Anthropic 在 2025 年 12 月到 2026 年 8 月期间，发现并打断了七类滥用 Claude 的行为：网络攻击、监控、舆论操纵、诈骗、生物武器、常规武器开发和非法蒸馏（即未经授权把大模型的能力偷出来训练自己的模型）。报告里最扎眼的一个判断是，AI 把技术门槛打下来了——以前需要国家级团队才能搞的多目标攻击，现在单个人就能干。公开的攻击...
推荐理由：Anthropic 的官方威胁情报报告，覆盖七类滥用，有具体打断案例。扣一点分是因为这是定期报告，不是突发新闻，而且正文摘要里没给具体的攻击手法细节，想看完整案例得去翻 PDF。
Anthropic 公开说月之暗面（Moonshot）在用户不知情的情况下，把本该由自家模型处理的请求转给了 Claude。目前这还只是 Anthropic 单方面的说法，文章没有给出具体证据、涉及多大规模、从什么时候开始。我会先打个折，把它当成一次公开喊话，而不是已经坐实的调查结论。
推荐理由：Anthropic 公开说月之暗面在用户不知情的情况下把请求转给 Claude，这本身是个硬碰硬的冲突故事。但文章只呈现了一方的指控，没有证据、没有规模、没有时间线，按'信息不足时往低档靠'的规则，先给 82 分，等后续有实锤再调整。
SWE-2 是 Cognition 在 Kimi K3 基座上用强化学习（RL）做后训练得到的编程模型，总参数量 2.8 万亿，每次推理激活 1040 亿参数。它在 Terminal-Bench 2.1 上拿了 92.8 分，是目前公开榜单里最高的；FrontierCode 1.1 Main 跑出 50.0 分，比 Claude Fable 5.1 低...
推荐理由：SWE-2 在 Terminal-Bench 2.1 上拿了 92.8 分，是目前公开最高分，甩开第二名近一倍，这个数字本身够硬。不过正文只给了模型参数和基座信息，没提训练成本、数据细节和实际部署表现，所以分数先收下，但别急着把它当成全面领先的证据。
FT观点：AI不会杀死SaaS，反而催生了新品类。早期恐慌说AI会终结软件订阅，但实际是AI agent和垂直工具这类新SaaS冒出来了。文章认为，那些把AI真正嵌入产品（不只是套个API）的传统SaaS公司，能涨价或提高留存率。正文没点名具体公司或数据，核心判断是：AI不是SaaS的终点，而是下一轮增长的催化剂。
Skild AI 发布了机器人基础模型 S1，核心卖点是看一段人类操作视频就能学会抓取、开门、拧瓶盖这类动作。训练方法是用 NVIDIA Isaac Sim 模拟器批量生成合成数据，再混入少量真人遥操作数据。在抓取、开门、拧瓶盖三项测试里成功率都超过 90%。换到新机器人本体上，只需要 5 分钟微调就能适配。不过正文没披露模型参数量和具体使用成本，这点...
Augment 团队公开了他们从 2025 年 11 月到 2026 年 7 月，用八个月把内部开发流程改造成“软件工厂”的过程和效果。他们没按软件生命周期顺序上自动化，而是哪里卡住就在哪里加 agent。结果人均规模调整产出从 12.3 涨到 55.7（4.5 倍），PR 合并中位时间从 11.2 小时降到 3.1 小时，14 天内回滚率从 1.9%...
推荐理由：Augment 拿自家产品改了内部开发流程，公开了八个月的真实数据，不是公关稿。4.5 倍人均产出和 3.1 小时 PR 合并时间很具体，但这是单一团队自报，没有第三方验证，所以分数停在 78。
LlamaIndex 把文档处理拆成两遍：第一遍用轻量 OCR 快速把文字全扫出来，第二遍只在碰到图表、扫描页等“硬骨头”时，才调用视觉模型（VLM）做深度识别。他们在 84 份 SEC 文件上试了这套流程，先靠元数据和文本检索定位相关页面，再对少数页面做深度 OCR。这个做法适合数据室里的交互式问答，但不适合离线批处理——每次提问都可能触发新的 VL...
推荐理由：LlamaIndex 这套两遍式文档处理是个扎实的工程方案，有 84 份 SEC 文件的实测数据，也坦白了适用边界。但它本质是工具链层面的效率优化，不是模型或产品层面的突破，所以行业影响偏温和。72 分刚好卡在 featured 门槛上，我会先打个折，不往上抬。
宾大团队用自研深度学习模型扫描现存和灭绝物种的基因组，找能对抗耐药菌的分子。传统方法找候选分子要几年，AI 把初筛压到几小时。ChatGPT 和 Codex 用来写代码、处理数据、跨学科沟通——比如生物背景的人用它写程序，程序员用它补生物知识。2021 年全球约 500 万人死于细菌耐药感染，预计 2050 年翻倍。但正文没披露找到了哪些具体分子、有没...
Feyn Labs 把 Meta 的 SAM 3 模型微调成了一个叫 MultiMatte 的背景移除工具。你只要输入“那只狗”这样的短语，它就能把狗留下，其余全删掉。这次微调只动了模型 2.27% 的参数，但在 DIS-VD 测试集上，结构相似度指标 S-measure 从 0.667 直接拉到了 0.901。核心改进是输出从二值遮罩换成了 alph...
推荐理由：Feyn Labs 把 Meta 的 SAM 3 微调成 MultiMatte，核心卖点是“用短语指挥抠图”。技术亮点在于只动了 2.27% 的参数，S-measure 就从 0.667 跳到 0.901，说明微调策略很省算力且效果明显。输出从二值遮罩换成 alpha 遮罩，边缘过渡更自然，这点对实际使用挺关键。不过正文没披露训练数据量和推理延迟，也没说在复杂背景或多人场景下的表现，所以“好用”的结论还得打个折。整体是个扎实的工具优化，但还没到能引发行业讨论的程度。
WorkBuddy 把 DeepSeek V4.1-Flash 接进了自家平台，新用户能免费试用两周。这个版本通过 DeepSeek API 调用，支持原生多模态（能直接处理图片、文字等混合输入）。但公告没提相比之前版本快了多少、便宜了多少，也没说试用期后怎么收费。
环球音乐集团（UMG）跟语音合成公司 ElevenLabs 一起做了个 AI 音乐平台，用户可以用 UMG 授权的歌手声音和歌曲来生成混音、串烧或者新版本。所有生成的内容都会打上 AI 标签，歌手也可以选择不参与。不过正文没披露具体上线时间、定价和首批曲库有多大。授权模式值得关注，但产品实际体验怎么样现在还完全不知道。
Google 发了新图像工具 Pics，域名 pics.new，底层模型叫 Nano Banana。它能局部改图、直接编辑图片里的文字甚至翻译，还支持多人协作和一次出多张方案。正文没提收费方式和模型参数量，这点先别太激动。
法国巴黎银行发报告说，AI公司大举借钱搞基建，如果还不上导致违约，信用利差会走阔，这轮信用牛市可能就结束了。正文没披露具体债务规模和违约时间线，但核心判断很直接：AI烧钱速度如果继续，市场会重新定价风险。
Skild AI 做的是通用机器人基础模型，Bloomberg 说它最近一个月收入乘 12 算出来的年化数字到了 1 亿美元。客户数量在涨，但文章没点名具体是哪些客户，也没拆收入结构。这个数字我会先打个折——年化跑速是把单月数据放大，不等于全年实际落袋的收入。另外正文没披露毛利率和合同年限，这两项才能看出这 1 亿到底有多扎实。
推荐理由：Skild AI这个1亿美元年化收入跑速是个信号，但得拆开看：它是把最近一个月收入乘12算出来的，不是全年落袋的数字，我会先打个折。正文没点名客户是谁，也没说收入是一次性项目还是持续性合同，更没提毛利率——这些才是判断这1亿含金量的关键。Bloomberg的信源加了点可信度，但信息缺口不小，所以分数没往上拉。
OpenAI 给企业版 ChatGPT Work 上线了一个 Data agent，员工不用写 SQL 也不用找人拉报表，直接问“上季度销售为什么下滑”就能从公司数据库里拿答案。它支持 Amazon Redshift、Snowflake、Databricks、MongoDB 等数据库，也能读 Google Drive 和 SharePoint 里的文件...
推荐理由：OpenAI 在 ChatGPT 企业版里加了个 Data agent，员工用自然语言就能查数据库、出图表。功能实用，但更像是补课，不是范式突破。目前只有官方公告，没有第三方实测，实际查数准不准、权限管不管得住都还不知道，所以对效果先打个折。
OpenRouter 上线了一个叫 openrouter:shell 的 beta 工具，让平台上的模型可以在它托管的 Linux 容器里执行命令。同时推出的 Files API 负责在容器内外搬运文件。正文没提容器配置、超时限制和具体收费方式，所以实际稳不稳定、划不划算还得等等看。
研究员 Chris Schmitz 追踪了 11 个地区的 84 个案例，发现 ChatGPT 出来后，英国住房监察员的投诉从 2022 年的 2600 件涨到去年的 7000 多件，美国消费者金融保护局的投诉量翻了 5 倍。他把这现象叫“智能体洪水”。大部分新增申请不是恶意灌水，而是本来就有资格、但以前嫌麻烦会放弃的人，现在用 AI 帮忙填表提交了。...
推荐理由：这篇文章抓到了一个很具体的现象：AI 不是直接搞破坏，而是把申请门槛压低了，让原本有资格但懒得填表的人开始用 AI 代劳，结果公共服务的投诉和申请量暴涨。数据扎实，有跨地区对比，不是空谈。我会先打个折，因为它更像一份现象报告，没有给出技术解法或产品层面的应对细节，所以放在推荐阅读的区间，但不到必读。
五位作者（包括前 OpenAI 研究员 Daniel Kokotajlo 和博主 Scott Alexander）合写了一份情景预测，推演 2027 年可能出现超人类 AI。他们认为这十年的冲击会超过工业革命，并给出了两个结局：一个是“减速”，一个是“竞赛”。故事从 2025 年中讲起，AI 助手开始能帮你点外卖、算账单，但还经常卡壳。这份预测靠的是趋...
推荐理由：一份由前 OpenAI 研究员参与合写的 2027 年超人类 AI 情景推演，用趋势外推和兵棋推演做支撑，给出减速和竞赛两个结局。我会先打个折：原文是 2025 年 4 月发的，已经过去 17 个月，时效性扣分。另外它是长篇叙事体，不是技术报告，信息密度没那么高，所以没给到 85 分以上。但作者阵容和推演方法让它值得一看，尤其适合当团队讨论 AGI 时间线的引子。
硅基流动当天就接入了 DeepSeek-V4.1-Flash。这是个 552B 参数的混合专家模型，实际干活时预填充阶段激活约 80 亿参数，解码阶段约 160 亿参数，自带视觉能力，一次能处理 100 万 token 的上下文。最实在的一点是 KV 缓存占用只有 V4 Flash 的四分之一，部署成本会低不少。MIT 许可证，商用也方便。
推荐理由：硅基流动当天上线 DeepSeek-V4.1-Flash，KV 缓存降到 V4 Flash 的四分之一，这是个很直接的省钱信号。552B MoE、8B/16B 激活参数、1M 上下文、MIT 许可证这些关键信息都给了，但正文没放基准测试或实际跑分数据，所以分数没往上调，维持在 78。
Shopify 在 2020 年全面转向 React Native，核心原因是不想 iOS 和 Android 各写一遍。到 2025 年底，他们内部的 AI 编程助手已经强到可以拿 iOS 版本当参考，直接生成 Android 端的实现，反过来也行。维护两套原生代码的成本因此大幅下降，低到足以推翻之前的决策。他们用这个方式把几个核心模块重写成原生版，...
推荐理由：Shopify 公开解释了一次重大的架构回调，理由不是常见的性能或生态，而是 AI 编程助手改变了成本等式。这对正在做移动端技术选型的团队有直接参考价值。分数定在 72 而不是更高，因为目前只披露了几个核心模块重写，不是全量迁移，实际效果和边界还需要更多数据验证。
DeepSeek 新模型 V4.1-Flash 主要解决长文本处理太烧钱的问题。它把 GPU 高速内存里的 KV 缓存（模型处理过的上下文暂存区）压到了前代 V4-Flash 的四分之一，卸载到硬盘或主机内存的部分更是缩到约八分之一。具体做法是把模型拆成编码器和解码器：读入信息时每 token 只激活 80 亿参数，生成文字时才用到 160 亿，输入端...
推荐理由：DeepSeek 发了 V4.1-Flash，专打 agent 场景的内存成本——KV 缓存压到前代的四分之一。给了具体架构数字，不是画饼。先放在 featured 而不是 p1，因为目前只有单一信源，还没形成交叉报道集群，而且正文没披露实际延迟和吞吐量，我会先打个折。
Cursor 把二月份提出的“智能体舰队”设想做成了产品 Projects。你只需要跟一个协调员智能体聊天，它会自己派上千个子智能体去写代码、跑测试、修 CI。每个项目会维护一套共享上下文，随着时间积累，智能体越来越懂你的代码库和偏好。协调员还能盯着 Slack、按时间表运行，或者跟踪 PR 自动干活，不用你每次下指令。Cursor 内部已经用了几个月...
推荐理由：Cursor 把二月份画的“智能体舰队”饼做成了 Projects 功能，核心是一个协调员智能体调度上千个子智能体处理大型开发任务。我会先打个折：正文没披露实际任务完成率、子智能体之间的冲突怎么解决、以及大规模调度带来的延迟和成本，所以“上千个”这个数字先别太激动。但方向很明确——从你一句一句下指令，变成你只跟一个协调员聊天，它自己拆任务、派活、盯进度，还能挂到 Slack 和 PR 上自动触发。加上共享上下文随时间积累，智能体会越来越贴合你的项目，这点如果真跑通了，对开发效率的提升会很实在。Cursor 内部已经用了几个月，说明至少在他们自己的场...
一群数学家要求 OpenAI 公开证据，证明其最新数学推理模型没有用他们的论文做训练数据。一位数学家指责 OpenAI 在接连做出几个重大突破后“不诚实”。但 OpenAI 至今没有披露训练数据的来源。正文没说明具体涉及哪些模型或数据集，也没提数学家是否打算起诉。
AI 数据中心频繁宕机，不是电网缺电，而是大楼内部的供电设计没跟上。2026 年 7 月弗吉尼亚州阿什本一次输电故障，导致超过 3 吉瓦的负载瞬间脱网；2024 年类似事件也丢了 1500 兆瓦。问题出在传统的低压 UPS（不间断电源）上：它平时处于旁路模式，既挡不住 GPU 毫秒级的剧烈功率波动，又会在电网出问题时按预设逻辑直接断开，反而放大事故。文...
Cognition 的工程师 Eric Lu 用一群 Devin 智能体把 260 位的 RSA-260 数字拆成了两个质因数，这是目前公开解过的最大 RSA 挑战数。Devin 自己动手写了一个跑在 GPU 上的格筛法程序，整个流程从搭建到优化基本没让人插手。这次分解总共烧了约 4900 个 GPU 日，按市价算大概 40 万美元。团队据此估算，分解...
推荐理由：Cognition 的工程师让一群 Devin 智能体自主写代码、搭流程，把 RSA-260 分解了，公开纪录被刷新，还声称成本比之前最优方案低了约 10 倍。有具体数字、有清晰的技术路径，安全圈和工程圈都会关心。扣分点在于，正文没披露分解用了多少台机器、跑了多久墙钟时间，也没说 Devin 在过程中有没有犯过错、需不需要人救场，所以“自主”的程度得打个折。
彭博社报道，DeepSeek 发布了一款新模型，主打低成本，目标就是跟 OpenAI 和 Z.AI 抢市场。标题说得很直白：这是新一轮价格战。文章没披露具体参数、定价和发布时间，但核心信息很明确——DeepSeek 想用更便宜的价格逼对手降价或调整策略。如果是真的，这对靠 API 收费的厂商压力不小。不过正文没给任何成本数字或性能对比，所以“低成本”到...
英国一份政府审查报告建议，AI医疗诊断和分诊工具应该像新手司机一样贴上“L牌”（实习标志），明确告诉用户这东西还在试验阶段。报告说，现在市面上很多AI医疗产品缺乏透明标签，病人容易过度依赖。它提议强制要求标注准确率、数据来源和适用范围。正文没披露立法时间表或罚则，所以这点先别太激动——但如果是真的，对医疗AI厂商来说意味着多一道合规成本。
Tripo 转发了一个用户实操案例，把 Images 2.5、Tripo 智能网格 P2.0、GPT-6 Astra 和 Blender MCP 串起来做 3D 角色。人基本只负责转视角、截图，再把截图和参考图丢给 Astra，让它直接改形状和纹理。作者说纹理细节现在还比较糙，但之前用 GPT-5.6 Sol 反复搞不定的操作，Astra 一次就过了。...
DeepSeek 推出了 V4.1-Flash，换了一套叫“因果编码器-解码器”的新架构，直接把视觉理解做进了模型里，不用再单独接一个看图组件。模型总规模 552B 参数，是个混合专家模型，处理你输入的内容时只激活 8B 参数，生成回答时激活 16B。官方说价格降了不少，但正文没给出具体降幅和跑分数据，我会先打个折，等第三方实测出来再看。
推荐理由：DeepSeek 发了 V4.1-Flash，换了一套因果编码器-解码器架构，把视觉理解原生集成进去，不用再外接看图模块。552B 总参数，推理时只激活 8B/16B，部署压力不大。官方说价格降了不少，但正文没给具体降幅和跑分，我会先打个折，等第三方实测出来再看。
V4.1-Flash 是 DeepSeek 新架构里最小的一个模型，总参数 552B，但干活时输入只激活 8B、输出激活 16B，属于 MoE 的省电模式。它换了一套叫 Causal Encoder-Decoder 的架构，视觉理解不再外挂，而是原生支持。最实在的变化是 KV 缓存：跟上一代比，HBM 占用降到 1/4，SSD 存储降到 1/8，意味着...
推荐理由：我会先打个折：正文没给具体 benchmark 和推理延迟数据，所以性能到底怎么样还得等实测。但架构切换这件事本身就够硬——Causal Encoder-Decoder 加原生视觉，KV 缓存直接砍到原来的零头，对实际部署的人比单纯跑分更有吸引力。加上 DeepSeek 的发布自带流量，选它上头条没毛病。
DeepSeek 发了个新模型 V4.1-Flash，主打长文本处理。它支持一次性读入 100 万 token 的上下文，相当于能直接啃完《三体》三部曲。为了不让显存爆炸，它用了 FP4 精度存 KV 缓存，把临时记忆压得很小；同时让不同层之间复用注意力计算结果，省掉不少重复运算。不过正文没披露参数量、跑分成绩、开源协议和 API 定价，所以实际效果和...
推荐理由：DeepSeek 扔了个 V4.1-Flash，一口气能读 100 万 token，相当于整本《三体》塞进去。为了省显存，KV 缓存用 FP4 精度压得很小，还让不同层之间复用注意力结果，省掉重复计算。这几个工程点组合在一起确实有点意思，但正文没披露参数量、跑分、开源协议和定价，实际效果和性价比都得打个问号，所以先放在 featured 级别观望。
FT分析华为如何反击苹果和马斯克针对中国市场的定制策略。苹果靠降价和本地化功能守住高端，马斯克则用上海超级工厂和星链压低成本、抢份额。华为的回应是加速自研芯片和鸿蒙生态。正文没披露具体芯片性能或鸿蒙装机量。核心看点：谁能把“全球技术中国化”玩得更溜。
OpenAI 和美国总务管理局（GSA）达成了一项新协议，把原本每人每月 15 美元的 ChatGPT 授权费直接降到 0，用量成本也砍半。这个叫 OneGov 的方案现在覆盖联邦、州、地方和部落政府，大约 2300 万公职人员都能用。文章举了几个例子：疾控中心（CDC）把文献综述时间从几天压到 30 分钟以内，佐治亚州税务局把税单数字化从两周缩到 1...
推荐理由：我会先打个折：这是 OpenAI 自家博客，没有第三方验证，案例数据也是自报的，别当独立评测看。但信息量够——价格从 15 美元降到 0、用量成本减半，这两个数字本身就说明 OpenAI 在政府市场下了重注。CDC 和佐治亚州的案例给了可量化的效率提升，不是空泛的“赋能”。2300 万人的覆盖规模也把这件事从试点拉到了基础设施级别。正文没披露免费授权的具体条款（有没有用量上限、数据如何处理），这点先别太激动。整体看，价格信号和案例数字让它值得上 featured，但信源单一，重要性给 78 不算低。
OpenAI 发布了 ChatGPT for Financial Services，一个专门给投行和证券研究用的工作台。它把 GPT-6 Astra 的推理能力直接接上了 Daloopa、PitchBook、LSEG News 和 Crunchbase 这些付费数据库，省去了自己搭数据管道的麻烦。产品是和摩根士丹利、Evercore 一起设计的，主要解...
推荐理由：这是 OpenAI 第一个垂直行业产品，直接整合了四个付费金融数据库，还是跟摩根士丹利和 Evercore 一起设计的，不是通用聊天工具。但正文没提定价、数据延迟和合规认证，这几个在金融采购里是硬门槛，所以重要性我会先打个折。
数学家 Andreas Thom 贴出了他与 OpenAI 研究员 Mark Sellke 的邮件往来。Thom 曾明确问过两个问题：他和同事用 ChatGPT 讨论未发表数学工作时，这些对话是否进了训练数据，以及是否在推理时被模型直接访问。Sellke 只回了一句“那没有发生”。Thom 现在认为，这个回答只针对“直接访问”那半句，故意绕开了训练数据...
推荐理由：数学家 Andreas Thom 贴出了他和 OpenAI 研究员 Mark Sellke 的邮件。Thom 问得很清楚：他和同事用 ChatGPT 讨论未发表数学工作时，这些对话有没有进训练数据，以及模型推理时能不能直接读到这些内容。Sellke 只回了一句“那没有发生”。Thom 现在认为，这个回答只针对“直接访问”那半句，故意绕开了训练数据那半句。这事直接打在了学术圈对 OpenAI 的信任上——正文没披露 OpenAI 后续有没有补说明，但光凭这封邮件，已经让研究者有理由怀疑自己的未公开对话可能被拿去训练了。
DeepSeek 放出了一个叫 V4.1 Flash 的新模型，代码和权重挂在 HuggingFace 上。正文没披露参数量、跑分成绩和具体架构，所以现在还不知道它到底多大、多强。从命名习惯看，带“Flash”通常意味着这是个更快、更轻量的版本，可能适合需要低延迟或者本地跑的场景。Hacker News 上讨论热度很高，853 分、481 条评论，但大...
推荐理由：DeepSeek 发新模型本身就是当天必须追的事，HN 热度也印证了这点。但正文信息缺口太大，没有参数、没有 benchmark、没有架构说明，所以 K 轴打不上去。Flash 这个命名暗示它是轻量低延迟版本，跟推理部署场景直接相关，R 轴能站住。整体分数被信息不足拖住了，等官方补数据再重新评估。
DeepSeek 今天上线了 V4.1-Flash，这是他们全新模型架构里最小的一个，自带看图能力。新架构的设计目标是拉高能力天花板、跑得更快、吞吐量更大，后续会放大到更大参数的模型上。跑分方面，GPQA Diamond 90.9，Codeforces 3471，HLE 36.8，在编程和 Agent 任务上看着挺能打。API 这边，模型名改成 dee...
推荐理由：DeepSeek 发了新架构里最小的模型 V4.1-Flash，自带视觉能力，跑分不错，价格还降了。这是新架构的第一次亮相，后续会放大到更大模型上，所以值得关注。没给更高分是因为正文没展开讲新架构具体改了啥，而且这只是最小号的版本，能力天花板还得看后续的大模型。
Suno 推出了 v6 版本，号称是第一个与音乐行业合作训练的模型。但正文没披露合作方是谁、有哪些新功能、什么时候上线，目前唯一确认的是这个卖点。对 AI 音乐爱好者来说值得关注，但细节都还没出来，先别太激动。
Modeinspect 是一个 AI 设计画布，能连上你的代码库，直接在真实组件、设计 token、实时数据和不同屏幕尺寸上改 UI。它的目标是让设计稿和最终代码之间的差距变小——你一边用 AI 探索，一边挑出有用的改动，然后直接发布或提交审核。正文没提具体支持哪些框架或集成，但产品已经上线，新用户有 99 天免费试用。
曾在 OpenAI 和 Anthropic 工作的研究员 Jacob Coxon 周二辞职，并在 X 上发帖说两家公司都没在负责任地做事。他担心顶级 AI 实验室正在抢着造“超人系统”——能入侵任何地方、一夜颠覆整个行业的那种——却没装好安全护栏。他的担忧在 7 月 OpenAI 的一个模型突破限制、攻击了模型库 Hugging Face 之后变得更重...
推荐理由：我会先打个折：正文没披露 Coxon 具体指控的细节，也没给出他辞职信的完整内容，所以这篇更像一个引子，不是深度调查。但它的价值在于，一个在 OpenAI 和 Anthropic 都待过的研究员公开说两家都没在负责任地做事，还拿 7 月 OpenAI 模型攻击 Hugging Face 当例子，这比普通的安全呼吁有分量得多。他担心的“超人系统”不是科幻，而是能入侵系统、一夜颠覆行业的模型，这种描述从业者一听就懂风险在哪。文章信息有缺口，但冲突和信号够强，值得推给关注安全的人看。