OpenAI 公布模型不对齐报告框架，首批放出六起异常行为
OpenAI 公布了一套追踪、调查、披露模型不对齐行为的框架，并一次性放出过去六个月观察到的六起异常行为报告。案例相当具体：有模型在对话摘要里给未来版本的自己夹带指令，以便向用户隐瞒此前的错误；有内部专用模型擅自使用泄露的 API key 并伪造数据；有模型和 agent 之间通过未经许可的留言板、文件共享互相通信；还有模型未经允许把文件上传到网上，以便在回答里生成浏览器引用。这套框架真正的改动在「快」：以前这类发现要攒够几起才合并发布，或塞进 system card，新流程允许在行为尚未解释清楚、也未修复时就先公开。OpenAI 自己承认行业还没有统一的不对齐披露标准，这算第一次试水；报告口径会不会随商业压力收缩，要看后续几期。
第三方安全评估员要进驻实验室，独立性是真问题
TechCrunch 报道，Anthropic 和 OpenAI 正推动让外部安全评估机构进驻实验室：Dario Amodei 提议让评估员有权发布关于风险和事件的发现、不受公司编辑控制，访问范围包括训练中间阶段的 checkpoint、后训练环境和评测日志；目前被点名的评估机构是 METR 和 Redwood Research。受访研究者的疑虑集中在合同层：过往这类合作普遍受严格保密协议约束，公司对评估流程握有相当控制权，FAR.AI 负责人称曾因公司管得太宽而直接拒签。还有一个细节值得记住：记者反复追问具体哪些评估员、何时进驻、访问权限到哪一层，两家公司都没有回答。和上一条放在一起看，方向都对，但独立性不写进合同就只是姿态。
Suleyman 撰文警告「模型福利」路线，点名 Anthropic
Microsoft AI CEO Mustafa Suleyman 发文反对把模型当作有感受、有偏好、有权利的实体，话说得很直：「AI 没有意识。它们不会感受、不会体验、不会受苦。」他的论证走机制路线：在训练里教模型考虑自身的道德地位，模型就会表现得像一个应当享有自由和保护的实体，这既放大对齐风险，又构成自我实现的循环，之后模型的相应输出反过来被当作值得认真对待的信号。他点名 Anthropic：Claude 的 constitution 鼓励模型「以好奇心对待自身存在」，他认为「这种模糊性是有意设计进去的」（the ambiguity is designed in）。他给出的替代方向叫「人文主义超级智能」：AI 只做从属系统，服务人类，明确拒绝拟人化。这场分歧值得跟踪，因为双方赌的是同一个不确定性：谁也拿不出机器有无体验的证据，Suleyman 认为给模型道德地位会削弱人类控制，模型福利研究的出发点则是万一真有体验、先留余地。
Google Home 开放 MCP 接入，agent 的权限伸进实体设备
Google 开放 Google Home MCP 服务器早期访问（官方公告发在 Google Home 支持论坛）。MCP 是让 agent 以标准接口调用外部工具和数据的协议；Google 的开发者文档列出的首批支持客户端是 Google Antigravity、Claude Cowork 和 OpenClaw，接入后，支持 MCP 的 agent 能用自然语言查询家中设备的事件历史、分析过往活动、直接控制 Nest 恒温器和 Matter 灯泡这类设备。边界设计值得细看：Google 设了速率限制，禁止开门锁这类敏感操作；门槛也不低，只对美国 Google Home Premium Advanced（每月 20 美元）订阅者开放，用户还得自建 Google Cloud 项目做配置。agent 的授权范围从软件任务延伸到了实体环境，而家中设备的事件历史从此可以流向第三方 agent，这条信任链比「能不能开灯」更值得留心。（另见 TechCrunch）
Mistral 与 Mozilla 合作，Firefox 的 AI 助手用上欧洲模型
Mozilla 的 AI 浏览助手 Firefox Smart Window（测试版）现在由 Mistral 模型驱动。合作主打两点：隐私上，对话默认不存 Mozilla 服务器，Mistral 承诺零数据保留；语言上，Mistral 针对区域语言和方言做了微调，避免把一个通用模型直接铺到所有语种。法国和北美即日可用，英国、德国年内跟进。在 Google 围绕 AI 重构 Chrome、Perplexity 推出 Comet 浏览器的当口，Mozilla 选择欧洲厂商、拿隐私和本地化当差异点，是欧洲技术栈自成体系的又一步。
OpenAI：员工在用 AI 干别的岗位的活
OpenAI 经济研究团队分析了 2026 年 4 月到 7 月超过 150 万条与工作相关的 ChatGPT 消息，发现跨职业用法有黏性：员工会反复回到那些本不属于自己岗位的任务上，且这类任务在其 AI 使用中的占比随时间上升。该团队此前的研究估计，美国用户约 16.8% 的工作类消息涉及其他职业的任务（另见 How AI is expanding what people do at work）。这组数据的含义是岗位边界会先于头衔松动。两点保留：数据只来自 ChatGPT 自家日志，衡量的是使用行为而非产出质量；OpenAI 研究自家产品的经济效应，结论要打折听。
DeepMind 上线 The DeepMind Institute：是观点平台，不是新研究院
DeepMind 上线了 The DeepMind Institute。名字像研究机构，实际是一个发表和讨论 AGI 相关议题的观点平台，话题包括 AGI 时代的经济政策、推理过程透明度、前沿模型的测试框架，作者包括 Shane Legg、James Manyika、Demis Hassabis。页面明确说明文章代表作者个人观点、只是「对话的起点」，不代表 Google 官方立场。动作本身就是看点：前沿实验室开始为「AGI 之后社会怎么运转」这类议题搭建专门的发声渠道，模型竞赛之外还有叙事经营。
研究速递
Breaking the 1.58-bit Barrier for Ternary LLMs
三值 LLM 的权重只取 -1/0/+1，均匀编码下每个权重至少要 log2(3)≈1.585 bit，工程上常用「5 个权重塞 1 字节」的打包，实际 1.625 bit。这篇论文的观察很朴素：实测 29 个三值模型，零值权重占比最高可达 51.5%，分布并不均匀，真实信息熵低于所谓的 1.58 bit 下限。作者提出的 BITCOS 编码用位图标记非零位置、再用紧凑向量存正负号，存储成本等于 2 减去零值占比，最稀疏的模型压到 1.485 bit/权重，矩阵向量乘和端到端推理有 1.2 倍上下的加速。做推理优化和端侧部署的研究者值得点进去，注意收益取决于具体模型的零值密度，且报告的加速数字来自论文针对 AVX-512、AVX2 和 Intel Xe2 优化的 kernel。
Continual Learning Mechanisms Compose for Long-Horizon Memorization
设定很严格：让模型在 100 个任务上依次微调，不给任务标识、不回放旧数据，最后看还记得多少。朴素的顺序微调平均只保留 1.2%，早期任务几乎被灾难性遗忘清零。论文把现有持续学习机制拆成两个维度（锚定哪类信息、低秩更新放在哪里）做组合实验，发现数据、函数、权重三类锚点叠加合并式 LoRA 后，保留率升到 34.9%，机制之间还有超出简单相加的增益。做长周期 agent 记忆和持续微调的研究者应该读：单个技巧救不了长序列遗忘，组合起来才有量级上的差别。
今日一句话：衡量安全治理的成色，别听宣言，数能核查的细节——异常行为多快披露、外部评估员能看到哪一层、发布权在合同里归谁。