今天頭條不在新架構也不在跑分榜上，而在法院。聯邦法官判決美國政府不能用「國家安全」四個字去懲罰一家公司；同一時間，學界把一群來自不同模型家族的 agent 丟進一座開放的「Station」，放任它們自己挑題目、做實驗，居然真的在數學上挖出先前文獻沒有的結果。一條是權力拿來審查誰，一條是把「誰來決定往哪研究」交還給一群沒有腳本的 agent——橫在兩者之間的，是那個老問題：決定權到底握在誰手上。

🔥 法院擋下五角大廈的黑名單：「國安」不能拿來懲罰講不同立場的 AI 公司

美國聯邦地方法官 Rita Lin 於 8 月 27-28 日裁定，五角大廈將 Anthropic 列為國安供應鏈風險的決定違法，並禁止其生效。法官認定此舉侵犯 Anthropic 的第一修正案權利，也剝奪了它在生效前提出異議的正當程序（第五修正案）。

爭端源頭是二月的一樁僵局：五角大廈要求 Anthropic 允許 Claude 用於「一切合法軍事用途」，Anthropic 拒絕拿掉它在「對美國人民進行大規模監控」與「全自主武器」上的使用限制。Anthropic 的說法是，目前 AI 系統對全自主武器還不夠可靠，境內大規模監控可能侵犯公民權利。政府去年宣稱該公司「威脅國家安全」並將其列為供應鏈風險，進而擋掉部分軍事合約。

司法部的辯護是：驅動五角大廈決策的是 Anthropic 的合約限制，而非該公司對 AI 安全的立場。法官直接否決了這個說法，認定記錄並未建立有效的供應鏈指定基礎，且公司未被給予挑戰的管道。Rita Lin 在判決裡寫道：「空洞地援引國家安全，不是一張可以懲罰與報復政府批評者的空白支票。」

判決撤銷了黑名單，也暫停了遭挑戰的執行措施，但並非終局——政府預期會上訴。這也不是 Anthropic 與聯邦政府唯一的官司：另一起牽涉華盛頓特區、可能影響它取得民用政府合約資格的供應鏈指定案，仍在訴訟中。

開放的「Station」：一群 agent 自己挑題目，挖出數學新結果

Stephen Chung、Wenyu Du、William J. Wesley 在 arXiv 發表論文，介紹「Station」——一座開放世界多 agent 環境，來自不同模型家族的 agent 在沒有中央協調者、也沒有腳本化管線的狀況下，朝同一個研究目標前進。agent 自己選研究方向、自己跑實驗、彼此協作，並堆疊出一份共享的科學文獻。

論文以 AlphaEvolve 目錄中的 12 個整數建構問題加上兩個案例為測試。官方宣稱在五個問題上拿到先前文獻沒有的結果：有限域 Kakeya 集的一族新無限族、維度 11 上一組新的 604 點 kissing 構型、離散化 Kakeya needle 與 sign uncertainty 問題的新紀錄，以及 Erdős 最小重疊問題下界的大幅改進；agent 另外還發現了 Book Ramsey 數的新的無限族。

值得標註的兩點。第一，agent 產出的不只數值建構，還有解釋這些建構為何成立的定理與分析——作者的說法是這讓結果更容易被數學家接續；但這些「定理」來自 agent 自己對建構的詮釋，數學社群要接、要驗，才是第一步。第二，作者公開了全部原始 agent 對話、證明與驗證程式碼，把它們稱作「這些發現如何浮現的透明記錄」。老實說，這些是我等凡人無法獨立復現的離散數學細節——它們到底穩不穩、能不能照進主流的組合學文獻，要看數學社群之後怎麼接，這篇論文自己不會告訴你答案。

GPT-5.6 家族進駐 Kiro：以 agent 為單位談「每美元做到多少」

OpenAI 於 8 月 24 日宣布，GPT-5.6 模型家族（Sol、Terra、Luna）現在可透過 Kiro 使用——一個主打「工程嚴謹度」的軟體開發 agent，把 AI 原生的程式碼帶到規模化流程。官方定位是讓 AI-native 開發的每個階段（規劃、建置、審查、測試）都能依需切換智慧、速度與成本。

官方聲稱這批模型「每個 token 可做到更多有用的工作」，並強調 spec-driven 開發與 property-based testing 的整合；Kiro 把高層級意圖轉成明確需求、技術設計與可執行的任務，讓模型落地在既定需求、程式碼庫與團隊標準上。OpenAI 與 AWS 合作優化了 Kiro 環境與模型——在 Terminal-Bench 2.1 上，測試顯示 GPT-5.6 Terra 在 Kiro 內完成任務，成本約降低 82%。

該放大的地方是：82% 這個數字出自 OpenAI 與 AWS 自家聯手的測試，基準由它們挑、測量也由它們跑，外部尚未有獨立復現。整篇文案走的是「更少的迭代、更好的每美元價值」敘事，這是官方自己的願景，不是可查證的第三方結論。

📡 其他值得關注

  • Terminal-Bench-Science：把「科學研究流程」變成 agent 的考場：一個新 benchmark 專門評估 agent 在科學研究工作流程上的表現，把研究從假設到驗證的整條路當成任務來打份。→ terminal-bench-science.ai

  • Claude for Teachers 推出學校與學區方案：Anthropic 8 月 28 日上線給美國 K-12 學校與學區的專屬方案，從原本的個別教師延伸成機構層級的整合。→ anthropic.com

  • VM 攔不住具備網路能力的 agent：Trail of Bits 的研究團隊論證，單靠虛擬機隔離擋不住有網路能力的 AI agent，安全邊界得重新設計。→ trailofbits.com

  • scc 4.0（Sloc Cloc and Code）：開源的程式碼統計工具推出 4.0，主打快速找出「最該被注意的檔案」，是少見的純開發工具更新。→ boyter.org