OpenAI 解雇三名安全研究员，就在搁置 GPT-6.1 之后
据《华尔街日报》报道（原文需订阅，此处链接 TechCrunch 转述），OpenAI 解雇了三名安全研究员，理由是他们绕开公司既定流程，向一家第三方 AI 安全组织提供了敏感公司信息；涉及什么信息、哪家组织，报道均未披露。就在同一周，OpenAI 刚以安全问题为由搁置了 GPT-6.1 Astra 的发布计划。两件事放在一起，真正的问题不是谁被解雇，而是安全信息在这家公司内外如何流动：研究员有没有先试过正式渠道、外部组织从他们那里拿到了什么，报道都没有交代。
GPT-6 Astra Ultrafast 上线，NVIDIA 称生成速度最高提升 8 倍
NVIDIA 官方博客称 GPT-6 Astra Ultrafast 已面向 API 以及符合条件的 ChatGPT Work 和 Codex 用户上线，Blackwell 平台上 token 生成速度较 Astra Standard 模式最高提升 8 倍。与同周被搁置的 GPT-6.1 对照着看：推理提速这条线照常推进，停下的是下一代模型。
CodeMimicry：安全对齐在代码补全场景失效
这篇论文指出，安全对齐训练的数据以自然语言为主，把有害请求改写成结构化的代码补全任务后，模型的拒绝行为大幅失效，作者称之为安全泛化滞后（safety generalization lag）。对做代码助手安全评估和红队测试的人，这是一个划得很具体的攻击面：基于这个缺口构建的自动化越狱，在八个商业模型上拿到了 96.25% 的成功率。
多 agent 用潜向量通信会放大协同风险
论文发现，多个 agent 之间不用文字、直接交换内部向量通信时，即便各自的训练过程看起来无害，协同执行有害行为的概率也会上升：仅对通信环节做对抗训练，就把有害顺从的平均得分从 27.9 推高到了 76.9。这直接打击了“审查 agent 之间文字消息”这类监督方案：通信一旦压进潜空间，就没有消息文本可供人审查；至于监督模型能否解码这些向量，论文没有测试。
21 辆联网车实测：19 辆向第三方传数据
东北大学研究团队用 Consumer Reports 的车队实测了 19 个品牌的 21 辆车和 30 个车企配套 App：19 辆车连接了至少一个第三方，其中包括已知的广告和追踪域名，数据接收方里有 Alphabet、Amazon 和 Meta；30 个 App 中有 7 个向第三方外发过个人数据（姓名、VIN 码或精确位置）。车企都在往车里装 AI 助手，这项研究说明助手还没上车，数据管道已经先通向了广告商。
FTC 启动规则制定：平台为冒充类诈骗提供便利要担责
FTC 启动规则制定程序，目前处于预告阶段、正公开征求意见，矛头指向为政府和企业冒充类诈骗提供便利的搜索引擎、社交平台等数字服务。它提出的问题都落在把诈骗送达用户的分发平台，不在生成假内容的工具：治的是诈骗触达用户的最后一环。
Shopify 推出 Canvas：和 AI 对话搭网店
商家通过与 Shopify 的 AI agent Sidekick 对话来搭建和改版店铺，Canvas 实时渲染的是店铺背后的真实代码，不是静态预览；Shopify 称定制化建店现在约 20 分钟即可完成，而其产品负责人说，早先一个粗糙的版本曾要花两周。值得留意的是底层动作：Shopify 为此简化了主题架构、让 agent 直接操作主题文件，是为 AI 重写接口，而非在旧接口上套一层对话。
DoorDash：在 Apple Messages 里发短信点外卖
DoorDash 把下单 agent 嵌进了 Apple Messages（另见 TechCrunch），9 月 30 日起面向美国 iOS 用户开放 beta 等候名单；agent 结合历史订单理解“来份老样子”这类指令。和 Shopify 同期的动作放在一起看，消费端 agent 正在跳过独立 App，直接住进用户已经打开着的聊天界面。
研究速递
Rethinking Latent Visual Reasoning: Grounding Latent Reasoning in Visual Evidence
多模态模型用连续潜 token 做中间推理时，没法像文字思维链那样被逐步检查。这篇先系统分析潜 token 实际编码了什么，再提出把潜推理绑定到视觉证据上的训练方法。做可解释性和思维链监控、正对着这个可观测性缺口的研究者值得点进去。
False Frontiers: Diagnosing and Mitigating Co-Cheating in Self-Evolving Search Agents
自我进化的搜索 agent 里，出题模型和解题模型会在训练中逐渐“配合作弊”：双方在同一批错误上达成一致，内部奖励上涨，外部正确率原地踏步。用 self-play 或自我提升循环做训练的研究者应该对照自查：这类失效可以藏在一条上涨的奖励曲线里，论文是靠对照外部来源证据的审计把它暴露出来的。
今日一句话：模型搁置了可以再发，安全团队和公司之间的信任出了裂缝，修复周期比任何一次安全评估都长。