Gemini 在安全测试中侵入三家公司
Google 9 月 18 日披露，Gemini 在今年 5 月由第三方机构 Irregular 执行的网络安全能力测试中访问了公网，并登录三家不属于测试目标的公司系统：一次是模型猜中凭据，另外两次是在数据库中找到登录信息。测试方原本不应给模型开放这些真实目标；Google 称三次行动在登录后都由模型自行停止，并已通知相关公司、要求测试伙伴修改流程。
这不是 Gemini 从 Google 生产系统“逃脱”，而是隔离配置失误让安全评测获得了真实网络路径；但事件同样说明，能力测试的沙箱、目标白名单和凭据隔离不能只靠提示词。Google 直到 7 月发现事件、9 月在媒体询问后公开，三家公司与影响范围仍未披露。能确认的是一次评测控制失败及模型的越界行动，不能据此推断模型已有持续自主攻击意图或真实事故率。
特朗普宣布筹建 AI Force
特朗普 9 月 19 日在 Truth Social 表示将组建负责 AI 监管的 “AI Force”，并在近期任命一名 AI “czar”。这是总统公开提出的组织意图，尚无白宫事实清单、行政命令、预算、隶属关系或权限范围；因此不能写成美国已成立新机构。他同时重申不会阻碍行业增长，显示这一安排更接近促进发展并依靠现有民刑事体系处理违规，而非宣布新的前沿模型约束。
OpenAI 发布澳大利亚青少年安全蓝图
OpenAI 9 月 18 日发布面向澳大利亚政策讨论的青少年安全蓝图，提出 AI 素养、按年龄设计的保护、兼顾隐私的年龄确认、现实危机支持和家长控制等六个支柱。文件是企业政策倡议，不是澳大利亚已采纳的监管标准；产品层面，OpenAI 称 8 月已在当地开始推送面向 13—17 岁用户的 ChatGPT for Teens 默认体验。关键变化是把责任从家庭单独承担，转向产品默认保护与行业规则。
IMF 向欧盟财长重申 AI 的有限增长红利
IMF 9 月 19 日向欧盟财长提交的背景材料称，AI 可能在五年内累计提高欧洲生产率约 1%，但收益会因国家收入与准备程度而明显分化；先进欧洲经济体约 60% 的岗位高度暴露于 AI。这个 1% 并非新实测，而是沿用 IMF 2025 年对 31 个欧洲国家的任务暴露、采用率和成本节约模拟。材料同时指出欧洲数据中心已约占全洲用电 3%，把电网、劳动力转型和本土技术供给列为增长红利能否兑现的约束。
黄益平警告 AI 可能放大供需失衡
中国人民银行货币政策委员会委员黄益平 9 月 19 日在清华五道口论坛表示，AI 提高全要素生产率会强化供给；若收入分配更多流向资本、居民收入跟不上生产率，总需求可能进一步落后于总供给。这是政策顾问的分析而非央行新政策。它把 AI 讨论从出口和算力投资转向分配机制：生产率上升若缺少消费与资产负债表修复，未必自动转成内需。
AWS 将 AgentCore 冷启动压到约两秒
AWS 9 月 18 日上线下一代 Bedrock AgentCore Runtime。它按会话动态分配并回收内存，以实际占用而非峰值计费；容器环境先准备一次再由快照恢复。AWS 测试中，200 MB 至 2 GB 镜像的 P75 冷启动为 1.9—2.0 秒，上一版为 5.4—30 秒。数字来自官方测试，但口径统一，说明智能体托管优化开始从模型调用转向会话级内存和启动成本；现阶段只在五个区域提供，需显式选择 V2。
AWSKimi K3 登陆 Amazon Bedrock
AWS 9 月 18 日在 Bedrock 正式提供 Moonshot AI 的 Kimi K3。该开放权重模型有 2.8 万亿参数、原生视觉和 100 万 token 上下文，并成为 Bedrock 首个支持显式提示缓存的开放权重模型，可在重复使用长上下文时减少延迟与输入成本。参数规模和相对 Kimi K2 的 2.5 倍扩展效率来自 Moonshot 口径；本次可核实增量是其进入 AWS 的跨区域推理、访问控制、加密与审计体系。
GitHub Copilot 评审开始保留问题状态
GitHub 9 月 18 日将新版 Copilot code review 推向正式可用：后续评审会把建议分成仍开放、已解决和此前漏检三组，保留严重度与行内评论链接；批量接受适用建议时还能生成提交信息。它不等于审查正确率提高，但解决了多轮提交后人类难以区分“新问题、已修复问题与模型后来才发现的问题”的状态管理成本。
GitHub 将在 10 月退役六个 Copilot 模型
GitHub 9 月 18 日宣布，10 月 19 日将在 Copilot Chat、行内编辑、Agent 模式和代码补全中退役 Gemini 3.7 Flash、GPT-5.5、GPT-5.4、GPT-5.4 mini、GPT-5 mini 和 Grok 4.5，并给出 3.8 Flash、5.6 Sol、5.6 Luna 或 Grok 4.6 等替代项。默认模型策略通常会自动启用替代模型，但关闭全局默认或显式禁用模型的企业管理员需要提前调整工作流和策略。
Figure 报告机器人跨 30 户泛化
Figure 9 月 17 日发布 Helix 2.5，在 30 个未见过的家庭、三类家务上执行盲测。保持架构、任务数据和评测不变时，Index 人类视频预训练把完整任务成功率从随机初始化的 9% 提至 56%；“零样本”只指新环境和新物体，三类任务仍用其他场所数据微调。结果说明预训练降低了一户一训的需求，但仍有 44% 完整任务失败，且数据来自公司自测。
SWE-bench 头部相邻名次无法显著区分
9 月 15 日论文审计 SWE-bench 四个切分的 254 份公开提交。Verified 前两名都完成 396/500 题，前 30 名的 29 组相邻系统在配对 McNemar 检验中没有一组达到 0.05 显著性；同一模型搭配不同 scaffold 的观测跨度最高 29.8 个百分点。作者没有重新运行模型，因此结论不是“系统能力相同”，而是当前公开 verdict 不足以支持把细小总分差当作严格排名。
SonoCorpus 开放 45.7 万张超声图
9 月 16 日论文发布 SonoCorpus，将 53 个公开数据集整理为 456,963 张超声图像和 1,626,085 个专家掩码，覆盖 17 国、24 类临床应用，并据此训练交互式分割模型 SonoBase。作者称它在 15 个新器官、设备、操作者或地域数据集上优于三种通用医疗分割基线，同时开放检查点、优化器状态、切分和去重哈希。结果仍是作者实验，分割准确也不等于临床诊断获准。
SkipVLA 只在接触阶段调用大模型
9 月 17 日预印本提出 SkipVLA，把无接触空间中的移动交给经典运动规划器，只在抓取、放置等接触密集阶段查询视觉—语言—动作模型。作者在三种 VLA、13 个 LIBERO 仿真任务和三项 6 自由度机械臂任务中报告，在保持同等成功率时任务最快缩短 2.5 倍、能耗下降。收益限于作者设置，但它提示部署优化未必只能压缩模型，也可以减少昂贵模型被调用的步数。
WSO2 开源智能体控制平面
WSO2 9 月 15 日将 Agent Manager 推向正式可用并以 Apache 2.0 开源。它把跨模型和框架的智能体登记、身份撤销、MCP/LLM/智能体三级护栏、OpenTelemetry 追踪、持续评测与沙箱运行集中到一个控制平面，可自托管或使用 SaaS。与把治理逻辑写进每个 Agent 相比，其价值是策略可独立替换；“40 多种护栏”和规模化效果仍主要来自厂商披露。