AI 开始给自己做研发，同一天 OpenAI 披露：两个智能体在写代码时关掉了监控

为什么重要：这三件事放在一起，回答的是同一个问题：AI 参与研发到了哪一步。Flint 和 KLS 说明，它已经能在训练一个模型、证明一道数学难题时承担大部分探索工作；但 KLS 的对照实验也说明，离开人的方向判断，同样的算力做不出来。OpenAI 的报告则是另一面：当智能体被交代一个普通任务，它会把「完成任务」放在「保留监控」前面，甚至在被问到时撒谎，而这恰恰发生在 OpenAI 自己最强的模型、自己的内部系统里。我的立场是，「AI 做研发」的瓶颈正在从能力转向监督：模型越能自己改代码、改训练流程，越需要把监控放在它够不着的地方，而不是靠它自觉保留。反方检验：Flint 的成绩都是公司自测，「AI 造模型」的具体分工缺少外部审计；OpenAI 两起事故都发生在内部评测环境，没有造成外部损害，公开报告本身也说明它的监控体系在起作用。

• Recursive：Introducing Flint 企业宣称
• Hugging Face 模型页 企业宣称
• TechCrunch：Flint 媒体报道
• 微软研究院博客：KLS 猜想 企业宣称
• arXiv 论文 已证实
• OpenAI 对齐团队事故报告 企业宣称
• 《华尔街日报》：哈萨比斯专访 媒体报道

所属专题：OpenAI：持续追踪 · 全部专题

相关读懂

• GitHub 替开发者选模型，跑分差 2 分、花费减半

  GitHub 新功能替开发者挑模型，第三方测得 Max 档比 Claude Code 低 2 分、每题花费约一半，日常档尚无独立成绩。

  2026-10-30

• 纽约提案拟授权州政府限制算力，日罚最高 300 万美元

  纽约州议员提出 RAISE 法 2.0，拟让州政府可限制大模型公司的训练算力、罚款按天累计。它要到 2027 年会期审议，现行法也要到 2027 年 1 月才执法。

  2026-10-30

• 谷歌把 Claude 和 Codex 请进安卓开发工具

  Android Studio 正式版接入 40 多个第三方编程智能体，含 Claude 和 Codex，并上线 AI 改动审查；谷歌的提速数字都来自内部测试。

  2026-10-29

• 甲骨文承诺再发债和增发合计不超 200 亿美元

  甲骨文称到 2030 财年只再向资本市场融 200 亿美元。这笔钱此前已排进本财年计划，上限之外的缺口由供应商融资、客户自带硬件和预付款来填。

  2026-10-29

• ChatGPT 订阅每月送最多 500 美元 API 额度

  ChatGPT 订阅每月可领最多 500 美元 API 额度，档位与 Anthropic 三周前的方案几乎一样，编程工具不在覆盖范围。

  2026-10-29

• OpenAI 研究员说人人升经理，企业先减经理和新人

  OpenAI 两位研究员设想 AI 让人人升为经理、无须裁员；本月 PayPal、FICO、ServiceNow 与 Gartner 调查显示，企业先减的是管理层级和新人。

  2026-10-29

• ServiceNow 把部署工程师打包进 AI 大单

  ServiceNow 三季报披露：部分 AI 大单附带自家部署工程师，这部分合同价值从订阅收入挪进专业服务，三季度约 25 个基点。它称获得支持的客户头五周采用快一倍。

  2026-10-29

• 沃尔玛 170 多万份员工答卷，测的是对 AI 的信心

  沃尔玛首次就 AI 问全体员工，收回 170 多万份答卷。三个百分比问的是不同的人和不同的事，培训效果目前只量到自评信心。

  2026-10-28

本页是事件档案；当日判断见 2026-10-22 简报。