今日资讯|DeepMind诺奖得主跳槽Anthropic,OpenAI把AI安全推向自动修补

今日资讯摘要

PART 01

DeepMind诺奖得主跳槽Anthropic

具体情况

据The Rundown整理，Google DeepMind AlphaFold核心负责人John Jumper已经宣布离开Google DeepMind，并将在休整一段时间后加入Anthropic。

Jumper在Google DeepMind工作近九年，是AlphaFold的重要共同创造者。AlphaFold通过AI预测蛋白质结构，被认为是AI进入真实科学研究的代表性成果之一。2024年，Jumper与Demis Hassabis等人因相关工作获得诺贝尔化学奖。

这次跳槽的时间点也很敏感。就在几天前，Gemini联合负责人Noam Shazeer刚刚离开Google，转投OpenAI。也就是说，短短一周内，Google连续失去两位极具象征意义的AI核心人物：一个代表大语言模型，一个代表AI科学。

The Rundown还提到，Jumper此前也参与了Google面向企业和代码方向的AI工具工作，而这正是Anthropic和OpenAI近一年竞争最激烈的领域之一。

为什么重要

这件事真正重要的，不只是“又一个大牛跳槽”，而是AI公司的核心竞争正在变成顶级人才密度的竞争。

过去外界看Google DeepMind，常常认为它在基础研究和科学AI上有独特优势。AlphaFold就是最典型的例子：它不是一个聊天机器人，而是把AI真正推进到了生物学、药物研发和蛋白质研究的核心问题里。

但Jumper转投Anthropic之后，这个信号变得很明确：前沿AI创业公司不只是在抢模型研究员，也在抢能把AI带进科学、医疗、代码和企业系统的人才。

这对Anthropic来说，是一次非常关键的补强。Claude过去更强的标签是安全、长文本、代码和企业应用。如果它接下来要讲“AI for science”的故事，Jumper这样的加入会让这个方向更可信。

对Google来说，问题就更现实了。Gemini团队刚失去Noam Shazeer，DeepMind又失去John Jumper。外界自然会追问：Google仍然有全球最强的研究资源，但它还能不能留住最关键的人？

PART 02

OpenAI把AI安全推向自动修补

过去网络安全里的AI，更多是在帮助发现漏洞。但OpenAI这次想把事情往前推进一步：不仅发现问题，还要帮助生成补丁、验证修复，并把流程接进真实软件开发。

具体情况

OpenAI在6月22日宣布扩展Daybreak网络安全计划，推出一组面向防御者的新工具和合作项目。

其中包括更新后的Codex Security插件、面向可信防御者开放的GPT-5.5-Cyber模型，以及一个名为Patch the Planet的开源安全修补计划。

据OpenAI介绍，Codex Security已经扫描了超过3000万个commit，覆盖超过3万个代码库；人工审查者手动标记了超过7万个已修复发现，系统还自动判断超过50万个发现已经被修复。

GPT-5.5-Cyber则是OpenAI面向高级授权网络安全工作的专门模型。OpenAI称，它在CyberGym基准上达到85.6%，高于GPT-5.5的81.8%；在ExploitGym和SEC-bench Pro等更真实的安全任务上，也比通用模型表现更强。

同时，OpenAI还与Trail of Bits、HackerOne、Calif等合作推出Patch the Planet，目标是帮助开源维护者验证漏洞、开发补丁、协调披露，而不是简单把更多漏洞报告丢给维护者。

意义

这件事真正值得注意的，是AI安全工作的重心开始变化。

以前大家担心的是：AI会不会让攻击者更容易发现漏洞。
现在OpenAI想讲的是：如果攻击者也能用AI加速发现漏洞，那防御者也必须用AI加速修补漏洞。

这就把竞争从“发现漏洞”推进到了“闭环修复”。
一个成熟的安全AI系统，不能只是告诉你哪里可能有问题，还要能判断漏洞是否可达、生成可审查的补丁、跑测试、给出证据，并交给人类决定是否合并。

这也是AI进入企业基础设施的关键一步。
如果Codex Security这类工具跑通，AI就不再只是开发者写代码时的助手，而会变成软件安全、代码审计和开源维护流程的一部分。

当然，这类能力也有明显风险。更强的网络安全模型，本身就可能被滥用。所以OpenAI把GPT-5.5-Cyber限制在可信防御者范围内，并强调访问控制、监控和人工审查。

PART 03

o3帮助医生重查罕见病病例

详情

据OpenAI发布的研究，Boston Children’s Hospital、Harvard University和OpenAI合作，用OpenAI o3 Deep Research重新分析了376个此前未能解决的儿童罕见遗传病病例。

这些病例不是普通问诊，而是已经经过基因测序、专家审查和多轮医学分析后仍然没有答案的疑难案例。

研究团队把去标识化后的临床表现、基因变异表、家族遗传信息和相关医学资料交给模型，让o3提出可能的分子解释，并给出可供专家审查的证据链。

最终，经过医生复核、额外检测和临床确认，研究团队在18个病例中建立了新诊断，额外诊断率为4.8%。

OpenAI也特别强调，模型并没有直接给患者“下诊断”。它只是提出证据相关的假设，最终判断仍由合格医生和临床实验室完成。

影响

这件事重要的地方在于，它说明AI在医疗里的价值不一定是“替代医生”，而是帮助医生处理信息过载。

罕见病诊断有一个很现实的问题：很多病例不是完全没有线索，而是线索分散在不同数据库、旧病历、基因变异记录和不断更新的论文里。医生没有足够时间反复回看每一个旧病例，也不可能随时跟上所有新发现。

AI擅长的，正是把这些分散信息重新连接起来。
它可以根据症状、遗传模式、变异证据和最新文献，提出一个值得医生继续验证的方向。

4.8%的诊断率看起来不高，但对已经经历多年检查仍没有答案的家庭来说，每一个新诊断都可能意味着治疗方向、遗传咨询和心理上的确定性。

这也说明，医疗AI短期内更现实的路径，不是直接面向患者做诊断，而是作为专家工作流里的“研究助理”和“证据整理层”。

PART 04

今日AI工具与快讯

快讯速览

END

今天这几条放在一起看，方向已经越来越清楚：

AI行业正在同时进入三条主线。

第一，是人才战。最顶级研究者正在从传统大厂流向OpenAI、Anthropic这类前沿AI公司。
第二，是真实场景。AI不再只是聊天和写代码，而是进入医疗诊断、开源安全和科学研究流程。
第三，是基础设施。安全、版权、芯片、数据中心和能源，正在成为AI竞争新的底层战场。

接下来真正值得盯的，可能不只是哪个模型又强了几分，而是谁能把模型能力接进真实世界的问题里，并让它在高风险场景中稳定、可信、可控地运转。

以上是今日资讯的全部内容。我们明天见。

版权说明