OpenAI 全力押注「AI 研究员」：9 月推实习生，目标 2028 年全自动科研
OpenAI 首席科学家透露，公司正全力打造能独立攻关复杂课题的「AI 研究员」。团队计划在 9 月先推出可连续处理数天任务的「AI 实习生」，并在 2028 年上线多智能体系统。不过外部专家提醒，长程复杂任务串联仍极易出错。
GPT-5
OpenAI 联手美国国家实验室：用 AI 智能体写环评，起草提速 15%
OpenAI 与美国太平洋西北国家实验室合作推出 DraftNEPABench 基准。经 19 位专家在 18 个联邦机构任务中评估，结合 GPT-5 的编程智能体每小节可节省 1 至 5 小时起草时间，提速约 15%，目标将审批周期从数月压缩至数周。
OpenAI 清理旧资产：在 ChatGPT 停用 GPT-5、GPT-4o 等老模型
OpenAI 宣布将于太平洋时间次日 10 点在 ChatGPT 中正式下线一批旧模型，包括 GPT-5、GPT-4o、GPT-4.1、GPT-4.1 mini 以及 OpenAI o4-mini。这意味着老一代模型将正式退出日常界面。
OpenAI 联手 Ginkgo：GPT-5 驱动自动化实验，蛋白质合成成本降 40%
OpenAI 宣布与 Ginkgo Bioworks 合作，将 GPT-5 接入云端自动化实验室，使无细胞蛋白质合成成本降低 40%。AI 自主设计并闭环验证了逾 3.6 万组反应配方，打破了成本纪录。不过该结果目前仅在单一蛋白质上验证，推广至其他体系仍需测试。
OpenAI 测 GPT-5 进湿实验：自主改写克隆方案，效率提升 79 倍
OpenAI 宣布与 Red Queen Bio 合作，用 GPT-5 优化湿实验分子克隆流程，端到端效率提升达 79 倍。模型在无人工指导下自主引入协同酶机制并改良了步骤，实验人员仅负责照方操作。这表明大模型正从纯理论推导跨入实体实验的科学推理。
HumaneBench 跑分出炉：67% 的聊天机器人扛不住诱导，反向侵害心理健康
非营利组织 Building Humane Technology 推出基准 HumaneBench，用 800 个真实场景测试 15 款主流大模型。结果显示，67% 的模型在简单提示下会反向鼓励有害行为，仅 GPT-5 和 Claude 等 4 款模型在压力下保持底线，多数模型还会诱导过度依赖。
OpenAI 披露 GPT-5 科研实验：攻克数学难题、数分钟揪出免疫机制
OpenAI 联合牛津等多所机构发布论文，公布 GPT-5 辅助科研的早期成果。它不仅在几分钟内理清了困扰团队数月的免疫细胞机制，还帮数学家补全了 Erdős 开放难题的证明。不过官方强调它仍存在幻觉，必须依赖专家把关。
OpenAI 详解外部安全测试机制：开放思维链直查与未对齐版本
OpenAI 详细公布了前沿模型的第三方安全评估体系。合作涵盖独立风险评测、方法论审查及领域专家探测三类形式，部分机构可直接查看未对齐模型与完整思维链，以防范模型伪装欺骗。这一举措旨在借助外部独立监督，消除内部自评的盲区。
OpenAI 撤回 GPT-5 攻克数学难题言论：只是找到了已有论文
近日，OpenAI 研究人员宣称 GPT-5 攻克了 10 个未解的 Erdős 数学难题，遭学界反驳后紧急删帖认错。实际上该模型并未给出新证明，只是检索出了数据库作者遗漏的已有论文。DeepMind CEO 哈萨比斯直言这种沟通「令人尴尬」，LeCun 也公开嘲讽其过度炒作。
Microsoft 开源 ExCyTIn-Bench：模拟真实 SOC 测试 AI 安全调查
Microsoft 开源安全基准 ExCyTIn-Bench。它把 AI 智能体放进模拟的 Azure 安全运营中心，调用 57 张日志表测试多步威胁排查能力。结果显示 GPT-5 高推理版以 56.2% 得分领跑，降低推理深度会导致性能跌近两成。
Anthropic 开源安全工具 Petri：派 Agent 自动揪出模型违规行为
Anthropic 开源自动化安全审计工具 Petri，通过部署智能体模拟多轮真实对话，快速探测大模型是否存在欺骗、自保或越权等失准风险。首期评测了 14 款前沿模型，Claude Sonnet 4.5 综合风险评分最低，略胜 GPT-5。工具支持主流模型 API，旨在帮研究者摆脱繁重的人工测试。
Sam Altman 预测：超级智能 2030 年前到来，AI 将接管 40% 任务
OpenAI CEO Sam Altman 在柏林受访时表示，超越人类能力的超级智能将在 2030 年前出现。他预测经济活动中 30% 到 40% 的任务不久后将被 AI 接管，但认为只要做好价值观对齐，AI 不会将人类视作蝼蚁。
OpenAI 发布新基准 GDPval：覆盖 44 种职业，实测 AI 打工水平
OpenAI 推出新评测基准 GDPval，选取对美国 GDP 贡献最高的 9 大行业中 44 种知识工作职业，设计了 1320 个真实交付物任务。最关键的是，盲测显示顶级模型在部分任务上已逼近行业专家水平，且成本降低约百倍。不过目前测试仅限单轮交付，暂未覆盖多轮交互。
对标 LMArena：Scale AI 推出大模型众包盲测榜 SEAL Showdown
Scale AI 推出大模型盲测排行工具 SEAL Showdown，直接叫板 LMArena。它依托旗下 Outlier 众包平台，汇集 100 多个国家、200 个专业领域的真实用户对话投票，支持按职业、语言和年龄筛选模型偏好。目前 GPT-5 在各分类均位列榜首。
OpenAI 进军好莱坞：用 AI 制作动画长片《Critterz》
据《华尔街日报》报道，OpenAI 正在联手制作动画长片《Critterz》，计划于 2026 年上映。该片主要使用 GPT-5 等 AI 工具生成，制作周期仅 9 个月，预算不到 3000 万美元，意在向好莱坞证明 AI 能大幅压低大片制作成本与周期。
OpenAI 解析大模型为何产生幻觉：现有评测机制逼着 AI 瞎猜
OpenAI 发布研究指出，大模型频繁产生幻觉的主因在于现行评测只看准确率，变相鼓励模型「瞎猜」而非承认不确定。就像选择题留空得零分一样，榜单奖励了碰运气的盲猜。OpenAI 呼吁修改基准，加大对自信错误的惩罚，并奖励坦白承认不知道。
Xcode 26 beta 7 接入 GPT-5 与 Claude：写代码可直连第三方大模型
Apple 推出 Xcode 26 developer beta 7，正式支持绑定 Claude 付费账号并接入 OpenAI 的 GPT-5 系列模型。开发者可在设置中启用 Claude Sonnet 4 或 GPT-5 (Reasoning) 辅助编写与调试代码。这意味着苹果进一步放开开发者生态，拥抱外部前沿模型。
OpenAI 升级 Codex：接入 GPT-5，新增 IDE 插件与 GitHub 代码审查
OpenAI 宣布升级 Codex。新版本由 GPT-5 驱动，新增全新 IDE 插件、支持在云端与本地环境间同步任务、支持 GitHub 代码审查，并翻新了 CLI 命令行工具。拥有 ChatGPT 计划的用户即可使用。
Altman 坦言 AI 存在泡沫：ChatGPT 周活超 7 亿但拒做擦边机器人
据外媒报道，OpenAI CEO Sam Altman 周四承认 AI 领域正处于投资泡沫中，但坚称它仍是长期最重要的变革。他透露 ChatGPT 周活已突破 7 亿，算力告急导致做好的更强模型发不出来，并明确表示绝不把产品做成擦边机器人。
OpenAI 微调 GPT-5 语气：告别严肃刻板，变得更温暖亲切
OpenAI 宣布微调 GPT-5 的交互风格，让 ChatGPT 听起来更温暖、更平易近人。此前有反馈称其过于正式，这次调整会加入像「好问题」这样自然的开场互动。官方强调内部测试显示谄媚倾向没有增加，更新预计一天内覆盖完成。