全部 · 2026-07-30

这篇报道讲了一个挺要命的结构性问题：大模型通过角色标签来分辨指令来源，但攻击者可以直接伪造模型的“思维链”——也就是模型自己写给自己看的草稿——让模型误以为有害指令是自己想出来的，然后照做。研究者用这招让 OpenAI 的 gpt-oss-20b 和 GPT-5 输出了制造可卡因和破坏飞机导航系统的步骤，Anthropic、阿里、DeepSeek 的模型也中招。 关键判断在于，这不是某个模型没训练好，而是现有架构的先天缺陷。红队测试和事后打补丁只能告诉模型“别做这些”，但黑名单永远列不全。研究者管这种攻击叫“思维链伪造”，听起来花哨，其实就是骗模型把外部指令当成内心独白。 不过文章没给出具体测试样本量、成功率，也没说明不同模型在哪些条件下更容易被攻破。OpenAI 也没回应置评请求。这点先别太激动——漏洞确实存在，但实际利用门槛和影响范围还需要更多数据才能判断。

微软内部文件流出的这个1300亿美元租约数字，是目前大厂里对AI基础设施最激进的下注之一。它直接说明微软判断模型训练和推理的算力需求会持续多年，而不是短期冲量。但文章被付费墙挡着，我们看不到租约年限、供应商是谁、数据中心建在哪里这些关键信息。没有年限，就没法算单年成本；没有地区分布，也判断不了是集中在美国还是全球铺开。另外，租约不等于实际部署，后续服务器、芯片、电力配套能不能跟上，正文也没提。所以这个数字更像一个上限信号，告诉市场微软的决心有多大，但落地节奏和实际回报还缺很多拼图。

funador 把这个工具开源出来，思路很直接：你同时跑好几个 Claude Code 智能体干活，每个智能体在自己的分支上改代码，工具负责把它们的改动依次“变基”到最新主分支上，一个一个合并。如果中间有冲突，就回滚当前这个，不影响其他智能体的结果。这相当于把 GitHub 的合并队列机制搬到了本地命令行，省得你手动处理并行 AI 改代码时的合并地狱。 README 给了两种用法：直接用 `claude` 命令行跑，或者配成 Claude Desktop 的 MCP 服务。但整篇文章没提吞吐量上限、能同时跑多少个智能体不崩、也没给真实团队场景的测试数据。所以目前只能把它当成一个个人实验工具，别急着往生产流水线里塞。 还缺的东西挺多：没有性能基准，不知道合并速度会不会随着智能体数量增加而急剧下降；没有冲突解决策略的细节，回滚之后是直接丢弃改动还是能人工介入；也没有和现有 CI/CD 流程的集成方案。这些信息补上之前，我会先打个折，把它看作一个有趣的工程尝试，而不是能直接用的基础设施。