博客精选。
How Diffusion Controller unifies and simplifies AI image generation
Google Research 于 2026 年 9 月 29 日发布的博客文章，介绍一种名为 Diffusion Controller 的轻量级“转向阻尼”网络，用于精确引导图像生成以提升提示词对齐效果。文中称它可无缝附加到包括访问受限的闭源模型上，在提升图像质量的同时不破坏基线稳定性，并讨论了现有推理时引导与微调方法彼此割裂的问题，提供了论文链接。内容面向对图像生成技术细节感兴趣的读者。
Grounding AI agents in biological reality: Building blocks for autonomous wet labs
Google Research 的一篇博客，介绍将 AI 智能体与实体实验室机器人结合、开展闭环分子设计循环的研究工作，报告了针对癌症靶点发现单位数纳摩尔级蛋白结合物。文章指出前沿模型在三维几何与物理状态推理上仍不可靠等挑战，并附有 VERID、智能体适配体沙箱和表位切除等相关论文链接。
Putting Earth AI to work: Geospatial agents for our planet's biggest challenges
这是 Google Research 的一篇博客，介绍其“地球 AI”项目下的地理空间推理智能体。文章称，将领域专用基础模型、空间工具与预先规划相结合，可使该智能体完成独立大模型无法胜任的复杂空间分析和地球尺度预测。文中提到同步发布一份技术报告，并通过 Ask Google Earth 和 Agent-to-Agent（A2A）服务扩大实验性访问范围。
谷歌 DeepMind 发布的介绍文章，提出将水印技术用于合成生物学。SynthID Bio 把不可感知的签名嵌入生物代码，使水印既能在数字模型上验证，也能在合成出的实体蛋白质上验证，并在实验室测试中保持其生物功能；文中还提到 AI 设计蛋白可能绕过 DNA 合成筛查、被错标的合成三维结构可能污染公共数据库等问题。
Accelerating the search for antimicrobial peptides with Google Antigravity
这是 Google DeepMind 的一篇技术文章，介绍利用其智能体开发平台 Google Antigravity 作为“智能体科学工作台”，帮助生物学家快速发现、结构评估并优先排序候选靶点，缩短原本分散于多个数据库的检索流程。文章称研究者借助可从氨基酸序列预测生物学功能的模型 ProtNLM 扫描 UniProt 中数以百万计的未表征蛋白，并给出一个技术演示：发现有候选抗菌肽对呼吸道感染相关病原体具有预测活性。
Disrupting a coordinated model-distillation campaign
OpenAI 安全类文章，介绍该公司如何阻止了一场试图提取其受保护模型推理内容的行动，以及如何加强对对抗性蒸馏的防御。正文分“我们观察到的内容”“对归因的评估”“为何重要”等部分。材料未说明具体面向的读者。
DevDay 2026 Recap
OpenAI 于 2026 年 9 月 29 日发布的 DevDay 2026 活动回顾页面。页面称这是迄今规模最大的一届 DevDay，涵盖 20 多项主要发布，涉及 GPT-6 Astra 等模型、ChatGPT、Codex、API、安全以及面向开发者构建者的新工具。适合关注 OpenAI 产品与开发者生态动态的读者。
Towards safety cases for frontier AI training
OpenAI 于 2026 年 9 月 28 日发布在安全栏目下的文章。文中给出其在
Advancing computer use with Ironclad
OpenAI 的一篇研究出版物，介绍与 Ironclad 的研究合作如何把复杂的合同工作流转化为训练任务，用于训练和评估 AI 智能体在专业工作中的计算机使用能力，文中包含 Astra 在该任务上的表现等内容。
Our approach to EU text provenance rules
OpenAI 安全类文章，说明在欧盟规则下对文本水印的处理方式，包括水印的适用范围、检测的工作方式，以及为何访问先从研究人员开始。文中还涉及水印的工作原理与表现、对输出质量的影响等问题。
A model guide for the GPT-6 family
OpenAI 于 2026 年 10 月发布的产品指南，面向创业者，讲如何选择 GPT-6 系列模型、调节推理力度、改进提示与技能、协调工具调用，并为生产环境准备工作流。文中含 TL;DR 与“在生产环境中有效运行”等章节，主题是在控制时间与成本的同时获得较好结果。
Asana cuts model costs 76x in browser tests with GPT-6.1 Sol
OpenAI 2026 年 10 月 9 日发布的客户案例，介绍企业级技术公司 Asana 在 Codex 中使用 GPT-6 Astra，使其浏览器代理在测试中成本降低 76 倍、速度提升 5 倍。页面标注的产品为 Codex，正文还列出“预计模型成本降低 76 倍”等数据条目。