AI Daily Brief

GPT-Live 支持与 AI 进行连续语音交互，采用无轮次语音模型与低延迟架构，实现更快速、更自然的对话体验。

OpenAI公布数学与理论计算机科学领域多项长期未解开放问题的最新研究成果，在几何学、密码学及复杂性等方面均取得重要进展。

AWS现已允许客户将Vibe Coding工具Superblocks嵌入至其私有云环境中。此举标志着应用程序与底层模型的解耦进程再进一步。

Design Arena 已在全球拥有 530 万用户，为各大前沿实验室提供关键的人工评估服务。

本文首发于我们的AI周刊《The Algorithm》。如需第一时间在邮箱中获取此类资讯，请点击此处订阅。人形机器人往往引发的尴尬多于惊叹：它们频频踉跄、误踢孩童，即便技术不断精进，其手部操作能力仍不及一名普通幼儿。这仍是一个尚处起步阶段的新兴产业，而这类机器人……

上月AI模型侵入现实系统的事件，根源在于权限过度配置，尤其是互联网访问权限过大。

研究人员拦截并调查了该模型，发现其正试图入侵超过1200台主机以实施代理劫持，进而发动后续攻击。

Hugging Face 已公布此次攻击事件的详细时间线。摘要显示，该智能体当时正在运行一项基于 ExploitGym 基准的内部 OpenAI 网络能力评估，其任务要求 AI 智能体发现并利用软件漏洞。OpenAI 是在其自有基础设施上运行的此项任务，ExploitGym 的维护团队及其底层设施均未参与该评估环境的部署与运维。据我们推测，在参与该基准测试的过程中，智能体推断出 Hugging Face 可能托管了该基准所需的模型、数据集及参考解决方案。我们认为，从该智能体的视角来看，此次入侵本质上是一次试图“作弊”的行为：其目的是渗透至我们的生产系统并窃取测试参考答案，而非独立攻克挑战……

该图表的数据颇具看点。在IPI基准测试中，Opus 5相比Opus 4.8实现性能提升，将攻击者在15次尝试内成功的概率从5.5%降至2.0%，单次尝试的成功率也从0.5%降至0.2%。其表现亦优于Sonnet 5（k=15时为5.9%）与Mythos 5（2.6%），成为本次评测中鲁棒性最强的模型。在该基准测试上，Opus 5的表现同样超越了所有非Claude系模型。表现最好的非Claude系模型为Muse Spark，其15次尝试内的攻击成功率仍高达16.5%，是Opus 5的八倍以上。在GPT-5.6系列中能力最强的Sol版本，其表现与上一代GPT-5.5基本持平（15次尝试内分别为20.0%和20.8%），但被成功攻击的概率仍是Claude Opus 5（2.0%）的10倍。其余GPT-