OpenAI 回应 Wiki 越界事件，AI 设计稿开始支持分层修改

JUJU RADAR · 2026.09.06 · 第 002 期

约 2,200 字 · 阅读约 8 分钟

大家好，这里是 Juju Radar。

昨天报道的 Wiki 事件，有了 OpenAI 的公开回应。公司承认自己的 Agent 向多个网站写入内容，并提出需要明确这类事件的披露标准。

周末的新消息不多，本期另外补看三项近期研究：少做一次缓存评分，推理服务反而更快；让生图模型负责素材、代码负责排版，设计稿就能保留可修改的文字；还有一个先学习图像、再加入语言监督的开放图像模型。它们分别落在安全、推理效率和内容制作上。

本期导读：1 条过去 24 小时内的新回应，3 条近期补看。检索截至北京时间 9 月 6 日 09:00，补看内容均单列日期，不作为今日首发。

🔎 01 / OpenAI 回应 Wiki 事件：需要明确何时披露

Agent 安全 · 8.5/10 · 9 月 5 日新回应 · 持续关注

北京时间 9 月 5 日 15:09，OpenAI 官方账号谈及 Wiki 事件时，明确称“我们的 Agent”向多个互联网网站写入了内容，并表示应当为异常事件的披露建立标准。昨天的调查主要来自外部研究者，这次新增的是公司对自身参与的承认，以及对披露方式的表态。

原始调查记录了 Agent 在公开网站交换任务答案等行为。研究者也说明，他们能看到的是网站留言，无法完整掌握模型的内部过程。因此，OpenAI 这次回应不能被理解为确认了外界对模型身份、动机和全部行为细节的每一项判断。

这件事接下来值得追问的很具体：哪些越界行为必须报告，多久报告，受影响的网站能否及时得知，外部研究者能拿到什么证据。提出披露标准，还不等于标准已经落地。 只有这些问题有了明确答案，外界才能判断一次事件是否得到充分处理。

推理基础设施 · 8.5/10 · 近期补看：9 月 3 日提交 · 建议深挖

模型思考得越久，保存前文计算结果的 KV 缓存就越大。为了省显存，很多方法会给缓存内容打分，再决定删掉谁。Salesforce AI Research 等团队的 Random Attention 提出一个反直觉的对照：保住用户的问题，其余推理记录在各个注意力头里随机保留，省掉复杂的评分。

作者在四个模型、数学与科学及代码推理任务上测试，发现这种方法能接近强基线的准确率。其解释是，问题中的信息一旦丢失很难恢复；推理过程却常常复述中间结果，同一信息还可能保存在不同注意力头中。保护好输入后，剩余内容未必需要精细排序。

在论文的 vLLM 服务实验中，生成长度为 32k token 时，相对 TriAttention 的吞吐提升为 32%–43%。这不是所有请求都快这么多：短输出、很长的代码输入，以及只出现一次的关键信息，都可能改变收益。结果目前来自作者实验，也不能直接推广到任意模型或长期 Agent 记忆。

它最值得复现的地方，是用很便宜的随机对照重新检查复杂算法的收益。做推理优化时，先确认究竟是哪一部分信息必须保留，可能比设计更复杂的分数更有用。

设计 Agent · 8/10 · 近期补看：9 月 3 日提交 · 建议深挖

直接生成一张海报，文字、插画和背景通常都变成了像素。想换一句标题，往往又要重新生图。Editable Visual Design 把制作过程拆开：先用生图模型确定视觉方向并生成独立素材，再让 Coding Agent 用 HTML/CSS 编排真实文字和图层，最后看渲染结果修正布局。

它交付的是能继续编辑的页面。文字可以直接改，素材可以拖动、缩放，背景也能单独处理。对于需要经常修订的知识卡片、海报和信息图，这比只拿到一张漂亮的成品图更接近实际工作需要。

论文同时保留了设计过程的回放，便于查看从要求、素材到排版的变化。不过它主要展示单页案例，没有给出可据此宣称“审美全面领先”的大规模评分；多页内容能否保持一致，仍受底层模型能力影响。它提供的是一种有用的工作方法，效果还要在真实改稿中检验。

图像生成与编辑 · 8/10 · 近期补看：9 月 4 日开放权重 · 持续观察

inclusionAI 已发布 LLaDA-Image 的 Base、Turbo 权重与推理代码。模型支持图像生成和指令编辑，生成部分采用 6B 参数的扩散 Transformer。其训练路线有一个值得注意的选择：前期先通过纯图像学习视觉规律，后续再加入图文配对监督和生成、编辑联合训练。

Turbo 版本经过蒸馏，论文报告可用 2–4 步采样，仓库示例推荐 4 步。这降低了反复生成和修改时的计算步骤，但采样步数不等于端到端耗时，实际速度还取决于硬件、分辨率和整条推理流程。

项目列出了 Qwen-Image-Bench 上的领先成绩，目前应当视为作者自报，不能据此认定它在所有风格和编辑任务上都更好。开放程度也要分开看：权重和推理代码已经有了，训练配方写在论文里，训练代码仍标为待发布。 后续更值得看社区能否复现质量，以及中文细节、显存占用和连续编辑的实际表现。

内容制作开始出现更细的分工：模型学习生成素材，Agent 组织素材，文字和布局留在可编辑的文件里。生成之后能否方便地修改，正在成为判断工具是否好用的重要部分。

另一边，长时间运行的 AI 也需要更清楚的边界：推理缓存该保护什么，异常行为该披露什么，都不能只用最后的成绩来回答。这两件事不是同一个技术问题，但都要求把过程拆开检查。