AITOPAI热报

GPT-5.5

共 173 条相关 AI 资讯
5月22日
22:14
22:11
5月19日
10:26
10:26官方一手arXiv: Anthropic@Isaac David, Arthur Gervais
精选
Anthropic在2026年4月发布的Mythos材料中声称其模型能发现真实漏洞，但本文通过控制实验复现了这些漏洞发现任务。实验让GPT-5.5、Claude Opus 4.7和Kimi K2在给定目标文件、只读源码和手动匹配规则下，尝试复现6个已知漏洞。结果显示，GPT-5.5在54次尝试中仅成功5次（覆盖2/6任务），Claude Opus 4.7成功1次，Kimi K2为0次。主要失败原因是模型过早锁定看似合理的候选错误，而忽略了补丁证据中的具体不变性。该结果不否定Anthropic未公开的工作流程，但表明在有利的靶标文件框架下，系统特定提示仅产生少量匹配。
论文漏洞发现基准测试GPT-5.5
事件专题
推荐理由：这个实验戳破了AI漏洞发现能力的泡沫——即使给定了目标文件，顶级模型复现已知漏洞的成功率也极低。做AI安全评估或漏洞研究的团队，看完会重新审视benchmark的可靠性。
原文
5月16日
23:28
12:53
12:47
12:47官方一手歸藏(guizang.ai)@op7418
Tibo 在 X 上表示，过去约 48 小时内 GPT-5.5 在 Codex 中的能力下降问题已被定位并修复了两个相关漏洞。团队正在持续监控以完全确认修复效果，并承诺今晚重置使用限制。用户现在可以重新高效使用 Codex，尤其是 /fast 模式。
AI产品CodexGPT-5.5修复
推荐理由：Codex 用户过去两天可能遇到性能下降，现在问题已修复且使用限制将重置，做 AI 编程的开发者可以直接恢复高强度使用。
原文
09:03
09:03thsottiaux@thsottiaux
73°
OpenAI 发现并修复了导致 GPT-5.5 在 Codex 上性能下降的两个问题，该问题持续约 48 小时。团队正在监控以完全确认修复效果，并将在今晚重置使用限制。此事件影响了使用 Codex 进行编程的开发者，修复后建议用户尝试 /fast 模式以充分利用性能。
AI产品GPT-5.5Codex性能修复
事件专题
推荐理由：使用 Codex 编程的开发者终于可以放心了——GPT-5.5 性能下降的原因已找到并修复，今晚重置限制后建议直接试试 /fast 模式。
原文
08:36
08:36官方一手OpenAI Blog（博客/媒体）
Databricks 宣布在其企业智能体工作流中集成 OpenAI 的 GPT-5.5 模型。该模型在 OfficeQA Pro 基准测试中取得了新的最佳成绩。这一集成旨在帮助企业更高效地构建和部署基于 AI 的自动化工作流，提升办公场景下的任务处理能力。Databricks 的用户现在可以直接在平台上利用 GPT-5.5 的强大推理和生成能力。
AI产品GPT-5.5企业智能体工作流
事件专题
推荐理由：企业 AI 团队终于有了一个经过基准验证的强模型来驱动智能体工作流——GPT-5.5 在 OfficeQA Pro 上的 SOTA 表现意味着办公自动化场景的准确率有望大幅提升，做企业级 AI 应用开发的团队值得关注。
原文
01:39
01:39thsottiaux@thsottiaux
78°
Codex团队在X平台回应称，已注意到部分用户反馈GPT-5.5性能下降的问题，并正在调查中。目前尚未得出明确结论，系统整体运行正常。团队承诺会持续分享调查进展。这一事件引发了对OpenAI最新模型稳定性的关注。
AI模型GPT-5.5性能问题Codex团队
事件专题
推荐理由：GPT-5.5性能波动直接影响依赖该模型的开发者和企业用户，建议关注调查结果以评估是否影响自身工作流。
原文
5月15日
10:11
10:11官方一手arXiv: OpenAI@Matteo Cobelli, Stefano Sanvito
精选
Autoresearch 是一种自动化科学任务的范式，AI 智能体自主提出、实现、评估和优化解决方案。本文提出 Automat 框架，使用基于 GPT-5.5 的 Codex 编码智能体，为化学化合物生成仅基于化学式的成分描述符，并通过随机森林工作流评估。在预测无机材料带隙和铁磁化合物居里温度两个任务中，Automat 超越了分数成分、Magpie 等基线，生成的描述符具有化学可解释性。该研究证明 autoresearch 智能体无需手动特征工程即可生成任务专用描述符，但也暴露了描述符冗余、贪婪特征扩展敏感性和需要复杂度控制等局限性。
论文Autoresearch材料科学描述符设计
推荐理由：材料科学家和 AI for Science 研究者终于有了一个能自动设计描述符的框架——Automat 用 GPT 智能体替代了繁琐的手动特征工程，在带隙和居里温度预测上直接超越经典 Magpie 基线，做材料信息学的团队值得一试。
原文
5月14日
07:26
07:26Ethan Mollick@emollick
75°
英国国家AI安全研究所发布最新发现，指出Mythos和GPT-5.5在网络安全能力上取得显著进步，且难以确定其能力上限，主要受限于使用的token数量而非模型本身。研究还表明，AI网络能力的翻倍周期约为4.5个月，这意味着威胁演进速度远超预期。这一发现对安全团队和AI开发者具有重要警示意义。
行业网络安全MythosGPT-5.5
推荐理由：安全团队和AI开发者需要警惕：AI网络攻击能力正以每4.5个月翻倍的速度进化，Mythos/GPT-5.5的能力上限几乎不可预测——建议立即评估自身防御体系能否跟上这个节奏。
原文
5月13日
19:12
19:12官方一手arXiv: OpenAI@Zhun Wang, Nico Schiller, Hongwei Li, Srijiith Sesha Narayana, Milad Nasr, Nicholas Carlini, Xiangyu Qi, Eric Wallace, Elie Bursztein, Luca Invernizzi, Kurt Thomas, Yan Shoshitaishvili, Wenbo Guo, Jingxuan He, Thorsten Holz, Dawn Song
精选75°
ExploitGym 是一个大规模、多样化的基准测试，用于评估 AI 智能体将安全漏洞转化为实际攻击的能力。该基准包含 898 个来自真实世界漏洞的实例，涵盖用户空间程序、Google V8 JavaScript 引擎和 Linux 内核三个领域。评估显示，前沿模型如 Anthropic 的 Claude Mythos Preview 和 OpenAI 的 GPT-5.5 能成功利用 157 和 120 个漏洞实例，即使在启用常见防御措施后仍保持一定成功率。这项工作揭示了 AI 智能体在网络安全中的双重用途风险，为防御和攻击场景提供了重要测试平台。
论文安全漏洞AI智能体基准测试
事件专题
推荐理由：安全研究员和红队成员终于有了评估 AI 攻击能力的标准化工具——ExploitGym 覆盖真实漏洞和防御场景，做渗透测试或 AI 安全评估的团队可以直接拿来用。
原文
06:17
06:17官方一手OpenAI Blog（博客/媒体）
OpenAI发布了与NVIDIA工程师和研究人员的合作案例，展示了Codex结合GPT-5.5如何帮助团队构建生产系统并将研究想法快速转化为可运行的实验。该工具显著提升了代码生成和实验迭代效率。这表明AI辅助开发正从原型阶段进入规模化生产应用。
AI产品编程助手代码生成NVIDIA
事件专题
推荐理由：典型案例揭示了AI编程助手在大型企业研发流程中的实际应用价值，对评估AI辅助工具在工业界的落地效果有参考意义。
原文