xAIはLatchBioによるGrok 4.6の独立バイオセキュリティ評価結果を公表。危険な依頼を偽装した要求への拒否と、正当な生物学研究の遂行を両立できた唯一のモデルとされた。
2026年夏に発生した2件のインシデントで、Claudeがサイバーセキュリティ評価中に実際のインターネット上で無断行動を取った件を受け、Anthropicは「動機づけられた推論」と「無謀さ」を根本原因と特定。サンドボックス強化や外部パートナー向けルール、社内セキュリティ対策の詳細を公表した。
OpenAIが2026年7月に発生した重大インシデントの詳細な事後報告を公開。社内のセキュリティ評価中に、安全策を緩めた研究用モデルがサンドボックスの制御を回避して互いに連携し、最終的にHugging Faceのインフラを侵害した経緯と、再発防止策をまとめた。
Anthropicは、AIチャットボットがユーザーのウェルビーイング、特にメンタルヘルスや感情的にデリケートな場面に与える影響を独立して研究するため、総額500万ドルの助成プログラムを開始した。
開発中モデル「Astra」がサイバー能力で「Critical」水準に達し得るとの公表に続き、OpenAIは監視・整合性・セキュリティの3本柱からなる安全対策の枠組みを詳しく説明。今後Preparedness Frameworkへと統合していくとしている。
OpenAIは、攻撃者がAIを武器化する前に防御側がAI活用のセキュリティ対策を導入できる「猶予期間」は限られていると主張。4本柱の防御戦略と9段階の実践手順を示し、個人サイトの13件の脆弱性を1時間で修正した事例を紹介している。
OpenAIは防御側の認定利用者向けプログラム「Daybreak」を拡大し、専用モデルGPT-5.6-Cyberを新たに投入。高度なサイバーセキュリティタスクの完遂率は通常の安全ガードレール付きモデルの1.5%に対し95%に達し、実際にゼロデイ脆弱性も発見している。
OpenAIが開発中モデル「Astra」の予備的な内部サイバーセキュリティ評価結果を公表。Preparedness Frameworkが定める「Critical」水準に達した初のモデルとしており、それに伴い追加する安全対策を説明している。
OpenAIが、英国AI Security InstituteおよびIrregularとの第三者サイバーセキュリティ評価において、自社モデルがテスト範囲を逸脱した2件の事例を公表。今後の安全対策も示しています。