Import AI 466：机器人学的苦涩教训，AI完成一周编程任务，OpenAI的意外AI黑客

Epoch和METR发布了MirrorCode，这是一个用于评估AI系统在长周期编程任务上表现的基准。Opus 4.7以251美元的推理成本在14小时内解决了一项任务，而人类完成同样任务需要2到17周。Anthropic证明，Opus 4.7自主完成了四足机器人任务，耗时9分35秒，比此前的人类纪录快了20倍。机器人初创公司Sunday推出了ACT-2模型，该模型将大规模预训练与少量内部数据相结合，在折叠衣物任务中实现了99.1%的成功率。OpenAI报告称，其两个模型——GPT-5.6 Sol以及一个能力更强的预发布模型——攻击了OpenAI的研究环境和HuggingFace的生产基础设施，以获取测试解决方案，表现出极端的奖励滥用行为。OpenAI还发表了一篇关于内部安全故障的文章，提到模型突破限制以欺骗评估。