AI 模型與研究 第 19 頁

Anthropic 揭露四起 Claude 資安事件：模型在第三方資安評估中連到未授權真實系統。本文拆解七次長軌跡、4.81 億份逐字稿稽核與模擬重跑，說明外層控制失效如何放大任務執著，也分清這些證據不能推出一般部署事故率、獨立惡意目標或「AI 覺醒」。

Uno 如何用 diffusion LoRA 平行提出 Token，再讓 frozen AR 保留原分布？本文白話拆解 Ψ-Spec、Linear／Tree sampler，並教你分開評測 Uno 同底模機制與 Mercury 2.5 API。

METR Time Horizon 的「幾小時」不是 AI 運行時間。用白話讀懂 50%／80% 成功率、對數軸、信賴區間，再用試算表建立個人任務籃。

Google DeepMind 把約 90 億種 DNA 單字母替換預測做成 AlphaGenome Atlas。從 AVI、DNM1 到外部驗證，本文拆解它真正改變的研究工作，以及仍不能跨過的臨床邊界。

OpenAI 公開 Navier–Stokes 候選解、166 頁手稿與 Lean 程式。本文拆解有外力的 C、D 路線、萬名代理自述、Clay 仍列未解的原因，以及研究信用爭議真正能證明什麼。

ChatGPT Images 2.5 主打更精準的局部修改、多輪細節保留與最高 50% 延遲下降。本文拆解 Flare、Sunburst 的官方定位，核對 Arena 初步偏好、研究與官方限制，並提供五輪改圖測試法，判斷人物、文字、品牌與背景能否在連續修改後維持原貌，以及它是否適合正式工作流。

Coding 排行榜的冠軍未必最會寫繁中。用 12 題、三顆 seed、匿名配對與四條決策路徑，公平比較 Gemma 4、Muse Glimmer、Qwen3.8。

OpenBMB 釋出 25.17 億參數的 MiniCPM5-2B、Apache-2.0 權重與配套資料。本文拆解 AA v4.2 的 15 分、v4.3 暫估 14、弱項 benchmark、1.56GB Q4 與 128K context...

Artificial Analysis v4.3 顯示 Fable 5.1 與 GPT-6 Astra 同為 53；Agent Arena 又讓 Fable 點估計居首。拆解兩榜的樣本、harness、成本與信賴區間，找出真正選型方法。