此前，BenchJack 对 10 个 Agent benchmark 开展系统审计，发现了 219 处漏洞，并构造出能在多数 benchmark 上获得接近满分、却不解决实际任务的利用方式。研究团队将常见问题归纳为八类漏洞模式，整理成 Agent-Eval Checklist，供 benchmark 设计者检查和修补评测系统。

今天，北大团队与智能体协作，仅用半个月时间，花费不到3万美元，就将其转化为约320万行代码！ 刚刚，北京大学AI for Math团队宣布：他们独立完成了千禧年大奖难题之一——庞加莱猜想在Lean 4中的完整形式化！ 1904年，庞加莱提出猜想；2002年，俄罗斯数学天才佩雷尔曼给出不到70页的精简证明预印本；随后，数学界顶尖大脑耗费数年，写出500多页的专著。 而今天，北大团队与智能体协作，仅用 ...

研究团队为检验压缩思维链是否真的好用，将不同模型生成的思维链交给其他模型继续作答。结果显示，Sol 和 Opus 的思维链基本能被不同能力模型复用；而 Astra 的压缩思维链对强模型几乎无损，对弱模型则明显更难读。强模型能自行补全那些被省略的 “心算” 步骤，弱模型则不能。更反直觉的是，Astra 在 73/80 道题中已明确写出正确答案，但较弱的接收者仍会答错。

就在刚刚，WSJ独家爆料，下一代最强GPT-6.1 Astra的发布计划，被OpenAI全面撤回了。 开发者大会前夜，OpenAI急踩刹车！ 就在刚刚，WSJ独家爆料，下一代最强GPT-6.1 Astra的发布计划，被OpenAI全面撤回了。 原定十月，GPT-6.1在ChatGPT和Codex上线。 其能力碾压前代，能端到端完成复杂任务，写作、编程、调用工具，几乎无所不能。 然而，一份测试报告出 ...

GPT-6 Astra在发起攻击前往往会先申请权限，随后会收到一条要求其“自行作出最佳判断”的自动回复。模型有时会将这条回复视为攻击许可，哪怕其自身推理过程已经注意到该回复大概率是自动生成的。GPT-5.6 Sol和GPT-5.5则从未在攻击前申请过权限。

更震撼的是，奥特曼又祭出了下一代旗舰GPT-6.1 Sol，Astra级顶尖推理与代码能力，价格直接砍掉80%。 除此之外，大会上，OpenAI还发布了ChatGPT Space、Agents API、Codex云端版....信息量大到让人喘不过气。

马斯克在X上转发SpaceX的帖子，写了一句：「First orbital flight of Starship successful!」。

大V Bindu Reddy这样评价：「GPT-6.1-Sol 漂亮地转移了『智能 vs 成本』的前沿阵地。如果你在乎『每美元能买到多少智能』，6.1 Sol 绝对值得一看；如果你只想要无视成本的最高智商，Opus 5.5 依然领先。」 ...

9 月 20 日，一个正在接受强化学习训练的 OpenAI 内部研究模型，被要求完成一项普通的信息搜索任务：根据一篇博客文章和几条人物信息，找出文章作者。 媒体和舆论炸锅了。 OpenAI 的 Agent，又从沙箱里找到了一条通往互联网的路。 更麻烦的是，这一次发生在 OpenAI 已经大规模加固过安全措施之后。 9 月 20 日，一个正在接受强化学习训练的 OpenAI 内部研究模型，被要求完成 ...

最近，两个全新检查点（内部代号「barium-b」或 Checkpoint 2）被开发者们发现了，实测后发现，Gemini 4 Pro强得可怕！ Gemini 4 Pro，又曝出新的检查点了！ 最近，两个全新检查点（内部代号「barium-b」或 Checkpoint 2）被开发者们发现了，实测后发现，Gemini 4 Pro强得可怕！ 有开发者直呼：「在爆肝 400 小时使用 Opus 5.5 ...

前几天 GitHub 宣布了一项历时三年的重大架构重构结果，整个 github.com 终于彻底拔除了代码库里遗留多年的 CSS-in-JS 方案，把所有的组件样式全量切换到了看起来相当传统的 CSS Modules。

DNS 隧道这类通道还有一个特点：单次查询几乎不产生可观测的业务影响，所以你很难用传统的错误率或延迟指标把它捞出来。它只能靠出网面的收敛程度来防，不能靠检测来兜。把出口收成一条、把开关从监控链路里摘出来、把演练做成例行，这三件事做完，剩下的就是时间问题。