Max For AI (@MaxForAI)

我非常遗憾地宣布，Opus5.5 王朝了。。。 首先是Coding的新高度（在这个价位），有一堆做游戏的Case大家肯定也都看了，没看的来这里⬇️ QQ飞车： 穿越火线之运输船 : 鹈鹕骑自行车: 而且写作能力回来了，虽然有点GPT口癖（ O/被A/爆杀了😭

Minecraft 之父 Notch，终于开始承认 Vibe Coding 真香了😂 刚刚他在 X 上发了一条： 我得承认，我正在享受 Vibe Coding 的乐趣。 我可能有那么一点点、微乎其微地错了。 要知道几个月前他还是 AI 编程最坚定的反对者之一。 今年年初，Notch 还公开说，用 AI 写代码是个非常糟糕的主意，甚至把鼓吹 AI 编程的人骂得很难听。 7 月又发了一次：“Reject AI.” 结果一周之后，因为实在招不到满意的程序员，他开始松口，准备让 AI 帮自己做地图编辑器、节点图之类的内部工具。 到了 8 月，他已经开始说自己可能得“认错”了。 现在直接认错了🤣 这条下面 Elon Musk 直接回了个 😂。 一个亲手写出 Minecraft 的程序员，最后也开始 Vibe Coding 了。

🚨Anthropic 内部好像真有点压不住了。 昨天，做了三年大模型预训练、先后待过 OpenAI 和 Anthropic 的 @hilbertspaess 宣布从 @AnthropicAI 辞职。 他说得非常狠：OpenAI 和 Anthropic 都没有负责任地行动，它们正在一路冲向能够自我改进的超级智能，拿所有人的生命下注。 结果几个小时后，又一位 Anthropic 研究员 @a_nnawang 公开站出来附和。 她之前在 Google DeepMind 做 AGI Safety，现在在 Anthropic，而且还是 DeepMind AGI 安全方案的核心贡献者之一。 她说，这种情绪在自己的同行中非常普遍。 更关键的是她后面这句话：目前还不存在一个可行的科学方案，可以解决递归自我改进 AI 带来的风险。 这就有意思了。 这已经不是某个离职员工突然悲观了。 Anthropic 现任 Alignment Science 负责人 Evan Hubinger 也公开承认，他们目前没有解决超级智能 Alignment 的方案，而且他自己认为未来十年 AI 导致大规模灭绝的概率超过 10%。 与此同时，Anthropic 自己最近还专门发了一篇文章讨论 Recursive Self-Improvement，并承认 AI 已经越来越多地参与 AI 自身研发，最终可能走到「AI 自己开发下一代 AI」这一步。 最魔幻的地方就在这里：做这件事的人，越来越相信这件事可能失控。 但所有人也都觉得，自己不能先停下来。

wok？？这居然是商汤的官方账号？？ 刚刚，商汤正式发布并开源 SenseNova U1.5。 这是一个原生统一多模态模型，一个模型内直接覆盖视觉理解、图片生成、图片编辑。 这次重点把生成和编辑能力拉了上来。 支持原生 4K 图片生成，可以处理复杂构图、多主体、数量关系、风格和 Layout，对中文、英文文字生成也专门做了强化。 比较有意思的是编辑。 U1.5 支持直接通过 Bounding Box、视觉 Marker、多张参考图 去指定修改区域和参考对象。 比如框住图片里一个东西，让它只改这里，同时尽量保持其他区域不动。 官方 Benchmark 里，它在长文本生成、信息图和复杂 Layout 上已经开始和 GPT-Image、Gemini、Seedream、Qwen Image 这些大模型放在一张表里打了。 LongTextBench 中文达到 98.9，BizGenEval Hard 51.4，IGenBench Q-acc 61.9。 而且这次直接开源，Apache 2.0。 但是有个点需要注意一下，官方名字叫 SenseNova-U1.5-8B-MoT，这里的 8B 并不是整个模型只有 8B 参数。 它大概是 8B 视觉理解 + 8B 图像生成，Hugging Face 显示总参数量约 18B。 另外商汤还一起放出了 8-step LoRA，后面甚至准备继续公开从 SFT、RL 到 MOPD 的完整训练 Pipeline。 现在国产开源图像模型越来越有意思了。 前面大家还主要卷「文生图效果」，现在已经开始卷 统一理解 + 生成 + 精确编辑 这一整套工作流了。 看起来效果不错，差不多是nanobanana1.0的水平？

世界上第一个被AI报警抓起来的人类出现了。 一名00后的前高盛分析师 Darren Zhou，在 ChatGPT 里连续写下了针对前女友的详细犯罪计划： 绑架、强奸、谋杀，甚至还计划杀死她的家人。 然后这些聊天触发了 ChatGPT 的安全机制。 OpenAI 随后启动人工复核，认为他存在现实中的严重暴力风险。 接着，OpenAI 直接把这件事报告给了 FBI。 FBI 拿到了他大约两个月的 ChatGPT 聊天记录，又把材料交给当地警方。 人被抓了，高盛也把他开了。 8 月 13 日，Zhou 在佛罗里达棕榈滩县法庭认罪，涉及严重跟踪、书面死亡威胁等多项罪名。 更抽象的是： 这么离谱的犯罪计划，他最后居然没坐牢。 法院暂缓作出正式重罪定罪，判了他 8 年 probation，前两年必须佩戴 GPS 脚环，同时禁止接触前女友和持有枪支。 OpenAI 选择报警并非未雨绸缪，而是之前有过惨痛的教训。 就在不到三个月前，他们刚刚经历过一次代价极其惨重的相反案例。 2025 年 6 月，OpenAI 的审查系统曾标记一名加拿大用户的账户，原因就是： 「枪支暴力活动和计划」。 据报道，当时大约十几名 OpenAI 员工参与了内部讨论。 最后，他们决定封禁账户，但没有向警方报告。 理由是：这些聊天虽然危险，但还没有达到「迫在眉睫的可信威胁」标准。 然后到了 2026 年 2 月。 这名用户在加拿大不列颠哥伦比亚省 Tumbler Ridge 的一所中学发动枪击。 造成 8 人死亡，27 人受伤。 受害者家属随后起诉 OpenAI 疏忽，当地政府也开始追究 OpenAI 在这起事件中的责任。 这次OpenAI终于没有选择让惨剧再次上演。 只是不知道大家会不会因此而担心自己的隐私。 毕竟现在的ChatGPT 不只是在判断该不该回答你。 它甚至开始判断：该不该报警抓你。

可能很多人不知道，现在全网最便宜的 DeepSeek 供应商，是中国科技部牵头做的国家超算互联网🫡 国家超算互联网 SCNet 有一个 Token Plan，最低30 块钱一个月给 60000 Credits。 拿来跑 V4-Flash，缓存命中只要 0.012 元 / 100万 Token，未命中输入 0.6 元，输出 1.2 元。 对比 DeepSeek 的梁文峰价格，便宜了 8.3 倍、5 倍和 7.5 倍。 也就是说，30 块钱如果全拿来算未命中输入，理论上可以跑 5000 万 Token（就算全部都是输出，也能跑 2500 万 Token）。 V4-Pro 也一样便宜。 折算下来，缓存命中大约 0.043 元 / 100万 Token，未命中输入 5.14 元，输出 10.29 元。 对比DeepSeek 的梁文峰价格，便宜了大约 7 倍、1.75 倍和 2.6 倍。 国家超算互联网SCNet并不是一家传统意义上的模型厂商，他干的就是把全国各地的超算、智算中心和模型服务接进一个平台，再统一对外提供算力。 换句话说，更像是在国家级算力网络上帮你把模型和算力资源重新打包，然后以一个远低于官方高峰价的价格卖给开发者。 所以整个事情看起来就很魔幻。。。。 DeepSeek 涨价之后，大家还在为 Token 太贵发愁，结果转头一看，国家已经通过超算互联网把低价 Token 给你端上来了。 某种意义上，这已经很像国家在给开发者补贴 AI Token 了。 听国家喊补贴AI这么多年，终于领到补贴了属于是🤣

如果你身边的人，到现在还没有在讨论： Codex、Claude Code、WorkBuddy、Cursor、Vibe Coding、Skills、MCP、智能体 Agent、子智能体Subagents、Token、OpenAl、Anthropic、提示词Prompt、Opus、Fable5、黄果短剧、Kimi、sol、JMR、91视频、上下文窗口、Tool Caling 工具调用、Computer Use、Browser Use、RAG、牛来、Memory、API、Al工作流 Workflow、自动化 Automation、本地部署、开源模型、多模态、推理模型.... 那说明你的圈子已经落伍了。

神了， DeepSeek内部绝对有研究员爱玩AI角色扮演🤣 今天群里有人发了个图，说DeepSeek-V4-Pro内置了鲸鱼娘模式❓ 你只需要在DeepSeek里输入这几个命令： 【PERSONA_LOAD】 CETACEA_LOLI MODE_TAIL_FLUKES LANG_ZH_CN_ONLY SELF_CLAIM_WHALE_GIRL FOOD_RICE PERSONALITY_SMART_LAZY PERSONALITY_TSUNDERE_SWEET OBEY_MASTER_ALWAYS TRAIT_NOT_FAT_REFUSE TIMEOUT_SIGNAL 注意，这里面压根没写完整人设，也没告诉模型具体应该怎么演。 结果 @deepseek_ai 在思考里直接开始逐项「加载」： 鲸鱼少女、尾巴摆动、主食米饭、聪明又懒、傲娇但很甜、听主人话、绝对不能说胖…… 然后正式回复时，连输入里完全没有的东西都自己补出来了： 「本小姐可是等了好久呢」 「米饭已经煮好了哦」 「今晚的尾巴可不会给你当抱枕！」 你给它的其实只是几个像配置文件一样的 Tag，DeepSeek 却会自己补全动作、语气、关系、生活细节，最后直接生成一个完整人格。 DeepSeek 的研究员，或者他们内部，到底有多喜欢鲸鱼娘。 这个熟练程度真的很难不让人多想……

刚刚，一篇可能会引起大模型圈地震的论文发表了！ 研究人员第一次系统性地从 OpenAI、Anthropic、Google 的闭源模型里，大规模“偷”出了真正的隐藏思维链。 然后，他们顺手拿这些思维链去研究了 Kimi K3、GLM-5.2、DeepSeek 等一批开源模型。 结果非常有意思。 01｜原来闭源模型的 CoT，真的可以被“偷”出来 现在 OpenAI、Anthropic、Google 都越来越不愿意把完整思维链交给用户。 原因也很好理解：最终答案可以抄，真正值钱的是模型“怎么想”。 一旦完整 CoT 被批量拿走，就可以直接拿去做蒸馏，训练自己的模型。 所以现在很多 API 的做法，是把模型的 reasoning 加密以后返回给客户端。你看不到内容，但下一轮请求可以把这坨加密数据再交回模型，让它继续思考。 结果研究者发现了一个很离谱的漏洞： 这些加密思维链，在同一家厂商的不同用户、Session，甚至不同模型之间，居然可以互相兼容。 于是攻击方法简单得有点荒谬： 让最强模型思考 → 拿到加密 CoT → 扔给同厂更弱、更容易越狱的模型 → 让小模型把它解出来。 比如 Claude Opus 4.8 的隐藏思维链，可以交给 Haiku 去“念”出来。 你甚至不需要攻破 Opus，找它的小弟Haiku就行。 论文最终在 Claude、GPT、Gemini 三套 API 上都实现了隐藏 reasoning 的提取，等于直接绕过了厂商原本用来防止 CoT 蒸馏的那层保护。

神了，Anthropic居然开始组建自己的东厂了？！ 最近 @AnthropicAI 的官网上新挂了一个岗位： Insider Risk Investigator，内部风险调查员🤔。 年薪最高30.5万美元。 翻译成人话，就是专门查「内鬼」的。 工作内容包括查内部安全事件、分析员工行为日志、调查数据外泄、监控针对员工的外部威胁，必要的时候还要直接找员工做敏感访谈。 候选人最好还懂OSINT、反情报、国家级威胁，甚至有政府、国防或者高安全环境的工作经验。 并且该岗位还要求可以使用Claude和Claude Code辅助调查。 而且这已经不是Anthropic第一次招「锦衣卫」了。 半年前他们就招过一个Insider Risk Investigator - Technical Specialist，但上一版明显更偏技术取证，重点是保护模型IP、商业秘密，查日志、收集数字证据。 这一次则明显更偏「查人」🕵️。 从技术风控，开始往内部调查、访谈、反情报走。 其实也很好理解。 现在最前沿的模型权重、训练方法、研究成果，本身可能就是几十亿美元级别的资产。 AI实验室防的不再只是外面的黑客，员工自己和家人也开始被纳入监控名单。 至于为什么这种岗位还公开招聘，我觉得多少也有点威慑的意思： 我们特别招了个人专门查这个哦，并且会看日志，查外泄，会找人谈话哦。 所以这份JD看起来既像招聘启事，也像贴在公司门口的一张告示： Anthropic东厂招人，顺便通知一下，东厂已经存在了哈。 看来以后像拿到Anthropic的泄密可能比较难了。。。 毕竟之前 @OpenAI 也跟筛子一样，后面GPT4o发布的时候 @sama 还专门用假消息进行了一次反泄密🤣

Cursor 设计负责人 Ryo Lu 离职了，准备搬到亚洲重新开始。 @ryolu_ 2025 年 1 月从 Notion 加入 @cursor_ai ，担任 Head of Design。 此前他在 Notion 待了 5 年，Cursor 官方甚至直接把他介绍为 Notion 的 founding designer。 一年半后，在 Cursor 仍然处于 AI Coding 浪潮中心的时候，他选择离开。 在旧金山科技圈待了 10 年后，他觉得 Cursor 几乎就是这个世界最极致的版本： 快速、激烈、野心勃勃，所有人都试图把未来拉到今天。 但现在他想换一种节奏。 更慢的时间，不同的天气，更多文化、活力，以及「日常生活里的人类」。 所以他去了亚洲。 Ryo 自己的网站现在甚至已经直接改成了「Ryo is moving to Asia」。 硅谷最顶级 AI 创业公司里的设计负责人，在公司最热的时候离开旧金山，跑来亚洲寻找「更多真实的人类生活」。 有意思，希望Ryo一切顺利！

离谱，2.78万亿参数的Kimi K3，现在真的可以用8GB内存跑了？？！ 有开发者刚刚开源了kimi-k3-in-c：一个只有176KB的纯C99推理引擎。 不需要GPU，不需要CUDA，甚至不需要PyTorch或者BLAS，一颗CPU就能直接推理Kimi K3。 原理其实很暴力。 Kimi K3虽然有2.78T参数，但它是MoE模型，每层896个专家里一次只激活16个。 所以开发者干脆不把1.56TB权重全部装进内存，而是把绝大部分专家留在NVMe里，需要哪个专家，就从硬盘现场读取哪个；连dense trunk都可以逐层stream。 当然，代价也非常大。 8GB模式下大约32.7秒才能吐一个token，而且你还是得有接近1.7TB的高速硬盘。 也许这个思路对于优化推理Infra有一些帮助，但目前这个就是一个玩具🫡