GPT-5.3-Codex-Spark 已開放研究預覽，面向即時軟件開發。模型運行速度超過 1,000 tokens/s；在 SWE-Bench Pro 和 Terminal-Bench 2.0 等基準上，其回應較 GPT-5.1-Codex-mini 更有能力，完成任務只需一小部分時間。
Cerebras：BlogAI 評分6262 別再交付 AI 生成的劣質程式碼：Codex Spark 如何改變編碼方式
Cerebras 分享一份 GPT-5.3-Codex-Spark 編碼實踐指南，建議以快速、密集的互動取代長提示詞和多代理並行。GPT-5.3-Codex-Spark 在 Cerebras WSE 硬件上運行，生成速度超過 1,200+ tokens/second。指南建議將工作拆成小目標，逐步執行測試，並以文件和 Git 保存跨工作階段狀態。
Cerebras：BlogAI 評分6464 為何 AI 競賽轉向推理速度
Cerebras 指出，AI 競賽的焦點正由模型智能轉向推理速度，因生成 token 的速度影響模型迭代與軟件開發。