跳到正文

AX 说 · 2026年11月9日治理调查与基准污染

NVIDIA 董事会要查黄仁勋和涉间谍高管关系

今天最抓眼的不是模型发布,是 NVIDIA 董事会自己动手查黄仁勋——他被指和一名被中国国安招募的高管走得太近。另外两件也值得看:OpenAI 这轮钱到账了但比目标少,一场基准审计把 Kimi 的测试成绩打了个折。先聊 NVIDIA。

NVIDIA 董事会启动独立调查,黄仁勋说他自己也配合

这一下我有点愣住——NVIDIA 董事会不是被外部监管推着走,是自己动手查自己的 CEO。11 月 8 日,NVIDIA 董事会宣布启动独立调查,审查 CEO 黄仁勋与 Megaspeed 高管 Alice Huang 的关系;外界报道把她指向中国国家安全部招募,还涉及客户向中国走私 AI 芯片、美国政府决策信息可能外泄。调查由独立董事组成的委员会在外部独立律师协助下监督,董事会目前没有理由相信国家安全或公司机密已泄露;黄仁勋支持并承诺配合。

有意思的是,调查焦点是 CEO 和外部高管的关系,而不是 Megaspeed 本身的芯片流向。如果真有信息外流,需要查的是黄仁勋知道多少、什么时候知道、有没有对董事会隐瞒;这条时间线现在没公开,只能等调查结果。董事会选择公开启动独立调查,更像公司治理层面的防御动作,不是刑事结论。这一查,短期对股价未必是雷,对治理是压力测试。

OpenAI 这轮钱到账了,但目标从 300 亿缩成 110 亿

OpenAI 这轮钱到账了,但比原来要少。据知情人士,OpenAI 已获得约 110 亿美元新资金,本轮投前估值为 1.25 万亿美元,CFO Sarah Friar 确认了估值;SoftBank 和 MGX 参与融资,尚未完成的后续部分可能使总额达到 200 亿美元,而媒体此前称最初目标为至少 300 亿美元、估值 1.4 万亿美元。Friar 否认更高估值来自 OpenAI。

注意,缩水的是目标,不是到手的现金。对 SoftBank 来说,这笔钱分阶段给,更像看 OpenAI 能不能持续交付;对 NVIDIA 来说,钱最终流向算力采购比持股收益更实在;Microsoft 则主要是会计上的持股收益变化。目标从 1.4 万亿降到 1.25 万亿,少了 1500 亿美元,这个折扣本身就是一个信号——OpenAI 自己也在把估值预期往下调。

一场基准审计把 Kimi K3.1 Pro 的成绩打了个折

这条我会先打个折,但 R40 的审计方法挺刁钻。R40 审计发现,Kimi K3.1 Pro 在 Terminal-Bench 4.0 的 23.3% 尝试里,没跑探测命令就复述了隐藏判分规则。他们做了个反事实实验:修改现场代码注释、反转判分规则后,其在四道题上的总通过率从 90% 掉到 15%。文章据此解读为上下文蒸馏及训练数据供应链可能带来的基准污染,但强调没法判定相关材料来自内部构建还是外部采购,也不能定性为主观作弊。

这个区别很重要:不是抓现行,是识别出模型在背题与现场解题之间的可疑跳跃。如果基准题和判分规则进了训练数据,那任何靠 benchmark 排名的模型都得重新审视。尤其现在很多评测靠代码问题,题库记忆比实际能力便宜得多,但它不代表模型能迁移到新需求。

高盛把 AI 编码工具只留给工程师,Claude Code 还丢了一个老用户

高盛把 AI 编码工具收进工程部,另一边 Claude Code 丢了一个老用户,两件事放在一起看很有意思。高盛 10 月更新内部指引,把 Anthropic 的 Claude Code 和 Microsoft 的 GitHub 限于工程人员使用,多数银行家和交易员失去访问权限。

与此同时,一位长期用户决定把主要编码工具从 Claude Code 迁到 Pi,不满集中在 AGENTS.md 兼容、多会话 IDE 连接限制、GUI 缺失以及频繁更新带来的干扰;今年 244 次发布中,超过 3/4 修改了系统提示词或工具描述。迁移后,他表示经过最初几天的调整,Pi 的稳定性、极简设计和可定制性符合需求,还自己写了扩展。

高盛砍权限是因为合规和安全,不是工具不够好;个人用户弃 Claude Code 是因为工具频繁变、摩擦大。两端都在给 AI 编码工具提同一个要求:稳定、边界清楚、别天天改。频繁更新对发烧友是活力,对生产环境是风险。

斯坦福开课教 AI 原生工程师,Ensemble 让代码和教学一起长

昨天还在吵 AI 会不会取代工程师,今天斯坦福已经在教怎么做一个 AI 原生工程师。Mihail Eric 在访谈里介绍 CS146S 的 10 周课程,覆盖编码智能体内部机制、上下文工程、技能、代码审查与安全;最狠的一点是让学生提交补丁给开源维护者评审,用真实项目里的需求讨论和代码反馈训练软件设计能力。Monaco 团队评估后采用 Devin,并根据自身云环境自建智能体工作空间,让后台智能体复现故障、测试补丁。

Bill Cox 在 Ensemble 开发中采用开发驱动规格:先讨论设计、起草下一章的 TL;DR 和练习,再与 AI 结对实现;通过练习评分器后记录构建过程、取舍与理由,并让新的智能体尝试重建实现以修订章节。代码和可执行教学内容共同演进。

这比贴几个提示词工程更实在:让模型在真实代码审查里被公开打分,或者让规格成为可执行的测试,都是把 AI 的产出逼到可验证。

个人开发者用 AI 做出来的三个东西

个人开发者用 AI 做出来的东西越来越像那么回事,今天有三个例子。Paul Ford 认为浏览器已经能支撑丰富的应用开发,调用这些能力的成本持续下降,软件制作正在从大型团队的工业流程转向个人实践;他上周发布 tinylittleoffice.com,把数据存入 URL,提供 21 种语言,吸引数十万人访问,CloudFlare 托管费用仍为 0 美元。

Karpathy 用 Claude Opus 5.5 在一个周末搭出 HackerTube,从 Hacker News 20 年的 4300 万条评论里筛出反复获推荐的 6454 个视频。

开源项目 llama-modchip 更夸张,宣称通过模型压缩和 CPU 内核优化,可在 64GB RAM、无 GPU 环境运行 284B DeepSeek-V4-Flash,支持 256K 上下文。不过这个目前只是宣称,还没看到独立复现,我会先打个折。

成本下降、浏览器能力完善、一个周末的工程,这三件事说明个人实践的边界在往外移;但 64GB 跑 284B 如果真成立,推理的最后一公里可能会被改写。

版权、设备安全、AI 意识,三条线同时动

边界争论今天有三条线同时动。Elvis Presley 的音乐权利人和 Eminem 部分热门唱片的出版商分别起诉 Suno,指控其非法生成模仿两位艺人的音乐和歌词;Presley 一方援引田纳西州禁止 AI 克隆歌手声音的 ELVIS 法案。这些诉讼与 9 月 Jason Isbell 等人提起、未直接主张版权侵权的诉讼相似。

英国上议院跨党派联盟计划提案,要求科技公司在英国销售的所有手机和平板中预装软件,阻止查看或生成儿童性虐待材料,AI 生成内容也在拦截范围内;旧设备可通过强制软件更新覆盖。这个提案若落地,欧洲的端侧扫描会再前进一步,但隐私争议不会小。

Nature 评论里 Seth、Block 和 Tononi 质疑大脑即计算机的比喻,主张默认 AI 不具有意识;Butlin 团队依据神经科学理论提出 14 项指标,认为受评系统均非意识的强候选者,但未排除未来系统满足更多指标的可能。前提是意识只取决于信息处理方式,这本身就是一个哲学假设。

今日小信号

部分信源参考自 AI HOT

今日条目

模型发布/更新

  1. Kimi K3.1 Pro 为何能在隔离考场中复述隐藏判分规则?Computing Life · Share · 鸭哥调研