五角大楼计划让AI公司在机密数据上训练模型

据MIT Tech Review获悉，美国五角大楼正讨论为生成式AI公司搭建安全环境，使其能在机密数据上训练军事专用版本的模型。目前，Anthropic的Claude等模型已在机密环境中用于回答问题，例如分析伊朗境内的目标。但允许模型直接训练和学习机密数据将是新的进展，会带来独特的安全风险。

训练将在经认证的安全数据中心进行，模型副本与机密数据配对。国防部仍是数据所有者，但AI公司人员若具备相应安全许可，在极少数情况下可能访问数据。五角大楼计划先评估模型在非机密数据上的表现，再决定是否推进。

Mistral发布了Leanstral，首个专为Lean 4设计的开源代码代理。Lean 4是一个证明助手，可表达复杂数学对象和软件规范。Leanstral采用高度稀疏架构，拥有6B活跃参数，针对证明工程任务优化，利用并行推理和Lean作为完美验证器，在成本效率上优于现有闭源竞品。

在FLTEval基准测试中，Leanstral-120B-A6B以单次通过超越GLM5-744B-A40B和Kimi-K2.5-1T-32B等更大模型。即使与Qwen3.5-397B-A17B相比，Leanstral在pass@2时得分26.3，高于对手4次通过的25.4，并线性扩展至29.3。Leanstral权重以Apache 2.0许可发布，可通过Mistral vibe和免费API使用。

OpenSeeker是首个全开源搜索代理（模型和数据均开源），通过两项技术创新实现前沿性能：事实可扩展可控QA合成，通过拓扑扩展和实体混淆逆向工程网页图，生成复杂多跳推理任务；去噪轨迹合成，采用回顾性总结机制提升教师LLM生成高质量动作。

仅用11.7k合成样本进行单次SFT训练，OpenSeeker在BrowseComp、BrowseComp-ZH、xbench-DeepSearch和WideSearch等多个基准上达到最先进水平。在BrowseComp上，OpenSeeker得分29.5%，远超第二名全开源代理Deep Dive的15.3%；在BrowseComp-ZH上甚至超越通义Deep Research（48.4% vs 46.7%）。完整训练数据集和模型权重已开源。