Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和内部落地案例，可据此判断前沿模型的能力边界与分阶段开放节奏。
#安全/对齐
Google DeepMind精选AI 评分8282
OpenAI News精选AI 评分7676 OpenAI 发布 GPT-6 Astra
OpenAI 发布新一代模型 GPT-6 Astra，官方称其为目前最智能且对齐程度最高的模型。该模型在计算机操作、编码、网络安全和科学等方向具备 SOTA 能力。
推荐理由：OpenAI 官方发布新一代模型，读者可据此了解其在计算机操作、编码与安全等方向的能力定位。
OpenAI News精选AI 评分7777 OpenAI 发布 GPT-6 Astra 安全概览
OpenAI 发布 GPT-6 Astra 安全概览，称其是已广泛部署的最强模型，也是首个在 Preparedness Framework 下达到网络安全能力 Critical 级别的模型。
推荐理由：OpenAI 官方给出 GPT-6 Astra 的安全能力定级，读者可据此了解该模型在网络安全维度上的定位。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber，前者面向长时程编码与自主智能体，后者面向漏洞发现与自动修补。
推荐理由：官方给出两款 Flash 变体的基准、定价与开放渠道，可据此判断长时程编码与安全场景的选型取舍。
OpenAI News精选AI 评分6262 OpenAI 称 Astra 成为首个触及关键网络安全能力阈值的模型
OpenAI 表示 Astra 是其首个在 Preparedness Framework 下达到关键网络安全能力阈值的模型，发布时将配备更强的安全防护措施。该内容来自 OpenAI 官方博客 Path to Astra 一文，目前仅有摘要信息。
推荐理由：OpenAI 首次披露 Astra 触及 Preparedness Framework 的关键网络安全能力阈值，读者可据此了解前沿模型发布前的安全门槛。
OpenAI News精选AI 评分6262 OpenAI 发布网络安全专用模型 GPT-5.6-Cyber
OpenAI 发布网络安全专用模型 GPT-5.6-Cyber，通过 Daybreak Red 提供，用于经授权的漏洞研究、漏洞利用验证和安全测试。该模型是 Daybreak 扩展的一部分。
推荐理由：OpenAI 推出面向网络安全的专用模型，读者可了解其授权漏洞研究与安全测试的定位。
Mistral AI精选AI 评分6565 Mistral AI 发布 Shieldstral 3B 开源多模态安全分类器
Mistral AI 发布 Shieldstral，一个 3B 开源权重多模态安全分类器，以 Apache 2.0 许可发布，可在单张 16GB NVIDIA GPU 上运行。它把内容审核建模为策略自适应的问答任务，推理时用自然语言写入策略并输出校准后的安全分数，无需重新训练即可统一文本与图像安全评估。官方称其在文本安全上可匹配最多 7 倍参数量的模型，并在多模态审核上取得新的 SOTA。
推荐理由：3B 开源安全分类器把审核策略放进推理时的自然语言问题里，可据此判断小模型在内容审核上的替代空间。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型
Google DeepMind 发布 Gemini 3.5 Flash Cyber，一个基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞。
推荐理由：官方给出轻量安全模型在 CyberGym、Chrome 提交扫描等基准上的对比数据，可据此判断专用小模型在漏洞挖掘上的性价比。
OpenAI News精选AI 评分6262 OpenAI 预告下一代模型 GPT-5.6 Sol
OpenAI 预告下一代模型 GPT-5.6 Sol，称其在编码、科学和网络安全方面具备更强能力，并搭配其最先进的安全技术栈。
推荐理由：OpenAI 官方预告下一代模型 GPT-5.6 Sol，读者可据此了解其在编码、科学与网络安全上的能力方向。
Hugging Face Blog精选AI 评分6262 NVIDIA 发布 Nemotron 3.5 Content Safety 多模态安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，把多模态输入、多语言覆盖、自定义企业策略和可审计推理统一到一次推理调用中。
推荐理由：NVIDIA 在 4B 小模型上把多模态、多语言、自定义策略与可审计推理合并进单次推理，并公开训练数据集。
OpenAI News精选AI 评分6262 OpenAI 以 GPT-5.5 和 GPT-5.5-Cyber 扩展网络安全可信访问
OpenAI 扩展 Trusted Access for Cyber 计划，推出 GPT-5.5 和 GPT-5.5-Cyber，帮助经过验证的防御方加速漏洞研究并保护关键基础设施。
推荐理由：OpenAI 在网络安全场景下扩展可信访问计划，并给出 GPT-5.5 与 GPT-5.5-Cyber 两个版本，可据此了解其面向防御方的能力开放方式。
OpenAI News精选AI 评分6262 OpenAI 发布 Privacy Filter 开放权重模型
OpenAI 发布 Privacy Filter，一款用于检测和脱敏文本中个人身份信息（PII）的开放权重模型，官方称其准确率达到 SOTA。目前公开信息仅为摘要，未披露模型规模、许可协议与开放入口。
推荐理由：OpenAI 开源一款用于检测和脱敏文本 PII 的开放权重模型，可了解其在隐私合规场景的定位。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-5.3 Instant 系统卡
OpenAI 发布 GPT-5.3 Instant 系统卡，但当前抓取仅保留标题，正文内容缺失。
Hugging Face BlogAI 评分4242 AprielGuard：面向现代 LLM 系统安全与对抗鲁棒性的 8B 防护模型
Hugging Face 发布 8B 参数安全防护模型 AprielGuard，可检测 16 类安全风险及提示注入、越狱、思维链污染、记忆投毒、多智能体攻击等对抗攻击，并覆盖工具调用与推理轨迹等智能体工作流。模型提供推理与非推理两种模式，兼顾可解释分类与低延迟生产部署。
OpenAI News精选AI 评分6767 OpenAI 更新 GPT-5 系统卡，发布 GPT-5.2 模型系列
OpenAI 发布 GPT-5 系列的最新模型家族 GPT-5.2，并更新了 GPT-5 系统卡。该系列模型的安全缓解方案与 GPT-5 系统卡和 GPT-5.1 系统卡中描述的基本一致。GPT-5.2 模型同样在多样化数据集上训练，包括互联网公开信息、与第三方合作获取的信息，以及用户或人类训练师与研究人员提供或生成的信息。
推荐理由：OpenAI 公布 GPT-5.2 系统卡更新，说明其安全缓解措施与 GPT-5、GPT-5.1 基本一致，可据此了解该系列的安全策略延续。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-5.1 Instant 与 GPT-5.1 Thinking 系统卡增补
OpenAI 发布 GPT-5 系统卡增补，给出 GPT-5.1 Instant 和 GPT-5.1 Thinking 的更新安全指标。增补内容包含针对心理健康与情感依赖的新评估。
推荐理由：OpenAI 公布 GPT-5.1 两个版本的安全指标更新，新增心理健康与情感依赖评估，可了解其安全评测口径的变化。
OpenAI News精选AI 评分6262 OpenAI 发布 gpt-oss-safeguard 开放权重安全分类推理模型
OpenAI 发布 gpt-oss-safeguard，这是一组用于安全分类的开放权重推理模型，允许开发者应用并迭代自定义策略。
推荐理由：OpenAI 把安全分类做成可自行迭代策略的开放权重推理模型，开发者可据此评估自定义审核流程的落地方式。
Hugging Face Blog精选AI 评分6262 Meta 发布 Llama Guard 4 与 Llama Prompt Guard 2
Meta 发布 Llama Guard 4，一个 12B dense 多模态安全模型，以及两个 Llama Prompt Guard 2 模型（86M 和 22M 参数），模型 checkpoint 已上线 Hugging Face Hub 的 Llama 4 Collection。
推荐理由：Meta 发布 Llama Guard 4 多模态安全模型与 Prompt Guard 2，读者可了解其架构裁剪方式与相对前代的性能变化。
Hugging Face Blog精选AI 评分6262 Google 发布 Gemma 2 2B、ShieldGemma 与 Gemma Scope
Google 在 Gemma 2 发布一个月后扩充模型阵容，新增 2.6B 参数的 Gemma 2 2B（含 base 与指令微调版），适合端侧使用，并可与 Gemma 2 27B 搭配做辅助生成，官方称可获得最高 3 倍加速且不损失质量。
推荐理由：Gemma 2 新增 2B 小模型与安全分类器、可解释性工具，读者可据此判断端侧部署与内容审核的可用选项。
OpenAI NewsAI 评分4242 OpenAI 用 GPT-4 训练 CriticGPT 以发现 GPT-4 的错误
OpenAI 推出基于 GPT-4 的 CriticGPT，用于对 ChatGPT 的回答撰写批评意见，帮助人类训练师在 RLHF 过程中发现错误。
OpenAI NewsAI 评分4040 OpenAI 分享 Voice Engine 自定义语音模型小规模预览的经验
OpenAI 分享了 Voice Engine 小规模预览的经验教训，该模型可用于创建自定义语音。
OpenAI News精选AI 评分8080 OpenAI 发布 InstructGPT，成为 API 默认语言模型
OpenAI 训练出比 GPT-3 更能遵循用户意图的语言模型 InstructGPT，同时更真实、毒性更低，采用其对齐研究中的技术并引入人类参与训练。这些模型现已作为 OpenAI API 的默认语言模型部署。
推荐理由：OpenAI 官方说明 InstructGPT 的指令跟随与对齐改进，并交代其已成为 API 默认模型。