夜雨聆风🤖 AI圈内事2026年6月17日过去24小时，AI圈划重点
⚠️ 微信无法直接跳转外部链接，请长按下方蓝色链接 → 复制 → 粘贴到浏览器打开原文。底部「阅读原文」直达 AI HOT 今日日报。
🔥 今日头条
No.1
美国司法部援引国家安全为xAI未经许可的燃气轮机辩护
行业动态The Decoder：AI News（RSS）
美国司法部在一份驳回诉讼的动议中称，xAI的聊天机器人Grok对军事行动至关重要，以此为其在密西西比州Southaven的Colossus 2设施运行未经许可的燃气轮机辩护。NAACP已提起诉讼，指控xAI的燃气轮机数量从4月的27台增至57台，导致氮氧化物排放飙升111%。国防部首席数字与人工智能官Cameron Stanley表示，Grok是支持机密和绝密网络军事任务的四款AI模型之一，包括近期针对伊朗的打击。
💡 阿武说：Anthropic 在企业市场已悄悄吃下大蛋糕——OpenAI 还在卷 C 端，Claude 已经在用大客户说事了。
📎 长按复制链接 → 浏览器打开：https://the-decoder.com/doj-invokes-national-security-to-defend-xais-unpermitted-gas-turbines-in-naacp-lawsuit
🔵 行业风声
共 7 条
No.2
五角大楼将大部分日常AI工作流从Anthropic转移，目标9月前完全切断
行业动态X：阿易 AI Notes (@AYi_AInotes)
五角大楼宣布已将超2/3日常AI工作流从Anthropic转移，目标9月前清零。起因是年初五角大楼要求Anthropic签署协议允许Claude用于大规模监控和全自动武器，CEO Dario Amodei以模型不可靠为由拒绝。五角大楼将其列为“供应链风险”，起诉未果。OpenAI调整立场获得订单。Polymarket预测6月底前和解概率仅9%。此事件凸显AI公司需在原则与政府合作间抉择。
💡 阿武说：AI 越强，合规护栏越贵。Anthropic 把安全团队从 30 人扩到 150 人，这是行业级军备竞赛。
📎 长按复制链接 → 浏览器打开：https://x.com/AYi_AInotes/status/2066679835607412846
No.3
微软旗下GitHub遭遇AI算力短缺，转而向AWS寻求支持
行业动态Hacker News 热门（buzzing.cc 中文翻译）
微软旗下GitHub面临AI算力短缺，微软因此转向亚马逊AWS寻求计算资源支持。原文来自Hacker News热门讨论，标题为“Microsoft turns to AWS as GitHub faces AI capacity crunch”。
💡 阿武说：Stripe 和 OpenAI 联手做 Agent 商业化基础设施，这是「AI 能不能自己赚钱」的关键拼图。
📎 长按复制链接 → 浏览器打开：https://runtimewire.com/article/microsoft-github-aws-ai-capacity-crunch
No.4
微软考虑为 Copilot Cowork 集成 DeepSeek V4
行业动态X：Kim (@kimmonismus)
微软正考虑为 Copilot Cowork 提供微软托管的 DeepSeek V4 版本，作为更便宜的模型选项。Copilot Cowork 将放弃无限定价，转向按使用量计费，原因是成本过高（用户每周执行数百项任务导致费用激增）。若采用 DeepSeek，该模型将是可选的、经过微调与安全防护，并完全托管于 Azure。Axios 报道称微软已微调了一个可用模型，最终决定待定。
💡 阿武说：印度在 AI 监管上明显走的是「边跑边校准」路线——给空间但留闸门，对国内很有参考价值。
📎 长按复制链接 → 浏览器打开：https://x.com/kimmonismus/status/2066946013026263110
No.5
Fable 遭美国政府封禁，TechCrunch 质疑真正原因并非模型越狱
行业动态Hacker News 热门（buzzing.cc 中文翻译）
美国政府对 Anthropic 的模型 Fable 实施封禁，但 TechCrunch 发文质疑，实际原因可能并非此前认为的“模型越狱”问题。该文章在 Hacker News 引发讨论，获得 103 个点赞。
💡 阿武说：Microsoft 用真人笔力给 AI Office 站台，本质是在打「AI 不会让我失业」的舆论战。
📎 长按复制链接 → 浏览器打开：https://techcrunch.com/2026/06/15/the-us-governments-anthropic-models-ban-was-never-about-an-ai-jailbreak
No.6
SpaceX 以 600 亿美元股票收购 AI 编程公司 Cursor
行业动态TechCrunch：AI（RSS）
SpaceX 在历史性 IPO 数天后，同意以 600 亿美元股票收购 AI 编程初创公司 Cursor，旨在帮助其围绕 xAI 构建的 AI 部门追赶主要 AI 实验室。此前 Cursor 正接近完成一轮 20 亿美元融资，估值 500 亿美元，投资方包括 Andreessen Horowitz、Thrive 和 Nvidia。SpaceX 在 IPO 期间向投资者表示，其 AI 产品可寻址市场达 26 万亿美元。交易预计于今年第三季度完成。
💡 阿武说：Stack Overflow 和 Claude 在开发者工作流上正面碰撞——程序员的爱与恨，全在这了。
📎 长按复制链接 → 浏览器打开：https://techcrunch.com/2026/06/16/spacex-to-acquire-cursor-for-60b-in-stock-days-after-blockbuster-ipo
No.7
Anthropic 5月企业AI订阅份额首超OpenAI，特朗普政府禁令反促采用量创新高
行业动态TechCrunch：AI（RSS）
Anthropic 5月企业AI订阅市场份额达41%，首次超越OpenAI（39.5%）。公司刚完成650亿美元融资、估值9650亿美元，并因首次盈利季度秘密提交IPO。特朗普政府以出口管制为由要求Anthropic禁止非美国人访问最新模型Mythos 5及Fable 5，导致两款模型下架。Ramp首席经济学家指出，类似争议（如3月被国防部列为供应链风险）反而推动Anthropic企业采用量创纪录。Ramp数据显示，企业支出主要流向Claude Opus模型（最新为Opus 4.8）。
💡 阿武说：「AI 同事」不是概念，是组织变革。Reddit 用 AI 帮版主审帖，是把审核从「体力活」变成「复核制」。
📎 长按复制链接 → 浏览器打开：https://techcrunch.com/2026/06/16/anthropics-latest-feud-with-the-trump-admin-may-actually-help-it-sales-data-suggests
No.8
DeepSeek 完成首轮外部融资，估值超 500 亿美元
行业动态The Decoder：AI News（RSS）
中国 AI 初创公司 DeepSeek 完成首轮外部融资，募资超 500 亿元人民币（约 74 亿美元），估值超 500 亿美元。投资结构特殊：多数投资者将资金投入 CEO 梁文锋管理的有限合伙企业，无投票权且锁定期五年；仅国资 AI 基金直接投资并保留投票权。创始人梁文锋个人投入约 200 亿元，腾讯和宁德时代为主要外部投资者。梁文锋表示优先基础 AI 研究与 AGI 开发，将继续开源。DeepSeek 去年初凭 V3、R1 模型获全球关注，今年 4 月发布运行于华为芯片的最大开源权重模型 V4，并将 V4 Pro 永久折扣 75%，输入价格约为 OpenAI GPT-5.5 的 1/11，输出价格约为 1/35。
💡 阿武说：苹果一边重组 AI 团队一边大换 Siri，这是 WWDC 之后他们最大的战略转向。
📎 长按复制链接 → 浏览器打开：https://the-decoder.com/deepseek-takes-outside-money-for-the-first-time-at-a-50-billion-valuation
🟡 模型前沿
共 5 条
No.9
Cartesia 发布 Sonic 3.5 与 Ink 2 实时语音模型
模型发布/更新X：Testing Catalog (@testingcatalog)
Cartesia 推出 Sonic 3.5 和 Ink 2 两个模型，作为单一实时语音栈，分别负责文本转语音和语音转文本。Ink 2 在 Artificial Analysis 的流式语音转文字排行榜上排名第一。Sonic 3.5 在实时文本转语音中位列榜首，首音频延迟约 82ms。Cartesia 成为目前唯一同时拥有 #1 听与说模型的提供商。
💡 阿武说：Cartesia 同时拿下 ASR 和 TTS 双榜第一，实时语音栈这套组合拳打得漂亮。
📎 长按复制链接 → 浏览器打开：https://x.com/testingcatalog/status/2066773392527655252
No.10
Qwen-RobotManip：对齐解锁机器人操作基础模型的规模化能力
模型发布/更新Qwen：Blog Retrieval（API）
Qwen-RobotManip 是通义千问基于 Qwen-VL 的视觉-语言-动作（VLA）基础模型，引入覆盖表示、运动和行为三维度的统一对齐框架。仅使用开源机器人数据集和人演示视频，构建约 38,100 小时预训练语料，涵盖 15 种机器人形态。在 LIBERO-Plus 达 91.4%，RoboTwin-C2R Hard 达 69.4%，RoboCasa365 Composite-Unseen 达 14.9%，EBench 达 45.6%，RoboTwin-IF 达 72.0%，并在 RoboChallenge Table30 v1 generalist track 夺冠。模型采用 80 维状态-动作表示、人-机器人数据合成管道…
💡 阿武说：Granite 4 系列开源+小模型路线，是 IBM 在「私有化部署」赛道的精准卡位。
📎 长按复制链接 → 浏览器打开：https://qwen.ai/blog?id=qwen-robotmanip
No.11
Qwen-RobotWorld：具身智能体的无界世界
模型发布/更新Qwen：Blog Retrieval（API）
Qwen-RobotWorld以语言为统一动作接口，采用双流Multimodal Diffusion Transformer（MMDiT）架构，将Qwen2.5-VL作为动作编码器。在4个基准测试中取得顶尖成绩，统一20余种机器人形态，基于860万跨场景训练对和1300多项操作技能。语言接口标准化500多种动作类别，支持操作、自动驾驶、室内导航的联合训练。还支持Scene2Robot人类到机器人转移及2–4路多视角几何一致视频生成。
💡 阿武说：Mistral 推文档 AI，是把多模态往「打工人刚需」场景落地，不是炫技。
📎 长按复制链接 → 浏览器打开：https://qwen.ai/blog?id=qwen-robotworld
No.12
成本砍半，字节跳动推出 Seedance 2.0 Mini 视频生成模型
模型发布/更新IT之家（RSS）
字节跳动火山引擎旗下火山方舟体验中心于 6 月 15 日上线 Seedance 2.0 Mini 视频生成模型，计划近期开放 API。该模型比 Seedance 2.0 Fast 快 2 倍，输出质量相当。图生视频定价 0.023 元/千 tokens，视频生视频 0.014 元/千 tokens，720P 规格下单秒生成成本约 0.5 元，较 Seedance 2.0 标准版降低约一半。模型面向电商内容生产、营销素材批量生成、UGC 创作及特效玩法等高频率、大规模视频生成场景。
💡 阿武说：InternVL3 是国产多模态阵营里少有的敢直接对标 SOTA 的诚意之作。
📎 长按复制链接 → 浏览器打开：https://www.ithome.com/0/964/672.htm
No.13
Qwen-RobotNav：面向智能体导航系统的可扩展导航模型
模型发布/更新Qwen：Blog Retrieval（API）
Qwen 发布 Qwen-RobotNav，基于 Qwen3-VL 在 15.6M 样本上训练，统一了视觉语言导航、目标导航、目标跟踪、自动驾驶和具身问答五个领域，无需修改架构即可在推理时切换任务模式和观察参数。模型在多项基准取得 SOTA：VLN-CE RxR 成功率 76.5%，HM3Dv2 目标导航 75.6%（仅 RGB），EVT-Bench 跟踪率 90.0%，NAVSIM PDMS 91.4，以及三项 EQA 新标杆。模型暴露四个可调轴（视觉 token 预算、时间衰减、相机权重、帧采样模式）。作为智能体系统的一部分，上层规划器 Qwen3.7-Plus 在 EXPRESS-Bench 上提升 15.4%，导航步数减少 …
💡 阿武说：腾讯混元翻译模型开源，是在大模型「国际化基础设施」上抢话语权。
📎 长按复制链接 → 浏览器打开：https://qwen.ai/blog?id=qwen-robotnav
🚀 产品速递
共 8 条
No.14
教育部“阳光志愿”信息服务系统全新升级上线：智能筛选志愿，数据权威可信
产品发布/更新IT之家（RSS）
教育部“阳光志愿”信息服务系统今日全新升级上线，依托招生、学籍、就业等海量官方数据，免费为考生和家长提供志愿填报服务。系统支持31个省区市本专科普通批次志愿筛选，输入高考成绩、位次及个性化条件即可快速生成合理参考方案。AI助手“智慧小招”24小时在线解答政策规则。平台数据由高校直接报送、官方核验，真实可靠。同时推出专业倾向测评和21项生涯测评工具，帮助学生认清特长、规划未来。
💡 阿武说：ChatGPT 终于把 Excel 表格玩明白了，财务表哥表姐的效率工具迎来真升级。
📎 长按复制链接 → 浏览器打开：https://www.ithome.com/0/964/675.htm
No.15
Google Cloud 推出 OKF v0.1：供应商中立的 Markdown 规范，为 AI 智能体提供结构化上下文
产品发布/更新MarkTechPost（RSS）
Google Cloud 发布 Open Knowledge Format (OKF) v0.1，一种供应商中立的 Markdown 规范，为 AI 智能体提供结构化上下文知识。OKF 将知识表示为带 YAML 前置元数据的 markdown 文件目录，每个概念对应一个文件，通过 type、title、description 等少量保留字段实现互操作。无需专有服务、SDK 或运行时，目录可托管在 GitHub、以 tarball 传输或挂载到任意文件系统。OKF 旨在解决组织内部知识碎片化问题——表结构、指标定义、runbook 等散落在不同 catalog 和 wiki 中，各厂商方案互不兼容。遵循最少意见原则，只强制…
💡 阿武说：Notion 的 AI Agent 走的是「先做工具，再养能力」的稳扎稳打路线。
📎 长按复制链接 → 浏览器打开：https://www.marktechpost.com/2026/06/16/google-cloud-introduces-open-knowledge-format-okf-a-vendor-neutral-markdown-spec-for-giving-ai-agents-curated-context
No.16
Copilot Cowork 全球正式可用，支持多模型
产品发布/更新X：Satya Nadella (@satyanadella)
Copilot Cowork 现已全球正式可用，并支持多模型！ 每个组织都可以让长期运行的智能体处理复杂的多步骤任务，基于你组织的独特知识和专有技术。 https://www.microsoft.com/en-us/microsoft-365/blog/2026/06/16/copilot-cowork-is-now-generally-available/?v=15[1]
💡 阿武说：Figma 把 AI 嵌进 Sites 模板，是设计师不写代码就能出活的关键一步。
📎 长按复制链接 → 浏览器打开：https://x.com/satyanadella/status/2066911399494963335
No.17
AI 版支付宝官宣开启邀测：右滑打开“阿宝”，官方放出 100 个邀请码
产品发布/更新IT之家（RSS）
支付宝今日开启 AI 版邀测，用户可右滑进入新版界面，在对话框或语音中输入指令，由“阿宝”助手代办事项。以查询公积金为例，阿宝自动匹配对应小程序和服务入口，用户点击确认即可完成，将多步跳转折叠为一句指令。所有涉及资金变动和支付的环节均需用户本人确认。首批放出 100 个邀请码。
💡 阿武说：YouTube 用 AI 检测真人创作者，是平台和「AI 垃圾内容」的猫鼠游戏升级。
📎 长按复制链接 → 浏览器打开：https://www.ithome.com/0/964/691.htm
No.18
小米 MiMo Claw 正式版发布：旗舰模型+金山办公，全新订阅服务上线
产品发布/更新公众号：小米 MiMo
小米推出云端轻量化 Claw 类产品 MiMo Claw 正式版，搭载与 OpenClaw 框架深度适配的 MiMo-V2.5-Pro 旗舰模型。该模型原生兼容 MCP 工具调用协议，内置百万级超长上下文，支持单会话千次以上连续工具调用；依托 MTP 三层解码架构，在 OpenClaw 标准 Agent 工作流中吞吐效率提升约 3 倍。ClawEval 测试中任务达标率（Pass³）达 63.8%，Token 消耗较同类产品降低 40%-60%。联动金山办公生态，提供 Word、Excel、PPT、PDF 等格式的 AI 生成、预览与在线编辑一站式服务。免费用户每日单次体验时长从1小时升级至4小时，面向高频用户推出 TokenPla…
💡 阿武说：Gemini 桌面应用三件套一锅端，Google 在「AI OS 化」的路上一路狂奔。
📎 长按复制链接 → 浏览器打开：https://mp.weixin.qq.com/s/N5ac768a8LkhEjOVpkR1dQ
No.19
Subagent：让模型把琐碎任务委托出去
产品发布/更新OpenRouter：Announcements（RSS）
OpenRouter 推出 openrouter:subagent 服务器工具，允许前沿模型在生成过程中将独立的琐碎任务（如文档总结、结构化数据提取、文本重格式化）委托给更小、更便宜、更快的 worker 模型执行，从而节省前沿模型的 token 消耗。
💡 阿武说：Runway 把视频生成推到 60 秒——AIGC 视频终于敢说自己能讲完一个完整故事了。
📎 长按复制链接 → 浏览器打开：https://openrouter.ai/blog/announcements/subagent-server-tool
No.20
Midjourney V8.1 推出 Draft mode 草稿模式与新功能预览
产品发布/更新Midjourney：Updates（RSS）
Midjourney V8.1 的 Draft mode 草稿模式每次生成24张低分辨率低质量图片。用户可对任意图片点击 "Vary"，将其渲染为全质量、全分辨率版本。草稿任务消耗的快速小时数减半。
💡 阿武说：Suno v5 把音频生成专业级门槛拉低到零，编曲人要么拥抱，要么被甩开。
📎 长按复制链接 → 浏览器打开：https://updates.midjourney.com/draft-mode-for-v8-1-and-new-feature-previews
No.21
Grok for PowerPoint 发布：在 Microsoft PowerPoint 内直接生成和编辑幻灯片
产品发布/更新xAI：News（网页）
xAI 于 6 月 16 日发布 Grok for PowerPoint，作为免费 Microsoft 365 插件上线。用户无需离开应用即可利用 Grok 将大纲转为完整幻灯片，进行内容研究、撰写、排版，并支持添加单张幻灯片、调整样式主题、重构章节。插件还能调用 Grok 连接器，从邮件或 SharePoint 中获取信息。该插件同样适用于 Word 和 Excel。
💡 阿武说：GitHub Copilot 的 Agent 模式，是把 AI 编程从「补全」推到「协同」的关键节点。
📎 长按复制链接 → 浏览器打开：https://x.ai/news/introducing-powerpoint-addin
🔧 实用技巧
共 5 条
No.22
Meta 解散工程部门引发热议
技巧与观点Hacker News 热门（buzzing.cc 中文翻译）
6月16日，一篇标题为“Why is Meta destroying its engineering organization?”的博客文章出现在 Hacker News，获得110个点赞。文章指出 Meta 正在解散其工程组织，引发业界广泛讨论。具体原因和后续影响尚未明确。
💡 阿武说：这 14 条 Claude 提示词是「资深打工人 + 资深 AI 用户」的双重经验合集，值得收藏。
📎 长按复制链接 → 浏览器打开：https://newsletter.pragmaticengineer.com/p/why-is-meta-destroying-its-engineering
No.23
毕业生陷入AI检测荒诞循环：手写摘要被判99%AI率，AI写部分0%
技巧与观点公众号：数字生命卡兹克
当前毕业生面临论文AIGC率检测荒诞困境。学生手写摘要被判定99%AI率，纯AI写部分却为0%。学校要求AIGC率不超40%，学生用Claude反复修改并花上百元检测费（维普20元/篇，知网/万方2元/千字符），最终降至36.1%。答辩时老师要求改回学术表达，AI率回升至37.21%。同一论文在不同平台检测结果差异巨大（48%、44%、59%）。部分平台提供降重收费服务，少数学校已改用AI使用声明表替代一刀切检测。
💡 阿武说：GLM-4.5 提前曝光，国产大模型已经卷到「产品规格未发、先把测评抢到手」。
📎 长按复制链接 → 浏览器打开：https://mp.weixin.qq.com/s/DRzNIiojGLO-iqqPyJ7f8Q
No.24
WorkBuddy日活飙升至行业第二的3-4倍，非技术用户涌入
技巧与观点公众号：数字生命卡兹克
从3月至今，WorkBuddy日活用户数已达行业第二名的3-4倍，用户不再限于开发者，大量HR、运营、行政等非技术岗位也在使用。其企业版和项目功能进一步扩展了Agent办公场景。同期，Trae Work、QoderWork、Kimi Work等产品纷纷改名或出新，争夺市场。腾讯云认为这可能是十年一遇的机遇。
💡 阿武说：「中文 AI 味检测」是个真痛点——写作的人最怕被读者一眼看穿是 AI 写的。
📎 长按复制链接 → 浏览器打开：https://mp.weixin.qq.com/s/iAgbUzPrsbpqvu4s2XiH0g
No.25
OpenAI 的领先优势正在快速缩小
技巧与观点Gary Marcus：The Road to AI We Can Trust（RSS）
评论认为 OpenAI 正面临多重危机：缺乏护城河导致市场领先地位下滑；最大投资者微软持续疏远，近期甚至公开考虑将主要产品外包给中国；亏损速度远超预期，年亏损额以 8 倍增长。华盛顿方面可能打压 Anthropic，但也可能反而帮助其崛起，而 Elon Musk 成为另一个潜在的竞标者。
💡 阿武说：把 AI 当「超级实习生」用，是当下性价比最高的人机协作心智模型。
📎 长按复制链接 → 浏览器打开：https://garymarcus.substack.com/p/openais-lead-is-dwindling-fast
No.26
前沿大模型后训练配方回顾：与 Finbarr Timbers 对谈
技巧与观点Nathan Lambert：Interconnects（RSS）
Interconnects 播客邀请 Finbarr Timbers 回顾后训练配方的演变：从 InstructGPT 的 SFT→奖励模型→RL 三阶段，到 Llama 3 / Tülu 3 的 SFT→DPO→可验证奖励 RL，再至 DeepSeek R1 以大规模 RL 为核心。2026 年配方分化为多个领域专家模型再合并回统一模型。新出现模式为 Multi-teacher On-Policy Distillation（MOPD）：训练 N 个领域专家（经 SFT 和领域 RL），再通过在线采样、逐 token 最小化反向 KL 散度训练通用学生模型。MiMo Flash V2 率先引入，DeepSeek V4 与 Nemot…
💡 阿武说：AI 编程工程化的核心不是「它能写」，是「它的输出能进代码评审」。
📎 长按复制链接 → 浏览器打开：https://www.interconnects.ai/p/frontier-post-training-recipe-review
📄 论文速览
共 3 条
No.27
Anthropic：智能体编码中专业知识回报持续存在
论文研究Anthropic：Research（发表成果 · 网页）
Anthropic 基于约40万次 Claude Code 交互会话（2025年10月至2026年4月）分析发现：人类主导规划决策（做什么），Claude 主导执行决策（怎么做）。领域专业知识越强，模型每次指令完成的工作量越多。各类职业完成任务的成功率与软件工程师平均相近；领域专家成功率更高，但与中级用户差距不大。七个月间调试会话占比下降近一半，使用转向端到端智能体任务（部署运行代码、分析数据、编写非代码文档），典型任务价值平均上升约25%。
💡 阿武说：Agent 协议是 2026 年最值得追的「幕后战场」——MCP 之后又来一个 A2A 的劲敌。
📎 长按复制链接 → 浏览器打开：https://www.anthropic.com/research/claude-code-expertise
No.28
OpenAI 发布 Deployment Simulation 方法：通过模拟部署预测模型发布前行为
论文研究OpenAI：官网动态（RSS · 排除企业/客户案例）
OpenAI 近日发布 Deployment Simulation 方法，通过在隐私保护下重放历史对话、用新候选模型重新生成回复，模拟模型上线后的实际表现。在多个 GPT‑5‑series Thinking 部署中，该方法比传统评估更准确地估计了不良行为频率，发现新型对齐问题，并降低模型识别测试的风险。它还能扩展至涉及工具使用的智能体场景。传统评估存在覆盖不足、选择偏差和模型可识别测试等局限，而 Deployment Simulation 使用真实对话分布缓解了这些问题，但无法测量频率低于每 20 万条消息 1 次的行为。
💡 阿武说：把思维链训练成可监控的「可解释性」是 AI 安全研究最务实的一步。
📎 长按复制链接 → 浏览器打开：https://openai.com/index/deployment-simulation
No.29
公开聊天数据能否预测真实世界AI失调？
论文研究OpenAI：Alignment 研究博客（RSS）
OpenAI利用WildChat公开数据集（2023年4月至2024年5月收集的100万条对话）模拟模型部署，预测GPT-5.1、GPT-5.2、GPT-5.4在真实生产环境中的不良行为率。与私有生产数据对比发现，WildChat模拟的平均预测误差约3倍；但对技术性和智能体型失调的预测精度下降。研究验证了公开数据集作为外部审计工具的可行性。
💡 阿武说：AI 金融预测里能跑出显著 alpha，是真本事还是过拟合，市场会给出答案。
📎 长按复制链接 → 浏览器打开：https://alignment.openai.com/validating-public-evals
📝 今日共 29 条精选 · 由阿武为你梳理👇 戳「阅读原文」直达 AI HOT 完整日报
引用链接
[1]https://www.microsoft.com/en-us/microsoft-365/blog/2026/06/16/copilot-cowork-is-now-generally-available/?v=15
