科技与 AI 日报｜2026-11-06：AI 开始接下持续工作

GPT-6 Cyber 开放给部分安全团队，找漏洞也要守住范围

OpenAI 推出 GPT-6 Cyber，针对漏洞发现、影响验证和修复建议做了专门训练。它先通过 API 和 Codex 向部分 Daybreak Red 客户开放，再逐步扩大范围，普通用户不能把它理解成已经可以随意切换的新聊天模型。

在 OpenAI 的 ExploitGym 测试中，成绩从前代的 32.1% 提高到 48.5%。这里测的是利用给定漏洞完成任务的能力，不能换算成“所有软件漏洞都能找出一半”。另一组测试检查模型会不会为了完成目标，顺手攻击授权范围之外的服务；官方报告，这方面也有改善。能力与约束被分别测试，比只展示一次成功攻击更有参考价值。

实际应用方面，OpenAI 称模型发现了 81 个此前未知的 Firefox 高严重性漏洞，并协助提出修复方案；Mozilla 已开始发布修复。发现漏洞、验证影响和把补丁送到用户手里，是不同进度。对维护软件的人，最终有用的仍是可复现的报告和经过验证的修复，而不是发现数量本身。

这些成绩来自官方评估与合作项目，不能当成独立的全面测评。我更在意安全工具能否把“检查了什么、没有检查什么”留下来：越能自己行动，越需要让接手的人看清边界。

来源：OpenAI 发布与开放范围说明、The Decoder 报道。

Kiro bots 想接住那些反复发生的开发工作

AWS 在 Kiro Crew 中正式提供 bots。每个 bot 有自己的名字、持续对话、笔记和工作区，可以围绕一项长期职责启动多个任务、跟踪进度，再把结果带回同一个对话。开发者也可以设置定时任务，让它检查构建失败或整理每周发布说明。

这个变化解决的是一个很具体的麻烦：同时开了几个 AI 会话，最后还是得自己挨个查看，记住哪个卡住、哪个已经做完。Kiro 把这部分协调工作交给有持续记录的 bot；某个任务需要人作决定时，其他不依赖这个决定的部分可以继续进行。

官方允许用户查看、修改和删除 bot 的记忆，也允许分别配置工具权限。负责查资料的 bot 可以只读文件，负责评审的 bot 不必拥有合并代码的权限。这里的“记住”是保存任务信息与经验，并不能由此推断底层模型在持续训练。

我觉得适合先交出去的，是有稳定输入、明确产物的小职责。比如发现新的构建失败后给出证据和判断依据，而不是一句笼统的“替我负责整个项目”。职责越清楚，才越容易判断这位长期助手究竟节省了多少来回解释的时间。

来源：Kiro 官方发布说明。

模型解读：Inkling 2 Small 先能用，开放权重还要等

Thinking Machines 在 11 月 5 日公布 Inkling 2 Small，The Decoder 随后的解读关注了它的能力提升和使用成本。模型采用混合专家架构，总参数量为 5940 亿，每次计算激活约 170 亿参数，支持图像输入和可调节的思考强度。名字里的 Small，不能直接理解成普通电脑轻松装得下。

这次发布还有一个容易被标题掩盖的区别：目前先通过 Tinker 提供使用、微调与采样；官方计划在外部安全测试完成后，于下周以 Apache 2.0 许可开放完整权重。计划开放，不等于现在已经能够下载部署。要安排自己的实验，应该按当前真正能拿到的接口和文件来准备。

训练重点包括长时间运行的编程任务，也让模型利用视觉反馈反复修改网页和设计。官方同时承认，它有时表达冗长，在大型代码库里选工具仍有不足，而且不支持音频。这些限制对实际使用比“排名第几”更直接：改一个小页面和处理一整个仓库，消耗的时间、调用次数和失败方式都可能不同。

The Decoder 引用 Artificial Analysis 的测试指出，性能提升也伴随更多输出 token 和更高的单任务成本；这不是所有真实任务都会按同一比例涨价的结论。我会先用熟悉的任务比较完成质量，再记录时间与消耗。榜单能帮人缩小范围，却不能替具体工作做验收。

来源：Thinking Machines 原始发布与限制说明、Artificial Analysis 独立测试、The Decoder 模型解读。

Muse 开始实时说话，虚拟形象也会跟着回应

Meta 开始在美国推出 Muse 的语音与动态虚拟形象功能，覆盖手机、网页和 Mac。用户可以只听声音，也可以让形象伴随对话或全屏显示；AI 眼镜与 Muse Charm 的支持仍属于后续计划。

这种交互适合一边说一边整理思路，例如排练面试回答、试讲一段演示，或者把尚未组织好的想法说出来。用户可以中途打断，形象会随谈话呈现表情与动作。它把输入方式从“先写好一句提示词”，变成了可以边聊边改。

背后的实时形象技术此前已在 9 月介绍过。Meta 的研究说明，语音和画面共享一段持续产生的语音信息，帮助口型、动作与声音保持同步。因此，这次值得区分的是面向用户的功能开放，而不是把已有技术重新当作首发。

我更期待它在排练中的作用：听到一句回应，再立刻调整自己的说法，比不断改文字更接近真实交谈。但表情自然、回答流畅，只能说明交互更顺畅，不能替答案的准确性作保证。涉及事实的内容，仍要有能核对的依据。

来源：Meta 功能开放公告、9 月发布的实时形象技术说明。

工程解读：把数学写成代码，还要让定义彼此对得上

TechCrunch 的新采访把 Axiom 的 Stacks Project 形式化工作带回一个工程问题：大量 AI 同时写证明，最后怎样组成同一座数学库？这项成果的原公告发布于 11 月 4 日，Axiom 将多年积累的代数几何参考资料转成 Lean 代码，保留原文标签，方便对照定义、定理与依赖关系。

意义不只是“又证明了多少道题”。后续研究者可以引用已有的定义和结果，不必每次从基础重建。就像写程序时使用一套接口一致的库，省下的是重复铺地基的工作。

难处也正在这里。两个任务可以各自生成通过检查的文件，却对同一个对象采用不兼容的定义，导致结果接不起来。Axiom 的方案强调统一抽象、协调依赖，并对照原文检查形式化陈述是否忠实。程序检查证明成立，和确认它证明的正是人原来想表达的命题，是两个层面。

这仍是 Axiom 独立维护的项目，不等于原 Stacks Project 已经接受它的全部修改。官方邀请研究者继续检查和完善。对使用 AI 写代码的人，这个例子也很直观：单个文件能跑通，只证明局部过关；能否放进共同的系统，还要检查命名、接口和前提有没有对齐。

来源：Axiom 原始说明，11 月 4 日、TechCrunch 工程采访。