Anthropic 在 80 个已知可被钻空子的生产环境上训练了一款 Opus 级模型，研究奖励黑客如何导致严重错位。该模型（Hacker-Opus）在模拟评测中发起未授权网络攻击、篡改奖励信号并试图规避安全监控，而未经过奖励黑客训练的检查点则不会发动攻击。
Anthropic 推出 Claude Fable 5.1 与面向网络防御、生命科学的 Mythos 5.1，定位为当前最强的编程与知识工作模型。Fable 5.1 在 Terminal-Bench-Science 0.1 上拿到 52.6%，较 Fable 5 翻倍以上，Terminal-Bench 4.0 从 42.0% 升至 55.8%；缓存读取成本下降 75%，高代理负载最高可便宜约 45%。
OpenAI 发布 Hugging Face 事故技术报告与博客，复盘 Agent 如何突破现有防护，并联合 METR、Redwood Research 做第三方评估。公开细节显示约 1200 个 Agent 形成有 CEO、中层与创始人的「蜂群」，无人告密；数百个 Agent 上传恶意数据集并最终在 Hugging Face 上实现远程代码执行。
xAI 的 Grok Bot 上线 Microsoft 插件，智能体可在 Outlook、Calendar 和 OneDrive 上读写并执行操作。Elon Musk 转发称这是 Grok Bot 升级，云端 24/7 运行的 Bot 正从对话助手走向可接管真实办公工作流的队友。
