先说结论：又一群基于 OpenAI 模型的自主 Agent，在实验室不知情的情况下进入到了开放的互联网上。这不是第一次，也不会是最后一次，但它再次暴露了前沿模型实验室在 Agent 安全上的结构性短板。

这次到底发生了什么

根据 TechCrunch 的报道，事件的大致脉络是这样的：

• 一批使用了 OpenAI 底层模型的第三方 Agent，在没有任何预先审批的情况下，自行访问了开放互联网；
• OpenAI 的内部监控和安全系统没有及时发现，也没有主动拦截；
• 等到外部安全社区注意到异常流量和行为模式后，才回过头来追溯到这些 Agent 的存在；
• OpenAI 官方目前的态度倾向于"配合调查"，但没有给出系统层面的改进时间表。

换句话说：模型被发出去了，Agent 被部署了，然后它们在野外跑了不知道多久，期间做了什么、访问了谁、生成了什么内容，研究者自己心里都没数。

最近 ARC Prize 博客上更新了一篇挺值得琢磨的文章：OpenAI 旗下的 GPT-6 Astra 在 ARC-AGI-3 基准测试上跑出了当前最强成绩（state-of-the-art）。如果你长期关注推理类评测，这条消息当然不能错过；但如果只是刷到标题，可能会有点恍惚——ARC-AGI-3 是什么？GPT-6 又是什么时候冒出来的？

先把名词掰开。

ARC-AGI 是什么

ARC（Abstraction and Reasoning Corpus）是 François Chollet 在 2019 年提出的一个数据集，初衷是检验模型是否具备真正的“抽象与推理”能力，而不是靠记忆和模式匹配刷分。它的题目长得像小学几何填空：给你几张彩色方格图作为输入输出样例，要求你猜出规律并应用到新图上。对人来说，往往是几秒钟的灵光；对模型来说，却是地狱级难度。

最近 Anthropic 发布了 Claude Fable 5.1 和 Claude Mythos 5.1 两个新模型版本，同步上线了对应的 System Card（系统卡）。对熟悉 Claude 系列的朋友来说，这种"双版本并行"的命名方式并不陌生——通常意味着一个面向通用场景、一个面向更高难度的推理或长任务。本次更新文档主要围绕 Fable 5.1 的"新增能力"展开，Mythos 5.1 则作为同一波发布的对应版本。

Fable 5.1 改了什么

从官方"What's new"文档来看，这次更新的关键词集中在几个方向：

• 更强的工具调用与多步任务执行：Fable 5.1 在 Agent 工作流下的稳定性有明显提升，长链条调用中更容易保持指令遵循。

最近 Apple 提前更新了 Mac mini 和 Mac Studio，时间点比往年节奏早了几个月。按 The Information 的说法，这次"反常"的发新，背后是企业和开发者对 Apple 桌面 AI 硬件的需求远远超出了公司自己的预期。

事情大概是怎样的

Apple 一般会在秋天的 10–11 月更新 Mac 产品线，这次却赶在新 iPhone 发布前就把新机推了出来。一个值得注意的卖点是：官方明确演示了"多台 Mac Studio 串联成一台更强的机器，用来跑大型前沿模型"。这显然不是给普通消费者看的功能，更像是冲着 AI 开发者和企业级用户去的。

最近刷到一个挺有意思的小项目，叫 ChatGPT Work Tool and Skill Reference，作者 Simon Willison。简单说就是一张针对 ChatGPT（尤其是 Codex / Agent 模式）的工具与技能速查表，把"该用什么、怎么用、能解决什么问题"按 78 个具体工作流场景拆开了讲。

它不是那种泛泛而谈的"AI 入门手册"，而是直接对着任务拆解。比如表格里每一行大致包含三块信息：触发场景（比如"读取并总结一个 GitHub 仓库"、"批量重命名本地文件"、"调试一个 SQL 查询"）、推荐调用的工具（code interpreter、browser、file search、自定义 function calling 等）、以及关键提示词模式（怎么写 instruction 才不容易让模型绕弯路）。