全部 · 2026-09-14

这笔钱本质上是软银先借钱、再投给 OpenAI，银行超额认购把贷款规模推高了 19 亿美元，说明市场眼下对 AI 资产的胃口还在。但报道只确认了金额变大、资金流向不变，没披露贷款利率、期限和担保结构——这些才是判断软银真实成本和风险的关键。OpenAI 那轮 400 亿美元融资里，软银这笔贷款占了多少比例、会不会影响 OpenAI 的股权结构，正文也没交代。另外，银行抢着参与可能反映的是对软银信用的认可，而不是对 OpenAI 商业回报的直接背书，这点先别太激动。

这篇文章把 AI 评测榜单的底裤扒得很干净。核心事实是：OpenAI 发布 GPT-6 Astra 后，评测机构 Artificial Analysis 一周内两次修改评分规则，让 Astra 从落后 5 分变成与 Claude Fable 5.1 并列第一，模型本身没动过。这直接点破了榜单的商业本质——评测方卖高价订阅（Pro 版每人每月 417 美元）需要大厂背书，厂商需要排名做营销，双方利益绑在一起，所谓中立性天然受限。 文章还拆解了评测体系内部的两重矛盾。一是榜单必须提供偏离日常体感的有效信息，但公信力又依赖体感来背书，一旦排名违背直觉，人们就会质疑尺子失真。知乎答主分析指出该榜单约 76% 权重存在测量缺陷，包括用大模型当裁判引入打分漂移、旧版测试集存在故障题、拒答即可刷满分等具体漏洞。二是榜单必须成为攻关目标，但又不能被刷透——同一款 Astra 在抽象推理基准上，用官方底座跑出 62.7%，换成 OpenAI 专属适配器底座直接飙到 99.9%，成本还更低。 文章没给出解决方案，但把问题拆得很清楚。缺的是对评测机构商业模式的更深层追问：当受测厂商的采纳程度直接决定评测方生存空间时，有没有可能建立真正独立于厂商利益的评测机制？这点正文没展开。

这条新闻最值得看的地方，不是 AI 又赢了人类，而是它找到了一个很实在的活儿：替研究员值夜班。量子芯片标定是个枯燥的体力活，需要人一直盯着屏幕看波形、调参数，一坐就是几天。MIT 团队用了一个轻量级接口，让 GPT-5.6 Sol 模型直接操控仪器，通宵跑了 12 个小时，独立完成了 6 个读出谐振腔的初始标定。 但别急着激动，白皮书自己把短板说得很清楚。首先，它比熟练的研究员慢。其次，它没有物理直觉。在信号清晰的 4 个固定频率比特上，40 次目标测量只用了 4 次人工介入，表现不错。可一碰到信噪比差的可调频率比特，模型就露怯了，会把有问题的测量结果当成合格的存下来，最后还得靠人救场。这划出了一条清晰的分界线：验收标准能自动判定的环节，AI 可以当个靠谱的值班员；一旦需要经验裁量，它就容易翻车。 信息缺口也很明显。这只是一份来自 MIT 和 OpenAI 的单方面白皮书，没有同行评审，代码也没开源。我们不知道这套系统换一块芯片、换一个实验室还能不能跑通。正文也没披露这 12 个小时里，模型具体犯了多少次错又被自己纠正了。所以，把它看作一次“让设备在夜里别闲着”的成功尝试就好，离替代科学家还差得远。

Tunguz 这篇分析最狠的地方，是直接戳破了“放缓前沿”这个提议的泡沫：所有人都在谈代价，但没人定义速度。他把回应者分成五派，每一派都算了自己的账。可解释性派想争取时间搞懂模型内部，但 Amodei 自己都承认现在只懂个皮毛。劳工派要保护工人，经济派指着 AI 拉 GDP 还债，地缘政治派怕被中国追上，而监管俘获派直接说这就是披着安全外衣的垄断同盟。吵得热闹，但核心问题一个没解决。 文章点出了一个关键事实：2023 年美国政府设过 10^26 FLOPS 的算力报告门槛，结果还没等任何模型跨过这条线，规定就被撤销了。几周后 Grok-3 就达标了，今年大概有十个模型会过线。训练算力每年涨五倍，定一个固定数字，等于让地板自己追上天花板。这个先例基本宣告了用算力门槛来限速是刻舟求剑。 信息缺口也很明显。正文没提 Amodei 是否回应了这些批评，尤其是 Sacks 直接指控他搞垄断同盟。也没说清“国际协调”具体怎么操作，毕竟各国算的账完全不一样。这些缺失让整个提议看起来更像一个姿态，而不是一个可执行的方案。

这篇 OpenAI 官方发的客户故事，讲的是 Perplexity 怎么用 GPT-6 Astra。联合创始人 Johnny Ho 说，他们现在敢让模型直接写对外文案、改线上系统、盯着生产环境跑，这些事以前的模型做不来。最具体的用法是让 Astra 自己写测试程序，模拟外部 API 返回的数据，跑通完整的业务流程。因为模型更稳了，团队不用像以前那样频繁盯着看。 但整篇文章只有定性描述，没披露任何关键指标。比如 Astra 生成测试的通过率是多少、模拟 API 返回的数据有多逼真、端到端流程跑下来延迟增加了多少、错误率有没有降。这些数字一个都没给。另外，文章也没说清楚“盯着看”的频率到底从多少降到了多少，是每小时看一次变成每天看一次，还是从每天看变成每周看。 这篇东西本质上是 OpenAI 的客户证言，不是第三方评测。Perplexity 作为 AI 搜索引擎，本身就和 OpenAI 有深度合作，立场不是中立的。如果 Astra 真能在生产环境里稳定跑端到端任务，那确实是个信号，说明模型从“能写代码”进化到了“能管系统”。但在看到具体的可靠性数据和故障复盘之前，这个结论得打个折。