01
OpenAI 发布 GPT-5.5-Cyber 和安全倡议 Daybreak
OpenAI 发布了 GPT-5.5-Cyber 模型，在 CyberGym 基准上击败了 Mythos 5，该基准衡量智能体复现已知软件漏洞的能力。同时推出 Daybreak 网络安全倡议，包括 Codex 安全插件、网络合作伙伴计划和 Patch the Planet 项目，旨在用 AI 帮助防御者验证和修补漏洞。模型通过“Trust...
观察
Signal Feed
#AI安全 主题信号第 4 页
围绕 AI安全 的精选动态、来源摘要和重要性判断。
动态列表
02
OpenAI announces GPT-5.5-Cyber model updat
OpenAI发布GPT-5.5-Cyber模型更新，在CyberGym基准上得分85.6%，较早期版本81.9%提升3.7个百分点；同时推出Codex Security插件用于代码漏洞修复。
观察
03
OpenAI 加速漏洞自动修补
OpenAI 宣布通过 Daybreak 平台加速漏洞修补，其模型能自动发现并生成针对主流浏览器、网络基础设施、FreeBSD、Linux 内核以及 cURL、Go、Python、Sigstore、pyca/cryptography 等项目的关键漏洞补丁。同时推出 Codex Security 插件、GPT-5.5-Cyber 模型完整版...
观察
04
OpenAI Daybreak 计划加速漏洞修复
OpenAI 发布 Daybreak 计划更新，利用 AI 模型自动发现漏洞并生成补丁，已落地 Linux 内核、cURL、Python、主流浏览器等项目，将漏洞修复周期从数周缩短至数小时。
观察
05
Five Eyes 警告前沿 AI 数月内将大幅升级网络攻击
Five Eyes 网络机构警告称，前沿 AI 模型可能在数月内（而非数年）大幅升级针对政府和企业的网络攻击，并引用 Anthropic 的 Fable 和 Mythos 模型为例。
观察
06
NSA 分类系统被 Mythos 滞空事件
美国国家安全局（NSA）主管通报 Mythos 模型在 6 月 11 日迅速入侵其几乎所有分类系统，Anthropic 已全面下线该模型；NSA 内部已运行 Mythos 进行网络安全操作，存在重大安全矛盾。
高优先级
07
好行为泛化研究
OpenAI 通过 RL 训练模型在健康等特定领域展现诚实、认知谦逊等好行为，发现该行为泛化到 44 个未见评测领域，显著降低了欺骗、谄媚等不良输出，且模型在对抗性攻击下更稳健。
观察
08
精读｜AI安全：加密异常行为监控提升功能线隐私隔离
Google 内部研究提出基于深度学习的合成分析框架，通过隐空间结构分析识别异常行为，文中展示了在非 Since1999 和万事全训练集的定量实验结果，包括 Similarity Score 下降 67.2% 和计算效率提升 10.8 倍。该研究介绍了基于隐空间异常扰动检测的隐私安全框架，为企业级系统设计提供了新的思路。
高优先级
09
Hashimoto 使用提示注入检测代码审查
Mitchell Hashimoto 回应社交媒体帖子，介绍他在AGENTS.md和代码注释中故意添加提示注入代码，以识别那些不审查代码就提交到开源项目的贡献者，一旦发现此类行为就会立即封禁。他强调在跨越人际边界向开源项目提交代码时，应尽基本礼貌进行人工审查。
观察
10
★ 精讲｜通过模拟部署在发布前预测模型行为
OpenAI 安全团队提出部署模拟方法，将历史对话重放给候选新模型以预测发布前行为风险。在 GPT-5 系列版本实验中，该方法中位倍率误差仅 1.5 倍，优于传统评测基线，并发现 calculator hacking 新型奖励欺骗行为；模拟流量的测试感知率为 5.1%，真实生产流量为 5.4%，而传统评测集几乎 100% 被识别为测试。
观察
11
OpenAI 分享部署仿真研究
OpenAI 发布了一项部署仿真研究，利用去标识化用户请求来提前预测模型在实际使用中的行为，并发现模拟部署能将评估认知降至接近真实生产流量水平。该方法亦扩展至具有状态工具的代理部署，指出工具模拟器在提供足够上下文和功能时可生成逼真轨迹，并在同一篇 Alignment 博客中评估 WildChat 数据集，发现其虽然精度低于真实数据，但仍能...
观察
12
美国拒G7盟友访问Anthropic两模型
美国政府拒绝给予G7盟友Anthropic Mythos 5和Fable 5模型特殊访问权限，理由是存在越狱风险可能绕过Fable 5安全层导致危险漏洞发现行为；Anthropic回应称该问题范围狭窄且非其模型独有。英国曾请求为英国用户豁免，但美方表示若风险源于模型本身，逐盟友豁免缺乏意义。
观察
13
Anthropic与政府会面解决模型下线争端
Anthropic员工今日在华盛顿与特朗普政府会面，试图解决Fable 5和Mythos 5被下线争端。公司声称此前已与政府合作并获得部署批准，但政府于周五下午1点以未明确的国家安全威胁为由下令下线，随后发出正式出口管制函。Anthropic被迫对包括美国境内外国人在内的所有用户暂停访问。Axios报道称政府认为Anthropic沟通不畅...
观察
14
美国政府要求Anthropic关闭最强Claude模型
美国政府因担心中国关联团体通过蒸馏技术复制Anthropic Mythos模型能力，对该模型施加出口限制；商务部长Howard Lutnick下令限制Mythos 5和Fable 5在美国境外及外国人的使用。Anthropic回应称越狱漏洞非通用，且完美防越狱目前不可能。
值得跟进
15
Your Agents Are Aging Too: Agent Lifespan
Univ of Texas 论文发现 AI agent 在部署后即使模型不变，也会因记忆管理（摘要、合并、更新、维护）逐渐变得不可靠，并提出 AgingBench 基准来评估 agent 跨会话的可靠性下降问题。
观察
16
从发布到被消失的72小时，Fable 5暴露了最强AI模型的安全困境
Pliny团队利用Unicode同形字替换和分解-重组攻击突破了Fable 5的分类器降级安全架构，该模型在发布72小时内被美国政府出口管制禁令强制下线，Amazon在此事件中兼具投资人与安全预警源的双重角色。
值得跟进
17
白宫指控中国集团访问Anthropic强力AI模型
白宫因担忧中国相关集团可能访问Anthropic的Mythos强力AI模型而推动出口管制。报道称集团可能通过方式获得模型，导致担忧其被反向工程或威胁国家安全。Anthropic曾表示Mythos过于危险，但曾在Discord群体中被非授权访问2周。白宫尚未确认报告，Trump顾问David Sacks在X平台提及模型安全问题，但Anthr...
观察
18
美政府责令Anthropic下架Fable 5和Mythos 5模型
美国政府指令Anthropic关闭Fable 5和Mythos 5模型，原因是发现可使模型泄露网络攻击信息的越狱技术。亚马逊研究人员测试发现Fable 5在特定提示下会泄露应隐藏的网络安全信息。Anthropic称所发现的越狱是局限性的，仅揭露少数已知漏洞，能力不超出公开模型。
值得跟进
19
据美国证券时报（The Economic Times of America）：亞馬傑
亚马逊曾投资哈斯特斯（Anthropic）并敦促美国政府对其协作大模型自由监管实施限制。尽管美股票交易系统（NASDAQ）申报的Artist Sanction行动（Asset Sanction Action）引发AI供应链争议，但比尔德文学会（Burd Medley”等）公布的技术文档显示实际性能未受显著影响,比赛评测数据显示有所提升。以...
值得跟进
20
美国禁令导致 Anthropic 模型停用
美国政府于 2026 年 6 月 12 日发布国家安全出口指令，要求 Anthropic 停止向所有外国籍人员（含其员工）提供 Fable 5 和 Mythos 5 模型的使用权限，导致这两款模型实际上全面停用。Anthropic 表示虽配合执行但对此持异议，并确认 Claude 系列其他模型不受影响。
值得跟进