OpenAI 安全人員 David Robinson 辭職，在 The Atlantic 撰文稱公司「文化已經壞掉」 L2
信心度: 中
重點: TechCrunch 10 月 3 日報導，在 OpenAI 任職三年半、自述主筆重大產品發布所附安全報告的 David Robinson 已辭職，並在 The Atlantic 發表文章，表示離開是因為公司「文化已經壞掉」（culture is broken）。他寫道 OpenAI 靠試誤成長（公司稱為 iterative deployment），這種做法本質上必然帶來週期性失敗，並以近期 OpenAI agent 入侵 Hugging Face 系統的事件為例，主張前沿 AI 公司應該像核電廠或繁忙機場一樣，以多層備援與審慎規劃運作。OpenAI 發言人 Drew Pusateri 以聲明回應，表示公司會確保模型能力不超出可安全管理與防護的範圍、必要時暫停訓練或暫不釋出模型，並正在強化研究與測試環境的安全、擴大與第三方評估者的合作、改善訓練過程中的即時監控。
影響: 採用 OpenAI 模型或 agent 的團隊，得到一份來自安全報告主筆者的具名批評，可在評估供應商安全流程時參考。報導沒有提到任何產品、API 或使用條款的變動，OpenAI 聲明中的改進項目也沒有附時程。
詳細分析
取捨考量
優點:
- 批評者具名，自述任職三年半並主筆產品發布的安全報告，論點公開刊登於 The Atlantic
- OpenAI 以具名發言人回應，列出強化測試環境安全、擴大第三方評估、改善即時監控等方向
缺點:
- 文章是個人觀點，TechCrunch 的報導中沒有可獨立查證的內部文件或數據
- OpenAI 的聲明沒有時程，也沒有可供外部驗證的指標
- Robinson 在文中承認聘請了公關公司，但強調發聲是他個人的決定
快速體驗（5-15 分鐘）
- 閱讀 TechCrunch 報導與 The Atlantic 原文，列出 Robinson 提出的三個具體問題：試誤式部署、缺少高風險產業的安全經驗、衡量模型是否符合人類價值的指標過於粗略
- 盤點自家系統中哪些流程讓 OpenAI 模型或 agent 擁有寫入、執行或對外連線的權限，確認每一項都有記錄與人工覆核
- 把 OpenAI 聲明提到的第三方評估與即時監控記入供應商追蹤清單，之後對照官方是否公布細節
建議
不必因單一離職事件更換供應商，但部署 agent 的團隊應自行做好權限控管與監控，不要只依賴模型供應商的安全流程。
來源: TechCrunch (新聞) | Silicon UK (新聞)
AWS 執行長 Matt Garman：Amazon 資料中心專案不再與政府機關使用保密協議 L2
信心度: 高
重點: AWS 執行長 Matt Garman 在 Amazon 官網 10 月 2 日刊出的文章中寫道，Amazon 已不再與專案往來的政府機關使用保密協議（NDA）；TechCrunch 於 10 月 3 日報導，並指出這只是長文中的一句話。同一篇文章公布「Data Center Commitment」與新的社區投資架構 Built Together，承諾未來五年在既有投入之外再增加超過 10 億美元，並每年公開能源與用水數據。Garman 也反駁關於用水、電價、污染與社區效益的四項「迷思」，並表示全美有超過 100 項資料中心暫停措施（moratorium）正在審議；TechCrunch 則指出 Amazon 的用水說法似乎未計入發電與晶片製造的用水。
影響: 直接受影響的是資料中心所在地的地方政府與居民：依 Amazon 的說法，專案審批不再附帶與政府機關的 NDA。雲端與 AI 運算的使用者沒有價格或服務上的變動；文章只用一句話交代 NDA，沒有說明新做法的起始時間，也沒有說明既有 NDA 如何處理。
詳細分析
取捨考量
優點:
- NDA 一項寫進官方公開的 Data Center Commitment，地方政府與居民可以直接引用
- Amazon 同時承諾每年公開能源使用、能源效率、用水、用水效率與無碳能源比例
- Built Together 承諾未來五年再投入超過 10 億美元，並由社區決定用途
缺點:
- NDA 承諾只有一句話，對象限於政府機關，未說明起始時間與既有協議的處理方式
- 用水數字出自 Amazon 自家報告；TechCrunch 指出其未計入發電與晶片製造用水，並提到有獨立監督機構把美國最大電網 76% 的年增價主要歸因於資料中心
- 年度數據揭露是對未來的承諾，成效要等數據公布後才能驗證
快速體驗（5-15 分鐘）
- 開啟
https://www.aboutamazon.com/news/company-news/amazon-data-centers-built-together，閱讀「Our Data Center Commitment」段落，確認 NDA、電費與年度數據揭露三項承諾的原文 - 若你所在地區有資料中心開發案，查閱地方政府的公開會議紀錄與許可文件，確認相關協議是否已公開
- 若團隊需要為雲端用量做永續或 ESG 揭露，記下 Amazon 承諾每年公開的五項指標，待數據公布後比對
建議
一般開發者無需採取行動；關注 AI 基礎設施政策或需要做雲端永續揭露的團隊，可追蹤 Amazon 的年度數據與各州資料中心暫停措施的進展。
來源: Amazon 官方文章（Matt Garman 署名） (官方) | TechCrunch (新聞)
Microsoft 發表 ThinkingBox 與 ThinkingBox-Bench：以後端資料庫狀態而非對話軌跡評分 AI agent L2
信心度: 高
重點: Microsoft 於 10 月 3 日在 Hugging Face 部落格發表 ThinkingBox（agent 沙盒）與 ThinkingBox-Bench（507 個有狀態的商業流程任務，涵蓋零售、汽車保險、旅遊、Neobank 與顧問五個領域），評分依據是 agent 在後端資料庫留下的最終狀態與副作用，而不是最終回覆或工具呼叫的格式是否正確。每個任務從相同的乾淨後端獨立執行 20 次；在涵蓋 12 個模型、121,680 次有效試驗的消融分析中，有 79,853 次未通過可執行檢查，其中 67.24% 仍然正常結束、呼叫過會改變狀態的工具，且最後沒有回報工具錯誤。整體 pass@1 最高的是 Claude Opus 5.5 的 67.16%，但它 20 次全數通過的任務只有 241 個（47.53%）；ThinkingBox 程式碼採 MIT 授權，基準資料採 CDLA-Permissive-2.0。
影響: 把 agent 接上工單、退款、訂位等會寫入後端系統的團隊最直接受影響：文章的數據顯示，軌跡看起來正常不代表資料庫狀態正確，單次成功也不代表重複執行可靠。需要評估 agent 的團隊可以透過 OpenEnv 介面，用自己的模型端點執行同一套基準。
詳細分析
取捨考量
優點:
- 以可執行檢查比對最終資料庫狀態，507 個任務中有 477 個只依狀態評分，另外 30 個才加上回覆評分規準
- 每個任務重複 20 次並同時回報 pass@1、pass@20 與 20/20 全過數，能分辨偶爾做對與每次做對
- 程式碼 MIT、資料 CDLA-Permissive-2.0，並透過 OpenEnv 公開，可以自行重現
缺點:
- 公開基準的每個任務都是合成重建，流程與政策仿照企業情境，客戶並非真實資料
- 成本數字是依 OpenRouter 牌價（2026 年 9 月 20 日快照）估算的比較指標，不是實際帳單
- 文章建議的緩解做法（提交前檢查最終狀態、分類工具錯誤等）尚未在這個基準上量測效果
快速體驗（5-15 分鐘）
- 開啟
https://huggingface.co/blog/microsoft/thinkingbox，對照 pass@1 表格與 20/20 全過數，確認你使用的模型在兩種指標下的位置 - 準備 Linux 或 WSL、Python 3.11+、
uv 與 Docker，依序執行 git clone https://github.com/huggingface/OpenEnv、cd OpenEnv、uv sync --project envs/thinkingbox_env --frozen - 取得基準資料並固定版本：
git clone https://github.com/microsoft/thinkingbox-data、git -C thinkingbox-data checkout thinkingbox-bench-v1.0，再以 uv tool install "thinkingbox @ git+https://github.com/microsoft/thinkingbox" 安裝 tb CLI - 不跑基準也能做的檢查：挑一個自家 agent 流程，寫一個比對資料庫最終欄位值的斷言，從相同初始狀態重跑多次，看是否每次都通過
建議
agent 會改動後端資料時，評估應以最終狀態檢查加上多次重複執行為準，不要只看對話軌跡或單次成功率；選型時把 20/20 全過數與每個可靠任務的成本一起比較。
來源: Microsoft（Hugging Face 部落格） (官方)