全部 · 2026-04-10

Yuchenj 这条只给出 1 个结果：Claude Mythos 拒绝把报税材料发给 IRS。就目前披露的信息，我不会把它读成“模型太胆小”，我更愿意把它读成 Anthropic 在真实世界代理动作上故意收得很紧，尤其是政府报送、税务、身份材料这类高责任操作。 问题是，正文没给关键条件。工具权限有没有开邮件、浏览器、电子报税接口，没披露。运行环境是 Claude 自带 agent，还是外接 MCP/浏览器自动化，没披露。报税年份、表格类型、用户是否明确确认、是否已经走到最终发送前一步，也没披露。少了这些，外界没法判断这是模型层拒绝、策略层拦截，还是工具调用前的 policy gate。这个差别很大。前者说明模型对“政府+财务”语义过敏，后者说明厂商在 action layer 设了硬阈值。 我自己更偏向后者。过去一年，做 agent 的厂商基本都在往这条路走：写草稿、整理附件、检查字段可以放；真正“替你提交”会单独卡住。OpenAI 去年把 operator 类能力往外放时，我记得也一直强调高影响操作要有人类确认，不过我没核实他们当时对税务场景写得有多细。原因不复杂，报税不是“发一封邮件”这么简单。一次误发，责任链会落到谁批准、谁执行、日志能不能审计、能不能撤回。模型答错一句话，补救空间还大；代理把表真的交上去，补救成本高一个数量级。 我对这条叙事有个保留：一句“too dangerous and terrifying”很像模型口吻，不像成熟产品该给的拒绝理由。要是原话真是这样，我觉得产品层处理得不够好。企业级代理该说清楚限制条件，比如“我不能代你向政府机构提交正式税务文件，但可以帮你核对字段并生成待确认版本”。这种文案差别，直接影响用户会把系统理解成安全，还是理解成神经质。Anthropic 如果真想把 Mythos 往高信任代理推，这种交互细节不能糊。 还有一点别忽略：标题里最戏剧化的部分，其实最不重要。关键不在 Claude 有没有拒绝，关键在拒绝发生在第几层、有没有可配置权限、管理员能不能设双重确认。Anthropic 以前在 Constitutional AI 和安全分级上一直偏保守，这次如果连税务提交都默认拦，那路线是连续的，不算意外。可要是它在所有政府相关动作上一刀切，代理产品会很难进入财税、法务、合规这些高价值工作流。 所以这条现在只能下一个有限判断：Claude Mythos 在税务提交场景里至少触发了 1 层高风险拦截。标题已经给出结果，正文未披露触发机制和复现步骤。没有这些，我不买“模型不行”这种快结论，也不会替它吹成“安全领先”。

智己这次放出来的关键信号，不是“豪华平替”，是它把千问接进了车内可执行链路，而且已经跑到点餐下单这种带支付动作的场景。这个动作比冰箱彩电大沙发更有行业价值。车企过去两年都在讲语音助手，能稳定落到交易闭环的并不多。正文给出的可复现事实只有一个：用户通过车机对话，可以完成点餐和下单。它还提到后续要接飞猪、淘宝。标题已给出“首次上车”，正文没披露调用延迟、任务成功率、是否需要多轮确认、支付风控归谁负责。没有这些数据，我不会把它吹成车内 agent 已经跑通。 我对这条的判断是，智己在抢一个比“智驾第一梯队”更务实的位置：先把座舱从问答机，改成交易入口。这个方向并不新。理想、蔚来、小鹏、极越都试过把车机往服务闭环推，手机厂商也一直想把语音助手接进外卖、导航、日程。问题从来不是“能不能说一句帮我点咖啡”，而是长尾条件下能不能稳定完成，错单谁背锅，支付授权怎么做最顺。车里场景比手机更苛刻，因为你在开车，容错更低，确认步骤又不能太繁。智己如果真把阿里生态接深，价值不在模型多聪明，在淘宝、飞猪、高德、支付链路是不是能统一权限模型。这个部分，正文没给任何架构细节。 智驾部分我反而没那么买账。文中堆了 520 线激光雷达、300 米感知、Thor 700TOPS、端到端大模型、下一代参数量提升 3-4 倍、性能提升 20 倍。这一串都像配置单，不像能力证明。北京晚高峰试驾只能说明 demo 跑顺了，说明不了接管率、城区导航成功率、极端场景退化策略。文章自己也没给这几个核心数。尤其“性能提升 20 倍”这句，我看着就得打问号：是算力利用率、训练效率、还是闭环里程产出？口径没说。车圈这两年太爱拿 TOPS 和参数量当能力替身，最后往往发现决定体验的是数据闭环、规则兜底、地图依赖程度和人机共驾策略，不是 PPT 上那颗芯片多大。 Momenta 这层合作倒是值得认真看。国内量产辅助驾驶里，Momenta 过去一年存在感一直很强，和上汽、奔驰等合作都在推进。我自己一直觉得，2025 年后国内智驾竞争开始从“谁先上高速 NOA”，切到“谁能把城区体验做得足够稳，还能压低硬件 BOM”。从这个角度看，智己选 Momenta 很合理：它买的是成熟方案和迭代速度，不是品牌光环。可这也带来另一个问题——差异化会不会越来越薄。若更多车企都拿相近的供应商方案，最后比的就是调参、数据回流效率、售后和定价。智己想靠智驾单独拉开身位，我现在没看到证据。 增程和底盘这部分，文章明显在打 BBA 旧豪华的软肋。66kWh 电池、CLTC 纯电 430km、综合 1605km、可加 92 号油，再叠加线控转向和四轮转向，这套组合确实是在冲“家庭大车”的主流需求：通勤用电，长途没焦虑，低速好掉头，高速别太晃。问题是 CLTC 一向偏乐观。正文给了一个实测电耗 12.1kWh/100km，但路线是机场到市区，两人乘坐，不是全年工况，也没给温度、平均时速、空调状态。拿这个去证明 430km 很实，我不认。底盘“响应速度 4 倍”也一样，需要基准对象和测试条件，不然只是广告语言。 “传统豪华溢价终结”这句，我部分同意，部分保留。中国市场过去两年已经证明，BBA 的品牌溢价在 25 万到 40 万区间确实被新能源车打穿了，尤其是座舱、辅助驾驶和后排舒适性这几项，老豪华油车很吃亏。但“终结”说得还是太满。BBA 在品牌、残值、维修体系、高速稳定性、底盘一致性上还有基本盘，很多用户买的也不是彩电冰箱。我更愿意说，旧豪华的定价权在中国被拆掉了一大块，先被拆的是体验溢价，不是全部溢价。 所以这条新闻里，我最在意的是阿里千问第一次被放进车内任务执行，不是刘翔代言，也不是试驾稿里的情绪价值。要验证它是不是一条真路线，缺的不是更多形容词，缺三组数：第一，跨应用任务成功率和平均完成时延；第二，支付与下单误触发率、取消率、售后归责；第三，辅助驾驶的接管率、碰撞预警触发率、城区复杂路口通过成功率。没有这些，LS8 现在更像一辆把很多正确方向都装上了的车，而不是一辆已经证明自己把这些方向都做透了的车。

OpenAI 在 2026 年 4 月 10 日把 skills 写成可复用工作流，并把 SKILL.md 放到核心位置。我的判断是，这不是一个新能力发布，更像是 OpenAI 在给 ChatGPT 补一层“轻代理操作系统”的规范层：先把团队里反复出现的 prompt、模板、检查清单，收束成可共享的文本协议，再谈更复杂的 agent 行为。 页面里能确认的事实不算少。它明确说 skill 是 reusable、shareable workflow；明确说文件名是 SKILL.md；明确说可以定义输入、步骤、输出格式和 final checks；还把 skills、GPTs、projects 放在同一张关系图里。这个组合很像把过去一年里散落在自定义 GPT、项目记忆、系统提示里的东西，重新压成一个更容易迁移和版本化的单元。说真的，这个方向是对的。企业里最缺的从来不是“再来一个更强模型”，而是把稳定流程固定下来。月报、合规摘要、销售复盘，这些任务输赢往往不在模型智力，而在有没有把步骤写死。 我会给它加一个外部参照。Anthropic 那边早就在推 system prompt、artifacts、tool use 这类组合，很多团队实际干法也是把 SOP 塞进 markdown 或 repo 文件，再让模型照着跑。开源社区这两年也一直在用 prompt 文件、policy 文件、agent playbook 做同样的事。OpenAI 现在把 agentskills.io 挂成 open standard，说明它知道这不是自己独有的发明，重点在分发入口是不是 ChatGPT 默认支持。谁把“写工作流”这件事做成办公室里的默认动作，谁就更容易吃到企业粘性。 但这页最关键的信息，正文就是没讲。第一，skill 何时触发，靠用户手选、模型自动判断，还是项目上下文路由，没披露。第二，skill 能调哪些工具，工具权限按 skill 继承还是按用户会话继承，没披露。第三，多个 skills 冲突时谁优先，和 GPT 自带指令谁覆盖谁，没披露。少了这三块，现阶段它更像“高级提示词模板”，还谈不上完整代理框架。尤其是页面反复强调 shareable，我自己对这点会更谨慎：共享工作流一旦连上 Gong、Drive、CRM 这类系统，权限泄漏和错误调用不是小问题。 还有一个我不太买账的地方。页面把 SKILL.md 说成 portable、open standard，这个叙事很好听，但跨平台可移植通常只在最浅的一层成立。只要牵涉工具 schema、记忆、文件挂载、审批流，移植性就会快速缩水。我还没看到它给出任何真实迁移案例，也没看到版本控制、测试、回滚怎么做。没有这些，skills 更像个人效率工具，不是团队级 AI 工程资产。 所以我对这条的结论很直接：方向靠谱，产品定义还偏早。标题讲的是“using skills”，正文目前更像“why markdown SOP matters”。如果 OpenAI 后面补出触发逻辑、权限模型、冲突解析和审计能力，这套东西才会从 prompt hygiene 升到可部署流程层。现在先别把它吹成 agent 基建。

## 信息边界 目前可见信息只有标题“Using projects in ChatGPT”和一段说明性摘要，正文为空。我们无法确认 Projects 的具体功能、适用套餐、是否涉及网页/桌面/移动端一致性，也看不到文件限制、上下文机制、共享权限、管理员控制或数据保留规则。 ## 这对从业者意味着什么 在信息不足的情况下，这条内容不能被当作一次明确的产品升级。它更像是 OpenAI 在为既有功能补文档或做使用教育。对团队用户而言，真正重要的不只是“怎么用”，而是 Projects 是否会成为 ChatGPT 中组织任务、资料和协作边界的默认容器；这一点会直接影响提示词管理、知识隔离和审计流程，但当前材料还不足以下判断。 ## 接下来该看什么 我们会继续看三个信号：一是可用范围，是否覆盖 Free、Plus、Team、Enterprise、Edu；二是机制说明，是否定义项目级上下文、文件上限、记忆持久性与分享权限；三是产品联动，是否与 API、管理员控制台、导出与合规功能打通。在这些细节出现前，这条新闻的实操价值有限。

OpenAI 在 4 月 10 日发布了一篇 ChatGPT 文件教程，列出 8 类格式，并把“上传文件”放进默认工具菜单。我的判断很直接：这不是功能发布，这是使用路径重排。OpenAI 想把 ChatGPT 从“问答框”再推一步，推成你处理 PDF、表格、文档、图片的统一入口。教程口径这么基础，反而说明文件工作流已经进入产品主航道，不再是 Data Analysis 老用户才会碰的角落功能。 文章给的事实不复杂。用户可以上传 CSV、XLSX、PDF、DOCX、JPEG、PNG、TXT 等文件。文中还写了几类典型任务：总结报告、按地区画销售图、改写文档、从 PDF 抽日期和负责人。还有一个小信号，我觉得比教程本身更重要：工具菜单里同时出现了 Add photos or files、Company knowledge、Deep research、Web search、Apps。这个菜单设计说明 OpenAI 正在把“文件”“企业知识库”“联网检索”“第三方连接器”揉成同一个上下文入口。对日常用户，这很顺手；对做产品的人，这代表 ChatGPT 的竞争点已经不是单轮回答，而是谁先占住工作材料的入口。 我对这篇内容有个明显不满：它几乎没讲边界。标题讲的是 working with files，正文却没披露单文件大小、总配额、解析失败条件、表格行列上限、图表导出限制，也没讲不同订阅层的差异。文末只丢了 File Uploads FAQ 和 Retention Policies 链接。这个写法对新手友好，对从业者没什么帮助。文件能力最容易翻车的，从来不是“能不能上传”，而是 200MB PDF 扔进去后 OCR 怎么算、复杂扫描件会不会漏表格、Excel 公式会不会被改坏、生成后的 xlsx 能不能保住格式和宏。标题已经给出“处理文件”，正文没披露这些关键条件，我不会替它补。 这块也不是 OpenAI 新开的一条线。Code Interpreter 时代，ChatGPT 就已经在吃“上传文件→跑 Python→导回结果”这套需求。Google Gemini 这两年一直把 Drive、Docs、Sheets 连接做得更深，Microsoft Copilot 则天然占着 M365 文件层。Anthropic 也在往 artifacts、工具调用、企业连接器上靠。我一直觉得，文件不是一个附属能力，它决定模型能不能进入真实工作流。你让用户复制粘贴一段文本，模型只是聊天工具；你让用户直接丢季度报表、法务合同、销售台账进去，模型才开始碰到预算和权限。 这也是我对 OpenAI 叙事有点怀疑的地方。它现在越来越喜欢把这些能力包装成“自然地在 ChatGPT 里完成”，听起来很顺。问题是，企业真正卡住的不是 UI，而是治理。文章只在 Enterprise 那段轻轻带过一句：管理员控制哪些 apps 可用，业务数据默认不用于训练。话是对的，但还不够。做过企业部署的人都知道，采购不会因为“默认不训练”就放行，大家还会追问保留时长、连接器抓到的数据范围、审计日志、地域存储、第三方 OAuth 权限回收。教程没展开，我能理解；但如果 OpenAI 想把文件入口变成组织默认入口，这些才是成交条件。 还有个产品层面的判断。OpenAI 这篇文把“文件上传”和“apps 连接”放在同一页，不是偶然。它在训练用户接受一种新交互：先把材料和工具接进来，再让模型做编排。这个方向跟单纯把模型做强不是一回事。模型分数继续涨，当然重要；但日常留存往往由工作流摩擦决定。一个能稳稳读懂 PDF、改回 DOCX、连上 Google Drive 或内部知识库的 ChatGPT，商业价值会比 benchmark 上多 3 分更直接。我自己还没查到这篇对应的配额更新，也没看到新的价格信息，所以没法判断 OpenAI 是不是同步放宽了文件上限。要是限制没变，这篇教程更像一次用户教育；要是限制也上调了，那就是把“文件即上下文”正式做成默认习惯。

OpenAI 发了一篇 Academy 教程，教你怎么用 ChatGPT 生成图片。核心就一句话：提示词不用长，1-3 句清楚描述就行，比如主体、场景、风格、光线。想改图就一次改一个点，别一次提一堆要求。还给了几个实用技巧：多图上传时按顺序说明关系；加文字时用引号或全大写指定字体、大小、位置；做信息图就强调“文字渲染清晰”。 正文没披露支持哪些模型、有没有 DALL·E 4、生成速度多快、分辨率上限、是否收费。这些才是从业者真正关心的。教程本身偏入门，适合刚接触 AI 生图的用户，对老手来说信息密度偏低。