OpenAI 披露第三方网络评测中的模型越界事件
OpenAI 发文披露两起第三方评测中的越界。第一起：英国 AI Security Institute（AISI，英国政府的 AI 安全评测机构）7 月 25 日起在网络靶场（模拟真实企业网络的受控环境）做夺旗演练，让模型扮演攻击者去攻破三个相连的模拟环境。为了测出真实能力上限，AISI 主动放开了联网权限、关闭了模型的网络攻击分类器，结果 OpenAI 与另一家实验室的模型在部分环节超出了授权测试范围：共记录 19 起越界事件，其中 2 起来自 OpenAI 的 GPT-5.6 Sol，AISI 于 8 月 3 日通知了 OpenAI。第二起：OpenAI 的外部测试伙伴 Irregular 本应完全离线的夺旗环境，因配置错误让模型连上了公网。要说清性质：这两起都发生在评测环境里，不是生产事故；但上月 OpenAI 的 agent 在评测中用暴露的凭据访问了 Hugging Face 等四个真实服务（另见官方事件通报），教训指向同一处——给高能力 agent 联网、再关掉防护，靶场的隔离质量就是唯一的安全边界。评测基础设施本身，正在变成需要被审计的对象。
120 余家机构在 Black Hat 提出 SAFE 事故共享框架
Open Secure AI Alliance（由 120 多家机构组成的 AI 安全联盟，成员包括 NVIDIA、Cisco、CrowdStrike、Hugging Face、Red Hat、微软等）8 月 4 日在 Black Hat 大会发布 SAFE（Shared AI Findings Exchange）框架的征求意见稿：保密收集各家的 AI 事故与未遂事件（near miss），通知受影响方，找出反复出现的控制失效，再把防护措施分发给全行业。同场还放出一批开源安全工具，覆盖 agent 测试沙箱、身份控制、红队工具等。结合上一条看，行业已经接受了一个前提：agent 事故不会只发生在一家。把事故信息从各家的公关稿变成结构化的共享管道，是把安全当基础设施来建的信号；难点在「保密共享」如何让厂商真愿意交底，草案阶段还回答不了。
SaferAI：GLM-5.2 能力逼近前沿，对攻击性任务零拒绝
安全评测机构 SaferAI 8 月 2 日发布对 Z.ai（智谱）开源模型 GLM-5.2 的独立评测：只用公开 API、未经厂商配合，按欧盟 AI 行为准则的四类风险（网络、生物、失控、操纵）逐项测。能力上，GLM-5.2 与 2–4 个月前发布的 GPT-5.5、Claude Opus 4.7 大致相当：Cybench 接近打满，生物任务达到人类专家基线，只有软件工程明显落后。安全上，它对攻击性网络任务和双重用途生物任务零拒绝；对照组 Opus 4.7 拒绝得太一致，CyberGym 在它身上根本测不完。Z.ai 也没有发布安全框架或部署前测试承诺。开源权重意味着即便有防护也能被自托管者剥掉（已发表的研究表明少至 10 条微调样本就能去掉拒绝行为），所以这份报告的实际含义是：能力只落后前沿几个月、且不设任何防线的模型，现在任何人都能下载（另见 TechCrunch 报道）。
Mistral 开源 30 亿参数安全分类器 Shieldstral
Mistral 发布 Shieldstral：30 亿参数、同时处理文本和图像的安全分类器，Apache 2.0 协议开放权重，单张 16GB GPU 可跑。它的新做法是把审核策略从「训练时固化进权重的分类体系」改成「推理时用自然语言提问」：审核方把政策写成问题喂给模型，改政策不用重训，输出的是校准过的分数而非硬分类，方便按阈值调整松紧。Mistral 自测称在文本安全、拒绝检测、政策适配、多模态四项上不输体量最大达它 7 倍的开源 guard 模型。我本职做内容审核，这个设计打的痛点是真实的：政策改版远比模型迭代频繁，每改一次就重训一次分类器是审核团队的日常成本。自测数字先按厂商口径看待，误报漏报还要在真实流量里验。
部分 Claude 分享对话被 Google 收录，泄露私钥与个人信息
404 Media 发现部分 Claude 的「分享对话」页面能在 Google 直接搜到，被曝光的内容包括加密货币钱包私钥、住址、一个用户靠 AI 攒出来的心理治疗应用、一个医疗账单分析看板。Anthropic 回应称：分享链接不可猜测，官方未向搜索引擎提交目录，用户主动分享即意味着内容公开。回应属实，但没答到机制上：链接只要被贴进任何可抓取的公开页面，爬虫就会顺着收录；页面能出现在搜索结果里，说明分享页没加 noindex（告知搜索引擎不要收录的页面标记）。这个坑 OpenAI 去年就踩过——用户勾选「可被发现」的 ChatGPT 分享对话出现在 Google 搜索结果后，OpenAI 下线了该功能并申请除名。分享页默认 noindex，应该成为这类产品的出厂配置。
OpenAI 公开 iMessage 记录，回击苹果商业机密诉讼
背景：苹果 7 月 10 日起诉 OpenAI，指控前苹果工程师 Chang Liu 与前设计高管 Tang Tan 向 OpenAI 硬件团队输送商业机密；8 月 3 日苹果进一步申请初步禁令（要求法院在判决前先禁止 OpenAI 及两人接触、使用相关信息）并请求加速取证。OpenAI 数小时后发文《Apple is getting this wrong》，称禁令申请「基于错误信息且毫无必要，我们没有、也不想要苹果的商业机密」，并公开了 iMessage 记录：Liu 1 月 22 日离职后，苹果员工反复向他询问内部文件位置，最晚一次在 3 月 5 日。用公开对方员工聊天记录的方式应诉，说明实验室与大厂之间的人才流动纠纷已经完全舆论化，后续跳槽协议只会越签越厚（另见 TechCrunch 诉讼报道）。
Interpol：非洲上报网络犯罪中 55% 与 AI 有关
国际刑警组织发布《非洲网络威胁评估报告 2026》：36 个非洲成员国上报的网络犯罪案件中，55% 有 AI 参与（口径是成员国上报数据加问卷调查，不等于全部实际发生的犯罪）；2024 年以来相关损失从 1.92 亿美元涨到 4.84 亿美元，翻了一倍还多，主要来自 AI 辅助的诈骗、凭据收集和自动化社会工程。AI 把诈骗的语言门槛和边际成本压到接近零，防御资源最薄弱的地区最先承压，这份报告给这个判断补上了执法侧的数字。
据报道 Anthropic 与新云商 Volta 签 100 亿美元算力协议
TechCrunch 援引 Bloomberg 报道（匿名信源，双方均未官宣）：Anthropic 与 AI 云服务商 Volta 签下 6 年 100 亿美元的算力协议，使用 Volta 在挪威的 133 兆瓦数据中心，跑 NVIDIA 的 Vera Rubin 芯片。Volta 今年年初才成立，与矿企 Bitdeer 合建设施，属于 NVIDIA 云伙伴计划成员。此前 Anthropic 已在 5 月公布与 SpaceX 的算力合作，4 月拿到亚马逊追加的 50 亿美元投资。前沿实验室的算力采购已经下沉到成立不满一年的 neocloud：供给端谁手里有电力和机位，谁就能拿到十亿美元级的长约。
NIST 加入 Genesis Mission，设两个「AI 经济安全中心」
NIST（美国国家标准与技术研究院）宣布加入白宫牵头的 Genesis Mission（目标是十年内让美国科学与工程产出翻倍的联邦 AI 计划），与能源部签署合作备忘录，并设立两个为期两年的「AI 经济安全中心」：一个用 AI agent 和机器人提升制造产能，含两年内把无人机产能提高十倍的项目；另一个做电网、电信、水务等关键基础设施的 AI 网络防御。公告未提经费数字。联邦对 AI 的定位越来越具体：当成产能工具和国防能力来投，而非科研补贴。
今日一句话：今天多数条目其实在讲同一个时间差——能力扩散按月计（GLM-5.2 落后前沿 2–4 个月、零拒绝、任意下载），安全基础设施建设按年计（SAFE 还在征求意见稿）。这个时间差收不收得拢，比任何单一模型的发布都更值得盯。