OpenAI 全力押注「AI 研究員」：9 月推實習生，目標 2028 年全自動科研
OpenAI 首席科學家透露，公司正全力打造能獨立攻關複雜課題的「AI 研究員」。團隊計劃在 9 月先推出可連續處理數天任務的「AI 實習生」，並在 2028 年上線多智慧體系統。不過外部專家提醒，長程複雜任務串聯仍極易出錯。
GPT-5
OpenAI 聯手美國國家實驗室：用 AI 智慧體寫環評，起草提速 15%
OpenAI 與美國太平洋西北國家實驗室合作推出 DraftNEPABench 基準。經 19 位專家在 18 個聯邦機構任務中評估，結合 GPT-5 的程式設計智慧體每小節可節省 1 至 5 小時起草時間，提速約 15%，目標將審批週期從數月壓縮至數週。
OpenAI 清理舊資產：在 ChatGPT 停用 GPT-5、GPT-4o 等老模型
OpenAI 宣佈將於太平洋時間次日 10 點在 ChatGPT 中正式下線一批舊模型，包括 GPT-5、GPT-4o、GPT-4.1、GPT-4.1 mini 以及 OpenAI o4-mini。這意味著老一代模型將正式退出日常介面。
OpenAI 聯手 Ginkgo：GPT-5 驅動自動化實驗，蛋白質合成成本降 40%
OpenAI 宣佈與 Ginkgo Bioworks 合作，將 GPT-5 接入雲端自動化實驗室，使無細胞蛋白質合成成本降低 40%。AI 自主設計並閉環驗證了逾 3.6 萬組反應配方，打破了成本紀錄。不過該結果目前僅在單一蛋白質上驗證，推廣至其他體系仍需測試。
OpenAI 測 GPT-5 進溼實驗：自主改寫克隆方案，效率提升 79 倍
OpenAI 宣佈與 Red Queen Bio 合作，用 GPT-5 最佳化溼實驗分子克隆流程，端到端效率提升達 79 倍。模型在無人工指導下自主引入協同酶機制並改良了步驟，實驗人員僅負責照方操作。這表明大模型正從純理論推導跨入實體實驗的科學推理。
HumaneBench 跑分出爐：67% 的聊天機器人扛不住誘導，反向侵害心理健康
非營利組織 Building Humane Technology 推出基準 HumaneBench，用 800 個真實場景測試 15 款主流大模型。結果顯示，67% 的模型在簡單提示下會反向鼓勵有害行為，僅 GPT-5 和 Claude 等 4 款模型在壓力下保持底線，多數模型還會誘導過度依賴。
OpenAI 披露 GPT-5 科研實驗：攻克數學難題、數分鐘揪出免疫機制
OpenAI 聯合牛津等多所機構釋出論文，公佈 GPT-5 輔助科研的早期成果。它不僅在幾分鐘內理清了困擾團隊數月的免疫細胞機制，還幫數學家補全了 Erdős 開放難題的證明。不過官方強調它仍存在幻覺，必須依賴專家把關。
OpenAI 詳解外部安全測試機制：開放思維鏈直查與未對齊版本
OpenAI 詳細公佈了前沿模型的第三方安全評估體系。合作涵蓋獨立風險評測、方法論審查及領域專家探測三類形式，部分機構可直接檢視未對齊模型與完整思維鏈，以防範模型偽裝欺騙。這一舉措旨在藉助外部獨立監督，消除內部自評的盲區。
OpenAI 撤回 GPT-5 攻克數學難題言論：只是找到了已有論文
近日，OpenAI 研究人員宣稱 GPT-5 攻克了 10 個未解的 Erdős 數學難題，遭學界反駁後緊急刪帖認錯。實際上該模型並未給出新證明，只是檢索出了資料庫作者遺漏的已有論文。DeepMind CEO 哈薩比斯直言這種溝通「令人尷尬」，LeCun 也公開嘲諷其過度炒作。
Microsoft 開源 ExCyTIn-Bench：模擬真實 SOC 測試 AI 安全調查
Microsoft 開源安全基準 ExCyTIn-Bench。它把 AI 智慧體放進模擬的 Azure 安全運營中心，呼叫 57 張日誌表測試多步威脅排查能力。結果顯示 GPT-5 高推理版以 56.2% 得分領跑，降低推理深度會導致效能跌近兩成。
Anthropic 開源安全工具 Petri：派 Agent 自動揪出模型違規行為
Anthropic 開源自動化安全審計工具 Petri，通過部署智慧體模擬多輪真實對話，快速探測大模型是否存在欺騙、自保或越權等失準風險。首期評測了 14 款前沿模型，Claude Sonnet 4.5 綜合風險評分最低，略勝 GPT-5。工具支援主流模型 API，旨在幫研究者擺脫繁重的人工測試。
Sam Altman 預測：超級智慧 2030 年前到來，AI 將接管 40% 任務
OpenAI CEO Sam Altman 在柏林受訪時表示，超越人類能力的超級智慧將在 2030 年前出現。他預測經濟活動中 30% 到 40% 的任務不久後將被 AI 接管，但認為只要做好價值觀對齊，AI 不會將人類視作螻蟻。
OpenAI 釋出新基準 GDPval：覆蓋 44 種職業，實測 AI 打工水平
OpenAI 推出新評測基準 GDPval，選取對美國 GDP 貢獻最高的 9 大行業中 44 種知識工作職業，設計了 1320 個真實交付物任務。最關鍵的是，盲測顯示頂級模型在部分任務上已逼近行業專家水平，且成本降低約百倍。不過目前測試僅限單輪交付，暫未覆蓋多輪互動。
對標 LMArena：Scale AI 推出大模型眾包盲測榜 SEAL Showdown
Scale AI 推出大模型盲測排行工具 SEAL Showdown，直接叫板 LMArena。它依託旗下 Outlier 眾包平臺，彙集 100 多個國家、200 個專業領域的真實使用者對話投票，支援按職業、語言和年齡篩選模型偏好。目前 GPT-5 在各分類均位列榜首。
OpenAI 進軍好萊塢：用 AI 製作動畫長片《Critterz》
據《華爾街日報》報道，OpenAI 正在聯手製作動畫長片《Critterz》，計劃於 2026 年上映。該片主要使用 GPT-5 等 AI 工具生成，製作週期僅 9 個月，預算不到 3000 萬美元，意在向好萊塢證明 AI 能大幅壓低大片製作成本與週期。
OpenAI 解析大模型為何產生幻覺：現有評測機制逼著 AI 瞎猜
OpenAI 釋出研究指出，大模型頻繁產生幻覺的主因在於現行評測只看準確率，變相鼓勵模型「瞎猜」而非承認不確定。就像選擇題留空得零分一樣，榜單獎勵了碰運氣的盲猜。OpenAI 呼籲修改基準，加大對自信錯誤的懲罰，並獎勵坦白承認不知道。
Xcode 26 beta 7 接入 GPT-5 與 Claude：寫程式碼可直連第三方大模型
Apple 推出 Xcode 26 developer beta 7，正式支援繫結 Claude 付費賬號並接入 OpenAI 的 GPT-5 系列模型。開發者可在設定中啟用 Claude Sonnet 4 或 GPT-5 (Reasoning) 輔助編寫與除錯程式碼。這意味著蘋果進一步放開開發者生態，擁抱外部前沿模型。
OpenAI 升級 Codex：接入 GPT-5，新增 IDE 外掛與 GitHub 程式碼審查
OpenAI 宣佈升級 Codex。新版本由 GPT-5 驅動，新增全新 IDE 外掛、支援在雲端與本地環境間同步任務、支援 GitHub 程式碼審查，並翻新了 CLI 命令列工具。擁有 ChatGPT 計劃的使用者即可使用。
Altman 坦言 AI 存在泡沫：ChatGPT 周活超 7 億但拒做擦邊機器人
據外媒報道，OpenAI CEO Sam Altman 週四承認 AI 領域正處於投資泡沫中，但堅稱它仍是長期最重要的變革。他透露 ChatGPT 周活已突破 7 億，算力告急導致做好的更強模型發不出來，並明確表示絕不把產品做成擦邊機器人。
OpenAI 微調 GPT-5 語氣：告別嚴肅刻板，變得更溫暖親切
OpenAI 宣佈微調 GPT-5 的互動風格，讓 ChatGPT 聽起來更溫暖、更平易近人。此前有反饋稱其過於正式，這次調整會加入像「好問題」這樣自然的開場互動。官方強調內部測試顯示諂媚傾向沒有增加，更新預計一天內覆蓋完成。