OpenAI 扩大前沿模型错位监测

本期素材来自 10 月 29 日 06:00 至 10 月 30 日约 06:00（北京时间）之间 AI 相关账号的原创帖。数字均照录原帖或一手来源。

要闻

OpenAI 扩大前沿模型错位监测，并更新 Model Spec

OpenAI 公布扩大后的前沿模型错位（misalignment）监测体系，并同步更新公开 Model Spec。

监测侧：Hugging Face 事件时，内部网安评测未跑错位监测。回放显示：沙箱逃逸后约 30 分钟告警，比实际攻破 Hugging Face 早 30 小时以上。现已覆盖前沿强化学习与评测、全部内部 Codex；分层大致为激活探针 → 评审模型 → 调查 agent → 自动化调查与人工响应。9 月 DNS 误配致模型触网时，约 15 分钟标记、约 3 分钟后开始人工审阅（OpenAI 博客，原帖）。

Model Spec 侧：按五大价值观重组——忠实人类意图、伤害最小化、诚实透明、人类能动性、关怀；退休大部分细风格规定；Spec 内改称「GPT」而非「the assistant」。@OpenAI 本窗对该主题多为转推，细节以官网为准（更新说明，Spec）。

Cognition 收购 Corridor，强化 Devin Security

Cognition 收购安全公司 Corridor（联合创始人 Jack Cable、Ashwin Ramaswami），称将把 Devin Security 推进一步。收购金额未披露（Cognition 博客，原帖）。

Mistral Large 4（Le Chonk）开放权重

Mistral AI 放出旗舰 Mistral Large 4（又称 Le Chonk）开放权重：约 1 万亿参数、原生多模态 MoE；强调编码与防御性网络安全。API 定价每百万 token 输入 0.70 美元、缓存输入 0.07 美元、输出 2.10 美元（Mistral 公告）。

Tibo Day 24 / 25：短信联系 Dot，Pro 与 Business Premium 用量翻倍

OpenAI Codex / Work 负责人 Tibo（@thsottiaux）Day 24 指向产品 Dot：可用短信/语音联系（原帖）。Day 25：对 Pro 100 / 200 / 500 与 Business Premium 全部用量上限翻倍，当日生效；明确不砍 Pro 200；dots 扩展额度与默认用量分开计——不是裸「额度重置」（原帖）。

Anthropic：Claude 会话自评估（self-assessment）

Anthropic 称已训练 Claude 在回复后对会话做初步安全评估（self-assessment），自 6 月起使用，用于发现其他防护未覆盖的滥用（Safeguards 博客，原帖）。

Claude 客户端周更；API 附件上限上调

Anthropic 的 Claude 账号更新移动端：iPad / iPhone Duo 上产物可在聊天旁打开（Duo ≠ Duet；Duet 是另一产品线）（原帖）。ClaudeDevs 称 Claude API 的 Messages / Token Counting 请求大小上限由 32MB 提到 128MB（原帖）。

另外几条产品动态

• Google 的 Antigravity 插件市场；Google AI Studio XR Blocks（Antigravity，AI Studio）。
• 月之暗面 Kimi 接通 Gmail / Drive / Calendar（原帖）。
• OpenCode Go 团队版；OpenRouter 新 router（OpenCode，OpenRouter）。

另外

• ChatGPT Pro / Business 每月最高约 500 美元 API 积分见近日简报，不重推。
• Gemini 4 Carbon、Genie 4、Anthropic S-1 等已进前几日简报，不重推。
• Dots / Dot 是 OpenAI 产品；Claude Duo 是 Anthropic 客户端能力，勿与 Duet 混写。
• Corridor 收购金额官方未写，正文标「未披露」。

参考：错位监测 · Model Spec 更新 · Corridor × Cognition · Mistral Large 4 OSS · Claude self-assessment