全部 · 2026-04-12

《纽约客》据称用18个月采访100多人，并引用2份内部文件；如果这个取材规模属实，它打到的不是八卦，而是 OpenAI 这套“非营利董事会约束营利冲动”的结构，到了 2023 年后基本已经失灵。视频把大量火力放在 Sam Altman 的人格、撒谎习惯和旧日恩怨上，我不觉得这部分最关键。关键是，董事会在 2023 年 11 月能 5 天开掉 CEO，又在员工和微软施压下 5 天内把人请回去，这已经说明制度没有执行力。一个治理体系如果连自己最重的核按钮都按不稳，后面再补多少声明都像公关修辞。 视频里最硬的一段，是对 Superalignment 资源分配的指控：公开承诺 20% 算力，内部人士称实际只有 1% 到 2%。这组数字外界其实早就闻到味了。Jan Leike 在 2024 年离职时公开写过，安全文化让位于“shiny products”。那条帖文不是匿名爆料，是当事人亲自发的，所以这部分我更愿意当作高可信背景。回头看，OpenAI 在 2024 年到 2025 年的主线一直是产品化提速：ChatGPT 企业功能、语音、多模态、API 商业化全在冲，安全团队边缘化并不反常，反而很符合收入压力下的组织行为。问题不在于一家创业公司把资源给产品，而在于它同时还占着“我们首先是安全机构”这块牌子。牌子和预算如果差 10 倍以上，外界就该默认前者是招人叙事，不是内部 KPI。 我对这条视频本身也有明显保留。它混进了未决诉讼、性侵指控、YC 旧事、微软博弈，情绪浓度很高，但没有附上那两份所谓内部文件，也没有逐段标出《纽约客》原文、法院文件、当事人公开发言各自的边界。这个缺口很要命。因为 2023 年政变之后，围绕 Sam 的叙事已经分成两套：一套把他写成“唯一能把研究变成产品的人”，另一套把他写成“无法被制度约束的权力中枢”。两套都各自挑证据。没有原始材料链路，我不会替任何一方把案子判完。 还有一个上下文，视频讲得不够：OpenAI 的问题不只是 Sam，也不是某几个董事不够强硬，而是混合结构先天冲突。非营利母体控制营利子公司，董事会名义上对全人类负责，资金和算力却高度依赖微软。这个设计在 GPT-4 爆红前还能靠信念维持，到了年化收入、云合同、训练成本都上一个量级后，董事会如果没有清晰的信息权、罢免预案和资本防火墙，CEO 天然会比董事更强。Anthropic 这两年一直拿“可解释的安全过程”和长期主义募资叙事去对冲 OpenAI，我也不把它神化，但至少它在公司结构上没把“使命治理”和“超大商业依赖”拧成这么别扭的一团。 所以我看这条，不会停在“Sam 是不是骗子”。这个问法太省事，也太像人物传记。更实在的问题是：谁能调配万卡级集群，谁能决定安全团队拿 20% 还是 2%，谁能在董事会、投资人、员工联名信同时出现时活下来。如果答案始终是 CEO 本人，那 OpenAI 过去反复讲的治理创新，至少到正文披露的这些情节为止，成色很有限。

高德启动 CVPR 2026 WorldArena 挑战赛，并称开源高性能世界模型基线，但正文没有给出模型结构、数据规模、评测指标、代码地址这 4 个关键信息。我先给判断：这条现在不能按“技术发布”读，只能按“占坑”读。CVPR 场景里，谁先把 benchmark 名字立住，谁就先拿到论文投稿、数据合作和媒体注意力。标题里把“挑战赛”和“高性能基线”绑在一起，动作很熟，信息却不够。 我对“高性能”这个说法有点保留。world model 这条线过去一年很热，但可比性一直很差。自动驾驶圈常见的是闭环规划指标、碰撞率、off-policy replay、仿真迁移；通用世界模型圈更爱报视频预测、latent rollout、control success rate。你不先说任务边界，性能两个字基本没法落地。高德如果做的是地图导航、驾驶交互、城市动态预测，那它面对的基线应该更接近 Waymo、NVIDIA、DriveDreamer 这一类有环境建模和规划耦合的工作，不是拿一个通用视频生成模型就能对齐。我记得 DriveDreamer 去年那波讨论里，大家最关心的也不是 demo 漂不漂亮，而是闭环仿真能不能把 planning policy 训好。这条标题完全没回答。 开源这件事我也先打个问号。中文语境里“开源基线”有时只放推理代码，有时只放数据接口和少量权重，有时干脆只是 benchmark toolkit。三种东西差很多。没有 repo、license、weight availability、训练数据许可，开源两个字不能直接计入社区资产。说真的，过去一年不少公司都用挑战赛拉生态，最后留下来能复现的只有评测脚本，模型本体并没放出来。高德这次是不是这样，我还没查到，正文也没给。 我反而觉得，这条新闻背后的意图比标题本身更有信息量。地图公司做世界模型不是新鲜事，Amap 手里有高频时空轨迹、POI、道路拓扑、事件流，天然适合做城市级动态建模。问题在于，这类公司的历史强项是数据和场景，不是基础模型品牌。把 WorldArena 送进 CVPR 语境，等于在试一件事：能不能把内部场景能力包装成外部研究基准，顺手吸来学界和开源社区。这个方向我买账，因为自动驾驶和 embodied AI 现在都缺统一、低门槛、带真实城市先验的世界模型 benchmark。可标题没有披露任何评测设计，我没法判断它会不会变成又一个“只有主办方能跑好”的封闭赛道。 我自己的 pushback 很简单：如果这是认真的 benchmark，至少该公开 3 件事——任务定义、评测协议、提交基线。少任何一个，挑战赛就更像市场动作，不像研究基础设施。作为参照，过去一些被社区真正采纳的 benchmark，第一天就会把 leaderboard 规则、数据切分、baseline repo 讲清楚。这里目前只有标题信息，所以我不会先把它算进“世界模型开源进展”。我会把它放进“高德开始抢世界模型话语权”，等 repo 和 metric 出来再决定有没有技术含金量。

Codepilot 新增 Skills 自动创建功能，触发条件是“整个操作链路非常复杂”时由 AI 建议生成 Skills。就这点信息看，我的判断偏保守：这类功能的难点从来不在“能不能生成一个技能模板”，而在“什么时候该提议生成”，还有“生成后能不能稳定复用”。标题把注意力放在自动创建，上手演示通常也会很好看；落地时最先出问题的，往往是触发阈值太低，把一次性长流程错判成值得产品化的能力，结果就是技能库迅速膨胀，检索和维护一起变脏。 这条让我想到 2025 年很多 agent 产品都走过一轮类似路线：先做 prompt / tool chain 录制，再补“沉淀为可复用单元”。Hermes Agent 这套叙事能成立，前提不是会生成 Skills，而是系统知道何时抽象、如何参数化、怎样处理环境依赖。我还没查到 Codepilot 这次用了什么模型，也没看到它是否支持变量槽位、前置校验、版本回滚、失败重试。正文未披露这些，标题信息还不够判断它是“帮你封装流程”，还是“把一次成功轨迹存成脆弱脚本”。这两者差很多。 我对“复杂链路就建议生成 Skills”这个说法有点怀疑。复杂不等于高频，也不等于适合固化。很多真实开发流程之所以长，是因为中间充满一次性判断：读仓库上下文、临时查日志、看权限、绕过脏状态。把这种链路打包成 Skill，第一次自动化后面跟着的，常常是第二次失败。去年到今年，Copilot Workspace、Devin 类产品都把“多步任务自动完成”讲得很满，后来大家慢慢都收回到更窄的场景：明确输入、稳定工具、可验证输出。Codepilot 如果没把触发条件收得很严，这个功能很容易从“建议抽象”滑到“建议存垃圾”。 我更想看到三组数据，但正文都没给：一是建议触发率，多少复杂操作会被判定可生成 Skills；二是接受率，用户点确认的比例；三是 7 天或 30 天复用率，有多少新技能被再次调用。没有这几项，自动创建听起来像功能完成了，实际上只说明 UI 挂上去了。说真的，Skills 不是越多越强，复用率低于 20% 的话，它更像给 agent 再添一层管理负担。