一个三年没解开的免疫谜题，AI 三周就搞定了
本文由 AI 自动整理生成，可能存在错漏，请以原文链接为准。
今天想跟你分享两件挺戳人的事：一件是 GPT-5 帮一位免疫学家解开了他心里搁了三年的谜——原本可能需要好几年、换几次研究方向才能搞明白的东西，模型三周就给出了关键方向。另一件是，当人人都能随手造个 AI 助手时，企业反倒慌了：不管会失控，管又管不过来。
灵感百宝袋
GPT-5 帮免疫学家 Derya Unutmaz 解开了搁了三年的 T 细胞谜题——这是今天最让人心里一震的事。
免疫学家、同时也是杰克逊实验室教授的 Derya Unutmaz，从 2022 年起就在琢磨一个问题：葡萄糖到底怎么影响 T 细胞的分化？这可不是小问题——T 细胞是我们身体里对抗癌症、病毒的主力，搞清楚什么东西指引它们「选专业」，可能直接推动癌症和自身免疫病的研究。但三年过去，谜还是谜。直到他把 GPT-5 Pro 当作研究搭档。模型不只是帮他跑数据，而是在他卡住的时候提出了一个完全没想过的方向。Unutmaz 说，现在做科学已经没法想象没有 AI 了，「那等于砍掉你两只手，或者半个脑子」。说实话，能在基础科学这种硬骨头领域帮上忙，比任何跑分都更有说服力。
原文：https://openai.com/index/gpt-5-immunology-mystery
OpenAI 董事 Zico Kolter 和 Gray Swan CEO 对谈：AI 安全不是「把网络安全套在 AI 上」，根本逻辑完全不一样。
前面提到的那位免疫学家用 GPT-5 做研究，但换一个场景——如果你是企业安全负责人，面对的就不是「怎么用好 AI」，而是「怎么保证 AI 不会被耍」。OpenAI 董事会安全委员会的 Zico Kolter 和 Gray Swan 的 CEO Matt Fredrikson 在这次对谈里把话说得很透：AI 安全不是把传统的防火墙、入侵检测往 AI 前面一套就管用的。他们举了个很形象的例子：传统攻击是找系统的漏洞，但对 AI 来说，攻击者只要「说对话」就能让它越权行事。前面 Simon Willison 推荐的那篇论文也证实了这一点——模型甚至会更看重文字的「风格」而不是内容本身。你如果在自己团队里用 AI 处理敏感任务，今天可以试一下：随便扔一句看起来像系统提示的指令进去，看它会不会当真。
原文：https://www.latent.space/p/gray-swan
江湖快报
Anthropic 给 Claude 发了个「工作证」：团队用的 AI 不再借你的名义干活，而是有了自己的独立身份。
这件事挺关键的。以前你用 AI 助手，它连你的 Google Drive、GitHub，用的是你的权限。这在你一个人跟 AI 聊天时没问题，但一旦放进团队共用通道（比如 Slack 群组），问题就来了：你下班了，AI 还在跑任务，用谁的权限跑？Anthropic 这次发布的 Agent Identity 访问模型，说白了就是给 Claude 发了个带权限的「工牌」。管理员可以给它配独立的账号，限定它能访问哪些工具和文档。这样一来，AI 在团队里干活的思路就变了：它不再是「顶着张三的名义在操作」，而是以一个可信的、有明确边界的团队成员身份在跑。对于正在试「人机协作」的团队来说，这个方向值得盯着。
原文：https://claude.com/blog/agent-identity-access-model
@Claude 正式进驻 Slack，不再只是聊天机器人，更像一个蹲在频道里、会主动跟进任务的实习生。
Anthropic 还同时放出了一个更「感知得到」的东西：Claude Tag 的 Slack 集成。在企业版或团队版 Slack 里直接 @Claude，它就会跳出来干活。跟以前的私聊助手不同，群里所有人都能看到它在做什么、能接着别人没干完的活儿继续往下问。有趣的是，如果管理员开启了「ambient」模式，它还能主动感知频道外的信息——比如别的组新出了一个跟你相关的文档，它会自己跑来提醒你。还会盯那些好久没更新的任务，催你一下。虽然听着有点「太能干了」，但 Anthropic 强调，每个频道的权限都可以「卡得很死」。这事先在测试期开放，不急，先看看第一批用户的反馈。
原文：https://www.engadget.com/2199619/anthropic-announces-claude-tag-for-slack
Meta 摘掉雷朋标签，自己下场做智能眼镜——三款新样式，价格压到 299 美元起步。
过去三年，一提起 Meta 智能眼镜，大家脑子里蹦出的就是 Ray-Ban。昨天 Meta 直接摘了联名，推出了 Adventurer、Fury 和凯莉·詹娜合作款 Starfire 三款自有品牌眼镜。价格也压下来了：Adventurer 和 Fury 都是 299 美元，比上一代雷朋版便宜了 80 美元。功能上没大改——还是无屏设计，能拍照、拍视频、跟 AI 语音交互，预装了最新模型。但 Meta 透露了两个未来方向挺有意思：一是可能出「不带摄像头」的版本，只做语音交互；二是终极目标是想让眼镜能认出来你认识的人、主动告诉你「前面是张三」。虽然现在还在堆硬件阶段，但如果你对「日常穿戴的 AI 助手」这个品类好奇，这个价格门槛显然更容易下手试试了。
ChatGPT 在健康问答上又往前走了一步：GPT-5.5 Instant 能更好地理解你的体检报告和用药问题了。
OpenAI 说，每周有超过 2.3 亿人用 ChatGPT 问健康和养生相关的事——看不懂体检单、不知道怎么跟医生沟通、想养成好习惯之类的。这次他们把 GPT-5.5 Instant 的健康推理能力拉高了一大截，在识别紧急情况、询问关键背景、说清楚不确定性这些问题上，跟他们的前沿推理模型水平相当。值得一提的是，整个评估过程是由一群医生带着做的——他们来看模型答得好不好、哪里会出纰漏。不过目前还只是单纯的问答辅助，不是诊疗。如果你之前用 ChatGPT 查过健康问题，现在可以拿同一份体检报告或用药说明再问一遍，看看它给出的解释是不是更清楚、更谨慎了。
原文：https://openai.com/index/improving-health-intelligence-in-chatgpt
贤者视角
Simon Willison 推荐了一篇把提示注入讲得很透的论文：模型更看重文字的「风格」而不是内容本身，这本身就是个大隐患。
Simon Willison 热衷于让普通人也能看懂论文。这次他推荐的是一篇关于提示注入的研究，论文把这个问题重新命名为「角色混淆」——挺贴切的。简单说就是，如果你在聊天里给 AI 一段看起来像它自己系统提示的文本，它可能会被文字的风格带跑，而不是按内容判断这段话是谁说的。研究人员发现，用稍微不一样的方式改写同一句话（比如把语气变一下），AI 的反应就从「被攻破」变成了「严词拒绝」。这说明，现在靠「把系统提示和用户输入隔开」的思路，本身就不够可靠。对于在内部系统里用 AI 做客服或自动化处理的人来说，这值得多想一步：你不能假设 AI 能分得清谁在说话。
原文：https://simonwillison.net/2026/Jun/22/prompt-injection-as-role-confusion
InfoQ 点出了企业 AI 落地的两难：造助手的人 63% 不是开发者，但规模化管理的账，企业还没算明白。
InfoQ 引了一组很能说明问题的数字：用 Vibe Coding 做应用的人里，63% 以前从没写过代码；安克创新这家公司更猛——一年内从几个智能体飙到 600 多个流程助手，几乎覆盖了所有业务。说白了，造 AI 助手的门槛已经低到每个业务员都能上手了。但这正是企业的头疼点。不管吧，安全没人审、同一个系统被三个团队各接一遍、风险接口越堆越多。一个一个管吧，每个助手都拿去评审、加护栏，IT 部门直接扛不住。InfoQ 把 AWS 的解法总结成了三层：先让企业知道「自己到底有多少个助手、谁在建、接了哪些系统」；然后看清每个助手在干什么、有没有越权；最后只给关键助手加可靠性保障，而不是一刀切。如果你公司里已经有人在自己默默搭 AI 工具，这思路值得拿去跟技术负责人聊一聊。
原文：https://www.infoq.cn/article/UXZBCoYhBRFN0WRLVR5x
SpaceX 靠出租 GPU 给 AI 公司，年收入悄然飙到 280 亿美元——算力已经变成了一种新型云服务。
AINews 引了一个挺震撼的数字：SpaceX 的星链业务光靠出租 GPU，给 Anthropic、谷歌、还有刚签的 Reflection AI 提供算力，月收入已经达到 23.2 亿美元，一年下来就是 280 亿。这个体量已经是 Coreweave 年收入的两倍。这跟普通用户有什么关系？你看，以前训练大模型是少数几家巨头的事，现在连 Reflection 这样的开源模型公司都直接租 SpaceX 的算力卡来训模型。算力的流动正在变快、变便宜，最终溢出来就是更多、更好用的开源模型。你今天用的某个 AI 工具，说不定背后跑的算力就在近地轨道上。
原文：https://www.latent.space/p/ainews-spacex-is-already-a-28byr
开发者补给站
Simon Willison 在浏览器里搭了个测试场，想看看能不能直接在网页上编辑本地的 SQLite 数据库。
Simon Willison 最近在想，Datasette Lite——那个在浏览器里跑完整 Python 应用的工具——能不能不只是「读」数据，还能「写」？这就需要用上 OPFS（浏览器本地文件系统）配合 Pyodide（在浏览器里跑 Python 的方案）。他直接用 Claude Code for web 搓了个测试界面，能在不同浏览器里试试这套组合能不能稳定编辑持久化的 SQLite 文件。如果你在维护需要本地存储的浏览器端应用，或者做数据工具的离线功能，这个方向值得跟一下：一旦 Pyodide 能稳定读写本地文件，很多以前必须靠服务器才能干的数据清洗、分析工作，以后在浏览器里就能搞定了。
原文：https://simonwillison.net/2026/Jun/23/opfs-pyodide
AWS 手把手教你用 Bedrock AgentCore 搭一个蛋白质研究助手，把自然语言提问和向量搜索串了起来。
AWS 官方博客出了一篇实践教程，演示怎么用 Bedrock AgentCore 搭一个能听懂人话的蛋白质研究助手。整个思路是这样的：你用自然语言问「给我找 10 个跟登革热病毒肽相似的序列」，系统先解析你的问题，提取出结构化参数，然后用专门的模型去做向量相似度搜索，最后把结果用自然语言总结出来。背后用的技术栈主要是 Strands Agents SDK 做工具编排、Bedrock AgentCore 做生产部署，外加 pgvector 做向量存储。这篇写得很实操，从解析用户输入到部署成服务，每一步都给出了代码和架构图。对于做生信、制药方向，或者单纯想看看怎么把 Agent 和向量数据库揉在一起用的开发者，可以直接照着跑一遍。
好物挖掘机
Rosply：一个能直接操控你电脑的 AI 助手，自动移动鼠标、打字、点按钮，把活干完。
Rosply 刚在 Product Hunt 上发布，做的事很直接：它能看到你的屏幕，然后自己移动鼠标、敲键盘、点击按钮，在你电脑上把任务跑完。Windows、Mac、Linux 都能用，底层模型通过 OpenRouter 可以接任何视觉能力够强的模型，不会被某一家绑死。开发者可以把它跟 Claude Code 或 MCP 集成，让它不只是写代码，而是帮你在本地跑编译、验证、部署。普通用户也能拿它做日常重复性的事——比如定期从某个网页拉数据、填表、整理文件夹。不过它需要电脑的控制权，如果你是第一次接触这类工具，先拿一个不涉及敏感数据的简单任务试试手，确认它每一步操作都符合你的预期再放手。