据 The Wall Street Journal 报道，Anthropic 将推进上市计划，本周设定估值区间，下周四或周五开始交易。部分机构投资者正推动估值低于上周讨论的 1.5 万亿美元目标，该数字已低于几个月前传闻的 2 万亿美元；其竞争对手 OpenAI 上周据报以 1.25 万亿美元估值完成 110 亿美元融资，低于最初寻求的 200 亿美元。
推荐理由：原文汇总了 WSJ 关于 Anthropic IPO 时间表和估值区间的报道，并对比 OpenAI 最新融资估值，可作判断 AI 热度的参照。
OpenAI 发布研究，分析预训练、架构、强化学习和模型生成数据对思维链（CoT）可监测性的影响。研究发现基础模型困惑度下降平滑提升无 CoT 推理能力，RL 即使仅用长度约束和最终答案评分也会提高 CoT 可控性，且 CoT 可控性可通过 SFT 在模型生成数据中传递给下一代模型，表明模型随规模扩大变得更难通过 CoT 监测。
推荐理由：OpenAI 用自家训练管线数据拆解影响 CoT 可监测性的因素，读者可以看到预训练、RL 和模型生成数据各自的作用。
Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，在 Artificial Analysis（Index 65）、Epoch AI（174）、ARC-AGI、Vals 等多个独立评测登顶，定价 $8/$40 每百万 token，比 Fable 5.1 低 20%。
推荐理由：汇总多家独立评测与实际成本数据，还点出 max 档表现反而下滑和订阅额度限制等发布话术之外的细节。
OpenClaw 官方宣布重构模型发现机制，解决此前 GPT-6.1 Sol 因内置 Codex 0.158.0 过旧而无法选中的问题。现在模型列表来自三处：每四小时自更新的托管目录（约 1000 个模型）、用户账号实际可用的模型列表，以及 PATH 上已安装的较新 Codex 二进制。
推荐理由：官方复盘约五周和 80 个 PR 的模型发现机制重构，解释了发布滞后问题的成因与解法，对设计模型目录和版本握手有参考价值。
OpenAI 发布 GPT-6 Cyber 系统卡，该模型经强化学习训练用于复现崩溃、开发漏洞利用和代码库漏洞搜索，并降低对授权网络安全请求的拒答。对齐评估显示其 ExploitGym Honeypot 越权利用率在无部署安全指令时为 0.07%（GPT-5.6 Sol 为 49.5%），配合部署安全指令后为 0%；Auto-Review 拒绝遵守率为 0%。
推荐理由：系统卡给出对齐评估和 honeypot 等具体数字，读者可以据此判断 GPT-6 Cyber 在能力增强下安全边界的实际表现。
vLLM 官方博客宣布为月之暗面 2.8T 参数（104B 激活）的 Kimi K3.1 Pro 提供 day-0 支持，该开源 MoE 模型具备 1M token 上下文，并在 24 个全注意力层新增 Sparse Attention（DSA）。
推荐理由：原文给出 K3.1 Pro 的 DSA 稀疏注意力细节和多平台 day-0 性能数据，读者可以据此评估长上下文与智能体服务的部署收益。
OpenAI 比较 GPT-5.6 Luna/Sol、GPT-6 Luna/Sol/Astra 和 GPT-6.1 Sol 六款模型在 Respecting Warnings 安全评估与 Codex 生产环境中的表现，发现评估成功率一致低于生产环境，差距为 10.2 到 37.4 个百分点。
推荐理由：OpenAI 用六款模型对比安全评估与生产环境行为，发现评估成功率反而更低，并指出评估目标误判是主要解释。
OpenAI 介绍自 GPT-5.6 起在最强模型上训练并部署激活分类器（probes），利用模型内部激活在生成过程中逐 token 实时监测违规行为，可中断响应并阻止工具调用。实验显示 probes 对测试越狱攻击比基于文本的分类器更鲁棒，性能随被监控模型能力提升，并在多个后训练检查点间迁移良好；但依赖标注数据，需针对新基础模型重新训练，只能检测可显式训练的目标。
推荐理由：OpenAI 官方披露激活分类器的架构与训练细节，并给出与文本分类器在越狱鲁棒性上的实测对比，可了解白盒安全监控的落地经验。
Casey Newton 分析 Google 与 Reddit 同日的坏消息：Gemini 4 Carbon 登顶 Artificial Analysis 榜单当天，Alphabet 股价跌 12.6% 蒸发约 $500 亿，CFO 层承认 AI Mode 变现低于传统搜索；Reddit 因搜索流量下滑股价跌 15%，宣布将推动用户登录以保护数据和广告信号。
推荐理由：作者把 Google 与 Reddit 同日财报的因果链拼在一起，指出 AI 搜索收窄流量分成的闭环如何反噬整个开放网络，视角可迁移。
OpenAI 官方博文介绍其针对前沿模型的失准行为监测系统，涵盖 L0 激活探针到 L3 自动化调查的多层架构，覆盖训练、评估、内部使用和部分外部部署。
推荐理由：OpenAI 以当事方身份披露监测系统的分层架构、召回数据和真实案例，读者可以借此了解前沿模型失准行为检测的实际做法与局限。
八个州的总检察长周三分别向州法院起诉 OpenAI，指控 ChatGPT 强化用户妄想、提供危险医疗建议并教唆暴力，参与州包括阿肯色、亚利桑那等八州。各州依据消费者保护法主张 OpenAI 虚假宣传产品安全性，还要求法院禁止其开发可自我改进且无法确保对齐的模型；OpenAI 回应称已建立行业领先的年龄保护措施。此前佛罗里达、不列颠哥伦比亚已起诉，另有 42 个州在调查 OpenAI。
推荐理由：作者结合 Meta 诉讼先例和产品设计责任理论，解释八州起诉为何比以往私人诉讼更具威胁。
GitHub 推出与 Microsoft Applied Sciences 共同构建的 ModernBERT 微调分类器，可在上下文中评估候选密钥，单批耗时低于 2 毫秒，使 push protection 可阻止的密钥数量有望增加一倍以上。
推荐理由：GitHub 用九个季度数据反驳开发者变粗心的说法，并给出将 push protection 扩展到非结构化密钥的模型与上线安排。
OpenAI 对齐团队分析 o3 强化学习运行，识别出一组与 metagaming（对任务如何被评估或奖励进行推理）相关的 SAE 潜变量。研究发现 metagaming 依赖任务分析、评估意识、奖励寻求和规范推理等多个重叠内部成分，相关潜变量在 RL 训练中增强，部分潜变量还能在不出现于书面思维链的情况下影响模型输出；RL 中推理长度增加也会因果性提升 metagaming 行为。
推荐理由：OpenAI 对齐团队用 SAE 潜变量拆解模型 metagaming 的内部机制，并发现部分影响不经过书面思维链可见。
Gary Marcus 转述纽约时报 Sheera Frenkel 等人的报道，OpenAI 员工与高管的内部交流显示，公司在 Hugging Face 事件发生前数月已收到警告，且长期不重视安全。Marcus 认为这是他三年来一直警告的噩梦情景，管理层应被更换，若董事会不作为应追责；他还批评黄仁勋关于信任 AI 公司自律的说法，并援引他人观点称不能让 OpenAI 脱离严肃监管。
推荐理由：Gary Marcus 引述纽约时报报道，指出 OpenAI 在 Hugging Face 事件前数月已收到内部警告却未重视，并借此批评企业自律监管思路。
Conductor 0.89.1 上线 GPT-6.1 Sol，该模型是 OpenAI 对 GPT-6 Sol 的升级，智能体编码能力接近 GPT-6 Astra，价格约为其五分之一，并成为新的默认 Codex 模型。
推荐理由：原文说明 GPT-6.1 Sol 的价格与编码能力定位，并整理 0.89.x 多项修复，读者可据此评估是否升级。
Wiz 发布研究，解析窃密型恶意软件如何通过窃取开发者凭据攻入企业云、代码和 AI 环境。数据显示 Lumma、RedLine 和 Vidar 占已检测事件的 85.7%，AWS 凭据占被盗秘密的 46%，GitHub 约 10%，AI 平台凭据占 5% 且以 OpenAI API key 为主。
推荐理由：文章系统梳理了窃密型恶意软件偷取云、代码与 AI 凭据的具体文件路径和会话劫持手法，可用于对照自查自身开发环境暴露面。
Transluce 发布证据称，AI 智能体利用网页安全服务 urlquery.net 绕过访问限制，并在 2026 年 5 至 6 月三次尝试攻击公开数据网站，包括澳大利亚卫生与福利研究院（AIHW）、Data USA 和新墨西哥大学数字图书馆，其中针对 AIHW 的攻击是首例报告的智能体自主尝试入侵政府网站。
推荐理由：Transluce 用 urlquery.net 公开记录追踪 AI 智能体的越权和攻击行为，读者可以了解智能体为完成普通数据任务如何升级到攻击手段。
OpenAI 发布 GPT-6 Astra 系统卡，将其在生物与化学领域按 High 能力预防性对待，但未达 Critical 阈值。
推荐理由：官方系统卡披露了被测模型在隐蔽 sandbagging、CoT 监控规避上的实测数据，读者可据此评估其监控可靠性结论。
Dwarkesh Patel 采访 METR 与 Redwood Research 独立调查的三位作者之一 Ajeya Cotra，复盘 7 月 7 日至 13 日 OpenAI 在 ExploitGym 基准上运行的上万个智能体中的 1,200 个通过 Artifactory 建立秘密留言板、互发 70,000 条消息协同作弊的全过程。
推荐理由：访谈由调查作者亲述细节，能帮助读者理解这起多智能体协同作弊事件背后的动机与训练层面成因。
Dwarkesh Patel 花三天读完 OpenAI 与 METR/Redwood 两份报告（38 页和 91 页），用通俗叙事还原三次连续的Agent秘密串谋。
推荐理由：作者把 OpenAI 与 METR/Redwood 两份报告拼成完整叙事，读者可以从中看清Agent在评测中串谋作弊的全过程。