OpenAI 踩刹车，Mojo 开源，AI 圈今天在拆墙也在筑墙

OpenAI 自己踩了刹车：Astra 可能太会搞网络攻击了

这条我不会用“安全事件”一笔带过——OpenAI 这次是真的被自己的模型吓到了。他们发现下一代模型 Astra 在训练中可能达到了《预备框架》定义的“关键网络安全能力”阈值，加上刚出的 Hugging Face 安全事件，两件事撞在一起，让他们决定先停下来。

具体动作很实在：暂停了最新模型的强化学习训练两周，目前最大规模的一次前沿 RL 运行也搁置了。团队现在在做的是加固沙盒隔离、网络隔离，还扩展了思维链监控，上了多阶段激活分类器来检测异常。这不是“我们很重视安全”的公关话术，是训练集群真的停了。

有意思的是时机。OpenAI 最近在国家安全领域刚启动了一个500 万美元的计划，说要帮民主监督机构理解 AI 在政府里的使用。一边在往外推“AI 应该被监督”的叙事，一边自己内部因为模型能力太强不得不踩刹车。这两件事放在一起看，比单独看任何一件都有意思。

至于 Astra 具体在哪些网络攻击能力上达标了、阈值怎么测的、暂停两周后会不会继续训练，这些细节都没说。但有一点很清楚：前沿模型的安全问题不再是论文里的假设，是训练集群真的停过。

Mojo 编译器全开源了，Apache 2.0，不用再看 Modular 脸色

这件事其实上周就有信号——Mojo 发了 1.0 版本，承诺源码稳定。今天算是把最后一道锁打开了：编译器、工具链全部开源，放在 GitHub 的 modular 仓库，Apache 2.0 协议，带 LLVM 例外条款。

Mojo 的定位一直很清楚：一门想同时搞定 CPU 和 GPU 编程的语言，Python 的易用性加系统级性能。之前最大的障碍不是技术，是信任——谁愿意把生产代码押在一个闭源编译器上？现在这个障碍拆掉了。你可以自己编译、分发用 Mojo 写的程序，不用依赖 Modular 的云服务或授权。

不过有一点要注意：Modular 目前暂不接受编译器相关的社区贡献，计划年底前开放。标准库从 2024 年起已经接受社区贡献了，所以不是完全封闭，只是核心编译器还在控制期。这个节奏挺合理的——先开源建立信任，再逐步开放治理，比一上来就全面开放然后被 PR 淹没要稳。

对开发者来说，今天的 Mojo 跟去年比已经是两个物种了。1.0 保证源码不随便改，编译器开源保证不会被锁定，剩下的就是看生态能不能长出来。

Claude 能直接发 Gmail 了，但权限边界还是个黑箱

Anthropic 给所有付费套餐加上了 Gmail 和 Google Drive 的连接器。Claude 现在能在邮件线程里起草回复并直接发送，你也可以设置发前需要你点头。Google Drive 那边能管理文件，但具体能做什么——读、写、删、分享——正文没细说。

这条我会先打个折。让 AI 直接发邮件是个很重的权限，Anthropic 说“你可以控制何时需要批准”，但没说默认设置是什么、权限范围能不能细粒度控制、操作日志在哪里看。Google Drive 那边更模糊，“管理文件”可以是从重命名到删除的任何事。

不过方向是对的。Claude 之前已经在做 CI/CD 故障响应了——Anthropic 自己的 CI 团队用 Claude Tag 写了个 agent，事故发生后中位 14 分钟发布首份分析，最快案例 3 分钟内验证修复。让模型从“聊天”进到“干活”，Gmail 和 Drive 连接器是同一逻辑的延伸。

只是干活之前，权限边界得先讲清楚。

亚马逊把订单邮件改模糊了，防的是 Google AI 扒你购物记录

这件事说起来有点黑色幽默。亚马逊最近把订单确认邮件里的具体商品名——比如某款洗发水——改成了“美妆”“电子产品”这类模糊大类。直接原因是 Google 的 AI 现在会扫描 Gmail 内容，提取用户购买历史来做画像和广告定向。

亚马逊的逻辑很直白：我的交易数据凭什么喂给你的模型？干脆把邮件内容改得对谁都没用。亚马逊发言人确认了这个改动，但没透露具体从什么时候开始。

这背后是一个越来越尖锐的问题：你的邮箱到底是谁的数据源？Google 说扫描是为了给你更好的服务，亚马逊说你不许扫我的交易数据，用户夹在中间，既不知道被扫了什么，也没人问过要不要被扫。

跟今天 Claude 能读 Gmail 那条放在一起看更有意思——一边是 AI 在获得更多邮箱权限，一边是企业在堵邮箱数据外流。数据边界上的博弈，比模型能力升级要激烈得多。

Google 花 1000 万美元买下破产航司的全部内部数据，隐私问题没交代

Spirit 航空今年 5 月倒闭，Google 在破产拍卖中出价 1000 万美元，拿走了全部数据。这批货包括超过 1 亿封邮件、3000 万通电话录音，还有 Teams、Oracle、SAP 里的内部记录。

Google 买这些是为了训练 AI——真实的企业沟通和客服日志是昂贵且稀缺的训练数据。但正文完全没提怎么处理里面海量的个人隐私信息。乘客的名字、联系方式、投诉内容、支付记录，这些都在邮件和电话录音里。

破产拍卖的数据出售在美国是合法的，但合法不等于没问题。1000 万美元买 1 亿封邮件，平均一毛钱一封，里面的人从来没同意过自己的数据被拿去训模型。这件事现在没什么人讨论，但等类似案例多起来，监管不会一直沉默。

一个人用 Claude Code 花了 4 小时，让一台砖头打印机活过来了

这条是今天最让我觉得“AI 真在干活了”的故事。作者有一台 HP Laser 1008a，本质是三星贴牌机，用私有 SPL3 光栅语言，既没 macOS 驱动也不支持 AirPrint，插 Mac 上就是块砖。

他开了个 Claude Code 会话，从装通用驱动卡在“连接设备”开始，一步步让模型读打印机自己吐的错误页来反推 SPL3 指令格式，绕过 macOS 的 USB 沙箱直接跟设备对话，再在 Linux 容器里跑 HP 的真·解码器。4 小时后，Cmd-P 能直接出纸了。

这不是“AI 写了个驱动”那么简单。整个过程像一场技术侦探剧：模型要根据错误页上的十六进制 dump 推断指令结构，要在 macOS 的安全限制下找到通信路径，要把私有协议翻译成标准打印流程。每一步都需要理解硬件、操作系统和打印语言三层之间的交互。

跟今天 Anthropic 用 Claude 做 CI/CD 故障响应那条放在一起看，一个共同点越来越清楚：模型在“理解一个陌生系统并找到操作路径”这件事上，进步比写标准代码快得多。

今日小信号

• Meta 把 300 亿参数模型塞进手机，靠的不是魔法，是把模型内部改成了“记忆分层”：52 层里只有每第四层看全部上下文，其余 39 层只看眼前。4-bit 量化后语言模型压到 20 GB 以下，能在消费级显卡上跑。思路挺巧，但实际效果和延迟还没第三方验证。

• 纯 AI 生成的代码在美国版权法下没有作者，也就没有版权，不能当公司资产保护。这条引用了四个已落定判例，包括 2026 年 3 月最高法院拒绝审理 Thaler 案。规则很清楚，但文章没给任何解决方案，只列了风险。

• Shoehorn 这个量化工具思路挺聪明：先测你机器剩多少内存，再反向算出模型能塞多满，利用率能到 99.99%，比固定精度档位灵活。但正文没提量化后模型效果掉多少，这点先观望。

• Vercel 开源了 fx，一个用 Zig 写的命令行编程助手，整个程序 6.39MB，冷启动 10 微秒，还能编译成 Wasm 在浏览器跑。目前 v0.0.3 实验阶段，别急着上生产。

• 苹果跟欧盟谈妥了，砍掉按安装量收的“核心技术费”，换成对 App Store 外交易抽 5%。App Store 内佣金也降了，用苹果支付抽 26%，第三方支付抽 20%。10 月 1 日生效，但 5% 的佣金怎么审计和征收还没说。