安全研究员 Buchodi 发布了一份网络抓包分析：OpenAI 为 ChatGPT 广告部署的采集脚本会在浏览器里种一个名为 __obi 的 cookie，设置为 SameSite=None，因此浏览器会把它附在发往 OpenAI 端点的跨站请求上——任何加载了 OpenAI 广告资源的页面都会把它一并带上。他在 936 个广告主像素、上千个主机名的流量里观察到，同一个 __obi 值从 Chewy、Wayfair、Coursera 等十多家商业网站被发回 OpenAI，采集脚本还会带上页面里的邮箱、电话和表单字段（邮箱、电话和姓名在传输前经过 SHA-256 哈希）；他在自己手机上用两种独立抓包方式复现了整条链路。OpenAI 对广告主公开提供测量像素文档，像素的另一个 cookie __obref 种在各广告主自己的域名下，只在该站内有效；__obi 的用途，研究员 9 月 14 日询问 OpenAI 支持渠道，没有得到正面回答。两点局限他自己说得很清楚：测试只覆盖 Android 版 Chrome，服务器端是否真把这些数据解析回具体账号，他没有直接观察到。我的判断：这套机制本身就是 Meta、Google 像素的标准 adtech 做法，变化在于宿主换成了一个用户会倾诉隐私的聊天助手。广告模式进场之后，“我们不卖你的数据”这类承诺，得按审视广告平台的标准逐条重读。

Google 开源 agent 编排器 AX，按十亿级并发 session 设计

Google 开源了 AX，一个声明式的 agent 编排器（orchestrator，即统一调度大量 agent 任务的控制层）：Task 提供带资源限额的沙箱执行，Workspace 预装代码仓库和 MCP server，Gateway 对出站流量做白名单，Model 统一管理模型配置和凭证，闲置 agent 可以亚秒级挂起再恢复。这是把 Kubernetes 式的基础设施思路搬到 agent 上：agent 落地的难题正在从“模型够不够聪明”移向“怎么安全地同时跑一万个”，Google 押的答案是基础设施层。（另见 agentexecutor.io）

Pirate Face：在模型被下架之前，用 BT 种子留一份权重

这个项目把 Hugging Face 上采用宽松开源许可（Apache-2.0、MIT）的模型镜像成哈希校验过的 BT 种子，并把 Hugging Face 本身设为 web-seed（种子的 HTTP 直连源）：模型还在架上时，下载照常走 HF；哪天被撤下，P2P 网络接着供种。“开放权重”一直隐含一个前提：托管平台不撤文件。这个项目把权重的存续从平台承诺变成分布式事实，是开放模型治理里值得记住的一步；它只收录宽松许可的模型（有一个经批准的例外：Kimi-K3），基本避开了版权争议。

一线自述：全公司用 Claude Code 产出一切，但没人在读生成的东西

X 用户 voxium 描述自己的新东家：规格、文档、测试、工单全部由 Claude Code 生成，工程师每天工作 12 到 13 小时，主要在执行自动化产出，各级别几乎没人认真读生成的内容，团队士气低落，管理层照常推进。这是个人在 X 上的单方说法，但它对上了一个正在浮现的模式：代码生成不再是瓶颈之后，瓶颈移到了人的审读能力上。一个组织保留了生成、放弃了审读，速度没涨，风险在积累。

TechCrunch：世界模型公司连自己的数据供应商都不告知在做什么

Yann LeCun 的 AMI Labs 和李飞飞的 World Labs 都不公开产品方向：AMI 联合创始人 Michael Rabbat 的说法是“到该说的时候自然会说”，数据供应商 Physicl 的 CEO Alex de Vigan 则抱怨，要是知道客户在做什么，他们能造出更有用的数据。保密的博弈逻辑成立：不暴露目标市场，竞争者就晚一步入场。但代价是外部无法评估这些系统，连供应链上游都在盲做。

BBC：AI 从业者并非都信“AI 会杀死所有人”

BBC 采访了多位曾就职于 OpenAI、Meta、DeepMind 的从业者：对上周前 Anthropic 员工 Jacob Coxon 引发疯传的末日警告，不少人的反应是开玩笑而非警觉。在 DeepMind 干了七年、后来创办安全研究公司 Sampura Research 的 Rishub Jain 对 BBC 说，这些论点圈内讨论多年，如今的语气“确实有点玩梗化”。行业内部对生存风险的看法是一条连续光谱，把它报道成“末日派对加速派”的两极对峙，本身就是失真。

Vocci 戒指：249 美元的会议录音笔，长得像首饰

戒指不到 6 克，表面是钛材质（TechCrunch 指出很可能只是镀层），双击开始录音，单次续航 8 小时，app 侧出转写和摘要。TechCrunch 的评测点到了要害：录音指示灯朝向佩戴者自己，坐在对面的人完全看不出这是录音设备。AI 会议纪要工具把“记录”做得越顺滑，“知情同意”就越依赖佩戴者自觉，而硬件形态正朝着让对方无从察觉的方向演化。

研究速递

JEPA-Anything: Learning Predictive Models across Different Worlds

JEPA（joint-embedding predictive architecture，LeCun 主推的世界模型路线，在潜空间里做预测而不是逐像素生成）此前大多是领域专用的。这篇提出“正交预测式因子化”（OPF）：把潜空间的预测目标拆成互补的因子，各走各的通路学习，再在共享的预测器里合并。同一套框架跑了视觉、生物、临床轨迹、控制、分子动力学、物理场、天气七个领域，在 10 个对齐设置的动力学任务上全部超过基线 JEPA，其中一项预测出的生物学干预还在湿实验（细胞共培养、患者来源类器官、肿瘤切块和小鼠）中获得了实验支持。做世界模型或科学 ML 的 researcher 应该点进去检查它的跨领域实验设计是否扎实；如果站得住，这是“世界模型能否成为通用基础设施”这个问题上少见的正面证据。

今日一句话：AI 助手接上广告商业模式的那一刻，它的隐私承诺就得按广告行业的标准逐条重审，__obi 只是第一个被抓到的例子。