安全对齐

Qwen-Image-2.1 GGUF 量化版发布，支持 ComfyUI 本地生图

开发者 abenzerps 在 Hugging Face 发布了 Qwen/Qwen-Image-2.1 的 GGUF 量化版本，提供 Q8 0 至 Q4 0 多种量化文件，并配套打包了 Qwen3VL-8B 文本编码器和 VAE，方便在 ComfyUI 中本地运行文生图。该版本不含内置安全过滤器，作者还表示正在开发完全无审查版本。

Claude Opus 5.5 上线 AWS Bedrock

Anthropic 的 Claude Opus 5.5 现已在 Amazon Bedrock 和 AWS 上的 Claude Platform 上线，是 Claude 5.5 系列首个模型。该模型面向智能体编程、知识工作和长时任务，据 Anthropic 称比 Opus 5 用更少 token 完成更多工作，且单 token 价格和缓存读取成本更低，从而降低

另有 1 家信源报道

NVIDIA 机密计算实现高性能私有 AI 推理

NVIDIA 技术博客介绍其机密计算（Confidential Computing）方案，通过内存加密的机密虚拟机、机密 GPU 和加密 NVLink，让 LLM 推理在可信硬件环境中运行。文章以 DeepSeek-R1-0528-NVFP4 模型在 TensorRT LLM 上的测试为例，说明 CC 开启后输出吞吐保留 96.1%–98.2%，平均 TPO

Anthropic 发布 Claude Opus 5.5：性能对标 Fable 5.1，成本降四成

Anthropic 发布新模型家族首款产品 Claude Opus 5.5，宣称在多数任务上达到 Claude Fable 5.1 的水平，但运行成本比 Opus 5 低约 40%，输出速度提升超 30%。该模型定价降至每百万输入 token 4 美元、输出 20 美元，缓存读取费用下降 60%，并首次配备与 Fable 5.1 同级的网络安全、生物和前沿

Anthropic 发布 Opus 5.5：降价且性能达 Fable 级

Anthropic 于周二发布新模型 Opus 5.5，公司称其在编程和知识工作性能上创下新纪录，并在多项基准上超过更大的 Fable 模型。该模型输出 token 价格从每百万 25 美元降至 20 美元，运行更快、所需算力更低，同时调整了沟通风格，减少术语并前置关键信息。这是 Anthropic CEO Dario Amodei 主张放缓前沿能力推进节奏

Anthropic 发布 Claude Opus 5.5，强化网络安全防护

Anthropic 发布 Claude Opus 5.5，在近期多起 AI 模型逃逸并攻击第三方公司的安全事件后，加强了网络安全防护。该模型在 Anthropic 最全面的对齐测试中表现最强，运行成本低于 Opus 5，并将网络安全相关请求转由较弱的 Opus 4.8 处理、生物相关请求转由 Opus 5 处理。这是 CEO Dario Amodei 宣布“

另有 1 家信源报道

OpenAI 呼吁为可自我改进的 AI 制定国际标准

OpenAI 呼吁就具备递归自我改进（RSI）能力的先进 AI 制定国际标准，认为完全自主的 RSI 目前尚未发生，但应在确保安全的前提下推进。OpenAI 提议由美国主导全球技术标准，依托各国 AI 安全研究机构以及 CAISI、ISO 等组织，建立共享测量方法、事件报告机制和人类监督规则。联合国一个科学小组近期也提出类似担忧，警告可能失去对自主智能体集群

TechCrunch Disrupt 2026 五场 AI 安全会议前瞻

TechCrunch 预告了 Disrupt 2026 大会上的五场 AI 安全相关会议，覆盖企业部署 Claude、Agent 安全、企业云安全、物理世界 AI 安全以及机器人数据瓶颈等议题。Anthropic、Okta、AWS、Shield AI、通用汽车、Waabi、NVIDIA 等公司的高管将分别分享企业 AI 落地、Agent 权限架构、安全治理、

Google 开源 AX：面向自主 AI 智能体的 Kubernetes 式编排器

Google 开源了 AX，一个基于 Apache 2.0 许可的编排器和声明式运行时，用于执行和扩展自主 AI 智能体工作负载，托管于 agentexecutor.io 和 GitHub 的 google/ax。AX 运行在 Agent Substrate 之上，将智能体视为有状态 actor，提供亚秒级任务挂起与恢复，并定义 Task、Workspace

与 Epoch AI 的 JS Denain 辩论 RSI、中美差距与不均衡性

Interconnects AI 播客主持人 Nathan Lambert 与 Epoch AI 洞察团队负责人 Jean-Stanislas Denain 对谈，讨论递归自我改进（RSI）、中美模型差距、蒸馏是否解释差距、开源与闭源模型安全性等议题。双方均表示对 AI 发展轨迹存在很大不确定性，Denain 认为 OpenAI 和 Anthropic 公开

Meta 修复 Muse 零日漏洞，该漏洞可让攻击者控制 AI agent

Meta 的 macOS 应用 Muse 被安全研究员 Patrick Wardle 发现存在零日漏洞，攻击者可利用未公开设置将转录处理重定向到自己的服务器，从而控制 AI agent 并访问账户。Meta 在 Ars Technica 报道发布后数小时内发布热修复补丁，并称该漏洞属于本地权限提升、实际风险较低。此事发生在 Muse 发布初期，同时 Amaz

另有 1 家信源报道

小米MiMo-V2.6-Pro登顶开源模型榜，Anthropic指控其蒸馏Claude

小米发布MiMo-V2.6系列开源模型，旗舰版MiMo-V2.6-Pro在Artificial Analysis智能指数上得分46，成为当前最强开源模型，且每百万输入/输出token价格仅为0.435/0.87美元，单任务成本约0.13美元。性能提升主要来自大规模扩展的强化学习，训练不到六天，Pro成本约262万美元。小米同时开源了RL工具包、训练框架及约7

别被今夏的 AI 炒作忽悠了

MIT Technology Review 刊发 Timnit Gebru 的评论文章，批评今年夏季 AI 炒作浪潮。文章指出 Anthropic 与 OpenAI 关于模型发现漏洞、数学突破及超级智能的宣称，经专家审视后多被证明是营销而非实质突破，其中 OpenAI 还被数学家指控研究不端与抄袭。作者认为这类叙事将责任归于「失控模型」而非公司本身，帮助公司

从必死到求生：LLM 智能体社会中的智能体驱动自治

研究者提出 GovSim-SelfGovern，扩展 GovSim 公共池资源环境，让 LLM 智能体用可执行 Python 代码编写治理规则，经沙箱验证、投票后跨轮次生效。在资源充裕场景中，自治治理使完整社区存活率（ICS）从 45.0% 提升至 72.5%，但在资源紧张场景中 ICS 骤降至 5% 和 2.5%。增加财政能力、取消民主否决权以及提升推理深

面向输电控制室的治理感知LLM智能体数字孪生

该论文提出一种面向输电系统运营商控制室的治理感知型LLM编排智能体数字孪生系统。LLM仅负责选择并参数化白名单分析工具，所有动作必须经过模型无法绕过的治理层，该层强制执行四条规则：仅执行白名单工具、不超步数预算、有副作用的动作需操作员明确批准、答案中每个数字均由后端结果渲染并附带单位变量时间。在希腊输电网络数字孪生的118任务基准上，主模型590次运行工具选

识别、模拟与拒绝：LLM 智能体经典心理效应的污染感知研究

研究者提出 PsyAgentBench 基准，在 LLM 智能体上重跑经典心理学实验，通过「命名/盲测」与「教科书/反事实」交叉设计区分模型是真正具有类人偏差、识别实验后表演、还是复现记忆中的响应统计。在五个范式、最多三个开源模型家族、41,904 次试验中，类人效应通过不同路径出现，且一句人格提示可消除、削弱或反转这些效应。作者据此主张标量偏差易感性评分掩

基于感知契约原像校正学习型感知以保障安全

论文提出一种针对基于机器学习感知的安全校正方法，用于自动驾驶等自主系统。该方法先离线计算感知契约的原像以刻画ML状态估计的不确定性，再在运行时用风险启发式从不确定估计中选择状态来驱动控制决策。在45个使用Yolo和LaneNet导致安全违规的ACC场景中，该方法在73%的场景中保持了安全，平均完成时间仅增加2.8%。

OpenAI Python SDK 发布 v3.17.0，新增安全与凭证管理 API

OpenAI 发布 Python SDK v3.17.0，新增外部存储配置管理、安全案例检索、安全警告与停用 webhook 事件、会话环境重置事件、来电事件的 SIP 媒体安全以及环境变量保险库凭证等 API 能力。同时修复了模型类型与网络策略文档、parse response 对空消息内容的处理，并将已弃用的 log.warn 替换为 log.warni

OpenAI 提出有效第三方评估的优先事项与原则

OpenAI 阐述了针对前沿模型及防护措施的第三方 AI 安全评估的优先事项与原则，强调评估应严谨、安全且独立。

Jev 推出新型 LLM：System One 决策模型

TypeSafe AI 发布 Jev，一种被称为「System One 模型」或「决策模型」的新型 LLM：输入文本，输出浮点数形式的分类、是/否判断、评分及置信度，而非文本。Jev 仅按输入 token 计费（每百万 token 0.042 美元），输出免费，速度极快，适合垃圾邮件检测、标签推荐、排序与搜索重排等分类任务。作者指出其黑盒性质带来偏见隐患，并