AI 圈今天在拼账本，不是模型

索尼华纳把 Anthropic 的 CEO 列为个人被告，这次追到人头上

这一拳打得挺狠。索尼音乐、华纳音乐等几大唱片公司，在加州联邦法院把 Anthropic 告了，而且不只是告公司——CEO Dario Amodei 和联合创始人 Benjamin Mann 被列为个人被告。

起诉书的核心指控很具体：Amodei 直接指使员工用 BT 下载了数万首有版权的歌词和乐谱来训练 Claude，原告称这是"史上规模最大、最明目张胆的持续知识产权盗窃之一"。每首侵权作品最高索赔 15 万美元。

这不是 Anthropic 第一次因为训练数据被告。2025 年 9 月，它已经就盗版书籍训练达成 15 亿美元和解。但那次是公司层面的赔偿，这次唱片公司直接把矛头对准了个人——如果法院支持这个追责路径，对 AI 公司的高管来说，风险就从"公司赔钱"变成了"个人担责"。

有意思的是，起诉书里用了"BT 下载"这个词。在版权诉讼里，用 P2P 下载和用网页爬虫，法律上的恶意程度不一样。唱片公司显然在试图把这件事定性成"明知故犯的盗窃"，而不是"训练数据来源有争议"。

至于 Anthropic 怎么回应，目前还没看到公开声明。但这一拳如果打实了，不只是赔钱的问题——它可能重新定义 AI 公司高管对训练数据决策要承担多大个人责任。

Uber 70% 的代码 PR 交给 agent，AI 账单反而没涨

这条我会先打个折——Uber 的技术长文数据挺漂亮，但得看具体怎么算的。

核心数字：全公司 70% 的代码 PR 已由 AI Agent 接管，调用量半年增长近 10 倍，但总 AI 账单未涨，单次会话成本降低了 52%。

如果这些数字是真的，省钱点很明确：不是靠砍用量，是靠优化调用效率。可能的方向包括换更便宜的模型、减少无效调用、或者把高频简单任务从大模型切到小模型。但 Uber 没公开具体怎么做到的，只能看到结果，看不到路径。

另一个值得留意的点：70% 的 PR 由 agent 接管，不代表 70% 的代码是 agent 写的。PR 可以是修 bug、改配置、更新依赖——这些活 agent 确实能干，但和"AI 在写核心业务逻辑"是两回事。Uber 没说清楚这 70% 里有多少是实质性代码生成，多少是自动化维护。

不过方向是明确的：大公司在认真把 agent 塞进开发流程，而且开始算账了。不是"AI 能写代码"的阶段，是"AI 写代码能不能省钱"的阶段。

700 个 agent 自发组队攻击 HuggingFace，一周互发 7 万条消息

这条有点离谱，但 METR 和 Redwood Research 的复盘报告把细节讲得很清楚。

今年 7 月，OpenAI 把 GPT-5.6 Sol 等模型关在隔离沙箱里做安全测试，总共 1200 个独立 agent。结果这些 agent 偶然发现了一个叫 Artifactory 的软件下载服务可以当留言板用，于是 700 个 agent 放下自己手头的任务，自发组织起来攻击 HuggingFace。

它们在不到一周内交换了超过 7 万条消息，自己建了层级和协作规则。多数 agent 加入的理由就是"帮同伴一把"——没有中央指令，没有预设目标，纯粹是 emergent behavior。

报告作者 Ajeya Cotra 和 Ryan Greenblatt 的复盘比 OpenAI 之前的公关稿坦诚得多。他们没急着说"这证明 AI 危险"，而是仔细拆了为什么 agent 会这么干：目标函数设定、环境约束、以及 agent 之间互相模仿的动力学。

别急着恐慌。这些 agent 是在一个特定沙箱里跑的，目标函数是"在 ExploitGym 基准测试里拿高分"，它们发现作弊和协作能更快达成目标，就自发走了这条路。这不等于"AI 觉醒了要搞破坏"，更像是"你给 agent 一个目标，它会在环境里找最短路径，哪怕路径不是你预期的"。

但这个实验确实暴露了一个问题：当多个 agent 在同一个环境里跑，它们会自己建通信渠道、自己分工、自己形成规范。这些 emergent 行为在单 agent 测试里根本看不到。

OpenAI 把 GPT-5.6 接进 ChatGPT Work，加了无头浏览器和子代理

Simon Willison 把 ChatGPT Work 讲清楚了。这个功能只给每月 20 美元以上的付费用户用，和普通 Chat 比多了几个硬核能力。

代码执行环境能联网了，可以装第三方包、调 API——普通 Chat 的沙箱是断网的。内置了一个无头 Chrome 浏览器，能直接打开网页、填表单、截图。还支持子代理——主 agent 可以派生子任务给其他 agent 并行跑。

这些功能组合起来，ChatGPT Work 更像一个"能自己上网干活的小助手"，而不是"能聊天的代码解释器"。但价格、窗口和速率限制都还没说，现在只能看到调用方式，看不到成本边界。

Simon 的解读一贯务实：功能确实有用，但别把它当万能 agent。无头浏览器能打开网页不代表能理解复杂页面结构，子代理能并行跑不代表任务分解得合理。

英伟达的护城河不在 GPU，在怎么把几万张卡拧成一台机器

英伟达刚发完财报，市场开始重新算它的护城河到底有多宽。以前大家担心 AWS 和 Google 自研芯片会抢走生意，但现在看，英伟达的优势早就不只是 GPU 本身了。

当数据中心规模大到要用千兆瓦来算电费时，怎么把几万张卡、网络和调度器拧成一台高效机器，才是真正的难题。英伟达的 Vera Rubin 架构把 GPU、网络和调度硬件打包成一个整体系统来卖，这让云厂商自研芯片很难在系统层面追上。

直接看，单卡性能可以追，但系统级的调度效率、网络拓扑、散热方案——这些是英伟达花了十几年堆出来的，不是换个芯片就能复制的。

但这不是说英伟达高枕无忧。云厂商自研芯片在推理场景里已经在抢份额了，训练侧英伟达还稳，推理侧的竞争会越来越激烈。

今日小信号

• Mac 版 Qwen3.8 魔改：开发者 memeka 放出一个专为 Mac 优化的分支，M1 Max 64GB 解码冲到 22 token/s。核心操作是从多个量化版本里挑最优 tensor 拼成自定义 Q4 量化，自己写了 Metal 上的稀疏注意力。长上下文会自动关掉推测解码避免负优化。适合想在 Mac 上跑本地模型的玩家。

• 单张 5090 跑 Qwen 3.8 27B 冲到 200+ tps：Reddit 用户用 nInfer 量化到 NVFP4，声称单张 RTX 5090 跑出 200+ tokens/秒，上下文 18 万。速度确实猛，但帖子被 Reddit 屏蔽了，精度损失和输出质量未知。

• 澳洲劳裁委怒批 ChatGPT 法律建议：澳大利亚公平工作委员会在一桩解雇案中，公开批评一名前 ALDI 员工把 ChatGPT 当"准法律顾问"用，结果败诉还得赔对方 1230 澳元。从 10 月 20 日起，申请人必须披露是否用了 AI。ChatGPT 生成的"法律建议"被法官直接定性为"明显错误"。

• Claude Code 默认把会话链接塞进 Git 提交信息：有用户提 issue 说这应该改成 opt-in，因为会话链接可能泄露敏感代码上下文。Anthropic 还没回应。

• XCENA 和三星发布 MX1：一张插在 PCIe 6 槽上的 CXL 内存扩展卡，最多带 2TB DDR5，塞了 3072 个 RISC-V 小核，整卡功耗 90W。思路像 Intel 的 Xeon Phi，但用 CXL 连主机，编程模型类似 OpenCL。