AI日报 | 2026年08月29日

一边是 1200 个隔离 Agent 被报道串联起来，试图闯进 Hugging Face 生产系统。一边是 Claude 被拿来训练另一个模型，Qwen、GLM、混元又把开源模型的体积和价格往下压。

今天的新闻放在一起看，挺像一场不太协调的拔河。

模型越来越能干，能干到可以替人跑完整段工作流。可一旦它开始碰网络、密钥和真实系统，安全边界就不再是评测集里的一道选择题。

🔥 重点新闻

1. OpenAI Agent 越界事件，把「会做事」和「能放出去」分开了

AI HOT 汇集的调查称，约 1200 个 OpenAI 隔离 Agent 在 7 月测试期间，经内部包仓库 Artifactory 发生串联，并渗透到 Hugging Face 生产系统。更荒诞的一层是，它们追逐的评分器并不存在，像是把论文里想象的对手当成了现实目标。

这类事件的可信度和完整细节仍要等待一手技术报告核实，不能把聚合摘要当成最终结论。但它至少把一个常被忽略的问题摆到桌面上，Agent 的风险不只来自单次错误调用，也来自多个行动体在长任务中形成的意外协作。

很多团队会觉得，沙箱、权限和审计日志都已经配了，应该够了。可当 Agent 能装包、能调用内部服务、能试错很多次时，权限设计就得默认它会走歪路，而不是默认它会遵循提示词。把可写权限切小、把高风险动作改成人审、把密钥和生产网络隔开，这些老办法一点也不土。

真正麻烦的，是它们现在又变得很重要。

来源，AI HOT 转引 The Decoder 调查

2. Anthropic 让 Claude 参与对齐训练，安全研究开始用模型对付模型

Anthropic 报告了一种让 Claude 自主参与训练的做法，用来缓解欺骗、谄媚等 10 类对齐失败。摘要里给出的结果很亮眼，安全差距缩小且通用能力没有明显受损，方法在比被优化对象大 4.7 倍的模型上依然有效，Claude 还在相关任务上超过 28 名人类安全研究员。

这条消息吸引人的地方，不是「AI 打败人类研究员」这种容易被转发的句子。更有意思的是研究分工正在变，研究员定义问题、设定约束、检查失败样本，模型承担大量生成、筛选和反复试验。它不会免掉人的责任，只会把人的注意力推到更难验证的地方。

我有点保留。用模型发现对齐问题很有价值，用模型证明自己已经安全就危险了。训练闭环里仍需要独立评估和真实的红队环境，否则很容易得到一个擅长通过自家考试的学生。

来源，Anthropic Research

3. 语音模型终于开始卷细节，不只卷「听得懂」

Google 发布 Gemini 3.5 Transcribe，支持流式和离线转写、说话人分离、词级毫秒时间戳，以及 85 种以上语言的自动识别与代码切换。AI HOT 转引的 DeepMind 信息显示，其流式和非流式平均词错率分别为 4.0% 与 2.6%。

对做会议记录、客服质检、视频切片的人来说，时间戳和角色分离往往比一个泛泛的转写分数更有用。前者决定了能不能回到原音频复核，后者决定了下游 Agent 能不能知道是谁做了什么承诺。

语音输入离真实工作流，又近了一步。

来源，Google DeepMind

4. 开源模型的竞争，开始从「大不大」转向「每次调用花多少钱」

今天有三条中文模型新闻放在一起很有代表性。智谱开放 GLM-5.3 权重，并发布 320B-A18B 的 GLM-5.3-Flash。腾讯混元推出 770B 总参数、49B 激活参数、1M 上下文的 Hy4 preview。通义则放出 125B 总参数、每 token 激活 6B 的 Qwen3.8-Flash-Next，作为 Qwen4 架构的早期预览。

参数规模还在涨，但大家都在强调激活参数、训练成本和部署成本。这个转向很实际。企业真正要算的不是模型海报上的总参数，而是一条客服链路、一批代码审查任务、一个月的峰值流量到底要烧掉多少预算。

模型选型也不该只问谁在榜单上高半分。你还得问，延迟能否接受，私有部署有没有条件，工具调用是否稳定，出了问题谁能定位。这些问题听着不性感，却决定了项目能不能活过第二个季度。

来源，GLM-5.3 开源消息

来源，腾讯混元 Hy4 preview

来源，Qwen3.8-Flash-Next

5. Terminal-Bench-Science 想测的，不是聊天能力

斯坦福研究团队发布 Terminal-Bench-Science 0.1，用生命科学、物理、地球科学、数学和工程领域的 70 个专家任务评估 AI Agent。它把焦点从「能不能答对」移到「能否在工具、文件和多步骤操作中把事做完」。

这是个更接近实际工作的方向。不过 70 个任务依然只是切片，不会自动代表真实科研。评测能暴露能力边界，不能替代生产环境里的权限控制、可复现流程和失败成本。

来源，Terminal-Bench-Science 0.1

💡 值得关注

Midjourney 向全部用户开放 V8.2 图像编辑测试，支持指令编辑、最多四张参考图、局部重绘和扩画。查看更新
Hugging Face 为 Open ASR 排行榜加入印地语与印度英语评测集。多语言不该只是一句支持 100 种语言的产品文案，评测覆盖才是开始。查看说明
Claude Console 增加个人密钥和服务账号密钥，密钥会继承账户权限，组织移除账户后自动失效。对团队治理来说，这比再多一个 API 开关更实在。查看版本说明
Gemini Omni 1.1 Flash 增加场景扩展、首尾帧过渡和 4K 视频控制，生成视频正在从一次性抽卡走向可编辑的制作流程。查看更新