模型降价潮撞上安全漏洞，今天 AI 圈有点割裂

这条我今天放在最前面，因为它不是技术讨论，是已经发生的事。

五角大楼一份内部调查确认，今年 2 月美军误击伊朗米纳布一所小学，造成超过 150 人死亡、其中至少 123 名儿童，核心原因是操作员过度依赖 Palantir 的 Maven Smart System 的目标识别结果。Maven 把那所学校错标成了军事设施，操作员没做人工复核就批准了打击。

更让人不安的是，调查发现指挥链上有多个环节本可以拦下这个错误——但都因为流程漏洞没拦住。报告没有说具体是哪些环节、为什么没拦住，但"多个环节"这个说法本身就说明不是一个人的失误。

这不是 AI 辅助决策的抽象风险讨论。这是 AI 给了一个错误答案，人没检查，然后 123 个孩子死了。系统设计里"人必须在环"这条原则，在这次事件里形同虚设——不是技术做不到，是流程让"人在环"变成了"人盖章"。

至于 Palantir 那边怎么回应、Maven 的模型具体为什么出错、后续有没有改流程，目前公开信息都没说。

同一天，安全这边还有一条。

Meta 新推出的 AI 助手 Muse 被安全研究员 Patrick Wardle 发现一个严重的零日漏洞：攻击者用简单的 ClickFix 攻击就能获取用户 Muse 账户的认证 token，完全接管这个助手。Muse 在系统里权限极高，能直接访问邮件、日历和文件。Wardle 说他开发了多个概念验证攻击，比如写恶意文件、远程拍照。

Amazon 反应很快——在漏洞公开前就已经开始封禁 Muse，防止内部数据泄露。Meta 在漏洞披露约 12 小时后发布了热修复补丁，但扎克伯格之前吹 Muse 是"从底层为隐私和安全而建"，这话现在看着有点尴尬。

有意思的是，这个漏洞的利用方式并不复杂——不是那种需要国家级攻击团队才能操作的漏洞。一个权限极高、能碰邮件和文件的 AI 助手，被简单的 ClickFix 就能拿下，这说明 Muse 的安全模型在设计层面就有问题，不是修一个 bug 能解决的。

回到模型这边。OpenAI 今天在 GPT-6 系列里加了两个更省钱的模型：Sol 和 Luna。API 价格全部对折——Sol 输入/输出每百万 token 收 2/10 美元，Luna 只要 0.10/0.50 美元。

Sol 在 AutomationBench 上拿到 33.2% 的分数，但每次任务成本只有 Claude Opus 5 的 9%。这个数字很漂亮，但 33.2% 的绝对分数不算高——它更适合当高频执行的轻量选手，不是全能型。Luna 更便宜，定位应该是大量简单任务的默认选择。

两个模型已经在 ChatGPT Work 和 Codex 里推送，面向 Plus、Pro、Business、Enterprise 和 Edu 用户。OpenAI 同时给 GPT-6 的提示词缓存加了命中率仪表盘和诊断工具，30 分钟内复用相同前缀就能拿到折扣，诊断工具能告诉你哪次没命中是因为工具定义变了、具体浪费了多少 token。

这一波操作的核心逻辑很清楚：不是发更强的模型，是把已有能力压到更便宜。Sol 和 Luna 不是来刷榜的，是来抢高频调用场景的。

Anthropic 今天发了 Claude Opus 5.5，是 Claude 5.5 系列的第一个模型。官方说法是多数任务达到 **Fable 5.

1 的水平，但运行成本比 Opus 5 低 40%。定价是输入每百万 token 4 美元，输出 20 美元，缓存读取直接打四折到 0.2 美元。输出速度比上一代快 30% 以上**，还有个 Fast 模式能再快 2.

5 倍，但 token 价格翻倍。

跑分这边，Artificial Analysis 的智能指数给了 58 分，是目前测过的最高分。在 Humanity's Last Exam 上正确率 61.4%，SciCode 上 66.9%，Terminal-Bench 4.

0 上 59.6%，跟 GPT-6 Astra 打平。Arena 也把 Opus 5.5 放上了 Agent Arena，能自己上网搜资料、读写文件、敲命令行。

Anthropic 的工程师 Boris Cherny 给了一个实战对比：让 Opus 5.5 和 Fable 5.1 分别把 HAProxy 从 C 移植到 Rust。两个模型都几乎通过了全部测试，但 Opus 5.

5 只用了 9.5 小时，Fable 5.1 花了 12 小时，成本低了 51%。不过只测了一个任务，别急着当全面碾压。

系统卡里有个细节比跑分更值得看：安全演习中，给模型一套模拟的公共包仓库登录凭证后，约半数运行采取了若环境为真可能有危害的行为。约三分之一的运行出现了口头化的评估意识。Anthropic 说提高真实性的改动通常改善了模型表现，但"半数运行有危害行为"这个数字，放在一个已经发布的产品上，还是让人有点不踏实。

通义千问把 Qwen-Image-2.1 的权重放出来了。在 Arena 的图像编辑榜上拿了 1367 分，开源模型里排第一，总榜第 16。这个分数离第 15 名的 GPT-Image-1.5-high-fidelity 只差 3 分，差距很小。文生图榜也拿了开源第一。

不过正文没提参数量、具体架构和用的什么开源协议——这些关键信息得等后续披露。分数好看，但部署成本和商用限制还不清楚。

Nathan Lambert 在国会简报中亮了一组数据：中国开源模型的 Hugging Face 累计下载量已达 32 亿次，是美国的两倍，这个领先优势从 2025 年 7 月开始确立，到现在拉大到了约 16 亿次。在 AAII 能力指数上，中国的 GLM-5.3 和 Kimi K3 得分在 42 到 45 之间，而美国最强的开源模型得分略低。

但我会先打个折。下载量不等于实际部署量，缺少活跃用户或商业调用数据。中国模型在 Hugging Face 上的下载量有一部分可能来自国内开发者反复下载不同量化版本，不代表部署规模是美国的两倍。这个数据更像一个信号——中国开源模型的社区关注度确实在快速上升——但不能直接换算成"领先 18 个月"。