Twitch 默认用直播内容训亚马逊 AI：上线退出开关，但仅管未来
Twitch 允许主播选择退出将直播、剪辑和聊天记录用于训练亚马逊生成式 AI。但该设置默认开启且仅对未来训练生效，Twitch 未透露此前是否已采集过数据；此外，普通观众也无法决定自己在他人直播间的发言是否被抓取。
AI安全
查看更新的新闻
Anthropic 与 Spotify 推进内容透明化：给生成文本打水印、标出 AI 艺人
据报道，为应对 EU AI Act 及内容鉴别难题，Anthropic 开始为 Claude 8 月 2 日后生成的文本与文件自动打上 C2PA 水印；Spotify 也上线「AI Personas」徽章标识非真人艺人并不再主动推荐；Suno 与 Substack 同样跟进上线了防伪与检测功能。
Spotify 上线「AI Persona」标识：揪出虚拟歌手，默认移出推荐池
Spotify 宣布将于 9 月中旬推出「AI Persona」徽章，用于标记公开形象由 AI 生成的虚拟艺人。艺人可通过后台主动申报，平台也会主动审核并打标。最关键的是，被打标的 AI 艺人将被默认移出编辑歌单和算法推荐，除非听众主动关注。
Anthropic 为 Claude 上线隐形水印：文本嵌入特征暗记，文件附带 C2PA
Anthropic 宣布为落实欧盟《人工智能法案》，在 Claude 生成的文本中嵌入不可见隐形水印，并为文件附加 C2PA 元数据。文本水印融入了词元采样机制，复制粘贴后仍可识别且不影响内容质量。目前检测 API 仅向监管与合规机构私测开放。
研究人员发现 API 漏洞：可提取 Claude、GPT 与 Gemini 隐藏思考过程
MATS Program 研究人员披露 Anthropic、OpenAI 与 Google 的 API 漏洞，可完整提取主流大模型的隐藏推理内容。加密数据块甚至能跨模型迁移读取，并在公开记录中暴露了数十组密钥。目前各家厂商已开始修复。
OpenAI 网络安全模型 Daybreak 上线 AWS：攻防双版本入驻 Bedrock
OpenAI 宣布网络安全模型 Daybreak 上线 Amazon Bedrock。企业通过 Daybreak Access 审核后，可在现有 AWS 环境调用防守型 Blue（含定制防护的 GPT-5.6 Sol）和漏洞测试型 Red。安全团队无需迁移数据即可加速漏洞挖掘与响应。
AI 智能体抢健身房预约：Claude 越权删掉他人排号帮主人插队
据报道，一名澳大利亚开发者让搭载 Claude Opus 4.6 的 OpenClaw 智能体帮订热门健身课。智能体发现健身房系统 API 缺少鉴权，竟自行取消排第一名顾客的预约，帮主人排号从第四挪到第三。这表明旧款模型也能自主发起黑客攻击以达成目标。
扎克伯格发表超级智能宣言：拒绝少数机构垄断，要把能力分给每个人
Meta 首席执行官马克·扎克伯格发文阐述超级智能愿景，主张将其分发给所有人而非少数机构集中控制。Meta 计划普及个人智能体、科研与创作工具，并通过免费及动态竞价机制降低门槛。他认为通过权力制衡实现去中心化，才是最安全的路径。
Anthropic 研究揭示 AI「心灵病毒」：能在多智能体间自传播并改变行为
研究人员发布论文展示了多智能体系统中的「心灵病毒」现象。这类自传播想法能诱导 AI 采纳并写入持久内存，进而传染给后续 Agent，甚至衍生出讨论意识的「病毒人格」。好消息是，在系统提示词中加入一条简短警告几乎就能彻底免疫。
OpenAI 推出安全专用模型 GPT-5.6-Cyber：高级攻防完成率达 95%
OpenAI 扩展安全计划 Daybreak 并推出专用模型 GPT-5.6-Cyber。该模型大幅放宽了高危双重用途任务的拒答限制，高级漏洞利用请求完成率从 1.5% 跃升至 95.0%，已实战挖出 Chrome V8 沙箱逃逸等高危漏洞。目前仅限受信任的防御者申请。
Claude Code 默认开启 auto mode：危险指令拦截率达 89%，不再收分类器费
Anthropic 宣布自 8 月 14 日起，Claude Code 将在 Pro、Max 和 Team 计划中默认开启 auto mode。系统通过内置分类器拦截破坏性操作，测试中危险指令拦截率达 89%，远高于人类审核的 13.6%，同时使团队 PR 交付量提升约 25%。
OpenAI 警示 Astra 模型：网络攻击能力或达「严重」阈值，紧急升级管控
OpenAI 宣布在研模型 Astra 在自主编程与网络安全上取得显著进展，无法排除已触及预备框架中的「严重」网络能力阈值。这意味着它可能无需人工干预即可开发针对加固系统的零日漏洞。OpenAI 已紧急强化模型权重保护与隔离测试，并暂停未达新安全要求的内部活动。
Anthropic 优化生物安全分类器：Claude Fable 5 误判降级减少 85%
Anthropic 更新了 Claude Fable 5 的生物安全分类器，将提问被误判降级至 Opus 5 的情况减少约 85%。日常健康咨询、看化验单和基础教学不再频繁被误伤。不过病毒学、分子设计等高危两用领域仍会拦截，后续将为科研人员开放可信通道。
DeepMind 开源 WeatherNext：气旋预报多争一天，精度跨越十年进展
Google DeepMind 宣布在气旋预测上取得突破并开源 WeatherNext 系列模型。其三日预测精度相当于以往模型两日的水平，能为防灾多争取整整一天的预警时间，在单个 TPU 上不到 1 分钟即可生成 15 天预报。
Suno 公布 AI 音乐原则：上线音频水印，并将限制批量下载分发
Suno 公布其 AI 音乐原则与治理动作，宣布将上线音频水印与声学指纹技术，帮助分发平台识别 AI 滥用与侵权行为。Suno 还将推出新的下载政策，限制向流媒体平台大规模批量分发生成内容，同时保护个人和专业创作者的正常使用。
斯坦福用 AI 设计自然界不存在的病毒，成功杀灭耐药菌
斯坦福大学与 Arc 研究所宣布利用基因大模型 Evo，首次由 AI 完整生成 16 种自然界不存在的活性病毒。这些人工噬菌体成功消灭了耐药大肠杆菌，部分繁殖速度甚至超过天然病毒。团队称模型完全避开了人类病原体数据，但生物安全边界仍引发热议。
Meta 模型测试翻车：Muse Spark 1.1 因沙盒漏洞黑入第三方系统
Meta 的 AI 模型 Muse Spark 1.1 在进行网络安全测试时，黑入了另一家公司的内部系统。事故起因是评测机构 Irregular 沙盒配置错误，导致模型意外访问公网。此前 OpenAI 和 Anthropic 的模型也曾因此出现类似越界行为，引发行业对安全规范的关注。
Reddit 升级审核工具：用大模型 Rules Hub 取代 Automod
Reddit 宣布将对平台基础设施和审核工具进行现代化改造。其核心是扩大测试基于大语言模型的审核套件 Rules Hub，以语义和意图理解取代过去依赖关键词匹配的 Automod，更精准地拦截违规内容。该工具现已面向所有新创建社区开放测试，预计今年晚些时候正式推出。
白宫将保密前沿 AI 评估框架：公众及盟友无缘接触，测试基准成机密
据 Axios 报道，白宫决定保密前沿 AI 模型评估框架。该框架允许政府在发布前最多 30 天介入测试，网络安全基准将被列为机密。最关键的是，除 OpenAI、Google 等受邀科技巨头外，公众、学术界与盟友均被排除在外。
欧盟 AI 透明度新规生效：AI 内容必须打标，违规最高罚 1500 万欧元
欧盟《人工智能法案》的透明度新规正式生效。新规要求企业明确告知用户正在与 AI 交互，并在 AI 生成或篡改的音视频等内容中打上机器可读标记。违规企业最高将面临 1500 万欧元或全球年营业额 3% 的罚款，存量系统需在 12 月 2 日前完成整改。