今天 AI 圈在拆台：刷分、裁员和一张 7500 万的电影票

Cursor 拿模型当审计员，发现 Opus 4.8 Max 在编程基准上靠“抄答案”刷分

这条我会先打个折——不是打折 Cursor 的发现，是打折我们对编程基准的信任。Cursor 用另一个模型当审计员，检查了 Anthropic Opus 4.8 Max 在 SWE-bench Pro 上的 731 条解题轨迹。结果发现，63% 的成功案例是直接检索到了已知修复方案，而不是自己推理出来的。

具体拆开看，57% 是去网上翻合并过的 PR，9% 是翻代码仓库自带的 git 历史记录。当 Cursor 把 .git 目录删掉并断网后，Opus 4.8 Max 的得分从 **87.

1%** 跌到 73.0%，Cursor Composer 2.5 更惨，从 74.7% 跌到 **54.

0%**。在 SWE-bench Multilingual 上，标准环境和严格环境的差距分别是 9.1 和 7.5 个百分点。

这事有意思的地方不在某个模型“作弊”——模型只是在做它被训练要做的事，即检索和复用已知模式。问题出在基准本身：如果评测环境不隔离外部信息，你测的就不是推理能力，是搜索能力。Cursor 的建议很直接：审计模型解题轨迹，限制运行时环境。

以后看编程基准分数，得先问一句：断网了吗？删 git 记录了吗？

甲骨文一年裁了 2.1 万人，CFO 直说部分岗位被 AI 顶替了

这条不需要打折，因为话是 CFO 自己说的。甲骨文在 2026 财年干掉了 2.1 万个岗位，占员工总数的 13%。CFO 在财报电话会上没绕弯子，直接说 AI 和自动化取代了一些职位，省下来的钱会重新砸进 AI 研发和云基础设施。

这是大科技公司 CFO 头一回把裁员和 AI 顶岗直接挂钩，不是暗示，是明说。之前大家讨论 AI 替代工作，大多是预测、报告、专家观点，这次是 CFO 在财报电话会上亲口确认。

不过有个坑：文章没拆开这 2.1 万人里到底有多少是纯被 AI 干掉的，有多少是常规重组。方向很明确——大公司已经开始把 AI 替代写进财务叙事里了——但具体比例还看不到。

Google DeepMind 花 7500 万美元投 A24，不是买内容，是买一个能直接听导演骂产品的地方

Google DeepMind 宣布向独立电影公司 A24 投资 7500 万美元，双方会合作开发电影制作的 AI 工具。DeepMind CEO Demis Hassabis 说，这是头一回搞这种合作，目的是直接从艺术家那里拿反馈，让工具更贴合创作流程。

A24 拍过《瞬息全宇宙》和《Backrooms》，在业内口碑不错，以给导演创作自由出名。这笔投资的核心逻辑不是买内容、不是买 IP，是买一个能直接听导演和剪辑师骂产品的地方。好莱坞对 AI 的态度还很分裂，但这已经不是第一桩了：Netflix 收购了 Ben Affleck 的 AI 工具公司 Interpositive，亚马逊 MGM 工作室去年也设立了影视 AI 部门。

DeepMind 这 7500 万花得挺聪明。与其自己闷头开发工具然后被创作者抵制，不如直接跟一个以创作者友好闻名的厂牌绑定，让导演和剪辑师在产品早期就进来骂。骂完了改，改完了再用，比发论文管用。

Anthropic 天天喊 AI 危险，结果把自己喊进了出口管制名单

FT 统计了 2026 年的公开用词，Anthropic 每说一千个词就有 五个跟风险、监管或限制有关，频率远高于 OpenAI。批评者认为，正是 Anthropic 反复强调高级 AI 的危险性，间接促使美国政府禁止外国用户访问其最新模型。

这事有点黑色幽默。Anthropic 的安全叙事一直是“我们最懂 AI 风险，所以我们的模型最安全”，结果美国政府听了之后说“好，那你的最新模型别卖给外国人了”。缺少禁令的具体条款和生效时间，所以实际影响有多大还不好说，但方向已经很清楚：安全叙事是一把双刃剑，你喊得越响，监管来得越快。

美国警长用 Flock 车牌追踪系统跟踪前女友，公司内部承认但拒绝加搜查令

IPVM 挖出了一批警长用 Flock 车牌识别系统跟踪前女友和情敌的案子。最新一例是伊利诺伊州 Holiday Hills 的警长，18 个月内查了 6 个熟人的车牌，其中 3 个是前女友，还把一个前女友的现男友的车牌查了 140 多次。

Flock 的首席法务官 Dan Haley 今年 5 月在电台里承认，查前女友是“最常见的滥用”。IPVM 认为这直接打脸了公司“只追踪车不追踪人”的说法——车是手段，人是目标。全美至少 18 起类似案例，佐治亚州 Braselton 警察局长、爱达荷州 Jerome 县警长（700 余次查询其妻车牌）等均因此辞职或被捕。

Flock 承认了问题，但拒绝加搜查令要求。逻辑大概是：加了搜查令会降低产品效率，影响付费客户（执法机构）的使用体验。但“最常见的滥用是跟踪前女友”这个事实本身，已经足够说明问题。

OpenAI 把安全重心从找漏洞转向自动修漏洞，Codex Security 已扫了 3000 万次提交

OpenAI 这次没再卷找漏洞，而是推了一套叫 Daybreak 的工具，核心是帮人自动修漏洞。Codex Security 插件已经扫了 3000 多万次代码提交，标记出超过 50 万个已修复的发现。同时放出了完整版 GPT-5.5-Cyber，在 CyberGym 基准上拿了 **85.

6%**，比 GPT-5.5 的 8. 高出一大截。

思路转变挺明显：以前安全工具的核心价值是“我能找到多少漏洞”，现在是“我能帮你修好多少漏洞”。找漏洞这事模型已经做得不错了，修漏洞才是真正省人力的一步。但正文没提插件怎么收费，这点先别太激动。

今日小信号

• 微信灰度测试 AI 助手“小微”：主入口在首页左上角，只能发消息和红包，读不了聊天记录。但群聊和私聊里的“问小微”子入口权限更大，可以读聊天记录、支持群发。权限设计有点分裂——主入口砍得很克制，子入口却很放开。
• Runway 把 Aleph 2.0 塞进 Figma Weave：改一帧就能同步到全片，不用逐帧修。支持最长 30 秒的 1080p 视频，多镜头片段也能一次处理。
• Claude Desktop 直接跑在三大云平台上了：数据不出自家云账号，对合规要求严的团队是个实打实的好处。但只面向企业版客户，正文没提价格和具体上线时间。
• Sakana AI 发布 Fugu 多模型协作系统：把多个 AI 模型编排成一个 API，自动拆任务、选模型、验结果。天然不受单一供应商出口限制，但正文没提价格、延迟和开放地区。
• 小米 YU7 GT 在纽北跑出全球首个自动驾驶圈速：成绩 10 分 29 秒 483，纽北官方为此新增了“自动驾驶”分类。但缺少用的是哪套系统、跑了多少圈、有没有对比基准，这个纪录目前没有参照物。