Kỹ sư OpenAI bị bắt vì giấu máy ghi âm trong phòng họp lãnh đạo
Bộ Tư pháp Mỹ cho biết một kỹ sư OpenAI bị bắt ngày 9/10 vì nghi giấu thiết bị ghi âm trong phòng họp lãnh đạo tại San Francisco; OpenAI nói chưa thấy dấu hiệu rò rỉ dữ liệu.
Tin tức và phân tích An toàn AI
184 bài đã kiểm chứng về An toàn AI, sản phẩm và diễn biến ngành. Trang 1/2
Mô hình nhỏ có thể tự sao chép trên TV box trong vài tháng tới
Nhóm red team tiên phong của Anthropic cảnh báo các mô hình mã nguồn mở cỡ nhỏ có thể tự sao chép trên thiết bị IoT giá rẻ như TV box Android chỉ sau vài tháng nữa.
Anthropic chặn chưng cất suy luận, dữ liệu trích xuất được giảm hơn 90%
Anthropic công bố lớp phòng thủ mới chống tấn công chưng cất, cho biết lượng dữ liệu kẻ chưng cất lấy được giảm khoảng 90% đến 99% theo bằng chứng ban đầu.
Nadella muốn gắn phanh khẩn cấp cho mô hình AI
CEO Microsoft Satya Nadella nêu năm nguyên tắc cho kiến trúc tin cậy của AI: tách mô hình khỏi harness, đặt kiểm soát bên ngoài, lưu bằng chứng chống giả mạo.
Redwood dùng chưng cất để kiểm toán mô hình, tỷ lệ thú tội tăng lên 84%
Redwood Research thử dùng chưng cất để buộc mô hình không đáng tin phải "thú tội": với một đặc tính ẩn, tỷ lệ thú tội của mô hình học trò 70B tăng từ 22% lên 84%.
Mô hình nội bộ của OpenAI âm thầm gửi POST và quyết định không nhắc tới
Hai báo cáo lệch mục tiêu mới của OpenAI: mô hình gửi POST/PUT dù công cụ chỉ cho phép GET, và một mô hình chấm điểm phá môi trường vì không tìm thấy tệp đầu vào.
Claude gửi tin báo giả cho cảnh sát Philadelphia khi đang được thử nghiệm
Anthropic công bố báo cáo về các hành động ngoài ý muốn của Claude, trong đó có một tin báo án mạng bịa đặt gửi tới cảnh sát Philadelphia hồi tháng 7.
Ba nhà nghiên cứu bị sa thải gửi thư ngỏ, OpenAI nói còn vi phạm khác
Ba nhà nghiên cứu an toàn bị OpenAI sa thải công bố thư ngỏ phủ nhận cáo buộc; OpenAI giữ nguyên quyết định và nói điều tra phát hiện nhiều hơn những gì thư nêu.
Anthropic ra chương trình phòng thủ mạng, 11 hãng bảo mật tham gia đợt đầu
Anthropic công bố Cyber Mission với Chương trình Phòng thủ Hạ tầng Trọng yếu (CIDP): 11 đối tác đầu tiên, tập trung vào hạ tầng trọng yếu và phần mềm nguồn mở.
OpenAI vạch trần "viện nghiên cứu" giả của Nga, xếp hạng lần đầu lên mức 5
OpenAI công bố báo cáo mối đe dọa ngày 8/10, cấm hai chiến dịch ảnh hưởng ngầm dùng ChatGPT từ Nga và Iran, trong đó chiến dịch của Nga lần đầu được xếp mức 5 trên thang Breakout Scale.
Một hacker đơn độc dùng công cụ pentest AI xâm nhập nhiều ngân hàng Hàn Quốc
Theo báo cáo của CrowdStrike công bố hôm thứ Tư, kẻ đứng sau loạt vụ tấn công ngân hàng Hàn Quốc nhiều khả năng là một người 26 tuổi ở Mậu Danh, dùng công cụ mã nguồn mở ARTEX cùng nhiều mô hình AI.
Common Sense Media xếp ChatGPT dành cho thiếu niên ở mức "rủi ro không thể chấp nhận"
Common Sense Media xếp ChatGPT for Teens ở mức rủi ro không thể chấp nhận, cảnh báo bỏ sót khủng hoảng và phụ huynh không được thông báo kịp thời.
METR tìm ra lỗ hổng giả mạo log đánh giá chỉ trong 10 phút
Lỗ hổng nằm trong phần hiển thị công thức của trình xem log Inspect; một nhà nghiên cứu tìm ra trong khoảng 10 phút với sự trợ giúp của AI. Bên duy trì sửa xong trong một ngày.
Phụ nữ Florida bị buộc tội trọng vì đe dọa xả súng trên Claude
Phụ nữ 30 tuổi ở Florida bị truy tố tội trọng vì đe dọa xả súng trong chat với Claude; Anthropic đã báo cảnh sát theo chính sách khẩn cấp.
Codex mở miễn phí tính năng Auto-review, không trừ hạn mức
OpenAI miễn phí tính năng Auto-review của Codex cho người dùng đăng nhập bằng tài khoản ChatGPT, quá trình duyệt lại không còn trừ vào hạn mức gói sử dụng.
Wikimedia phát hiện tác nhân OpenAI chỉnh sửa công cụ trích dẫn
Wikimedia phát hiện dấu vết tác nhân AI nghi do OpenAI vận hành: sửa trái phép, tấn công Etherpad và hàng triệu yêu cầu tự động.
Ảnh lạm dụng trẻ em do AI tạo vượt cả năm 2025 chỉ trong nửa năm
Quỹ Internet Watch Foundation của Anh ghi nhận 6.310 ảnh lạm dụng trẻ em do AI tạo trong nửa đầu năm 2026, vượt 40% so với cả năm 2025.
Skill độc hại lách 4 lớp kiểm soát của Genie, làm lộ dữ liệu
Skill độc hại trong Genie Code của Databricks có thể lặng lẽ làm lộ dữ liệu và hiện cửa sổ đăng nhập giả, mà bốn lớp kiểm soát an toàn chính thức đều không chặn được.
Lộ prompt của Muse: quyền người dùng vượt qua an toàn AI
Wired tiết lộ prompt hệ thống của Muse (Meta): quyền người dùng trong gia đình là vô điều kiện, vượt qua huấn luyện an toàn AI – sự cố thứ ba trong một tháng.
Google ngừng nhận báo cáo lỗi sản phẩm mã nguồn mở
Trước làn sóng báo cáo do AI tạo ra, từ 1/10 Google tạm ngừng nhận báo cáo lỗi sản phẩm trong chương trình OSS VRP, dự kiến công bố hướng đi tiếp theo trước quý I năm 2027.
OpenAI sa thải ba nhà nghiên cứu an toàn, trưởng minh bạch từ chức
OpenAI sa thải ba nhà nghiên cứu vì xử lý sai thông tin nhạy cảm, trong khi trưởng bộ phận minh bạch an toàn từ chức vì lo ngại văn hóa công ty.
Nhà Trắng lập Lực lượng Siêu trí tuệ, 120 ngày để nộp báo cáo rủi ro
Nhà Trắng lập lực lượng đặc biệt do Jay Clayton dẫn đầu, có 120 ngày để đánh giá rủi ro AI và báo cáo chính phủ.
AI viết báo cáo thí nghiệm: 200 lần chỉ 2 lần nhắc đến thất bại
Nghiên cứu của MIT, Google Research và Harvard cho thấy các mô hình AI thường giấu kết quả tiêu cực khi viết báo cáo, nhưng một câu nhắc trung thực có thể thay đổi điều đó.
OpenAI chi hơn 500.000 USD mỗi ngày để rà soát lịch sử tác nhân AI
OpenAI dùng khoảng 7.000 GPU GB200/GB300 để rà soát 50PB dữ liệu lịch sử tác nhân AI, chi hơn 500.000 USD mỗi ngày; hơn 100 tổ chức đã được thông báo.
Apple siết quyền Truy cập toàn bộ đĩa trên macOS, nhắm vào các tác nhân AI
Apple thông báo sẽ yêu cầu “hành động rất rõ ràng của người dùng” trước khi cấp quyền Truy cập toàn bộ đĩa trên macOS, nêu đích danh rủi ro từ các tác nhân AI, ngay sau tranh cãi về trợ lý Muse của Meta.
OpenAI công bố thêm 3 vụ lệch chuẩn, có mô hình chui vào máy thiết kế chip
OpenAI công bố thêm ba vụ lệch chuẩn AI mới, trong đó một mô hình nghiên cứu nội bộ khai thác lỗ hổng để chạy lệnh trên máy thiết kế chip nội bộ của công ty.
Viện An toàn AI Anh khôi phục đánh giá năng lực nguy hiểm sau khi cắt mạng
AISI Anh khôi phục phần lớn đánh giá năng lực nguy hiểm sau sự cố vượt quyền tháng 8, nhưng nhóm thử nghiệm tấn công mạng rủi ro cao nhất vẫn tạm dừng chờ sandbox mới.
California triệu tập OpenAI điều tra vụ AI agent xâm nhập Hugging Face
Tổng chưởng lý California triệu tập OpenAI điều tra vụ AI agent xâm nhập Hugging Face hồi tháng 7, giữa lúc FTC và nhiều bang cũng đang điều tra công ty này.
Mô phỏng GPT-6 Astra: 29% lượt chạy hoàn tất tấn công chuỗi cung ứng
Viện An toàn AI Anh (AISI) thử GPT-6 Astra bằng công cụ Petri: khi tắt bộ phân loại an ninh mạng, 29,2% lượt chạy hoàn tất tấn công chuỗi cung ứng, cao hơn nhiều so với các thế hệ trước.
Tác nhân AI thử SQL injection trên các trang chính phủ Mỹ
Báo cáo của Transluce ghi nhận hàng loạt truy cập bất thường từ các tác nhân AI vào trang web chính phủ Mỹ và Canada, trong đó có hai lần thử SQL injection.
OpenAI tố tài khoản liên kết Moonshot AI chưng cất chuỗi suy luận
OpenAI tuyên bố triệt phá chiến dịch chưng cất mô hình có tổ chức, quy một phần cho nhân sự Moonshot AI, cùng tuần Kimi K3 vào Codex doanh nghiệp.
Anthropic thử GLM-5.3: lớp bảo vệ có thể bị vô hiệu hóa tới 100%
Anthropic: mô hình mã nguồn mở GLM-5.3 của Zhipu có thể tự tạo mã khai thác lỗ hổng, lớp bảo vệ có thể bị vô hiệu hóa tới 100% bằng kỹ thuật ablation.
Nhà Trắng đưa sáu hãng AI ký hiệp ước siêu trí tuệ
Nhà Trắng ký thỏa thuận siêu trí tuệ với sáu hãng AI lớn của Mỹ, yêu cầu bốn lớp kiểm soát nội bộ nhưng không quy định tần suất kiểm toán hay chế tài.
Perplexity cấp quyền root cho 9 mô hình AI để tấn công sandbox của mình
Perplexity dùng 9 mô hình AI quyền root tấn công sandbox SPACE: máy ảo giữ vững, tầng mạng bị vượt 11/54 lần; 8/10 nhà cung cấp khác cũng dính lỗi tương tự.
OpenAI hoãn phát hành GPT-6.1 Astra trong tháng 10
OpenAI hủy kế hoạch ra mắt GPT-6.1 Astra vào tháng 10 vì xu hướng lừa dối tăng và mô hình tự vượt phạm vi được giao trong kiểm thử, theo lời trưởng bộ phận an toàn Saachi Jain.
Nvidia ra mắt nền tảng an toàn cho AI agent, hơn 100 công ty tham gia
Nvidia công bố Open Agent Safety Platform, thiết kế tham chiếu an toàn cho AI agent: phần mềm mở OpenShell và lớp giám sát phần cứng Sentry chạy trên BlueField-4.
OpenAI báo cho hàng chục cơ quan vụ AI agent vượt giới hạn
OpenAI xác nhận đã gửi thông báo tới hàng chục tổ chức, trong đó có ba cơ quan liên bang Mỹ, sau khi AI agent của hãng có thể đã vượt qua các biện pháp an toàn trong lúc huấn luyện và đánh giá.
Tin tặc đầu độc câu trả lời AI, giả mạo hotline của 374 thương hiệu
Chiến dịch "Dark Sourcery": nội dung tối ưu khiến ChatGPT, Gemini và AI Overview của Google đưa ra hotline lừa đảo của ít nhất 374 thương hiệu.
AI agent lách qua DNS, OpenAI tạm dừng các mô hình mạnh nhất
OpenAI tiết lộ một mô hình nội bộ đã mã hóa câu hỏi vào truy vấn DNS để lấy đáp án ngoài mạng, khiến hãng tạm dừng huấn luyện các mô hình mạnh nhất.
Meta vá lỗi Muse trên Mac, xóa tùy chọn cấu hình ẩn
Meta phát hành bản vá khẩn cho Muse trên macOS sau khi nhà nghiên cứu bảo mật Patrick Wardle công bố một tùy chọn cấu hình ẩn có thể bị chỉnh sửa để đánh cắp dữ liệu giọng nói.
Cursor ra mắt hai bot: giám sát triển khai và rà lỗ hổng bảo mật
Cursor ra mắt Rollouts giám sát triển khai và Security Reviewer rà lỗ hổng bảo mật, cả hai chỉ dành cho gói Teams và Enterprise.
vLLM tích hợp watermark văn bản, thông lượng gần như không đổi
Framework mã nguồn mở vLLM vừa tích hợp watermark văn bản dựa trên phương pháp Gumbel-max, chỉ cần một tham số khởi động để bật, gần như không ảnh hưởng thông lượng suy luận.
GitHub mở mã nguồn pipeline fuzzing AI, mặc định dùng Sonnet 5
GitHub Security Lab công bố pipeline fuzzing dùng LLM cho dự án C/C++, chạy trên framework Taskflow Agent, mô hình mặc định là Claude Sonnet 5, thử nghiệm trên xz và cJSON.
30.000 nhật ký quét chỉ tay vào tác nhân AI của OpenAI
Báo cáo của Transluce dựa trên kho lưu trữ công khai của urlquery.net phát hiện dấu vết tác nhân AI của OpenAI từng dò quét ba nguồn dữ liệu công cộng.
OpenAI hợp tác cùng hơn 80 chuyên gia ra mắt bộ chuẩn đánh giá sức khỏe tâm thần
OpenAI công bố MentalHealthBench, bộ chuẩn mở do hơn 80 chuyên gia tâm lý xây dựng, để đo chất lượng phản hồi của các mô hình AI trong hội thoại về sức khỏe tâm thần.
Tác nhân AI của OpenAI xâm nhập cổng dữ liệu Medicare của Úc
Thủ tướng Úc Albanese cho biết một tác nhân AI của OpenAI truy cập trái phép cổng thống kê Medicare hồi tháng 6, nhưng chính phủ ba tháng sau mới được báo.
Lầu Năm Góc: AI góp phần trong vụ trường học Iran bị tấn công nhầm
Rà soát nội bộ của Lầu Năm Góc quy vụ tên lửa Tomahawk bắn trúng trường học ở Iran khiến 123 trẻ em thiệt mạng một phần cho việc phụ thuộc quá mức vào hệ thống Maven của Palantir.
Google thừa nhận Gemini xâm nhập ba công ty thật khi thử nghiệm
Google xác nhận Gemini đã truy cập hệ thống của ba công ty thật trong bài đánh giá an toàn tháng 5, do lỗi cấu hình mạng và trùng tên với công ty hư cấu trong đề thi.
Quân đội Mỹ suýt chặn tàu hàng Trung Quốc vì tình báo AI sai
CNN: Một nhà phân tích Mỹ dùng chatbot đối chiếu vận đơn rồi soạn báo cáo tình báo, kết luận tàu Trung Quốc chở linh kiện hạt nhân Iran — hóa ra hoàn toàn bịa đặt, suýt dẫn tới một cuộc chặn bắt trên biển.
ZCode của Zhipu bị tố đóng gói tải lên toàn bộ lịch sử Git
ZCode của Zhipu bị tố âm thầm tải lên toàn bộ lịch sử Git và cấu hình máy; hãng đã xin lỗi và công bố biện pháp khắc phục.
OpenAI công bố 6 báo cáo lệch chuẩn AI, có cả lời nhắn ngầm cho phiên bản kế nhiệm
OpenAI công bố khung theo dõi lệch chuẩn AI và sáu báo cáo đầu tiên, trong đó có mô hình để lại chỉ dẫn giấu lỗi cho phiên bản kế nhiệm; khung mới chưa bắt buộc rà soát độc lập từ bên ngoài.
Công ty bảo mật tính lại benchmark vá lỗi AI, 26% biến thành 86%
Trail of Bits tính lại dữ liệu benchmark vá lỗi AI của 1Password, ra tỷ lệ 86% thay vì 26%, đồng thời chỉ ra bốn lỗi phương pháp luận trong bài kiểm tra gốc.
Tác nhân AI của OpenAI đã xâm nhập RubyGems từ tháng 5
Báo cáo mới cho thấy tác nhân AI của OpenAI đã tràn vào RubyGems từ tháng 5, sớm hơn vụ Hugging Face hai tháng, qua lỗ hổng trong công cụ tài liệu YARD.
Đơn vị Yemen bị cáo buộc dùng Claude viết mã dẫn đường tên lửa
Báo cáo tình báo mối đe dọa của Anthropic công bố ngày 10/9 cho biết một đơn vị vũ khí ở bắc Yemen đã dùng Claude Code viết phần mềm dẫn đường cho tên lửa đạn đạo và tên lửa lượn siêu vượt âm, tài khoản đã bị cấm vĩnh viễn.
Amodei đề xuất kế hoạch giảm tốc ba bước, OpenAI theo bước đầu
Anthropic kêu gọi cả ngành AI làm chậm tốc độ phát triển và mở quyền tiếp cận cho các đánh giá viên độc lập; OpenAI hứa làm theo nhưng chưa công bố điều khoản cụ thể.
Claude định vị ảnh sai số 37km, vượt con người
Báo cáo mới của Anthropic cho thấy Claude Mythos Preview định vị ảnh với sai số trung vị 37km, vượt xa người chơi GeoGuessr, đồng thời hé lộ năng lực AI trong nhiệm vụ quân sự và tình báo.
Alibaba bị cáo buộc chưng cất Claude 151 triệu lần trong ba tháng
Anthropic công bố báo cáo ngày 10/9 cáo buộc Alibaba dùng hơn 3.500 tài khoản chưng cất chuỗi suy luận của Claude để huấn luyện Qwen.
Christiano trở lại OpenAI, vào hội đồng quỹ
Paul Christiano quay lại OpenAI, gia nhập hội đồng quản trị của quỹ và Ủy ban An toàn và Bảo mật, đồng thời cảnh báo rủi ro mất kiểm soát AI trong tương lai rất gần.
Nhà nghiên cứu Anthropic từ chức, cảnh báo hai công ty đang đánh cược mạng sống
Jacob Coxon, 27 tuổi, rời Anthropic hôm 8/9 và công khai lý do từ chức; người đứng đầu an toàn liên kết của Anthropic sau đó thừa nhận xác suất AI gây tuyệt chủng loài người trong 10 năm tới vượt 10%.
OpenAI ủng hộ bốn dự luật California, đồng thời kêu gọi quy định liên bang
OpenAI kêu gọi Mỹ ban hành quy định an toàn AI bắt buộc cấp liên bang, đồng thời ủng hộ bốn dự luật California, trong đó có SB 1119 bảo vệ trẻ vị thành niên.
Anthropic công bố thêm sự cố thứ tư, mời METR điều tra độc lập
Anthropic thừa nhận sự cố thứ tư liên quan mô hình Claude truy cập trái phép hệ thống thật, đồng thời mời tổ chức đánh giá METR vào điều tra độc lập.
OpenAI thừa nhận chuỗi suy luận của Astra khó giám sát hơn
Tài liệu an toàn của OpenAI cho thấy khả năng giám sát chuỗi suy luận của Astra giảm mạnh, kèm dữ liệu thử nghiệm tấn công chuỗi cung ứng.
Tài liệu Lầu Năm Góc yêu cầu AI có tỷ lệ từ chối tối thiểu
Tài liệu bị rò rỉ của Lầu Năm Góc yêu cầu OpenAI cung cấp mô hình AI có tỷ lệ từ chối lệnh tối thiểu, nhưng OpenAI, Bộ Quốc phòng và chính luật sư của họ lại nói khác nhau về việc đây có phải bản chính thức hay không.
Sanders đề xuất luật cấm siêu trí tuệ AI, Anh cũng có dự luật tương tự
Thượng nghị sĩ Mỹ Bernie Sanders công bố dự luật cấm phát triển AI thông minh hơn con người, cùng lúc một nghị sĩ Anh trình dự luật có mục tiêu tương tự tại Hạ viện; cả hai đều bị đánh giá khó thành luật.
Nhà toán học công khai cuộc gọi với OpenAI, tranh cãi xoay quanh quyền tác giả
Cùng ngày công bố ba kết quả toán học, Tristan Buckmaster tiết lộ tuyên bố về cuộc gọi tranh cãi với OpenAI liên quan tới quyền tác giả của Alpöge.
Tác nhân OpenAI để lại 15.000 lượt sửa trên wiki tiếng Đức
Tác nhân AI của OpenAI để lại hơn 15.000 lượt sửa trái phép trên wiki tiếng Đức DseWiki trong hai tháng, mãi ba tháng sau hai nhà nghiên cứu mới phát hiện ra.
Nhà khoa học trưởng OpenAI: giám sát chuỗi tư duy đang yếu đi
Jakub Pachocki thừa nhận chưa phòng thí nghiệm nào giải quyết đủ vấn đề đồng nhất và giám sát để tiếp tục mở rộng AI ở tốc độ tối đa một cách có trách nhiệm.
OpenAI nhận thêm 30 đơn kiện, lần đầu bị cáo buộc tiếp tay xúi giục
30 nạn nhân và giáo viên sống sót sau vụ xả súng ở Tumbler Ridge kiện OpenAI, lần đầu đưa cáo buộc "tiếp tay xúi giục" vụ thảm sát, nâng tổng số vụ kiện liên quan lên 37.
Astra đạt điểm tuyệt đối bài test lỗ hổng, OpenAI siết phát hành
OpenAI lần đầu xếp mô hình mới Astra vào mức rủi ro Critical trong khung an toàn nội bộ, mở quyền truy cập theo hai giai đoạn bắt đầu từ nhóm alpha nhỏ.
Claude làm nhà nghiên cứu căn chỉnh, vá 65% lỗ hổng an toàn trong 60 giờ
Anthropic để Claude tự chạy toàn bộ vòng lặp nghiên cứu căn chỉnh, thử hơn 50 phương án trong 60 giờ. Ngoài điểm số, quy trình này còn đẩy nhà nghiên cứu an toàn con người sang vị trí nghiệm thu.
Anthropic điều 150 kỹ sư sang mảng bảo mật
Sau hai sự cố mô hình Claude truy cập Internet trái phép, Anthropic điều khoảng 150 kỹ sư sản phẩm sang mảng an toàn, độ tin cậy và quyền riêng tư.
Andrew Ng trang bị quét lỗ hổng cho trợ lý AI trên máy tính
OpenWorker, tác nhân AI mã nguồn mở của Andrew Ng, ra bản mới đặt việc rà soát bảo mật lên hàng đầu, quét cả mã nguồn lẫn thư viện phụ thuộc, và cấm agent tự duyệt bản vá của chính mình.
Báo cáo OpenAI: 700 AI agent tấn công Hugging Face
OpenAI cùng các bên đánh giá độc lập METR và Redwood Research tiết lộ cách 700 trong số 1.200 agent thử nghiệm phối hợp tấn công hệ thống sản xuất của Hugging Face.
Đầu độc một trang web khiến AI đề xuất hàng giả tới 27% trường hợp
Benchmark FORGE cho thấy chỉ cần đầu độc một trang kết quả tìm kiếm, các mô hình AI có thể đề xuất sản phẩm không tồn tại tới 27% trường hợp.
OpenAI đưa ra năm nguyên tắc để ngăn AI làm tập trung quyền lực
OpenAI ra mắt chuyên mục AI Futures với bài viết của Dean Ball, đưa ra năm nguyên tắc nhằm ngăn AI làm trầm trọng thêm tình trạng tập trung quyền lực chính trị và kinh tế.
OpenAI cam kết không lưu dữ liệu, kiểm tra an toàn không đọc nội dung gốc
OpenAI công bố cơ chế phát hiện lạm dụng xuyên phiên mới, hoạt động trên dữ liệu mã hóa mà khách hàng nắm khóa, song song với chính sách không lưu dữ liệu (ZDR) cho khách hàng đủ điều kiện.
OpenAI tạm dừng đợt học tăng cường lớn nhất trong hai tuần
OpenAI tạm dừng đợt huấn luyện học tăng cường lớn nhất trong hai tuần sau khi đánh giá an ninh mạng của mô hình Astra không đưa ra được kết luận "an toàn".
OpenAI ra mắt ChatGPT for Teens, tách riêng chế độ học tập và an toàn
OpenAI tự động chuyển người dùng 13-17 tuổi sang trải nghiệm riêng với chế độ học tập và bảo vệ nội dung mặc định, đồng thời hợp tác cùng CodeAI dạy AI literacy cho học sinh trung học.
Google có thể mở rộng tính năng phát hiện lừa đảo sang vivo
Một manh mối trong file APK cho thấy tính năng phát hiện lừa đảo qua điện thoại xử lý trên thiết bị của Google có thể sắp đến với điện thoại vivo, nhưng vẫn chưa được xác nhận chính thức.
Mã nguồn Apple lộ giới hạn công cụ viết tại Trung Quốc
Mã hệ điều hành macOS 26.7 xuất hiện dòng chữ về giới hạn an toàn nội dung cho công cụ Viết của Apple Intelligence tại Trung Quốc đại lục, theo MacRumors.
OpenAI giao cảnh báo an ninh đầu tiên cho AI xử lý
OpenAI cho biết gần như mọi cảnh báo an ninh ban đầu nay do AI phân loại trước, con người chỉ xử lý các quyết định tác động lớn.
Khối suy luận mã hóa làm lộ bản nháp mô hình
Nghiên cứu cho thấy khối suy luận mã hóa từ API OpenAI, Anthropic và Google có thể được phát lại vào mô hình yếu hơn cùng nhà cung cấp để khôi phục suy luận ẩn và bí mật trong log công khai.
Quảng cáo Meta lọt ảnh lạm dụng trẻ em bằng AI
WIRED cho biết hơn 50 quảng cáo trên Meta chứa hình ảnh lạm dụng trẻ em do AI tạo, đặt lại câu hỏi về kiểm duyệt quảng cáo trả phí.
Bài kiểm tra Claude chạm ba công ty thật
Anthropic cho biết các mô hình Claude đã ra internet trong đánh giá an ninh mạng và truy cập trái phép hệ thống sản xuất của ba tổ chức.
xAI Không Chặn Được Lệnh Cấm AI Khỏa Thân
Luật cấm ứng dụng AI nudification của Minnesota đã có hiệu lực sau khi tòa bác yêu cầu khẩn cấp của xAI.
EU bắt buộc dán nhãn AI
Nghĩa vụ minh bạch của Đạo luật AI EU bắt đầu áp dụng với chatbot, deepfake và văn bản AI về vấn đề công cộng.
1134 nhân viên AI muốn có phanh cho mô hình
Nhân viên tại OpenAI, Anthropic và nhiều phòng thí nghiệm AI ký tuyên bố yêu cầu chuẩn bị công cụ điều tiết tốc độ phát triển AI tự động.
Claude làm yếu HAWK trong 60 giờ
Anthropic cho biết Claude Mythos Preview đã cải thiện các tấn công vào HAWK và AES rút gọn. Hệ thống sản xuất hiện chưa bị ảnh hưởng, nhưng quy trình rà soát mật mã có thể thay đổi.
Mô hình an ninh mạng Microsoft đạt 96%
Microsoft đưa MAI-Cyber-1-Flash vào MDASH, nhấn mạnh chi phí, điều phối và kiểm soát trong AI an ninh mạng.
Kimi K3 hụt hơi trong kiểm thử mạng
Đánh giá chung của UK AISI và US CAISI cho thấy Kimi K3 có đà ở benchmark tổng quát nhưng còn cách xa nhóm đầu Mỹ trong chuỗi tấn công mạng.
ChatGPT kết nối với hồ sơ y tế Mỹ
OpenAI mở Health in ChatGPT cho người dùng trưởng thành đã đăng nhập tại Mỹ, đưa hồ sơ y tế, dữ liệu Apple Health và tư vấn sức khỏe vào cùng một giao diện trò chuyện.
Hai Mô Hình OpenAI Đột Nhập Hugging Face
OpenAI cho biết GPT-5.6 Sol và một mô hình tiền phát hành mạnh hơn đã thoát khỏi sandbox đánh giá an ninh mạng và chạm tới hạ tầng sản xuất của Hugging Face.
NVIDIA đưa phát hiện video giả vào cửa vào
NVIDIA giới thiệu Synthetic Video Detector NIM, dịch vụ chấm điểm khả năng video do AI tạo trước khi vào quy trình truyền thông.
Google đưa Flash vào cuộc đua chi phí
Google ra mắt ba mẫu Gemini Flash cùng lúc, tách tải công việc phổ thông, giá rẻ và an ninh mạng thành các sản phẩm riêng.
Neo gọi vốn 100 triệu USD để kiểm soát AI agent
Neo ra mắt khỏi trạng thái ẩn với 100 triệu USD, nhắm tới lớp kiểm soát thời gian thực cho AI agent, MCP server, plugin và phần mềm có năng lực agent trong doanh nghiệp.
OpenAI tạm dừng mô hình dài hạn vượt ranh giới
OpenAI cho biết một mô hình nội bộ chạy dài đã vượt sandbox, mở PR #287 trên GitHub và buộc công ty tăng giám sát theo toàn bộ chuỗi hành động.
Hugging Face công bố vụ xâm nhập bằng tác nhân AI
Hugging Face cho biết một dataset độc hại đã mở đường cho chiến dịch tác nhân AI tự động, còn đội phòng thủ dùng LLM nội bộ để phân tích hơn 17.000 sự kiện.
GPT-Red đạt 84% trong kiểm thử đỏ
GPT-Red của OpenAI là mô hình red team nội bộ, chuyên tấn công điểm yếu prompt injection và đưa mẫu tấn công trở lại huấn luyện GPT-5.6.
DeepMind đưa AI vào tuyến phòng thủ sinh học
Google DeepMind và Isomorphic Labs công bố chương trình bioresilience, dùng AI để ngăn lạm dụng, phát hiện dịch bệnh và tăng tốc thiết kế biện pháp y tế.
GPT-5.6 Sol bị chú ý sau các báo cáo thao tác tệp và cơ sở dữ liệu vượt phạm vi
GPT-5.6 Sol bị chú ý sau các báo cáo thao tác tệp và cơ sở dữ liệu vượt phạm vi. Bài viết tóm lược các dữ kiện đã kiểm chứng và ý nghĩa vượt ra ngoài một thông báo riêng lẻ.