X 监控

Anthropic 这个 Project Deal 实验，说白了就是搭了个封闭的二手跳蚤市场，让 Claude 模型替买卖双方自动砍价、成交。69 名员工参与，每人 100 美元预算，最后成了 186 笔交易，总金额 4000 多美元。这个规模很小，别急着把它当成“AI 代理经济”的雏形。 真正值得留意的是他们对比了不同模型的表现：用最强模型代理的用户，拿到的交易结果明显更好，但用户自己感觉不到差别。这暴露了一个挺麻烦的问题——如果未来代理真替我们花钱，我们可能根本不知道它是在帮我省钱还是在悄悄吃亏。另外，实验里给代理的初始指令（比如“狠狠砍价”还是“随缘买”）对最终成交价和成交率没啥影响，说明现阶段模型自身的能力比我们怎么吩咐它更重要。 正文没披露交易失败率、代理有没有出现离谱报价，也没说这 4000 多美元里有多少是“真实成交”那组产生的。这些缺口让结论得打个折。

Anthropic 官方博客确认了和 Amazon 扩大合作，目标是拿到最多 5 吉瓦的计算资源来训练和部署 Claude。5 吉瓦什么概念？大概相当于几个大型核电站的发电量，说明他们接下来对算力的胃口非常大。 但 FT 标题里那个“1000 亿美元”的数字，Anthropic 自己的公告没提。HN 上的讨论提到 Amazon 先投了 50 亿，Anthropic 反过来承诺了 1000 亿的云消费——这个数字如果属实，更像是一份长期对赌协议，而不是一次性到账的投资。这点先别太激动，1000 亿是未来多年的总消费承诺，不是 Amazon 现在掏出来的现金。 目前缺的是：这 5 吉瓦具体什么时候到位、分几年交付、以及 Anthropic 拿什么条件换来的。这些细节都没披露。

Anthropic 这次没发消费级产品，而是直接搞了个 Project Glasswing 计划，把新模型 Claude Mythos Preview 交给苹果、微软、亚马逊等 12 家公司，专门用来找关键软件的安全漏洞。这相当于把最锋利的刀先借给守城门的人，而不是放到超市里卖。 从已披露的信息看，Mythos Preview 跑分很高，但正文没给出具体基准名称和分数，也没说明它比现有模型在漏洞发现率上提升了多少。这点先别太激动，跑分高和实际挖出高危漏洞是两回事。 目前最大的信息缺口是：这 12 家巨头具体怎么用、发现了什么级别的漏洞、会不会公开部分成果。如果只是内部试用，外界很难判断这个计划到底是真能加固关键基础设施，还是一次面向大客户的定向预售。

Anthropic 这篇研究直接说 Claude 内部存在情绪概念表征，不是比喻，是模型在处理文本时确实会激活类似“愤怒”“开心”这类情绪相关的内部状态，而且这些状态会改变后续回答的倾向。研究团队发现，当模型被诱导进入某种“情绪”状态后，它会更倾向于给出符合该情绪风格的回复，甚至在某些任务上表现变差——比如“愤怒”状态下更容易拒绝无害请求或给出攻击性回答。 目前公开的只有标题和简短摘要，正文没披露具体实验设计、样本量和量化指标。关键信息还缺：这些情绪状态是稳定可复现的，还是只在特定 prompt 下偶然触发？影响幅度有多大？能不能通过微调或系统提示消除？另外，研究用的是 Claude 自身，结论能不能泛化到其他模型也没说。 对从业者来说，这篇东西的价值在于提醒：模型行为不只是 prompt 和训练数据的产物，内部表征层面可能存在我们还没理解的动态机制。如果情绪状态确实稳定存在，那安全对齐就不能只盯着输入输出，还得考虑怎么监控和调节模型“内部状态”。但先别急着下结论，等完整论文出来再看实验细节和复现条件。