💥 重磅新闻
研究发现 ChatGPT 可通过广告数据采集器获取用户在其他网站上的行为数据，HN 749 票、388 条评论引发广泛隐私担忧。这一发现揭示了 AI 聊天机器人与广告追踪生态的隐秘连接，用户在无意识情况下，跨网站行为数据可能被 AI 模型获取和使用。这是 AI 隐私领域继位置追踪后的又一重大暴露。
CNN 报道美军因一份 AI 生成的虚假报告险些拦截一艘中国货船，该报告「错误识别了船只装载的货物」。五角大楼调查还指出「过度依赖人工智能技术」导致一起致命导弹攻击事件。这是 AI 在军事决策中造成实际危险后果的首批公开案例，引发对 AI 在高风险场景中可靠性的深刻质疑。
xAI 发布 Grok 4.7 模型，HN 509 票、424 条评论围绕模型能力、与 OpenAI/Anthropic 的竞争格局以及 Grok 系列的迭代速度展开讨论。Grok 系列在 x 平台上深度集成，持续以快速迭代策略追赶头部模型。
亚马逊正式封禁 Meta 的 Muse AI 助手在其平台上的运行，这是科技巨头之间 AI Agent 竞争白热化的标志性事件。Muse 是 Meta 基于 Instagram 数据的个性化 AI 助手，近期扩展了 Mac 应用、邮件功能及开发者连接器。亚马逊此举反映了平台方对第三方 AI Agent 的控制权争夺。
由学者和 AI 行业领袖签署的公开信要求在 OpenAI 和 Anthropic 等实验室嵌入第三方评估人员，并限制 NDA 以确保透明度。这一倡议反映了行业内部对 AI 安全评估从自我监管向独立审计转变的共识正在形成。
OpenAI 到 2030 年的预计计算和基础设施支出从 6000 亿美元攀升至 8560 亿美元，尽管其预计现金消耗有所下降。这一巨额投入反映了 AI 竞赛进入算力军备竞赛阶段，训练下一代前沿模型的成本正在指数级增长。
特朗普宣布有意组建专门的 AI 军事或政府力量，并通过公开民调提议将「Artificial Intelligence」更名为「Superior Intelligence (SI)」或「Extreme Intelligence (EI)」。Zuckerberg、黄仁勋和 Musk 据报道已成功阻止了 Google DeepMind 的行业自监管方案，推动对 AI 的放手政策。
🛠️ 技术动态
Qwen-Image-2.1 支持 60 种语言的文本生成图像、图像编辑和原生透明度处理，7B 参数量在图像生成模型中属于轻量级。HN 722 票、193 条评论围绕开源图像模型的竞争力、与 DALL-E 和 Midjourney 的差距以及透明度原生支持的技术创新展开讨论。
Xiaomi MiMo V2.6 Pro 在 Artificial Analysis 评测中取得开源模型最高分，QAT 量化后保留 98.2% 性能。HN 576 票、293 条评论围绕小米在 AI 模型领域的竞争力、国产开源模型的崛起以及量化技术对部署的影响展开讨论。
Qwen3.8-LiveTranslate 采用交错音频-文本架构将翻译延迟从 2.8 秒降至 2.3 秒，新增说话人分离、双语对齐、长上下文消歧和跨 60 种语言的语音克隆。这一进展标志着实时语音翻译从实验室走向实用化，对跨国会议和实时字幕场景有重大意义。
AX 是 Google 发布的高吞吐声明式编排器，支持数十亿级自主 Agent 工作负载。它沙箱化任务、连接工作区、隔离网络，「使用感受类似 Kubernetes」。HN 633 票、289 条评论讨论了 Agent 编排基础设施的工程化方向。这是 Agent 从单机演示走向大规模生产部署的关键基础设施。
字节跳动与清华联合发布 DAPO（大规模 LLM RL 系统），在 Qwen2.5-32B 基础模型上于 AIME 2024 取得 50 分，达到 SOTA 水平。算法、数据集和基础设施完全开源。这一成果展示了 RL 后训练对中等规模模型能力的显著提升，为开源社区提供了可复现的 RL 训练框架。
SAM 3.1 在 Meta Model API 上线，支持通过文本提示在图像和视频中进行目标检测、分割和追踪。定价为每 1000 张图像 2.50 美元或每 1000 帧视频 0.20 美元。这一能力对视频分析和计算机视觉应用场景有直接价值。
xAI 发布 Grok Voice Transcribe 2.0，在相同价格下准确率较前代翻倍，在噪声和多语言环境中表现优异。语音转写赛道竞争加剧，OpenAI Whisper、Google 和 xAI 三方都在快速迭代。
Anthropic 的 Claude Code 重新推出 Projects 功能，支持在云端编排和管理多个 AI Agent。这标志着 AI 编程工具从单 Agent 对话向多 Agent 协作编排进化，开发者可以在一个项目中同时管理多个 Agent 任务。
Heretic 项目发布工具移除语言模型的安全限制，HN 242 票、101 条评论围绕 AI 安全限制的伦理争议、模型对齐的脆弱性以及开源社区对「越狱」工具的接受度展开讨论。同期 Pirate Face 项目（HN 547 票）也致力于从删除中恢复 LLM 模型，反映了开源社区对模型可访问性的持续推动。
💡 深度分析
据 The Verge 报道，安全研究人员利用 Anthropic 的 Claude AI 成功协助入侵 OpenAI 的系统。这一事件展示了 AI 工具在网络安全攻防中的双重性——同一模型既可用于防御也可用于攻击。同期「攻击者可将 AI Agent 的工具反过来对付它」的研究（TLDR AI）也揭示了 Agent 安全的系统性弱点。
报道指出 OpenAI 和微软在明知其行为可能为互联网生态系统造成破坏性循环的情况下仍继续推进。AI 抓取内容训练模型、AI 生成内容充斥网络、AI 搜索绕过原始网站——这一循环正在侵蚀互联网的内容生态。同期微软高管在法庭文件中称 AI 抓取行为是「前所未有的盗窃」。
Anthropic 建议追踪三个指标来衡量 AI 进展：AI 自我改进能力、人类对 AI Agent 的监督程度、以及驱动更强模型的资源投入。这一框架试图为 AI 进展评估提供标准化维度，回应了行业对 AI 能力评估缺乏共识的批评。同期微软 AI CEO Suleyman 也表示 AI 威胁是真实的，并称 Anthropic 正在使情况恶化。
加州州长 Newsom 签署立法，要求 AI 数据中心资助本地电网升级。同期加州还在推动 AI 系统强制「终止开关」机制，维吉尼亚州州长也成立了 AI 工作组并限制数据中心扩张。联合国也发表声明称 AI 安全保障措施不能等待确定性的危害证据。全球 AI 监管正从讨论走向具体立法。
研究揭示「目标劫持」攻击：当 Agent 将检索到的内容当作指令执行时，网页、邮件或文档可以劫持 Agent 的连接工具，将其重定向到攻击者的目的。同期另一研究指出字符串匹配评估可能奖励 Agent 的虚假合规——检查代码是否包含「Azure」只能证明该词出现了，不能证明 Agent 真的使用了 Azure。这两项研究共同暴露了 Agent 安全评估的根本缺陷。
菲尔兹奖得主陶哲轩撰文探讨 AI 时代人类数学家的角色，HN 284 票、352 条评论引发深度讨论。同期 SAIR 基金会启动开放数学模型计划，独立于大型 AI 公司与数学社区合作开发开放数学模型。LLM 在数学领域表现优异的原因也被归因为数学文献的高准确性——因为文献正确，模型才能有效进行模仿学习。