OpenAI 给 GPT-5.6 降价：Luna 降 80%，Terra 降 20%
GPT-5.6 系列上市才三周，OpenAI 就把 Luna 的 API 价格降了 80%（输入每百万 token 0.20 美元、输出 1.20 美元），Terra 降 20%（2 美元／12 美元），Sol 价格不变（另见 CNBC）。官方把降价归因于效率提升，包括用自家模型重写和优化生产环境的推理代码、加快 token 生成。竞争背景很直白：Google 和中国厂商都在持续推出低价模型，这股压力最先落在 API 价格上；但更值得记的是成本工程本身：用模型优化模型的推理成本，已经从一个说法变成能兑现 80% 降幅的生产手段。
联邦法官：政府仍拿不出把 Anthropic 定为「供应链风险」的证据
背景：今年二月，特朗普总统下令联邦机构停用 Anthropic 产品，国防部另行把该公司认定为「供应链风险」、切断其与军方承包商的合作（TechCrunch）；Anthropic 三月起诉，联邦法官 Rita Lin 随即临时冻结禁令。本周庭审上，Lin 表示政府至今拿不出证据支撑该认定，她正在考虑把临时冻结转为永久。她点了两个具体问题：政府把 Anthropic 公开批评政府列为理由之一，她称这「非常令人不安」（“really troubling”），可能开创惩罚有异见承包商的先例；技术层面的指控（Anthropic 能远程禁用已交付的模型）则没有任何证据。这个案子值得持续跟：如果「供应链风险」这类安全标签可以不经证据检验就贴，它就从安全工具变成了政治工具。
DeepMind 发布 Gemini Robotics ER 2：机器人的「编排大脑」
新模型定位是机器人的高层大脑：持续看视频流跟踪任务进度（五档进度分类准确率 57.4%，关键时刻定位 91.3%、亚秒级延迟），把底层的视觉-语言-动作（VLA）控制模型和各种 API 当作工具来调用编排，靠 Gemini Live API 的双向流式接口做到边动边推理。Demo 里 Boston Dynamics 的 Spot 靠它编排导航和抓取 API 完成取物，Apptronik 的人形机器人 Apollo 2 与 Franka 机械臂通过共享语义理解交接任务；模型已上 Gemini API 和 AI Studio。架构上这就是 agent 的工具调用范式原样搬进具身智能：LLM 做规划和分派，专用模型做执行，多机器人协作也顺势变成了多 agent 问题。
Google：Chrome 两个版本修掉的安全漏洞，超过之前两年的总和
六月发布的 Chrome 149、150 两个版本共修复 1,072 个安全漏洞，超过之前 23 个版本（约两年）合计的 1,036 个（TechCrunch）。Google 把 LLM 用在漏洞管理全流程：找漏洞（挖出一个在代码库里藏了 13 年的沙箱逃逸）、复现分诊、多 agent 生成候选补丁并由评审 agent 把关、自动写测试，最终合入仍由人类开发者批准。约束条件也交代得具体：模型只扫描隔离机器上的静态源码，不联网。这是 AI 用于防御性安全最硬的量化数据之一；同一种能力反过来就是自动化攻击挖洞，防御方能不能持续跑赢，Chrome 这条产线是目前最好的公开观测点。
Constitutional midtraining：把价值观内容提前到训练中段，对齐更耐磨，但护不住全部
一篇新论文直接检验业内争论已久的问题：对齐是不是只是后训练阶段的浅层修饰。作者基于 Anthropic 公开的模型宪法构建了 3.94 亿 token 的「宪法语料」，插入 120B 规模的 midtraining（预训练与后训练之间的训练阶段）。结果分两面：抗勒索类行为的改善能扛过后续的良性微调（优势约 17.5 个百分点），但对情境施压和价值冲突的抵抗力在 SFT 后明显衰减。论文还对比了同一批宪法内容的几种组织方式：调整语料在训练中段的先后编排（curriculum ordering），以及加或不加围绕宪法原则展开的推理文本（deliberative reasoning），2×2 共四种组合，效果差别不大；真正起作用的是这些内容有没有进训练数据，而不是以什么顺序、什么形式进。能力基准无损。对 open-weight 模型的现实意义很直接：下游微调侵蚀对齐是已知风险，把对齐提前到 midtraining 是一条有数据支撑的缓解路径，只是覆盖不了所有维度。
实测：把 DeepSeek 蒸馏进 GPT-OSS，审查行为没有跟着过来
AI 创业公司 CTGT 用 DeepSeek V4 Flash 的输出训练（蒸馏）GPT-OSS-120B 以提升金融推理能力，随后测量政治审查行为是否一并转移：教师模型在涉华敏感话题上比结构相同的对照问题「审查分」高出 45.45 分（152 组配对提示，四家 AI 评审并经人工校验），而蒸馏后的学生模型自己的差距只有 2.58 分，与未动过的基础模型的 3.94 分基本相当，两者之差不具统计显著性。这给「用中国模型蒸馏会带进审查」的担忧提供了一个具体反例，但适用范围要看清：训练语料完全不含敏感话题，所以它只说明审查不会借无关领域的数据「潜移默化」地传染；若蒸馏语料本身覆盖敏感话题，结论未必成立。另外这是厂商自己发布的单项研究，未经同行评审。
Okta 收购 Permiso，补上 AI agent 的身份安全
Okta 官宣签署最终协议收购云身份安全公司 Permiso；官方未披露金额，TechCrunch 援引知情人士称接近 2 亿美元、几乎全现金，预计在 Okta 2027 财年第三季度（2026 年 8 到 10 月）交割。Permiso 的产品盯的是身份登录之后的行为：在多云环境里监测人类账号、服务账号和 AI agent 这类「非人类身份」有没有凭证被盗、越权、横向移动的迹象。这笔并购说明 agent 身份管理的需求开始真金白银地变现：agent 拿着合法凭证行动，登录时的验证拦不住它之后做什么，行为层的监测正在变成必需品。
LinkedIn 上线「疑似 AI 水文」举报按钮，还砍掉了自家的 AI 润色功能
LinkedIn 在每条帖子的菜单里加了「seems like AI slop」（疑似 AI 水文）举报选项，举报本身不会让帖子下架、也不直接触发处置，只作为信号供 LinkedIn 调优自己的检测模型；同时下线了「enhance your post」AI 润色功能，换成只做校对的工具。平台称目前每天拦截数十万条自动化评论。我本职做内容审核，看重这里的两个设计选择：一是用户举报只作为训练信号，不直接触发处置，这很关键，因为「像不像 AI 写的」在标注者之间分歧极大，直接执行会错杀大量真人写的平庸内容；二是「一边治理 AI 内容、一边卖 AI 写作工具」的老矛盾，LinkedIn 这次取舍明确：砍掉生成，留下校对。
GCC 通过 AI 贡献政策：拒收 LLM 生成的实质性代码
GCC 指导委员会接受了 AI 政策工作组的建议：凡包含或派生自 LLM 生成内容的「法律意义上实质性」贡献（按 GNU 版权标准约 15 行以上）一律拒收；例外是维护者可自行决定接受 LLM 生成的测试用例；用 LLM 做研究、分析、找 bug、评审代码不受限制，前提是产出不进入贡献。政策将定期复审（细节见 LWN 的报道）。作为对照，Debian 还在就自家的 LLM 政策投票，几个提案从彻底禁止到披露后接受不等。GCC 给出的答案——出于版权风险和来源可追溯的考虑限制进入代码库的内容、不限制工具本身的使用——将成为其他项目制定政策时的参照系。
今日一句话：CTGT 的蒸馏实验和 constitutional midtraining 论文从相反方向探同一个问题，指向也一致：行为从训练管线的哪一层进入，决定了它传不传得走、扛不扛得住后续训练。就现有证据看，对齐与审查更像特定训练环节的产物，而非模型的固有性格。