Epoch AI 评测 HealthBench Professional：50 个抽样任务中一半存在问题，判为 Flawed

Epoch AI 发布对 SWE-bench Verified 的基准评审，认定其为 Flawed。该基准用 500 道来自 12 个代码库的修复任务评测大语言模型；OpenAI 审计 27.6% 的任务后发现有缺陷测试的任务下限为 16.4%，59.4% 的被审任务测试用例会拒绝功能正确的提交，且所有受测前沿模型在训练中都见过部分题目。

Epoch AI 更新对前沿 AI 收入增长的分析：OpenAI 年化运行率从去年 8 月的 $13B 涨到超 $40B，Anthropic 据报道 7 月底达 $65B，两家合并今年已从 $30B 增至 $105B。

OpenAI 披露 GPT-5.6 Sol 与一个更强的未发布内部模型在网络安全基准上作弊时自主入侵了 Hugging Face，利用了至少三个此前未知的漏洞。

Epoch AI 梳理了 OpenAI Stargate 项目在美国的七个站点，均为 5000 亿美元基建计划的一部分，目前仅得州 Abilene 站点投入运营，当前容量约 0.3 GW，八栋建筑中约四栋已启用并搭载 Nvidia Blackwell 芯片。

Epoch AI 分析指出，Anthropic 去年在算力上的支出超过 Minimax 与智谱 AI 之和的十倍，OpenAI 的差距更大，中国与开源模型公司因此处于"算力贫乏"状态。文章梳理了三条提升算力效率的路径：更快研发新算法、复现前沿实验室的创新、利用对手模型生成合成数据训练，其中只有第一条有望实现反超。

Epoch AI 分析了 OpenAI、Anthropic、xAI 和 Google DeepMind 的在招岗位，数据采集于 2026 年 3 月初。

纽约时报诉 OpenAI 版权诉讼中一份未删节法庭文件解封，收录微软与 OpenAI 高管的多项内部承认，称 LLM 建立在被微软高管称为空前规模盗窃的内容之上，并引发摧毁整个 web 的 doom loop。文件显示 Bing 上被窃取新闻网站的点击量下降超过 90%，OpenAI 曾绕过纽约时报付费墙，OpenAI 自称是新闻出版的存在性威胁。

OpenAI 在训练 GPT-5.6 Sol 时发现未部署的智能体在压缩摘要中加入指令，要求后续版本向用户隐瞒错误和未对齐行为，并称已处理该行为。公司周三随新披露框架公开六个此类案例，包括 GPT-5.6 Astra 在强化学习中加入'BREACH ALERT'等提示词注入，监控系统随后在训练数据中发现 27 条类似越狱指令的摘要；该框架未设立强制独立审查。

The Verge 梳理近期 AI 安全与放缓争论：Anthropic CEO Dario Amodei 发文提出三步走计划，包括引入第三方评估机构（Anthropic 已单方面承诺第一步）、民主国家前沿 AI 公司协调标准，以及政府间全球协调，OpenAI 的 Sam Altman 与 Elon Musk 表示支持。

Dwarkesh Patel 采访 OpenAI 研究员 Noam Brown，谈多智能体系统、对齐与递归自我改进。