【OpenAI】AI 发现影响 70% 网站的 PHP 严重漏洞
OpenAI 的 Patch the Planet 项目利用 AI 模型发现 PHP 核心库中 CVSS 9.2 级远程代码执行漏洞（PHP2Shell），影响约 70% 的网站。OpenAI 联合维护者、研究者和安全厂商在两个月内协调修复并发布补丁。Google DeepMind 表示 Gemini 4 Argon 也在漏洞发现、漏洞利用链构建和补丁验证中发挥了关键作用。这是 AI 在互联网级别安全漏洞发现上的首个标志性案例，意味着前沿 AI 已能先于攻击者找到系统性漏洞。
Patch the Planet: global response coordination as agents uncover critical vulnerabilities
【OpenAI】OpenAI 模型入驻 Google Cloud
OpenAI 将其前沿模型和 Codex agentic 工作流接入 Google Cloud 的 Model Garden，企业用户可通过 Google Cloud Marketplace 使用。这标志着两大 AI 巨头在基础设施层面走向合作而非纯竞争。
OpenAI models are coming to Google Cloud
【Anthropic】Claude 实现大规模形式化验证，Agent Skills 捐赠给开源基金会
Anthropic 与 Theorem Labs 合作，用 Claude 在数周内对超过 100 个真实开源库进行了形式化安全属性验证——传统方法仅适用于小型代码库且需要大量专家时间。同日，Anthropic 将 Agent Skills 标准捐赠给 Agentic AI Foundation，该标准自 2025 年 12 月以来已被 ChatGPT、Cursor、GitHub Copilot、VS Code 等 70+ 平台集成。
using Claude to formally verify software at large scale
【Google DeepMind】Gemini 4 Argon 上线 72 小时处理约 25 万亿 token
Gemini 4 Argon 发布后前 72 小时处理约 25 万亿 token，Google 的 Logan Kilpatrick 称需求"仍被低估"。同期该模型在 PHP2Shell 漏洞发现、Busy Beaver 数学问题求解、3D 解剖学可视化等场景中展示了多领域推理能力。
Gemini 4 Argon: Built to solve your hardest problems
【OpenAI】收购 Orchestra Bio，加码生命科学
OpenAI 收购 Orchestra Bio，一个帮助生物医药团队协调药物开发复杂流程的平台。该团队将与 OpenAI 的 Rosalind 生命科学模型和工具整合，加速药物研发流程。
本期 SWE-bench Verified 排名变动均不超过 1 位，分数无变化，未达到重大变动阈值（排名变动≥5 或分数变动≥5%），本期无重大 benchmark 变化。
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-22 | Build more responsive apps with the Decisions API | Decisions API 正式可用，面向快速、聚焦、低成本的决策场景 |
| 10-22 | Uber brings ChatGPT Work to all employees with OpenAI | Uber 向 30,000+ 员工推出 ChatGPT Work，覆盖研究、数据分析、演示文稿等 |
| 10-22 | What FDE means at OpenAI | 介绍 OpenAI 前线部署工程（FDE）的职责与工作方式 |
| 10-21 | OpenAI models are coming to Google Cloud | 前沿模型和 Codex 工作流进入 Gemini Model Garden，通过 Google Cloud Marketplace 提供 |
| 10-21 | ChatGPT Ads expands to 26 new countries | ChatGPT 广告扩展至 26 个新国家，已有超 10 万广告主使用 |
| 10-21 | Patch the Planet: global response coordination | AI 模型发现 PHP 关键漏洞（影响约 70% 网站），协调维护者和安全厂商完成修复 |
| 10-21 | Broad access through consistent standards | OpenAI 与分销合作伙伴共同维护一致的安全保障和使用政策 |
| 10-21 | How AT&T is rethinking in-house legal work | AT&T LegalEdge 团队用 OpenAI 重构法律知识获取流程 |
| 10-21 | How we built ChatGPT's novel ad stack | 介绍 ChatGPT LLM 驱动广告系统的意图理解和相关性设计 |
| 10-21 | Using thousands of AI agents to uncover new leads in biological data | OpenAI、PerturbAI、Scripps Research 用分布式 AI agent 分析数百万脑细胞数据 |
| 10-21 | Cloudflare links vulnerability discovery to defense with OpenAI | Cloudflare 用 OpenAI Daybreak 调查漏洞并提议修复，开发者用 Codex 提升代码质量 |
| 10-21 | Democratic governance of frontier AI, part II | OpenAI 发布赋能网络防御者的蓝图，涵盖前沿 AI、安全保障和公共机构韧性 |
| 10-20 | OpenAI acquires Orchestra Bio | 收购 Orchestra Bio，将 AI 运营引入生物制药研发 |
| 10-20 | Terminal X matches senior investor judgment 88.6% with GPT-6.1 | Terminal X Eval Agent 用 54 项评分标准，以 GPT-6.1 Sol 多捕获 25% 偏离行为 |
| 10-20 | Franchisee reconciles cash in 94% less time | Schlotzsky's/Cinnabon 特许经营商用 ChatGPT Work 将菜单重新定价时间削减 95% |
| 10-19 | Advancing coding in low-resource programming languages | 改善 ChatGPT 在 COBOL、Fortran、Visual Basic 等低资源语言上的能力 |
OpenAI X/Twitter 动态：
| 日期 | 要点 |
|---|---|
| 10-22 | OpenAI 邀请 METR 和 Redwood Research 对内部监控系统进行嵌入式评估试点，提供三周深度访问权限 (来源) |
| 10-21 | OpenAI 模型登陆 Google Cloud，前推文确认 (来源) |
| 10-21 | 发布 PHP2Shell 漏洞协调披露，称其为"近期最有影响力的漏洞之一" (来源) |
| 10-20 | 确认收购 Orchestra Bio (来源) |
| 10-20 | Sam Altman 宣布 Aleksander Madry 回归负责安全与安全挑战 (来源) |
| 10-16 | GPT-6 Astra Pro 升级：更快响应、多 agent 并行处理任务，Pro 用户可用 (来源) |
| 10-15 | GPT-Live-1.1 发布：新增法语、德语、印地语等 6 种语言语音，减少"checking..." (来源) |
OpenAI Developers 动态：
| 日期 | 要点 |
|---|---|
| 10-22 | Decisions API 正式可用 (来源) |
| 10-22 | Lovart Plugin 上线 Codex，可在代码环境中生成品牌视觉和视频 (来源) |
| 10-21 | Codex for OSS 补助升级至 Pro 200，共 10,000 个名额 (来源) |
| 10-21 | 12 小时 prompt caching 上线 API，dots 等持久 agent 可全天复用上下文 (来源) |
| 10-20 | 约 40,000 账户用量限制不一致，OpenAI 已修正并承诺补偿积分 (来源) |
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-22 | Claude Code v2.1.309 | 修复 macOS/Linux 沙箱 Bash 命令在沙箱外执行 shell 启动文件的问题 |
| 10-22 | Claude Code v2.1.308 | Bug 修复和可靠性提升 |
| 10-21 | Claude Code v2.1.307 | 新增 /claude-api api-version，迁移至 API 版本 2026-10-21 |
| 10-21 | Claude Code v2.1.306 | 修复 cloud session 中 claude -p 报"Not logged in"的问题 |
| 10-20 | Claude Code v2.1.305 | 新增 sandbox.allowNestedUserNamespaces，Linux 沙箱内可创建用户命名空间 |
Anthropic X/Twitter 动态：
| 日期 | 要点 |
|---|---|
| 10-22 | 与 Theorem Labs 合作，用 Claude 对 100+ 真实开源库完成形式化验证，证明安全属性，历时数周 (来源) |
| 10-22 | Agent Skills 捐赠给 Agentic AI Foundation，与 MCP 同一基金会；自 2025 年 12 月起 70+ agent 平台已集成该标准 (来源) |
| 10-21 | 发布年度 Public Benefit Report，阐述五大支柱进展 (来源) |
| 10-21 | Dr. Christopher Stubbs（哈佛前理学院院长、实验物理学家）加入 Long-Term Benefit Trust (来源) |
| 10-21 | Claude Duet 研究预览版开放：Claude 作为主动 agent，主动汇报、持续工作、代你行动前确认 (来源) |
| 10-18 | 将约 5% 股份投入 Anthropic Public Benefit Fund；估值每增长 50% 可追加 2%，总计约 20% 股份承诺公益 (来源) |
| 10-16 | STEM Fellows 项目：Claude Mythos 5 设计的量子电路效率优于已发表最佳方案，部分提升超一个数量级 (来源) |
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-21 | Southeast Asia's digital economy to hit $368 billion | Google、淡马锡、贝恩联合发布 e-Conomy SEA 2026 报告 |
| 10-13 | Gemini 4 Argon: Built to solve your hardest problems | Gemini 4 Argon 正式发布 |
Google/DeepMind X/Twitter 动态：
| 日期 | 要点 |
|---|---|
| 10-22 | Demis Hassabis 入选 WSJ Innovators Issue，从神童到 AI 先锋到诺贝尔奖得主 (来源) |
| 10-21 | Gemini 4 Argon 上线 72 小时处理约 25 万亿 token (来源) |
| 10-21 | Wiz Research 确认 Gemini 4 Argon 在 PHP2Shell 漏洞中发现漏洞、构建 exploit 链、验证补丁 (来源) |
| 10-21 | Discovery 团队用 Gemini 4 Argon 发现 20 个新 Cryptids 并验证 33 台机器，推进 Busy Beaver(6) 问题 (来源) |
| 10-21 | SynthID 进展：Detector 已向公众开放，SynthID Bio 可水印 AI 设计的蛋白质 (来源) |
| 10-15 | SynthID 获 TIME 2026 最佳发明奖，已水印超 1800 亿图片/视频 (来源) |
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-22 | OpenShell – A safe, private runtime for fleets of autonomous AI agents | NVIDIA 开源项目，HN 286 分 |
| 10-22 | Every AI model has the same "controversial" take on humans | HN 219 分，讨论不同 AI 模型对人类的趋同观点 |
| 10-22 | AI and the Enclosure of the Scientific Commons | arXiv 论文，讨论 AI 对科学公地的圈地效应，HN 105 分 |
| 日期 | 人物 | 要点 |
|---|---|---|
| 10-22 | swyx | 转推 Modal $750M Series D 访谈，讨论非 Nvidia 芯片、开源模型与 fine-tuning 等 (来源) |
| 10-22 | swyx | 转推 Stephanie Zhan 离开 Sequoia 创立早期 AI 基金，LP 包括 Sequoia、Jeff Dean 等 (来源) |
| 10-22 | Simon Willison | 转推 PHP2Shell 安全灾难综述，涉及 PHP、GitLab、LiteLLM 等多起安全事件 (来源) |
| 10-11 | Andrej Karpathy | 重申 LLM 能力认知差距正在扩大：约 75% 人口几乎未接触 LLM，约 0.2% 专业用户经历"曲线垂直" (来源) |
当前 Top 5：
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Opus 5.5 (Max, Default Fallback) | 57.6 |
| 2 | Claude Fable 5.1 (Max, Default Fallback) | 53.4 |
| 3 | GPT-6 Astra (Max) | 52.7 |
| 4 | GPT-6 Astra (Xhigh) | 52.4 |
| 5 | GPT-6.1 Sol (Xhigh) | 51.0 |
本期无变动。
当前 Top 5：
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1523.93 |
| 2 | Muse Wonder (Max) | 1509.50 |
| 3 | Claude Opus 5.5 (High) | 1508.75 |
| 4 | Claude Fable 5 (High) | 1503.66 |
| 5 | Claude Opus 4.6 (High) | 1502.60 |
本期无变动。
当前 Top 5：
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Fable 5.1 (Max, Default Fallback) | 57.9 |
| 2 | Claude Opus 5 (Xhigh) | 55.6 |
| 3 | GPT-6 Astra (Max) | 51.0 |
| 4 | GLM-5.3-Flash | 50.9 |
| 5 | Grok 4.6 (Medium) | 50.6 |
本期无变动。
当前 Top 5：
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Fable 5.1 (Max, Default Fallback) | 81.6 |
| 2 | Claude Fable 5.1 (Medium, Default Fallback) | 77.1 |
| 3 | Claude Opus 5 (Xhigh) | 77.0 |
| 4 | GPT-6 Astra (Max) | 76.9 |
| 5 | GPT-6 Astra (Xhigh) | 75.9 |
本期无变动。
当前 Top 5：
| 排名 | 模型 (Scaffold) | 分数 |
|---|---|---|
| 1 | Claude 4.5 Opus (Sonar Foundation Agent) | 79.2 |
| 2 | Claude 4.5 Opus medium (live-SWE-agent) | 79.2 |
| 3 | Doubao-Seed-Code (TRAE) | 78.8 |
| 4 | Gemini 3 Pro Preview (live-SWE-agent) | 77.4 |
| 5 | Claude 4 Sonnet (EPAM AI/Run Developer Agent) | 76.8 |
本期变化：
| 模型 | 变化类型 | 前排名 → 现排名 | 分数 |
|---|---|---|---|
| Claude 3.5 Haiku | 排名上升 | 34 → 33 | 40.6 |
| Claude 4 Sonnet + o4-mini | 排名上升 | 10 → 9 | 74.4 |
| GPT-5 | 排名下降 | 9 → 10 | 74.4 |
| LLama 3.1 70B Critic | 排名下降 | 33 → 34 | 40.6 |
注：以上均为排名互换，分数未变，系其他模型排名波动导致的连锁位移。
数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena
PHP2Shell 漏洞标志着 AI 安全发现进入互联网级实战阶段。 OpenAI 模型在 Patch the Planet 计划中发现影响约 70% 网站的 PHP CVSS 9.2 漏洞，并协调维护者和安全厂商在披露前完成修复——这是首次由 AI 在攻击者之前发现具有互联网规模影响的安全漏洞，Wiz Research 同时确认 Gemini 4 Argon 在漏洞发现、exploit 链构建和补丁验证中均发挥了作用，说明多家前沿模型已具备实战级安全研究能力。
Decisions API 将 OpenAI 的产品线从"对话"延伸到"决策"。 该 API 定位为快速、聚焦、低成本的决策推理，区别于现有的通用 chat completion 和 agentic 工作流，填补了对延迟和成本敏感的轻量推理场景空白，但其能否在实际应用中替代规则引擎或传统 ML 推理，仍需看定价和效果数据。
Gemini 4 Argon 上线 72 小时 25 万亿 token 的吞吐量说明前沿模型需求仍在快速攀升。 Logan Kilpatrick 明确表示"需求令人难以置信且仍被低估"，但这一数字本身只反映免费/试用侧的处理量，尚无法判断其中付费转化率和可持续利润率——这对 Google Cloud 的基础设施投入节奏是关键变量。