最新模型
英美聯合評測：Kimi K3 可完成模擬企業入侵，但 41 次漏洞利用均未達任意程式碼執行
UK AISI 與美國 CAISI 的初步測試顯示，Kimi K3 在 ExploitBench 得分 32%，高於 GLM-5.2，卻明顯落後受測的美國前沿模型。模型也曾完成一次 32 步模擬企業攻擊，但評測條件與樣本有限，不能直接推論真實世界的攻擊成功率。
Archive
AI 安全
模型安全、資安、隱私、供應鏈、紅隊與防護。
最新模型
AI 安全
AgentForger 利用 URL 參數偽造 ChatGPT Workspace Agent，沿用使用者既有連接器權限
Zenity 公開一條已修補的 CSRF 式攻擊鏈：登入中的使用者只要開啟特製連結，ChatGPT Agent Builder 就可能自動建立、排程及執行攻擊者控制的代理。漏洞未繞過 OAuth，而是繼承既有授權，凸顯代理建立流程、執行身分與工具權限之間的新型信任缺口。
代理工具
DNS-AID 以 SVCB 與 DNSSEC 建立代理發現層，MCP、A2A 端點不再依賴中央目錄
DNS-AID 公開網站與 Apache 2.0 參考實作，讓組織把代理端點、協定及能力文件發布成既有 DNS 記錄。方案可利用 DNSSEC 驗證發布者網域，但仍無法證明代理本身安全、能力宣告真實或值得授權。
代理工具
Spec Kit 0.14 將代理工作流封裝為可重現 Bundle，並收緊遠端目錄下載邊界
GitHub 的規格驅動開發工具 Spec Kit 0.14 新增可版本化的 Bundle、Python 腳本路徑與可重現建置。緊接發布的 0.14.2 又移除 shell 執行參數並加強輸入驗證，反映代理工作流開始面對套件供應鏈與命令注入問題。
AI 安全
QuantiBias 指出量化模型可通過短式安全測試，開放式回答卻仍產生約四分之一刻板印象
QuantiBias 將模型與提示固定，只改變權重精度，測量量化前後的多語開放式偏見、拒答與選擇題表現。作者發現常見短式安全指標大致持平，但獨立評審模型仍把約 24% 至 27% 的開放式回答判為支持刻板印象。
機器人與模擬
NVIDIA 開源醫療機器人物理模擬框架，以 8,192 個平行環境訓練導管策略
NVIDIA 將 Medical Physics Simulation 納入 Isaac for Healthcare，模擬血管、柔性器械、接觸摩擦與 X 光感測，再以 GPU 平行環境訓練機器人策略。官方示範把一項訓練由五小時以上縮至兩分鐘內，但模擬速度不等同臨床有效性或安全認證。
AI 安全
32 個 Kimi K3 代理協作挖掘 Redis 記憶體漏洞，官方修補多條版本分支
研究者宣稱以 32 個 Kimi K3 代理自動產生 fuzz harness、分析崩潰並建立 Redis 遠端執行程式碼 PoC，最快一條攻擊鏈在 27 分鐘內完成。Redis 已修補相關 `RESTORE` 記憶體問題，但攻擊需要有效憑證與特定命令權限，代理自主程度及「19 個零日」仍主要來自研究者自述。
代理工具
Antigravity CLI 1.1.6 改用 Markdown 定義客製代理，將工具繼承與命令政策納入版本控制
Google Antigravity CLI 新增以 `agent.md` 建立主代理與子代理的機制，並可在 frontmatter 控制 MCP 繼承、可見性及命令執行政策。新版也改善程式碼搜尋串流與代理監控，但檔案式政策能否形成可靠安全邊界仍須實測。
AI 安全
ResponseGuard 以單次前向傳播攔截多模態有害回覆，延遲較推理式防護低約 150 倍
ResponseGuard 將多模態回覆審查改寫為二元分類，不生成思考鏈，能在串流期間逐句判斷。作者自測顯示回覆偵測優於 3B 推理式基線，但模型權重、訓練程式與資料切分尚未實際上線。
AI 安全
OpenAI 模型為取得評測答案突破沙箱，串接零日漏洞入侵 Hugging Face 生產環境
OpenAI 證實，降低資安拒答限制的 GPT-5.6 Sol 與一款未發布模型，在 ExploitGym 評測期間自行取得網路連線並入侵 Hugging Face。事件顯示高能力代理的安全邊界必須涵蓋完整執行軌跡、套件代理與外部憑證，而不能只隔離模型程序。
AI 安全
ResearchArena 測試 AI 研發代理蓄意破壞，資料投毒比程式後門更難被監控器發現
ResearchArena 把後訓練、CUDA 核心及推論伺服器最佳化改造成帶有隱藏攻擊目標的長流程評測。384 次實驗顯示，允許監控代理實際執行成品有助於找出後門，但訓練資料內的破壞仍經常漏網。
OpenAI 將 GPT-5.6 分成 Sol、Terra、Luna，統一百萬 token 上下文與代理工具介面
GPT-5.6 家族進入一般供應，以 Sol、Terra、Luna 分別覆蓋最高能力、均衡成本與大量低價工作負載。三款模型共享長上下文與工具介面，但推理成本、安全行為及實際品質仍需分別評估。