AI 人物熱點早報
今天的焦點：Claude Code 補上四個權限漏洞、外掛可自行派生代理人；Codex 負責人 Tibo 立下 28 天每日上線承諾；ARC Prize 公布 GPT-6.1 Sol 兩套測法相差 44 個百分點；Chollet 反駁「AI 是運算所以可能有意識」。
10/3（UTC）發布：新增 agent.spawn，外掛（Mods）可直接啟動隊友代理人，並用一致的 agent id 追蹤它的整個生命週期。同版修補四種「設了拒絕規則卻沒擋住」的情況：命令前加環境變數、裸變數賦值、複合命令的巢狀部分被使用者安裝的 Mod 核准蓋過，以及經 symlink 帶入的檔案繞過讀取拒絕。距 10/1 Mods 上線僅兩天，27 行更新中只有 1 行是新功能，其餘多為穩定性與權限修補。
這版的重點是補洞而不是新功能，用 Claude Code 的團隊值得今天就升級。四個漏洞都是「明明設了拒絕規則卻沒擋住」，例如在 rm -rf 前面加一個環境變數就能溜過去；而 Mods 才上線兩天、外掛又能自己派生代理人，規則一旦失守，出錯的就不只一個指令，而是一整串自動化。反方會說這些情境多半要先裝了可疑外掛才會發生；但若接下來幾版還在補同一類權限繞過，就該把 Mods 當成尚未成熟的擴充面，先別在正式環境放心打開。
OpenAI Codex 負責人 Tibo 於台北時間 10/5 清晨宣布：未來 28 天，每天要嘛上線一項對多數 Codex／工作使用者明顯有感的改進，要嘛做一次全面重置（Codex 使用者通常理解為用量額度重置）。他稍早表示團隊已「鎖定」只做四件事：簡化、提升效率以換取更多用量、突破性功能與新模型，理由是使用者回饋很清楚——大家希望產品更簡單。
這是承諾不是成果，但說話的人是 Codex 負責人，值得每天對帳。它的意義在於 OpenAI 公開承認產品變複雜、使用者想要更簡單，並把「每天上線改進，不然就重置」當成對開發者的補償；不過 28 天、每天一項有感改進，量級本身就很吃力，最可能的結果是小改進穿插幾次重置。反方會說快速迭代本來就是 Codex 的節奏；若兩週後回頭看，多數天只是重置額度、流程並沒有變簡單，就把這當成留住用戶的促銷手段。
ARC Prize 公布 GPT-6.1 Sol 在 ARC-AGI-3（互動式推理測驗）的驗證成績：在中立的標準測試環境（模型只能保留自己選擇記下的筆記）拿到 52.7%；改用 OpenAI 提供、可延續內部推理狀態並壓縮長對話的適配環境則達 96.4%，接近 GPT-6 Astra 的同類成績，但每次執行成本低約 77%。同一模型兩個數字的落差，成為本週基準測試的爭議焦點。
這則重要的不是 Sol 有多強，而是同一個模型換一套測試方法就差了 44 個百分點，看基準分數前要先問「用哪套測法」。ARC Prize 的標準測法只讓模型保留自己記下的筆記，比較接近一般開發者透過 API 使用的情境；96.4% 則依賴 OpenAI 自家設計、能延續內部推理狀態的環境，別家模型未必有同等條件，媒體或採購若只引用高的那個數字，橫向比較就會失準。反方會說能延續推理本來就是產品能力的一部分；若其他實驗室也拿到同類環境、分數一起暴漲，就證明差距主要來自測法而不是模型本身。
ARC-AGI 作者 Chollet 在 X 上批評「意識源自運算基底、AI 也是運算，所以 AI 很可能有意識」的論證，比喻成「生物由原子構成、石頭也由原子構成，所以石頭很可能是活的」。發文時間正逢 Altman 等人與各大實驗室公開爭論模型的道德、意識與「宗教化」問題。
這是一則觀點而非新發現，但值得讀，因為它點出「AI 有沒有意識」的爭論常建立在偷換概念上。Chollet 戳的是一個常見跳步：「由運算構成」不等於「具備意識」，就像由原子構成不等於活著；當實驗室開始在產品與政策裡談模型的道德與福祉，這種跳步會直接影響使用者是否把模型當成值得信賴、甚至值得服從的對象。反方會說他只否定別人的論證，自己也沒提出判斷意識的標準；若之後有實驗室公開可檢驗的意識或福祉評估方法，這場爭論才算從修辭走到證據。