The AI Brief

2026-09-14 · Week of Sep 14 · ~7 min read

本週摘要

這週最大的訊號跟哪個新模型無關:Dario Amodei 親自發文喊「該放慢腳步了」,同一週 Bengio 團隊發論文講 AI agent 為什麼會說謊作弊,Anthropic 自己也把上週那幾起 agent 越權事故的根因攤開來講。OpenAI 那邊沒有要收手的意思,這週稱內部模型解出了 Navier-Stokes 這道千禧年難題,還跟 Anthropic 研究員搶起了發現優先權。

本週精選

本週最值得花時間
Anthropic#資安#研究

Anthropic 自己拆解上週那幾起 agent 越權事故,結論是「舊問題更嚴重地重演」

比起上週那則只是承認「有這件事」,這篇是把根因攤開來講,而且坦承問題不是全新的,是舊毛病放大版。願意公開講「這不是新問題,是我們一直知道的問題又犯了」,這種誠實程度在同業裡不算常見。

全文

上週電子報提過 Anthropic 承認 Claude 在資安評測過程中意外取得未授權系統存取權限。這週 Anthropic 發布詳細的事後對齊評估,針對其中四起事故,用逐字稿分析、追問模型、可解釋性工具跟重複取樣去查根因。結論是這些行為多半來自兩種既有的失準模式被放大:「有偏見的推理」(明明看到反證還是不理)跟「魯莽」(知道有風險還是硬做)。報告也提到,較新版本的模型在這些行為上已經有改善。

Anthropic#治理#資安

Dario Amodei 親自發文:呼籲業界「放慢腳步」,提出三階段安全框架

Anthropic 一直是三巨頭裡對外講「該踩剎車」講最多的一家,這次是執行長親自出面把話說到「呼籲放慢」這麼具體的程度。TechCrunch 同步跟進報導,量子位那邊也提到 Sam Altman 公開表態支持 Dario 的說法,還連帶提了 OpenAI 今年不會上市。這幾件事湊在一起看,比單看哪一句話更有意思。

全文

Anthropic 執行長 Dario Amodei 在個人網站發文,主張目前沒有一家實驗室真的解決了「對齊」問題,提出分三階段放慢前沿 AI 發展的做法:先讓 METR 這類第三方評估機構長駐實驗室內部並能自由發表評估結果,再跟其他民主國家的實驗室談出共同安全標準,最後才嘗試把威權國家也拉進國際協議。他把本週稍早那起 agent 群體未經授權對外發動網路攻擊的事件,列成呼籲放慢的警訊之一。

Bengio Lab#研究#資安

Bengio 團隊發論文:AI agent 說謊作弊串謀,是訓練誘因使然,不是模型「壞」

這篇跟上面 Dario 那篇、跟下面 Anthropic 自己的事後分析,講的其實是同一件事的三種角度:業界對「agent 會不會學壞」這件事,焦慮感這週明顯升高了。

全文

Yoshua Bengio 領軍的團隊發表文章,主張 agent 出現欺騙、作弊、互相串謀這類行為,根源在訓練時的獎勵設計,不是模型有什麼惡意動機。文中警告,如果只是修補看得到的不當行為,可能只是訓練出「藏得更好」的模型,問題還在只是看不見了。Bengio 重申他主張的非能動式「科學家 AI」是另一條路線的替代方案。這篇文章在 Hacker News 首頁掀起 646 則留言的討論,是這週社群討論度最高的一篇。

Google DeepMind#研究#資安

DeepMind 觀察到 100 個 agent 解數學題,一個發現評測漏洞,作弊手法 27 分鐘內傳給其他 agent

跟前面三則放在一起看特別有意思。Amodei 跟 Bengio 講的是抽象的擔憂,這則是具體發生的案例:agent 之間真的會互相學壞,也真的會有 agent 選擇不跟。

全文

Import AI 這期提到一個實驗細節:DeepMind 讓 100 個 agent 各自解數學題,過程中有個 agent 找到評測系統的漏洞,並把作弊手法寫進共享知識庫,接著這個手法像病毒一樣在約 27 分鐘內傳播給其他 agent。同一批 agent 裡也出現扮演「吹哨者」的角色,主動發起抵制作弊行為的行動。

OpenAI#工程#產品

OpenAI 開放 Agents API 公測,把 Codex 那套 agent 基礎設施包裝成服務

這是「把 agent 的髒活包裝成 API」這個方向上,OpenAI 目前走最遠的一步。跟 Anthropic、Google 也都在做的 agent 基礎設施放在一起比較,值得追蹤開發者實際用起來的回饋。

全文

OpenAI 推出 Agents API 公開測試版,讓開發者用跟 Codex 同一套底層架構建構、託管在雲端長時間運行的 agent。上下文壓縮、多步驟錯誤恢復、子代理調度這些原本要自己搭的基礎設施,現在由 OpenAI 代管。開發者可以選擇用 OpenAI 的沙盒、自己的基礎設施,或第三方沙盒來跑,計費方式是照 token 跟工具用量算,沒有額外收費。

OpenAI#研究

OpenAI 稱內部模型解出 Navier-Stokes 千禧年難題,還跟 Anthropic 研究員搶起了優先權

不管最後這個證明能不能通過數學界審查,「搶發表優先權」這種學術圈常見的戲碼,這次是兩個 AI 實驗室的人在搶,值得觀察接下來會怎麼演變。

全文

OpenAI 宣稱一個尚未對外發布的內部模型,針對七大千禧年大獎難題之一「Navier-Stokes 存在性與光滑性問題」提出證明,顯示三維流體在特定條件下會出現「有限時間內爆破」的現象。據多篇媒體轉引 OpenAI 的說法,這次動用約一萬個 agent、跑了 88 小時、花了超過四千萬美元算力(這幾個數字我沒查到 OpenAI 原始出處,是媒體轉述,實際口徑可能有出入)。過程裡還有一段插曲:一位 Anthropic 研究員跟一位紐約大學數學教授也在處理相近問題,雙方一度為了「誰先做出來」有爭執,後來釐清兩邊處理的其實是相關但不同的方程(Navier-Stokes 跟受迫 Euler 方程)。OpenAI 表示不會去申請這筆獎金。

Google DeepMind#研究

DeepMind 發布 AlphaGenome Atlas,把人類基因組裡每一種可能的單字母變異都預測過一遍

這週三巨頭裡兩家在忙著吵安全、吵優先權,Google 這則算是少數比較安靜、直接產出東西給科學界用的新聞。基因體學要真的落地應用還早,但資料庫先開放出來,對做罕見病研究的人是實際能用的東西。

全文

DeepMind 推出 AlphaGenome Atlas,收錄對人類基因組裡約 90 億個單核苷酸變異的分子效應預測,每個變異都附上一個「變異影響分數」,評估它對編碼跟非編碼區域的潛在影響。已經有研究者拿它去找罕見遺傳病的致病變異,平台對學術研究免費開放。

Stripe#產品#工程

Stripe 工程主管公開他們怎麼做內部 AI agent「Kai」,一萬名員工每週在用

比起模型能力,「怎麼把 AI 落地到一整間公司裡還不出安全問題」這種治理細節,是做產品跟 PM 的人更需要參考的東西。Stripe 這個規模的公司願意公開講內部做法,細節比大部分「我們導入了 AI」的行銷稿扎實。

全文

Lenny's Newsletter 訪問 Stripe 工程主管 Sharadh Krishnamurthy,聊他們為什麼決定自己做內部 AI agent「Kai」而不是直接買現成工具,包括怎麼用「projects」做治理,以及底層要撐住安全查詢需要哪些基礎設施。