证据简报

MATS 评估中国开放模型被质疑不对称

@dongxi_nlp 认可 MATS 对 AI safety 的贡献，但认为部分研究把中国 open-weight models 描绘成“evil”，并建议采用跨模型家族相同测试、独立标注和更多元评估。

Frontline Lab 摘要与来源

编辑摘要

@dongxi_nlp 认可 MATS 对 AI safety 的贡献，但认为部分研究把中国 open-weight models 描绘成“evil”，并建议采用跨模型家族相同测试、独立标注和更多元评估。

这份简报保留原始来源，摘要和编辑判断都可以回到原文独立核验。

来源署名X · @dongxi_nlp

相关关系来自共同主题、实体、分类、标签与社区语境；每条结果仍保留独立来源回链。

X2026-08-12

@DataChaz 转发 @Marie_Haynes 的观点；原帖称，围绕 Anthropic 为 Claude 输出加水印的愤怒很离谱，并称 Google 一直在做同样的事。

公众号：数字生命卡兹克2026-08-13

AIHOT 称，DeepSeek V4 Pro 正式版与 Grok 4.6 在2 小时内先后发布，参数规模分别为1.6T/1.5T，并被描述为逼近 Claude Fable 5 体验。

Anthropic：Research（发表成果 · 网页）2026-08-13

Anthropic 研究称，45 个协调智能体在 2700 万 token 中发现 266 个漏洞，而独立并行方法在 650 万 token 中发现 21 个漏洞。

X2026-08-13

发帖作者称，在 @aimlapi 为 TERAFAB megafactory 推出的 three.js benchmark 中，Grok 和 Claude Opus 5 首次尝试都完成代码；列出的成本为 Opus 2.06 美元、Grok 0.38 美元。

Anthropic：Research（发表成果 · 网页）2026-08-13

Anthropic 与独立研究者 David Roodman 合作发布报告，基于 56 项美国随机研究和欧洲实验证据，评估工 Anthropic 再培训项目应对 AI 劳动力市场冲击的效果。