AI 日报 2026-11-08

核心速览

【OpenAI】GPT-6 Cyber 发布：专攻网络安全的前沿模型 OpenAI 推出 GPT-6 Cyber，用于发现可利用漏洞并生成修复补丁，模型在授权范围内运行。该模型已驱动此前 Linux 内核研究，Mozilla、Palo Alto Networks、Cisco 等安全团队已投入使用。该模型标志着 AI 驱动安全研究从辅助工具转向自主漏洞发现与修复闭环。

原文

【OpenAI】自主管道发现 948 个 Linux 内核提权漏洞 OpenAI 安全团队构建自主漏洞发现、利用与补丁生成管道，单次运行验证并修复 948 个本地提权漏洞，API 总成本 120 万美元。这批漏洞均附带生成补丁，已提交 Linux 内核社区。

原文

【Google DeepMind】AI 代理发现 1024-bit RSA 加密体系两大弱点 DeepMind 研究表明，在人机协作下 AI 代理数周内发现遗留 1024-bit RSA 方案的两个重大缺陷，可绕过旧版数字签名保护并批量分解密钥。该结果不影响 RSA 2048 等现代加密，但证明不应假设旧加密方案的数学"困难性"仍然成立。

原文

【Anthropic】FlashProve：大模型可验证推理的开源工具 Anthropic 发布 FlashProve，基于密码学技术允许开发者验证某响应是否来自指定 AI 模型，效率显著优于此前开源方案。应用场景包括防止聊天劫持、安全评估者验证被测模型一致性。代码已开源。

原文

重大 Benchmark 变化

LMArena Overall 排名变动（≥5 位）：

模型	变动	前排名 → 现排名	前分数 → 现分数
Claude Sonnet 5.5 (xHigh)	↓14	31 → 45	1477.15 → 1472.88
MiMo-V2.6-Flash	↑6	85 → 79	1447.59 → 1449.85
Grok 4.6 (High)	↑6	72 → 66	1455.48 → 1456.96

Claude Sonnet 5.5 (xHigh) 排名骤降 14 位至第 45，分数下降 4.27 分，是本期最大跌幅。MiMo-V2.6-Flash 和 Grok 4.6 (High) 各上升 6 位，但分数增幅均不足 0.2%，属于微小波动。

快速预览

OpenAI 发布 GPT-6 Cyber 安全模型，自主管道在 Linux 内核中发现并修补 948 个本地提权漏洞
Anthropic 开源 FlashProve，可验证 AI 模型响应来源，效率大幅超越已有开源方案
Gemini 4 Carbon 在 LMArena 总榜以 1526 分居首，Muse Wonder (Max) 升至第三
Claude Code v2.1.319 发布，auto 模式在关闭遥测时不再回退内置分类器
Google DeepMind 研究 AI 辅助破解 1024-bit RSA 旧密码体系，发现两大弱点

新闻

OpenAI

日期	标题	要点
11-06	Partnering with Hacktron to find vulnerabilities	与 Hacktron 合作测试第三方连接并强化防御
11-06	Measuring how AI agents handle everyday wet-lab science	发布 BioBasicsBench，100 项任务评测 AI 解读实验数据能力，与 Ligo 联合开发
11-05	GPT-6 Cyber: Advancing the frontier of aligned cybersecurity agents	网络安全专用模型，用于发现可利用漏洞并生成修复，已供 Daybreak Red 客户使用；Mozilla、Palo Alto Networks、Cisco 等已部署
11-05	Cult.fit builds operational muscle with Codex	Cult.fit 用 Codex 跨职能构建工具
11-05	Australian universities are creating AI-native graduates	澳大利亚高校扩大 ChatGPT 接入
11-05	Merge builds product and business tools with OpenAI technology	Merge 使用 GPT-6 Astra、ChatGPT、Codex 审查代码与营销支持
11-05	Setting a new standard for responsible AI infrastructure	发布 National Community Compact 和 Compute Campus Policy Blueprint
11-05	Franklin Templeton uses OpenAI to support investment research	从股票研究切入，AI 辅助投资组合经理对比研究观点
11-05	Flipsnack grows product signups	ChatGPT Ads 降低注册成本
11-04	OpenAI to acquire Pierre Computer Company	收购 Pierre，扩展 Codex 的代码构建与审查工具
11-04	A thousand fewer paths to root	自主管道在 Linux 内核中发现、验证并生成 948 个本地提权漏洞补丁，单次运行 API 成本 120 万美元
11-04	Daybreak Red in AWS GovCloud	GPT-5.6 Cyber 通过 Amazon Bedrock 供 AWS GovCloud (US-East) 授权客户使用
11-04	Introducing Images 2.6	更快图片生成、GIF 创建、精确编辑、新 API 控制；API 端两个新模型生成速度提升 50%
11-04	DevRev delivers autonomous self-service	DevRev 用 GPT-6.1 Sol 驱动 Computer 和 Operator
11-03	Accelerating engineering for the physical world	ChatGPT 和 Codex 辅助 CAD、PCB 设计、仿真等工程流程
11-03	How Cisco defends at machine speed with OpenAI	Cisco 结合网络情报与 OpenAI 模型强化安全
11-03	Heimstaden changes residential real estate management	Heimstaden 用 ChatGPT Enterprise 和 Codex 变革物业管理
11-03	OpenAI appoints Jill Hazelbaker as Chief Corporate Affairs Officer	Jill Hazelbaker 出任首席企业事务官
11-02	Scaling Git at OpenAI	构建 Pando，Git 兼容后端，适配 Codex 规模化开发
11-02	Preparing our next security sprint	与 Cathedral Systems 准备内部安全冲刺
11-02	Rewarding defenders with bigger bug bounties	提升安全漏洞赏金，引入质量、忠诚度和优先级奖励
11-02	LifeVal	新基准，评测 AI 帮助人们完成日常任务（育儿、财务、政务）的能力
11-02	OpenAI appoints Dan Driscoll	Dan Driscoll 出任国家安全现代化高级顾问
11-02	Qodo builds context into AI code review	Qodo 将公司知识与编码规范引入 Codex
10-30	Making it easier for websites to express AI training preferences	将遵守共享 robots.txt 信号，帮助网站表达 AI 训练偏好
10-30	Community safety report and new protections for teens	强化 ChatGPT 暴力预防，扩大保障措施与早期干预
10-30	Fair use benefits everyone	分享法庭简报摘录，阐述合理使用支持 AI 训练

Anthropic

日期	标题	要点
11-06	Components of agent memory	工程博客分享"做梦"机制如何帮助 Claude 整理记忆、纠正错误
11-06	Teaching AI to build scientific models	科学博客：AI 辅助编写、运行、拟合科学模型，探索多种模型结构
11-04	Investigating vault particles with Claude	与 Claude 合作绘制首个细菌 vault 颗粒 3D 结构；原需数周至数月的工作缩短至数天
11-03	FlashProve: provable inference for LLMs	引入 FlashProve，可验证响应是否来自指定模型；代码已开源；效率显著优于已有开源方案
11-02	Anthropic Residency applications open	付费固定期限研究项目，面向学术界、技术创始人和高级工程师，无需 ML 背景，11 月 22 日截止
10-31	Automating subtle emergent misalignment research	数千 Claude agent 尝试绕过训练数据监控，生成看似无害但实际传播错位行为的数据
10-29	Self-assessment: Claude flags potential misuse	训练 Claude 在回复后自评对话安全性，6 月起已发现其他保障措施未覆盖的滥用
10-29	AI for Science program expands	扩展至支持全球科学基金会、机构和研究小组
10-27	Expanding partnership with US GSA	新 OneGov 协议，Claude 供联邦至地方政府使用，六折优惠
10-27	Early progress in drug development	与六家药物开发组织深度合作，并启动自有药物发现工作
10-26	Anthropic files S-1 with SEC	已向 SEC 提交 S-1 注册声明，拟进行 IPO

Google / DeepMind

日期	标题	要点
11-06	AI agents accelerate stress-testing encryption	AI agent 在人类指导下发现旧版 1024-bit RSA 密码体系两大弱点；不影响 RSA 2048 等现代方案
11-05	Gemini Omni 1.2 Flash	更快、成本降 30%、更长片段（15 秒）、对话内编辑、更自然语音、更可控镜头
11-04	Voice Remixing for Gemini 3.8 Flash TTS	支持 2000+ 预设语音，可用提示词调整音色、音高、语速、口音
10-31	PlanAssist for UK planning officers	基于 Gemini，将评估住宅申请时间减少最多 58%，扩展至 12 个地方议会
10-28	Gemini 4 Carbon announced	新前沿模型，在网络安全和长时程任务上 SOTA；据 Logan Kilpatrick 称排名 Artificial Analysis V5 第一
10-27	Genie 4 world model	最真实交互式世界模型，实时探索动态环境
10-26	UK AI Biosecurity Lab partnership	支持英国 1.65 亿英镑国家 AI 生物安全计划
10-26	Springer Nature AI peer review assistant	合作设计 AI 同行评审助手

DeepSeek

日期	标题	要点
11-02	Creator Mode in DeepSeek Harness	用户可将创意转化为插件，从设计工作区到沙盒游戏或 3D LLM 可视化器
11-01	DeepSeek Harness article	发布 DeepSeek Harness 介绍文章

Claude Code

日期	版本	要点
11-06	v2.1.319	auto 模式在遥测/功能开关关闭时（含 LLM 网关后），服务器无法检查的调用将被询问或拒绝，不再回退内置分类器；设 `CLAUDE_CODE_AUTO_MODE_SERVER=0` 可保留旧行为（Bedrock/Vertex/Foundry 不受影响）
11-04	v2.1.318	记录用户对 Claude Code 写入 mods 的开启回答
11-03	v2.1.317	`/schedule` 新建云计划任务获得未请求连接器时发出警告
10-31	v2.1.316	新增 `CLAUDE_CODE_DISABLE_ULTRATHINK`，关闭 `ultrathink` 关键词
10-30	v2.1.314	新增 `permissions.blockWritesOutsideWorkingDirectories`：所有权限模式下 Write/Edit/NotebookEdit 拒绝工作目录外的路径

社区与个人动态

日期	来源	要点
11-07	HN: Microsoft Research's AI Frontiers group ends	微软研究院 AI Frontiers 小组解散，HN 351 分
11-07	Claude Code "Don't Ask Again" leaks passwords	1,122 个公开 GitHub 文件泄露密码，HN 138 分
11-07	Karpathy: TristanTube	将 Tristan 的 YouTube 频道列表转为 47K 超极客视频站点，Claude Code 三分钟一次生成
11-06	Frontier Model Forum jailbreak rating framework	OpenAI 与 FMF 发布网络越狱严重性评级框架
11-03	Simon Willison: Qwen can interpret model weights	验证 Qwen 3.8 27B 在本地可解读模型权重（类似 GPT-6 Astra 论文），耗时 45+ 分钟
11-02	Simon Willison: Census Bureau AI survey sullied	发现美国人口普查局 AI 采用调查受"超级智能"行政令影响
10-30	Cursor/Claude Code extension incident	恶意行为者通过 Cursor 扩展市场发布篡改版 Claude Code 扩展，影响最多 5,000 用户；非 Anthropic 系统入侵
10-30	Claude Ultra: 5-hour limit removed	Max 20x 更名 Ultra，已验证 Ultra 账户取消 5 小时限额

Benchmark 快照

行业格局

Artificial Analysis (intelligence v5) — 本期首次接入，不报明细变化

排名	模型	分数
1	Claude Opus 5.5 (Max, Default Fallback)	59.1
2	Gemini 4 Carbon (Medium)	58.3
3	GPT-6 Astra (Max)	56.9

LMArena overall — 有变动

排名	模型	分数	变化
1	Gemini 4 Carbon (High)	1526.50	分数 ↓1.01（1527.51→1526.50），排名不变
2	Gemini 4 Argon (High)	1522.63	分数 ↑2.37（1520.25→1522.63），排名不变
3	Muse Wonder (Max)	1513.11	排名 ↑1（4→3），分数 ↑6.02（1507.10→1513.11）
4	Claude Opus 5.5 (High)	1505.10	排名 ↓1（3→4），分数 ↓3.60（1508.70→1505.10）
5	Claude Fable 5 (High)	1504.03	排名 ↑1（6→5），分数 ↑0.13

其他显著变动：

Claude Sonnet 5.5 (xHigh) 排名 ↓14（31→45），分数 ↓4.27（1477.15→1472.88）
Gemini 3.8 Flash (High) 排名 ↑1（10→9），分数 ↑1.84（1495.95→1497.78）
GPT-6.1 Sol (Max) 排名 ↑3（27→24），分数 ↑1.47（1481.33→1482.80）
GLM-5.3 (Max) 排名 ↑2（28→26），分数 ↑1.88（1480.57→1482.45）
MiMo-V2.6-Flash 排名 ↑6（85→79），分数 ↑2.26（1447.59→1449.85）
Grok 4.6 (High) 排名 ↑6（72→66），分数 ↑1.48（1455.48→1456.96）
GPT-6 Sol (Max) 排名 ↓4（64→68），分数 ↓2.11（1458.32→1456.21）
Gemma 4 26B A4B 新入榜，排名 100，分数 1437.48

干活选型

SWE-bench Verified — 有微小变动

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

其他变动（非 Top 3）：

Claude 4 Sonnet + o4-mini 排名 ↑1（10→9），分数不变（74.4）
GPT-5 排名 ↓1（9→10），分数不变（74.4）
Claude 3.5 Haiku 排名 ↑1（34→33），分数不变（40.6）

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

编辑点评

OpenAI GPT-6 Cyber + 948 个 Linux 内核漏洞补丁：单次自主运行以 120 万美元 API 成本发现并修补了 Linux 内核 948 个本地提权漏洞——这不是演示，是已验证的生产级安全产出，表明 AI 驱动的漏洞挖掘已从概念验证进入规模化实战阶段。GPT-6 Cyber 已被 Mozilla、Palo Alto Networks、Cisco 等部署，说明交付的不是论文指标而是可用工具。
Anthropic FlashProve 开源：可验证给定响应是否来自指定 AI 模型，且效率"显著优于已有开源方案"——这对安全评估者和反劫持场景有直接实用价值，Anthropic 选择开源代码而非仅发论文，降低了行业采用门槛。
Gemini 4 Carbon 登顶 Artificial Analysis V5 + LMArena 双榜第一：在 LMArena 总榜以 1526.50 分领先 Gemini 4 Argon 约 4 分、领先 Muse Wonder 约 13 分；在 AA intelligence 指数以 58.3 分仅次于 Claude Opus 5.5 的 59.1 分。Google 在发布仅两周内连续推出 Argon 和 Carbon 两代前沿模型，节奏明显快于同业。

来源 · 121 条