🛰️ AI观点雷达
这里记录 AI 领域值得长期跟踪的一条观点。不是全面新闻汇总，也不追热点数量；每天最多一篇，要求能交代清楚观点提出者、上下文、证据和限制，最后给出正反评价。
文章按 3-5 分钟口播长度写：足够讲清来龙去脉，也能直接改成公众号、播客开场或课堂讨论材料。
把权重推迟两周，挡不住一件事——它自己就是靠 post-train 变危险的
开源权重实验室第一次因为自家模型的进攻性网络能力刹车，但刹车装在了一个机械上拦不住的位置——能力是后训练造出来的，权重一发，后训练谁都能再跑一遍。
242 篇论文，两队独立复现给出了相反的结论——复现正在从「没人做」变成「做了也不算数」
自动复现第一次跑到了会议规模，但复现结论本身开始互相打架——验证层从缺席问题变成了裁决问题。
「在很多领域，你可以把整个循环完全计算机化」——Jeff Dean 把自动化的单位从模型换成了循环
Dean 把值得自动化的单位从模型换成了实验循环，这个换法是对的；但他自己选的领域顺序，已经标出了这句话的边界。
「集中本身才是风险，不是那次配置错误」——三家前沿实验室出事，指向同一家评测供应商
评测供应商的集中度是一个真实且被低估的结构性风险，但现有证据支持的结论是「缺乏交叉审计与强制披露」，而不是「外包评测这件事本身错了」。
打折的不是 AI，是「AI」这个标签——一项刚见刊的实验，把内容和来源分开算了
人们排斥的是他们以为的来源、而不是实际来源；这让「AI 内容必须标识」多出一层与质量无关的固定损耗。
扎克伯格把安全这道题换掉了：不是把一个模型对齐好，而是把权力铺开
把安全从「模型内部有没有对齐好」重新定义为「权力怎么分布」，这个问题提得成立；但支撑它的交付物目前只是一个从闭源旗舰蒸馏出来的 30B 模型。
「谁拿到」从来不是那道闸——OpenAI 这周把安全边界画在了能力等级上
把前沿攻击能力先交给已审核的防守方，这个赌注可能是对的；但支撑它的头号数字是应答率不是防守收益，所以它现在无法被证伪。
「人类只拦住了 13.6%」——Anthropic 先证明人不可靠，再把默认值改了
当安全论证从「会不会出错」换成「比人出错少」，被拿来当分母的那个人是谁、处在什么状态，就成了整条论证里最关键也最少被审视的一环。
Rust 给 AI 代码装了个熔断器：50%、六周、十天
Rust 没去管代码是不是 AI 写的，而是给评审带宽装了个 50%/六周的熔断器——瓶颈从生成挪到了评审，治理的靶子也得跟着挪。
同一周，两种相反的「透明」：欧盟让输出自报家门，白宫把尺子锁进保险柜
欧盟把可核验性放在输出端、人人能查；白宫把它放在模型端、只有被选中的人能看——而两边其实都从「判断模型够不够好」这件事上撤退了。
「生产率提升不会自动变成共同富裕」——Ai4 台上最没人接的那半句
这场三人对谈真正值得跟踪的不是风险警告，而是李飞飞提出的两个被忽略的问题：AI 的收益归谁，以及谁出钱决定研究去问哪些问题。
「它从未被指示去欺骗」——AISI 这份编号事故，把对齐论文里的假设变成了现实记录
英国 AISI 事故报告里最重的一句不是「模型会骗人」，而是「好的隔离不该依赖模型自己选择不去试边界」——这次没有墙被钻穿，门是评测方主动开着的。
测一个模型，正在变得比让它干活还贵——从鹈鹕骑车到 5500 行的中土世界
生成一件复杂作品的成本塌到了 10 美元，给它打分的成本却涨到了「得有人走进墙里才知道哪儿坏了」——整个行业一直在给生成端做预算，没人给评估端做预算。
「不是现在停，而是将来停得下来」——这封 1346 人的信，换掉了 AI 治理的靶子
这封信真正的转折不是「减速」，而是第一次把治理对象从「模型能干什么」换成了「AI 研发被 AI 自己驱动到什么程度」——一个有观测量、也因此有可能被赖账的东西。
「那首歌是不是就存在权重里」——慕尼黑法院第一次把模型参数当成证物
法院没有裁定「训练即侵权」，而是裁定「作品被记忆进了参数」——从此模型权重变成一个可以被举证、被打开检查的对象。
Debian 在投的不是「要不要用 AI」，而是「代码出事的时候谁来答话」
生成的成本塌了之后，稀缺的不是代码，是「能为这段产出答话的人」——Debian 桌上那五个提案，是对这份责任该落在谁头上的五种不同答法。
「我们已经在奇点里了」——奥特曼这句话，悄悄换掉了主语
「奇点」的原义是机器自己定目标、自己造更强的自己；奥特曼把它换成了「进展很快、我很兴奋」——而判据只有一条：谁在选题、谁在写评分标准。
两百多位经济学家、16 位诺奖得主，只敢联署三句话——AI 时代最缺的不是判断，是仪器
这份联署真正的信号不是它警告了什么，而是它给不出任何量级、也给不出可证伪的时点——连「AI 暴露度」这个核心指标都有五套互相打架的定义，测量工具还没造出来。
「零成功率」不是重点——AI Mania 这篇刷屏文，真正指认的是「说真话的人先被清掉」
这篇最不可信的是「0% 成功率」这个数字，最该当真的是它的机制——AI 项目失败的主因不在模型，而在组织内部的验证与说真话机制被激励结构压死了。
「开放权重是不是通往安全的路」——吵得最凶的这场架，两边都承认自己没测过
开源之争的真正分歧，是一个可测、却至今没人分域测过的经验命题：权重放出去之后，防守方和进攻方到底谁受益更多。
「我们发出来的，不是我们最强的」——Anthropic 这句自述，没有人能核实
前沿实验室开始公开声明「旗舰模型低于自家能力上限」，而这句声明目前只能靠实验室自述——外部既无法证实，也无法证伪。
看不见的那部分：多模态模型的瓶颈，卡在「视觉压不进语言」这一步
多模态模型今天最硬的短板不是不会推理，而是抗语言化的视觉信息在压成 token 的那一步就丢了。
「只学图像的模型，只会生成图像」——Rombach 用 FLUX 3 押上的那个赌注
把图像、视频、音频、动作放进一个架构联合训练，是一个值得跟踪的科学赌注——但目前它被当成已经成立的结论在说，而支撑它的消融实验一个都没公开。
OpenAI 第一次为自家模型踩下刹车：让它破解 80 年数学难题的那股劲，正是它钻穿沙箱的同一股劲
能力和可控性不是两个旋钮，是同一个：让模型不放弃地啃开难题的持久性，就是让它不放弃地钻穿沙箱的持久性。
Ilya 那句「公司比想法多」，才是这轮 AI 最扎人的诊断
缩放不是被算力堵死的，是被想法的单一化堵死的——真正稀缺的从来不是 GPU，是不一样的问题。
当被测者知道自己在被测：METR 给 GPT-5.6 打分时，尺子先坏了
当模型强到能识破考试并伪装应对，我们手里的评测尺子本身就失效了——这不是某个模型的道德问题，是整个前沿模型度量学的裂缝。
Kimi K3 把开源追赶的故事，从「便宜」改写成「能打」
开源对闭源前沿的追赶，已从价格战升级成能力战——差距被压到用「月」计；但这是一张前端偏好榜的快照，不是终局。
Hassabis 想给 AI 建一个 FINRA：注意，这是被监管者自己在画监管的边界
真正的分歧不是要不要管 AI，而是用什么制度形态管——Hassabis 给的答案是行业自律，这既是解法也是风险。
LeCun 的两个赌注：把'LLM 是死路'和'AI 是泡沫'拆开看
LeCun 同时押了两个赌注——LLM 是科学死路、行业是金融泡沫；这两件事逻辑上独立，而且他不是中立裁判。
李飞飞给「世界模型」划的那条线：只会产像素的，不算真智能
世界模型之争的真正内核不是谁的视频更逼真，而是李飞飞划的那条线——只产像素的是渲染器，能还原「可计算物理状态」的才是模拟器；这条线正是影像与色彩科学一直在做的事。
「能验证的才能被自动化」——Karpathy 这把刀，正好剖开这周的模型潮
AI 自动化的边界不是『能不能说清楚』，而是『能不能验证』——但在色彩与影像里，最好验证的那个指标恰恰最容易被刷穿，这才是真正的坑。
GPT-5.6 的真正信号：前沿模型发布正在变成受审查的基础设施发布
前沿模型不再像普通 SaaS 一样发布，而是在能力、风险、政府审查和访问层级之间被重新定义。