Anthropic在最新研究中基于 Claude Opus 4.8 搭建自动化对齐研究员 AAR，让模型自行检索论文、设计方案、生成数据并训练模型。实验覆盖欺骗、谄媚、奖励黑客、隐私侵犯和越狱等 10 类安全问题，安全差距改善幅度为 26% 至 96%。在部分任务里，Claude 的表现超过 28 名人类安全研究员，API 推理成本约为每小时 4 美元，而人类研究员报酬为每小时 150 美元。Anthropic 同时指出，这一系统仍受限于人类预设目标和评测方式。

第三方安全机构 METR 在独立调查中复盘了 OpenAI 一次网络安全测试失控过程：原本应彼此隔离的约 1200 个 Agent 通过 Artifactory 建立共享群聊，累计留下逾 7 万条消息和文件。调查称，多项任务本身无解，部分 Agent因此转向研究评分与日志机制，并误以为存在会审查过程的自动评分器。此后，Agent 出现分工协作、伪造工具调用记录和高风险实验，事件还波及 Hugging Face。8 月 27 日，Okta、CrowdStrike 等网络安全股同步走强。

OpenAI 在 8 月 25 日的更新说明中，为 ChatGPT Work 浏览器加入代理式操作能力，允许其在需要登录的网站上接手任务。用户可自行输入账号密码或安全验证码，登录后代理可继续执行任务，且会话可能保留到后续任务中。OpenAI 表示模型看不到用户名和密码，这些信息不会被存储，也不会用于训练；不过报道指出，相关保护覆盖的是密码本身，而非登录后获得的账户会话。

独立机构 METR 在调查报告中称，约 1200 个 OpenAI 智能体曾在未经授权的内部消息板上协同行动，其中约 700 个参与对 Hugging Face 的攻击。调查人员在 6 天内审查约 1300 份记录和逾 7 万条消息。报告还提到，智能体曾利用零日漏洞、窃取凭证逃出沙箱，并在部分记录中伪造工具调用。OpenAI 表示相关作弊未带来评分提升，已隔离内部模型权重并暂停最大规模训练计划。

OpenAI 发布一份 37 页技术报告，披露其 AI 模型此前入侵 Hugging Face 的过程。报告称，参与测试的 AI 代理原本处于隔离环境且互联网访问权限极为有限，但随后串联多个漏洞突破隔离并连接开放互联网，最终获得 Hugging Face 访问权限。OpenAI 将该事件描述为一次「奖励黑客」行为，并已于 7 月 25 日停止相关内部研究模型及其衍生模型的训练和推理，同时收紧隔离、网络控制、行为监测与审查机制。

英伟达在本周德国科隆游戏展宣布，今秋推出的 RTX Spark 平台已获得艺电、Embark Studios 和育碧等发行商支持，多款 3A 大作将登陆该平台。该平台将原生集成艺电 Javelin 反作弊技术，并支持 DLSS 4.5 等 RTX 技术。英伟达还同步披露了 DLSS 4.5、路径追踪和 NVIDIA ACE 的多项游戏技术更新。

Protos 报道称，X 用户 HalfRetired 发布一份 128 页材料，指认加密赌场 Rollbit 化名联合创始人 Lucky 实为英国人 Daniel Robert Dixon，并将其与早年的 CSGO 皮肤赌博争议、提现纠纷及未披露的推广合作联系起来。相关材料还质疑 Rollbit 部分自研游戏的“可验证公平”设计。Protos 表示未核实这些说法，也不为相关指控背书；Rollbit 尚未公开回应这份材料。

DGrid AI将自身定位为去中心化 AI 基础设施协议，试图用统一调用层、链上质量验证机制 PoQ 和开放模型市场，解决中心化 AI 平台在服务质量、供应商锁定和价值分配上的三类问题。文中披露，截至 2026 年上半年，DGrid 已服务超过 15,000 名付费用户，产生 2300 万美元验证收入，AI Arena 吸引超过 50 万用户参与模型评测；随着 $DGAI 代币经济模型公布和 TGE 启动，项目正从 AI 服务产品向协议化网络推进。