AINews 汇总：OpenAI 解雇三名安全研究员，GPT-6.1 Sol Ultrafast 与 Claude Haiku 5.5 发布
OpenAI 解雇了 Tomek Korbak、Mikita Balesni 和 Jasmine Wang 三名安全研究员，三人发表致领导层公开信称因“将安全置于公司短期利益之上”被辞退，OpenAI 方面称其不当处理机密信息。
推荐理由：汇总当日 AI 行业动态，涵盖安全人事、模型发布与评测争议，便于快速把握多条线索。
#NVIDIA
Latent Space精选
Ars Technica · AI精选 NVIDIA 押注物理 AI，推出面向 robotaxi 与人形机器人的全栈安全方案
NVIDIA 正大力投入物理 AI，其全栈安全解决方案已被机器人公司采用，目标是让 robotaxi 和人形机器人更安全。
Latent Space精选 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布约一年来首个 Haiku 层级更新 Claude Haiku 5.5，定价与 OpenAI 的 GPT-6 Luna 持平，官方称其平均运行成本比 Haiku 4.5 低约 75%。
推荐理由：汇总了 Claude Haiku 5.5 的定价、第三方评测与 token 消耗数据，可对照 GPT-6 Luna 等小模型的实际成本差异。
NVIDIA Blog精选 NVIDIA 与微软发布 RTX Spark 及 Windows 智能体运行基础设施
NVIDIA 与微软在旧金山 Windows AI 与 Surface 活动上宣布为 AI 智能体共同设计 Windows PC 的软硬件，微软公布 OS 级基础设施 Microsoft Execution Containers（MXC）正式可用，让智能体在系统管控下安全持久地在后台运行。
推荐理由：英伟达与微软把智能体运行环境下沉到 Windows 与本地硬件，读者可据此判断端侧 AI 的软硬件分工走向。
GitHub Blog · AI & ML GitHub 用微调分类器将密钥推送保护扩展至非结构化密钥
GitHub 与 Microsoft Applied Sciences 联合构建微调分类器，将推送保护扩展到非结构化密钥，可在不到 2 毫秒内评估整组候选密钥，有望让可拦截的密钥数量增加一倍以上。
Latent Space精选 OpenAI 内部模型发布 722 篇数学论文，称解决 500 个公开难题中的 90 个
OpenAI 从一个未公开的内部前沿模型发布了一批数学成果，公开在 GitHub 仓库中，包含 722 篇手稿、分为 372 个相关结果族，来自约 4000 个研究问题的评测，每个结果平均消耗约 3 小时 ChatGPT Pro 推理算力，模型本身仍未发布。
推荐理由：汇总 OpenAI 内部数学模型的发布规模与算力成本，并附数学家与质疑者的分歧，便于判断这批结果的可信边界。
Latent Space精选 Reflection 发布 Beam：501B 总参数 23B 激活的开源 MoE 模型
Reflection 发布 Beam，一个面向编程、智能体与科研任务的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，完整权重将以 Apache 2.0 协议在本月放出。
推荐理由：汇总了 Reflection Beam 开源权重发布及同期多个模型与训练方法的进展，便于横向比较美国开源模型与前沿水平的差距。
NVIDIA Blog精选 NVIDIA 推出 DGX Spark 64GB 配置，支持双机集群扩展本地 AI
NVIDIA 宣布本月起由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 等厂商推出 64GB 统一内存版 DGX Spark，预装 DGX OS 与 NVIDIA AI 软件栈，可本地运行最高 1000 亿参数模型。
推荐理由：NVIDIA 官方公布 DGX Spark 64GB 配置与双机集群方案，读者可据此了解本地 AI 推理的硬件门槛与扩展方式。
NVIDIA Blog精选 NVIDIA GPU 加速 OpenAI GPT-6 Astra Ultrafast 上线
GPT-6 Astra Ultrafast 已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，运行于 NVIDIA Blackwell GPU 之上。
推荐理由：OpenAI 与 NVIDIA 联合披露 GPT-6 Astra Ultrafast 的推理加速细节，可了解模型部署后持续优化性能的路径。
Microsoft Research精选 微软研究：将物理 AI 推理卸载到边缘与云端可提升机器人表现与续航
微软研究院发布针对物理 AI 机器人推理卸载的系统性研究，指出把推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软把机器人推理从机载 GPU 卸载到边缘与云端，并给出任务成功率与续航的量化对比，可据此理解物理 AI 的算力部署取舍。