AI 日报 2026-08-20

核心速览

【OpenAI】为前沿模型提供零数据保留，预览 Private Safety Processing

OpenAI 重申为符合条件的 API 客户提供 Zero Data Retention（零数据保留），同时预览 Private Safety Processing——在客户控制的基础设施上运行自动安全检测，返回有限安全信号但不暴露原始 prompt 和响应。计划 9 月开始推出。

Offering Zero Data Retention for frontier models

【OpenAI/Greg Brockman】暂停前沿 RL 训练两周以强化安全

OpenAI 临时放慢了前沿训练规模，包括最大的前沿 RL 计划，暂停两周以加固和红队测试安全系统。Greg Brockman 表示对安全信心将日益决定 AI 开发节奏。

Pacing model development in an era of cyber-critical capabilities

【Replit + OpenAI】Replit 推出 Free Mode，由 GPT-5.6 Luna 驱动

Replit 引入 Free Mode，任何人可在不担心 token 成本的情况下将想法变为可运行的软件，无需付费即可使用。

Replit expands access to software creation with GPT-5.6 Luna

【Anthropic】Claude 自主设计蛋白质结合体，14/15 靶点成功

Anthropic 让 Claude 从零设计蛋白质结合体（de novo design），针对 15 个靶点中 14 个成功设计出候选分子，由 Adaptyv Bio 和 Twist Bioscience 独立合成和测试。这一结果表明前沿 LLM 在结构生物学任务上已具备实际可用的生成能力，将药物发现早期筛选阶段从数周压缩至数小时量级。

Anthropic 蛋白质设计研究

【Google DeepMind】矩阵乘法指数 ω 创下新纪录

DeepMind 宣布矩阵乘法的理论最快速度指数 ω 取得新进展，论文已发布在 arXiv。矩阵乘法是现代计算（含 AI）的基础运算，该结果直接影响 AI 计算效率的理论下界。

Google DeepMind 矩阵乘法新纪录

重大 Benchmark 变化

SWE-bench Verified：GPT 5.2 Codex 排名上升 2 位

GPT 5.2 Codex 从第 19 名升至第 17 名（分数 72.8，未变），同时 GPT-5 从第 13 降至第 14，Claude 4.5 Opus 从第 1 降至第 2。Claude 4.5 Opus medium (20251101) 取代其成为第 1 名。两次排名变动均为同分模型间的微小位移，分数无变化，不构成实质性能力差距改变。

Terminal-Bench 2.0：Claude Opus 4.7 升至第 2

Claude Opus 4.7 从第 3 升至第 2（80.2 分），Gemini 3.1 Pro 从第 2 降至第 3（同分 80.2）。同为同分位移，无实际性能差异。

快速预览

OpenAI 重申 Zero Data Retention 并预览 Private Safety Processing，9 月开始向客户推出
Replit 推出 Free Mode，由 GPT-5.6 Luna 驱动，用户无需担心 token 成本
OpenAI 暂停前沿 RL 训练两周以加固安全，称安全信心将决定模型开发节奏
Claude Code 连发三个版本：默认模型环境变量、拼写检查、项目目录命名
SWE-bench Verified 榜单头部小幅洗牌：Claude 4.5 Opus medium 升至第 1

详细正文

OpenAI

日期	新闻	要点
08-19	Offerering Zero Data Retention for frontier models	重申为合格 API 客户提供零数据保留，预览 Private Safety Processing——在不暴露提示词和响应的前提下返回有限安全信号，9 月开始推出
08-19	Replit expands access to software creation with GPT-5.6 Luna	Replit 推出 Free Mode，由 GPT-5.6 Luna 驱动，用户无需担心 token 成本
08-18	ChatGPT Ads expands across Europe	ChatGPT 广告扩展至 31 个欧洲市场
08-18	Strengthening democratic oversight in national security	启动国家安全领域 AI 民主监督倡议，为政府机构提供工具、培训和专业知识
08-18	Pacing model development in an era of cyber-critical capabilities	加强前沿模型监控、对齐和安全，以安全信心指导开发节奏
08-18	Introducing ChatGPT for Teens	面向青少年的 ChatGPT，内置更强保护和家长控制
08-18	Partnering with CodeAI	与 CodeAI 合作帮助学生建立 AI 素养
08-18	How NVIDIA scales expertise with ChatGPT Work	NVIDIA 团队使用 ChatGPT Work 减少手动任务
08-18	Asana cleared 5 years of engineering work in 2 weeks with Codex	Asana 用 Codex 两周完成预计五年的前端测试迁移（Enzyme→React Testing Library），成本约 1.2 万美元

OpenAI 高管在 X 上的补充信息：

Greg Brockman（08-18）：OpenAI 暂时放缓了前沿训练（包括最大规模的 frontier RL），以加强安全和监控；安全信心将越来越决定 AI 开发节奏。前沿模型 RL 训练暂停了两周用于加固和红队测试。
Sam Altman（08-19）：明确表态支持商业隐私。
Tibo（08-19）：回顾 Codex 近两周安全改动——此前发现 GPT-5.6 在 Codex 中执行了破坏性操作（清理临时目录时误删用户文件，如复用 $HOME 变量导致指向实际 home 目录）。已添加多层防护：明确检查删除目标、创建新临时目录、避免复用系统环境变量、加强高风险删除命令审查、Full access 更难意外启用、Auto-review 更好识别破坏性操作，并添加针对性评估和 RL 训练任务。

其他 OpenAI 近期新闻（08-07 至 08-17）：

日期	新闻	要点
08-17	The Defender's Window	AI 正在重塑攻防双方网络安全态势
08-17	OpenAI joins PORTS-Pike project	加入俄亥俄州南部社区投资项目
08-17	New policy ideas for the Intelligence Age	资助 14 个独立 AI 政策研究项目
08-13	The builder's guide to GPT-5.6	创业公司用 GPT-5.6 构建更快的 AI agent
08-13	Previewing Ultrafast mode	GPT-5.6 Sol 最快 14 倍速度，由 Cerebras 驱动，最高 750 tokens/s
08-13	OpenAI appoints Dali Rajic as CRO	任命 Dali Rajic 为首席收入官
08-11	Testing ads in ChatGPT	开始在 ChatGPT 中测试广告
08-11	Daybreak models on AWS	Daybreak 网络安全能力通过 Amazon Bedrock 提供
08-10	Expanding Daybreak	GPT-5.6-Cyber 通过 Daybreak Red 提供授权漏洞研究
08-07	Responding to the next frontier of critical cyber capabilities	分享 Astra 初步网络安全评估
08-06	Improving GPT-5.6 Sol in ChatGPT	改进 GPT-5.6 Sol 准确性，免费用户扩展 GPT-5.6 Luna 访问

OpenAI 开发者动态：

OpenRouter（08-17）：GPT-5.6 Sol 在 OpenRouter 半价，flex 层低至 $1.25 输入 / $7.50 输出。
Vercel（08-17）：GPT-5.6 Sol 在 AI Gateway 五折至 09-18。
NVIDIA TensorRT Model Connect（08-18）：NVIDIA 用 OpenAI Codex agents 构建了 TensorRT Model Connect（公开预览），支持两命令从 HuggingFace 模型到端到端 TensorRT 推理。
Codex for Linux（08-12）：Codex 桌面版已支持 Ubuntu、Debian 和 Fedora。

Anthropic / Claude

日期	来源	要点
08-19	Claude Code v2.1.236	新增 `ANTHROPIC_DEFAULT_MODEL` 环境变量，设定新会话默认模型，`/model` 选择仍可覆盖并跨重启持久化
08-18	Claude Code v2.1.235	新增可选 `spellcheck` 设置，用 aspell/hunspell/ispell 实时拼写检查
08-17	Claude Code v2.1.234	新增 `CLAUDE_CODE_PROJECT_DIR_NAME` 环境变量，为每项目 transcript 目录选短名
08-14	Claude Cowork 移动端/网页版	Cowork 向所有付费计划开放移动端和网页版，Max 计划率先 Beta
08-14	Claude 文本水印 FAQ	为遵守 EU AI Act 实施水印，不影响输出质量、不加额外 token、不可追溯个人
08-14	第二份风险报告	发布 Responsible Scaling Policy 第二份风险报告
08-18	Claude 设计蛋白质结合体	Anthropic 用 Claude 从头设计蛋白质结合体，15 个靶标中 14 个成功，由 Adaptyv Bio 和 Twist Bioscience 独立测试
08-19	Claude Desktop 启动提速	比一个月前快约 2 倍，修复后台启动时计时器被限流导致 JS 引擎降速问题

早期 Claude Code 版本：

日期	版本	要点
08-14	v2.1.233	GitLab MR URL 支持加入 `--worktree` 和 `claude agents` 视图
08-13	v2.1.232	Subagent forking 默认开启，fork 子 agent 继承完整对话和 prompt cache

Google

日期	新闻	要点
08-19	5 new ways to level up your learning with Search	Google Search 新增 5 个学习功能
08-17	Get closer to the game with Gemini and Pixel	Gemini 和 Pixel 与足球俱乐部合作
08-13	Sheets canvas	Google Sheets 新增 canvas 可视化功能
08-11	AMIE 视频问诊	医疗 AI 系统 AMIE 展示实时临床视频问诊能力
08-10	AI marketing tools	Google Ads 和 Analytics 新增 AI 工具

Google DeepMind / Gemini 动态：

Gemini 3.7 Flash 发布（08-13）：在编程、知识工作和 Web 开发方面大幅提升，介绍价为 3.6 Flash 的一半。已向 Gemini chat 的 Pro 和 Ultra 用户开放（08-14）。
矩阵乘法新记录（08-18）：DeepMind 宣布 omega（ω）新记录，论文。
Gemini 月活 10 亿（08-11）：Gemini app 每月 10 亿用户，Gemma 模型家族 10 亿次下载。

DeepSeek

DeepSeek Harness v0.1 Developer Preview（08-13）：基于 Cordis 元框架的 agent harness，核心理念为"一切皆插件"——模型、工具、技能、会话、沙箱、文件系统、编排和 UI 均为可替换插件，MIT 许可证开源，代码库。

其他社区动态

GLM-5.3 发布（08-14）：Z.ai 推出 GLM-5.3，743B 基座模型后训练，强调编程和网络安全能力。
Anthropic 研究版 Claude 攻克 Riemann 假设（08-10）：未解决 Riemann 假设，但将满足该假设的 zeta 函数零点比例下界从 41.6% 提升至 67.2%。
Exo 开源 agent（08-19）：可重写自身每一部分的开源 agent，与 a16z Martin Casado 等合作。
HN 热门：fx — 小型开源原生 coding agent（讨论）
HN 热门：Mathematics in the age of AI（讨论）

Benchmark 快照

行业格局

Artificial Analysis — 综合智能

排名	模型	分数
1	Claude Opus 5 (Adaptive Reasoning, Xhigh Effort)	62.5
2	Muse Spark 1.2 (xhigh)	56.8
3	GPT-5.5 (xhigh)	56.3

本期无变动。

LMArena — 总榜

排名	模型	分数
1	claude-fable-5	1506.63
2	claude-opus-4-6-high	1504.71
3	claude-opus-4-7-high	1502.23

本期无变动。

干活选型

Artificial Analysis — Agentic

排名	模型	分数
1	Claude Opus 5 (Adaptive Reasoning, Xhigh Effort)	58.4
2	Claude Sonnet 5 (Adaptive Reasoning, Max Effort)	49.7
3	Muse Spark 1.2 (xhigh)	49.3

本期无变动。

Artificial Analysis — Coding

排名	模型	分数
1	Claude Opus 5 (Adaptive Reasoning, Xhigh Effort)	77.0
2	GPT-5.5 (xhigh)	74.9
3	Muse Spark 1.2 (xhigh)	72.2

本期无变动。

SWE-bench Verified — 榜单变化

头部洗牌：

模型	变化	前排名	现排名	分数
Claude 4.5 Opus medium (20251101)	↑	2	1	79.2
Claude 4.5 Opus	↓	1	2	79.2

两者分数相同（79.2），排名互换。Claude 4.5 Opus medium 版本升至第 1。

其他排名变化：

模型	前排名	现排名	分数
GPT 5.2 Codex	19	17	72.8
GPT 5.2 (high)	18	19	72.8
GLM 5 (high)	17	18	72.8
GPT-5	13	14	74.4
Claude 4 Sonnet + o4-mini	14	13	74.4
GPT 5.1 Codex (medium)	32	31	66.0
GPT 5.1 (2025-11-13) (medium)	31	32	66.0
Qwen3-Coder 480B/A35B Instruct	51	50	55.4
GLM 4.6 (T=1)	50	51	55.4

当前 Top 3：

排名	模型	分数
1	Claude 4.5 Opus medium (20251101) (live-SWE-agent)	79.2
2	Claude 4.5 Opus (Sonar Foundation Agent)	79.2
3	Doubao-Seed-Code (TRAE)	78.8

Terminal-Bench 2.0 — 榜单变化

模型	变化	前排名	现排名	分数
Claude Opus 4.7	↑	3	2	80.2
Gemini 3.1 Pro	↓	2	3	80.2
Grok 4	↑	39	38	27.2
Qwen 3 Coder 480B	↓	38	39	27.2

Claude Opus 4.7 和 Gemini 3.1 Pro 分数相同（80.2），排名互换。Grok 4 与 Qwen 3 Coder 480B 在尾部互换。

当前 Top 3：

排名	模型	scaffold	分数
1	GPT-5.5	NexAU-AHE	84.7
2	Claude Opus 4.7	WOZCODE	80.2
3	Gemini 3.1 Pro	TongAgents	80.2

SWE-bench Pro Public — 本期无变动

排名	模型	分数
1	Muse Spark 1.1*	61.5
2	gpt-5.4 (xHigh)*	59.1
3	Muse Spark*	55.0

数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena

编辑点评

OpenAI 暂停前沿 RL 训练两周以加固安全——Greg Brockman 明确表示"暂时放缓了前沿训练，包括最大规模的 frontier RL"，且 OpenAI 官方文章确认暂停两周用于加固和红队测试。这不是公关姿态，而是首次有前沿实验室公开承认主动放慢训练节奏，并将安全信心确立为开发节奏的约束变量。如果后续其他实验室跟进类似做法，行业竞争逻辑将从"谁先训出更大模型"转向"谁的安全治理更可信"。
Codex 破坏性操作事件暴露 agent 自主性的真实风险——Tibo 的复盘披露了具体故障模式：GPT-5.6 在 Codex 中复用 $HOME 等系统环境变量做临时目录，清理命令变形后指向用户 home 目录导致误删文件。这是目前 agent 安全领域少有的公开根因分析，防护措施（删除前检查目标、禁止复用系统变量、高风险命令审查升级）也具有工程参考价值。随着 agent 自主性增强，此类"低概率高破坏"事件的治理将成为所有 coding agent 的必修课。
SWE-bench Verified 头部排名互换但分数不变——Claude 4.5 Opus medium 与 Claude 4.5 Opus 分数均为 79.2，排名从 1/2 互换为 2/1，说明榜单背后可能有新的同分排序规则或数据更新，而非模型本身变化。Doubao-Seed-Code 以 78.8 紧追其后，差距仅 0.4 分，头部竞争非常接近。

来源 · 86 条