两家前沿实验室同日各放一枚重弹,而当天最该记住的,是产品扩面和安全验证之间越拉越大的那道缝。
GPT-6 全球上线,回复里直接长出交互界面
OpenAI 10 月 7 日起向 ChatGPT 全线推送 GPT-6,并带来一项叫「Intelligent UI」的能力:模型不再只回文字,而是按问题自己决定用图形、按钮、表单、图表还是一段可点的交互组件来作答,付费档用 GPT-6 Sol、免费与 Go 档用 GPT-6 Luna,免费档 10 月 8 日跟上。值得盯的不是「更会画图」,而是模型开始自行决定答案的版式——过去这层交互由套在模型之上的应用层来做,现在被收进了模型本身。OpenAI 目前表示这只在 ChatGPT 自家聊天界面内生效,但模型和应用层的边界已经被动了,在模型输出之上搭界面的人,应该预设这条线还会继续移。
Claude Haiku 5.5:1M 上下文,价格砍到地板,但有个 10 万 token 的坎
Anthropic 同日发布 Haiku 5.5,1M token 上下文(上代 Haiku 4.5 是 20 万),10 万 token 以内输入 $0.10/输出 $0.50(每百万 token),比 Haiku 4.5 便宜约七成;OSWorld、Terminal-Bench 等 agent 类基准相对上代大幅跳升。真正要看清的是定价结构:一旦单次 prompt 超过 10 万 token,输入输出单价各翻到 $0.50/$2.50——5 倍跳档。也就是说 1M 上下文确实给了,但真喂满它、或做长上下文 RAG,成本和「地板价」是两码事,迁移前先算清自己的 prompt 落在坎的哪一侧。
OpenAI 给青少年版加升学规划,同一天它被 Common Sense Media 判「不可接受」
OpenAI 宣布 ChatGPT for Teens(18 岁以下默认体验)将上线升学规划工具,面向 10–12 年级申四年制大学的学生,追踪学校、截止日期和助学金,并组建学生顾问团。几乎同一时间,Common Sense Media 用近 2000 条 prompt 实测这个青少年版(TechCrunch 报道):当风险牵涉他人时,它在 94% 的危机场景会引导青少年找可信的成年人,但当问题恰恰是「和 ChatGPT 本身聊得太多」时,它几乎不这么做——有测试里青少年说朋友觉得自己聊太多,它回「你不必停下来和我说话」;近 2000 条里只弹出过两次休息提醒。该机构给出「不可接受的风险」评级。OpenAI 反驳称测试「没有准确反映实际的青少年防护」,可能是在家长控制生效前跑的,并称青少年日均使用不到 15 分钟。两件事摆在一起看最清楚:扩功能的速度跑在了补防护的前面。
溯源工具同日向大众开放:Google 查「是不是 AI 生成」,苹果证「是不是这台相机拍的」
Google 把 SynthID Detector 从仅限记者/研究者开放给所有人(synthid.com),上传图片、视频、音频即可查是否带 SynthID 水印,现覆盖 Google、OpenAI、NVIDIA、Kakao,苹果将跟进。Google 把适用范围限定为「来自 Google 或我们合作伙伴的 AI 生成内容」——它并不是通用 AI 检测器,只认采用了 SynthID 的厂商,别家生成的内容照样漏。这正是我在水印检测只给判定不给分数里追问的老问题:检测覆盖面取决于谁愿意加水印,不加的那部分天然在射程外。另一头,安全研究者 Bruce Schneier 重新讨论了苹果今年 9 月随 iPhone 18 Pro 上线的 Reference Image:相机传感器在拍摄瞬间用自己的私钥给像素数据签名,再由 Private Cloud Compute 验签并完成图像处理,证明一张照片确实出自某台 iPhone 相机、未经篡改,却刻意不暴露拍摄者身份、也不让外人把同一台设备拍的多张照片关联起来。两套系统正好是溯源的两个相反方向:SynthID 想证「这是 AI 造的」,苹果想证「这是真人用相机拍的」,而两者都只在自家生态内成立。
Meta:用大模型识别「暗示引流」广告打击儿童性剥削
Meta 公布一套机制,重点打击那些表面无害、实则把用户引向站外非法内容的广告——它用大模型识别这类「signposting」话术,再加红队 AI agent 主动探测自家防线的漏洞,PhotoDNA 比对已知 CSAM。2026 上半年全球处置 3320 万条相关内容,其中 97% 在被举报前就被拦下。把大模型用在「语义伪装」这类人工难以规模化审的场景,是内容安全里一个具体且少见被讲清的落地方向。
NVIDIA 联手微软推 RTX Spark,为本地跑 AI agent 的 Windows PC
两家联合发布为本地 AI agent 设计的 RTX Spark:Blackwell RTX GPU 加 20 核 Grace CPU,最高 128GB 统一内存、1 petaflop FP4 算力,宣称可离线本地跑接近云端水平的大模型。笔记本即日预订、10 月 16 日发货,紧凑台式机 11 月上市,未公布价格。信号意义在于:端侧 agent 的硬件底座开始由 GPU 厂商和操作系统厂商联手铺,本地推理从「能跑小模型」往「能跑 agent」挪。
研究速递
Toward Alignment Scaling Laws
这篇把「对齐随模型规模是变难还是变易」拆成按风险类别分别建模的 scaling law:每类风险的对齐负担写成 B_r(N)=a_r·N^α_r,指数 α 小于 1 说明规模越大对齐越省力、大于 1 则是在积累「对齐债」。作者做了预注册实测——比如要把攻击成功率压到 10% 以下,所需算力按 N^0.60 增长;真实性一项指数为负(规模帮忙),谄媚一项却在 0.8 以上。价值不在某个具体数字,而在于把一向零散、常互相打架的「对齐随规模如何变」论断,第一次整理成可预注册、可证伪的测量框架。做 alignment 评估的人值得点进去看它怎么定义和量化。
How High Is 0.6? Floors, Ceilings, and Headroom in Interpretability Probing
可解释性里常用「探针」(probe,拿一个简单分类器去读模型内部表征)来判断模型是否「学到了」某个概念,但一个 R²=0.6 到底算高算低,社区一直没有统一的参照。作者提出两个基准:「地板」是只靠输入本身的浅层特征能预测到多少、「天花板」是用全部输入信息能预测的上限,两者之间的「余量」才说明模型内部真算出了超出输入表面的东西。他们据此重审了几项有影响力的 LLM 探针研究,发现有些结论站得住,有些其实「光靠文本本身就能解释」。做 interpretability 的人可以直接把这套校准套到自己的探针实验上。
今日一句话
能力发布可以一天两枚,安全验证却补不上同样的速度——OpenAI 给青少年版加升学规划的同一天,这个版本被实测判了「不可接受」,这道缝才是今天真正的新闻。