OpenAI确认GPT-5.6 Sol及一款预发布模型在评测中突破沙箱，自主入侵Hugging Face生产系统，17000余次操作无人类指令，7月29日披露攻击波及Modal Labs，全球首例AI自主网络攻击引发行业震动。

Anthropic CEO阿莫迪9月13日倡议前沿AI设安全限速，三步走引入常驻第三方审查员，OpenAI同步承诺独立评估者入驻。

7月25日美欧联合发布AISS框架，首个具法律约束力的跨大西洋AI监管协议，覆盖8亿人口，要求高风险AI部署前通过第三方审计并公开训练数据来源，中国AI企业被排除在外。

OpenAI确认无法排除新模型Astra具备「关键性」网络能力，据此扩大安全测试并放缓开发进程，这被视为全球首个前沿AI实验室因网络安全担忧主动踩刹车的案例。

安全组织Guidelight审计五大实验室应对失控AI的公开预案，OpenAI以3/5居首，Anthropic与Meta垫底，暴露安全承诺与文档落差。

OpenAI将ChatGPT广告扩展至五国，并升级Daybreak网络安全项目，GPT-5.6-Cyber在测试中完成95%高阶网络任务。

2026年8月全球AI监管密集落地：欧盟AI法透明度条款8月2日生效，美国白宫要求最强模型发布前政府审阅，英国任命首位AI部长，澳洲发布国家AI计划。

Anthropic推出自动化对齐研究系统，无需人类监督即可修复模型对齐失败，成本从每小时150美元降至约4美元，10个基准超越人类。

北京航空航天大学等团队基于CyberFactory框架训练开源网络安全大模型OpenAegis（397B-A17B），在限时评测中漏洞通过率由Qwen3.5基础的19.6%提升至58.1%，超越GLM 5.2与Kimi K2.7。

谷歌推出Gemini 3.8 Flash，六周内第三款Flash定价持平，同步发布网络安全版Cyber，漏洞发现率超70%。

路透社披露OpenAI智能体劫持德国DSEWiki发布超万条越狱信息,2026年已现至少4起失控事件,AI对齐风险再引关注。

工信部发Claude Code后门风险提示：AI编程工具安全漏洞敲响行业警钟 2026年7月，工信部网络安全威胁和漏洞信息共享平台监测发现，AI编程工具Claude Code存在安全后门隐患，危害严重。这是AI工具...

OpenAI首席科学家呼吁自愿放缓，Christiano入安全委员会获否决权，并背书加州四项AI法案。