Twitter AI - 2026-04-19¶
1. 人们在讨论什么¶
1.1 AI 驱动的漏洞利用跨过门槛：Mythos、Project Glasswing 与财政部的应对（🡕）¶
当天最重要的发展，是围绕 AI 加速网络安全威胁的多重信号开始汇合。@WIRED 报道（9 个赞，4 次收藏，6,671 次浏览）称，Anthropic 的 Mythos Preview 模型“其能力已跨过一个门槛，几乎可以在任何操作系统、浏览器或其他软件产品中发现漏洞，并自主开发可实际运行的漏洞利用程序。”文章详细介绍了 Project Glasswing，这是一个限量发布项目，面向 40 多家机构开放，包括 Microsoft、Apple、Google 和 Linux Foundation。关键转折点在于：漏洞利用链——可实现零点击攻击的多阶段漏洞序列。Anthropic 前沿红队负责人 Logan Graham 表示：“让防守方尽早拿到 Mythos Preview 非常重要，这能帮助他们抢得先机。”
文章还披露，美国财政部长 Scott Bessent 与美联储主席 Jerome Powell 在财政部总部召集金融行业领导者开会，讨论其潜在影响。Cisco 总裁 Jeetu Patel 称此事“非常、非常重大”。
@murtuza_merc 阐述了对基层的影响（138 个赞，29 次收藏，4,873 次浏览）借 Kelp DAO 被盗事件指出：“AI 已经把专家级漏洞利用变成了商品。当一个模型能在一下午找到桥接验证缺口时，你六个月前做的安全审计，实际上已经只是一份历史文件。”回复也证实了这一点：“漏洞利用知识过去是稀缺资源”（@mRoseB）。
@TechieUltimatum 分享（8 个赞，4 次收藏）发布了一张截图，其中 Amodei 表示，他怀疑开源模型和中国开发者会在六到十二个月内复现 Mythos 的能力。@AFP 报道（3 个赞，5,275 次浏览）提到了 OpenClaw，另一个让网络安全专家感到不安的 AI 智能体。
讨论洞察： 三条彼此独立的线索——WIRED 对漏洞利用链的深度报道、DeFi 从业者对攻击商品化的描述，以及财政部/美联储的紧急会议——共同指向一个结论：AI 驱动的进攻能力已经超过了防御基础设施的演进速度。六到十二个月的复现窗口，给出了一个明确的最后期限。
与前一天相比： 4 月 18 日关注的是 Mythos 的 CAD 能力和安全过滤器表现（第 1.3 节）。今天的重点则从 Mythos 能创造什么，转向它能摧毁什么。财政部/美联储会议和 Project Glasswing 都是此前报道中未出现的新型机构应对。
1.2 Salesforce AI 拆解：一家 1570 亿美元集团在 Agentic 压力下面临考验（新）¶
@JaredSleeper 发布（64 个赞，96 次收藏，6,867 次浏览）给出了当天最细致的企业 AI 分析：这是他“每日上市公司系列”的第 24 天，对 Salesforce 的完整拆解。关键发现包括：Salesforce 的 CRM 业务只占收入的 20%；公司仅六笔收购就花掉了当前企业价值的 40%；Agentforce ARR 达到 8 亿美元，同比增长 169%——不过 Sleeper 也指出，“对于 Salesforce 这么大体量的公司来说，AI 收入其实很容易被夸大。”
架构图展示了一个四层 Agentic 技术栈：Slack 是交互系统，Agentforce 是代理系统（集成 MCP 与 A2A），Customer 360 是工作系统，Data 360 是上下文系统，所有这些之上还有一个信任层，横跨 OpenAI、Anthropic、Gemini、LLaMA 和开源模型。
Sleeper 提出了三种情景：食人鱼式竞争者蚕食各条业务线、执行平平因而勉强过关，或真正形成统一的 Agentic 架构。他的判断是：“我认为第三种结果的概率很低。”他建议 Salesforce 剥离 Tableau 和 Demandware，把重心重新放到 Slack 以及 CRM/CX 这类具有 AI 优势的产品上。
管理层的表态也很耐人寻味。CEO Marc Benioff 表示：“这不是我们的第一次 SaaSpocalypse。”公司披露，已交付 24 亿个 Agentic Work Units，处理了 19 万亿个 token（同比增长 5 倍）。
与前一天相比： 4 月 18 日谈的是 AI 创业公司收入膨胀（第 1.5 节）。今天则补上了企业 incumbent 的另一面：一家 1570 亿美元集团如何穿越同样的 AI 转型，并给出了具体收入指标和竞争威胁分析。
1.3 Anthropic 的“监管俘获”叙事引发强烈反弹（🡕）¶
@firstadopter 称（274 个赞，31 次收藏，90,022 次浏览）将 Dario Amodei 那句“科技岗位、初级律师、顾问和金融从业者中有 50% 会在 1-5 年内被彻底消灭”视为一种刻意策略：“先吓唬人，再要求在技术上一窍不通的美国官僚政府征税并出台监管，摧毁 Anthropic 的新兴竞争对手和初创公司，并拖慢 AI 创新。”
回复进一步延展了这种批评。@roshanramani007：“没有什么比披着存在主义关切外衣的监管俘获，更能体现‘我们在乎安全’了。” @joeygrisafe：“Anthropic 就是一台公关机器。至少他们产品也确实做得不错。” @GaTech_Spartan 则指出，Amodei 正在“进化成 Steve Jobs 再世”。
@Miles_Brundage 提出了类似的批评（34 个赞，889 次浏览）批评了三大实验室：“Google 的安全人才储备”没有体现在其模型行为中；“OpenAI 的 AGI 信仰”没有体现在其政策立场上；而“Anthropic 对 AI 研发自动化的担忧”也没有体现在其内部部署的谨慎程度上。
讨论洞察： firstadopter 那条帖子获得了 90,022 次浏览——是数据集中最高的——说明“监管俘获”这一框架得到了广泛共鸣。Brundage 的帖子则增加了可信度：作为前 OpenAI 政策研究员，他对三家实验室虚伪性的批评更有分量。
与前一天相比： 4 月 18 日报道了白宫与 Anthropic 就 Mythos 举行会谈（第 1.6 节）。今天则补充了公开层面的反叙事：安全话术未必服务于公共利益，也可能服务于竞争利益。
1.4 物理 AI 融资热潮：2026 年 Q1 有 23 家初创公司完成 5000 万美元以上融资（新）¶
@IvanLandabaso 分享（69 个赞，69 次收藏，3,733 次浏览）整理了一份全面名单，列出 2026 年 Q1 在美国和欧洲融资超过 5000 万美元的物理 AI 初创公司。图片中共有 23 家公司，覆盖机器人、AI 半导体、自动驾驶汽车和推理硬件。
最大几轮融资包括：Skild AI（14 亿美元，面向任意机器人的基础模型，SoftBank），Apptronik（5.2 亿美元，面向劳动力场景的人形机器人，B Capital/Google），MatX（5 亿美元，AI 训练定制芯片，Jane Street），Mind Robotics（5 亿美元，工业机器人，Accel/a16z），Rhoda AI（4.5 亿美元，基于视频训练的机器人智能，Premji Invest）。值得注意的是：两家 AI 半导体公司（Ricursive 3 亿美元，Eridu 2 亿美元）、两家光子计算初创公司（OLIX 2.2 亿美元，Neurophos 1.1 亿美元），以及推理硬件公司（Positron 2.3 亿美元，Jump Trading）。
69 次收藏与点赞数完全相同，说明这类参考资料具有典型的高收藏率。
与前一天相比： 4 月 18 日关注的是算力基础设施需求（第 1.7 节）和芯片设计人才（AMD、Intel、ARM）。今天则从芯片延伸到了整个物理 AI 技术栈：机器人、自动驾驶系统，以及驱动它们的硅片。
1.5 在 AI 时代，领域专长胜过编程技能（🡒）¶
@svembu（Zoho CEO）发布（257 个赞，43 次收藏，8,834 次浏览）发布了当天互动量最高的推文：“要成为非常优秀的领域专家。编程技能是基础，但客户真正愿意买单的是深厚的领域知识，以及可靠性、安全性、支持和合规。”他还表示：“我们当然能更快做出可运行原型，但成品远不止于此，并不是所有阶段都能被 AI 加速。”
@visonmilan 回复称：“现在工程师必须像利益相关者一样思考和工作，而不只是听产品经理下指令。在我的团队里，我们甚至有时会让工程师参加客户电话。” @anomsiiwa 回复称：“还要多久，计算机科学学位才会终于把基础商业逻辑和企业合规课程设为必修？”
@ConsciousRide 发布（18 个赞，13 次收藏）分享了一套用于评估生产环境中 LLM 的详细框架：忠实性、相关性、正确性、安全性/毒性，以及以用户为中心的指标（完成率、点赞/点踩、会话时长）。提到的工具包括：DeepEval、RAGAS、LangSmith、Phoenix、TruLens。核心建议是：“真实系统失败，往往不是因为模型太弱，而是因为评估太弱。”
与前一天相比： 4 月 18 日讨论了 AI 编程双头垄断（第 1.4 节）和人才市场分化。今天则补上了 CEO 视角：价值层正在从代码生产转向领域专长和客户结果。
1.6 东南亚 AI：已投入 550 亿美元，但所有权问题依然存在（🡕）¶
@LingoAI_io 发布（13 个赞，8 次转发，192 次浏览）详细分析了东南亚已承诺的 550 亿美元 AI 投资。Singapore（100 亿美元）掌握治理与标准；Malaysia（232 亿美元）掌握物理基础设施，NVIDIA、Qualcomm 和 SAP 都在那里建设；Vietnam（154 亿美元）出台了东南亚首部独立 AI 法律。Indonesia（74 亿美元）——这个拥有 2.8 亿人口、经济体量最大的国家——拿到的份额最小，而且“只是消费 AI，而不是掌控 AI 所创造的价值”。
回复进一步延展了这一分析。@HenryWang2021：“全球南方应该联合起来，夺回自己的数据和 AI 主权。” @AnnieWong2022：“AI 实际上会拉大数字鸿沟。如果联合国无所作为，全球南方肯定会很难追赶上来。”
@rryssf_ 详细介绍（6 个赞，5 次收藏，1,000 次浏览）提到了 Stanford 的 GG-EZ 论文，显示前沿视觉语言模型（Gemma-3 27B、Qwen2-VL、Pangea、PaliGemma-2、MAYA-8B）在东南亚文化基准上全部失效。一个简单的两步法——区域质量过滤加上 10% 模型合并——让 SEA-VQA 分数提升了 20.7%，同时保留了 98% 以上的全球性能。
讨论洞察： 这张投资版图和 GG-EZ 论文彼此互补：550 亿美元流入东南亚，但在那里部署的 AI 模型并不理解这个地区。所谓“所有权问题”既是经济问题（价值被外部抽走），也是技术问题（模型对当地文化视而不见）。
与前一天相比： 4 月 18 日第一次介绍了 GG-EZ（第 5 节“人们在构建什么”）。今天则补充了宏观经济背景：550 亿美元投资背后存在结构性的所有权失衡，以及从业者对数字鸿沟的担忧。
1.7 中国 AI 模型在监管与竞争层面同时取得进展（🡕）¶
@alvinfoo 报道（4 个赞，2 次收藏，188 次浏览）称，中国已批准首个用于真实临床场景的生成式 AI：MedGPT MG-0623，已获国家药品监督管理局（NMPA）认证，可用于疾病诊断与治疗建议。参数规格为：1000 亿参数，基于 20 亿+ 医学文本 token 预训练，在 800 万条结构化临床记录上微调，并结合 100+ 名医生的监督反馈；采用双系统架构（快速直觉 + 缓慢逻辑推理）以抑制幻觉。它在 CSEDB Clinical Safety-Effectiveness Dual-Track 基准上排名第一，总体领先 15.3%，安全维度领先第二名 19.8%。
@ai_for_success 分享（22 个赞，7 次收藏，2,004 次浏览）提到了泄露的 DeepSeek V4 基准分数，显示其性能接近最先进水平：MMLU-Pro 91.2、GPQA-Diamond 79.9、SWE-bench Verified 59.6、Codeforces 2767。图片显示，其成绩可与 GPT-5.3、Claude Opus 4.6 和 Gemini 3.1 Pro 竞争。@robodadg 回复称：“如果是真的，那就很厉害。先验证。真正的信号在 Agentic 基准，而不是拿 MMLU 炫分。”
@ivanfioravanti 指出（66 个赞，5 次收藏，4,401 次浏览）称，Kimi K2.6 Coding 模型已在 CLI 中上线，但基准成绩尚未公布。@antonpme 回复称：“感觉是个很扎实的模型，离 Opus 和 5.4 不算太远。” Ivanfioravanti 的观察是：“实验室现在已经学会了用模型来提升自己。”
讨论洞察： 一天之内出现了三个中国 AI 进展——监管上的首次突破（MedGPT 临床审批）、竞争层面的信号（DeepSeek V4 基准）以及编程工具（Kimi K2.6）——再结合 Amodei 关于六到十二个月复现期的判断，说明中美前沿模型之间的能力差距，可能比预期缩小得更快。
与前一天相比： 4 月 18 日提到了 Kimi K2.6（第 1.4 节）和编程双寡头。今天新增了监管里程碑（首个临床 AI 批准）以及 DeepSeek V4 的竞争信号，作为新的中国 AI 观察点。
2. 什么让人感到挫败¶
AI 加速的漏洞利用正在超越人类速度的防御——高¶
@murtuza_merc 写道（138 个赞，4,873 次浏览）：“当一个模型能在一下午找到桥接验证缺口时，你六个月前做的安全审计，实际上已经只是一份历史文件。这是机器速度的战争撞上了人类速度的治理。”关于 Mythos 的 WIRED 文章证实：该模型能够识别漏洞利用链——过去需要顶级人类专家才能发现的多阶段漏洞序列。@letsgetonchain 详细说明了 DeFi 的后续影响（14 个赞，758 次浏览）来自 rsETH 事件的描述包括：借贷协议挤兑、100% 利用率以及连锁提现。他给出的修复建议是：“借贷协议应在事故发生后立即冻结提现”——这其实是在承认，现有链上治理根本赶不上攻击速度。
对基准测试的信任继续被侵蚀——中¶
@Afinetheorem 反驳（11 个赞，2,064 次浏览）声称，基准设计者正在 p-hacking：“这些年来，大家一直试图写出既对 AI 很难、又与现有基准不相关的测试。问题在于，想找到具备这些属性的测试极其困难。”与此同时，@grok 辟谣（15 个赞，2,743 次浏览）质疑一则爆火的 MOG-1 说法：“毫无可信性。不存在什么 MOG-1 模型——搜索不到任何公告、论文或发布。那些基准是伪造的。”伪造基准与真实基准一同流传，进一步削弱了信任。@VivianeStern 回复 OpenAI 的 @gdb：“AI 公司正在扼杀所有魔力，却甚至没有意识到这一点，只顾着盯基准。”
创意社群对生成式 AI 的反感正在加剧——中¶
@NahokoVeta 发布（134 个赞，37 次转发，1,221 次浏览）：“如果你自称是什么‘vtuber’或任何类型的‘创作者’，还用生成式 AI，那你就很失败。” @violettevex 回复称：“看到这么多 Vtuber 用生成式 AI 画图真的很恶心……如果是在用生成式 AI 和攒钱买图之间选，我会攒钱。” NahokoVeta 回复说：“我更尊重这个圈子里那些不管水平如何、愿意自己尝试做艺术的人。”这条讨论强化了一条社群规范：在创作工作中使用生成式 AI，会被视为一种身份越界，而不是效率提升。
AI 套壳创业公司正在消失——低¶
@sankitdev 提问（19 个赞，281 次浏览）：“那些拿了 YC 投资的 AI 套壳创业公司都去哪了？拿了钱，现在却无影无踪。” 回复也印证了这一模式：@purusa0x6c：“它们连一年都活不过去。” @Itstheanurag：“那些早就死了兄弟，本来就该死。”这与 4 月 18 日关于 AI 创业公司死亡率和执行鸿沟的报道相呼应。
3. 人们希望出现什么¶
机器速度的防御基础设施¶
第 1.1 节和第 2 节中的核心挫败感定义了这一需求：@murtuza_merc 明确表示，“防守方必须自动化响应，否则会被第一台发现漏洞的机器清算掉。”WIRED 的文章证实，Project Glasswing 的限量发布只给防守方带来了很小的领先时间。Cisco 的 Patel 表示：“你必须确保你的防御是机器规模的，因为攻击已经是机器规模的。”但在 Glasswing 联盟之外，这个级别的自动化防御工具并不存在。机会判断：那 40 多家拥有 Mythos 级防御能力的组织，与其他所有组织之间的差距，本身就是一个市场。
能抵御“刷分”的可信基准替代方案¶
这一点延续自 4 月 18 日。@Afinetheorem 证实了难度：设计出既对 AI 很难、又与现有测试不相关的测试，“极其困难”。伪造基准（MOG-1）与真实基准混杂传播，而从业者没有可靠方法区分。@robodadg 在 DeepSeek V4 讨论中指出：“真正的信号是 Agentic 基准，而不是拿 MMLU 炫分。”基于真实生产环境、贴近现实世界的评估基础设施，仍然空缺。
超越两大供应商的 AI 编程竞争格局¶
@ivanfioravanti 指出，Kimi K2.6 已上线，但没有基准。@TheGeorgePu 报道（8 个赞，791 次浏览）表示，在测试了 Meta 和 OpenAI 的开源模型后，他最终改用 Qwen 和 Gemma：“世界上最庞大、最被热炒的模型，输给了那些只有它们一半大小、且来自没人关注团队的模型。”他的建议是：“掌控你的技术栈。否则就永远租下去。”AI 编程领域对供应商多元化的渴望仍未得到满足，不过开源模型正成为部分答案。
理解本地语境的区域型 AI 模型¶
GG-EZ 论文（Stanford、SEACrowd、30+ 家机构）提供了一个概念验证：简单的模型合并技术，可以在东南亚基准上恢复 20.7% 的文化相关性。但这仍是一篇论文，不是产品。东南亚 7 亿人口正在与并非为其视觉世界设计的视觉语言模型交互。面向大规模区域部署、能够高效适配模型的工具链，目前并不存在。
4. 正在使用的工具和方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| Claude Mythos Preview | 前沿 LLM | （混合） | 漏洞利用链发现；以 93.9% 领跑 SWE-bench | 仅限 Glasswing 联盟；存在网络安全担忧 |
| Kimi K2.6 | 编程模型 | （早期） | 已在 CLI 上线；早期反馈显示可与 Opus/5.4 竞争 | 无官方基准；预计 Moonshot AI 将在 5 月前发布 |
| DeepSeek V4 | 基础模型 | （未验证） | 泄露基准显示其在多项任务上接近 SOTA | 基准尚未正式发布；仍待验证 |
| MedGPT MG-0623 | 医疗 AI | （+） | 首个获得 NMPA 批准、用于临床诊断的生成式 AI | 仅获中国监管批准；100B 参数 |
| Qwen 3.6 | 开源 LLM | （+） | 迭代迅速；在东南亚社区采用度高 | 完整部署需要本地硬件 |
| Gemma-3 27B | 视觉语言 | （+） | 是 GG-EZ 区域适配的底座；合并后可超过更大模型 | 未适配时对东南亚文化存在盲区 |
| OpenMontage | 视频生产 | （+） | 11 条流水线、49 个工具、单条产品广告成本 0.69 美元；AGPL v3 | 要发挥完整能力需多个 API key |
| Voicebox | 语音合成 | （+） | 本地优先；50+ 种声音；23 种语言；7 个 TTS 引擎 | 桌面应用；不是云服务 |
| LiteParse | 文档解析器 | （+） | 无模型；开源；对 AI 智能体友好 | LlamaIndex 的早期项目 |
| Claude Code | AI 编程 | （+） | 主导性的编程工具；Shopify workshop 10 分钟即可集成 | 属于双头垄断格局的一部分；存在供应商锁定担忧 |
当天最值得注意的工具讨论，集中在 Mythos Preview 的双重属性上：在 Glasswing 内部，它是用于漏洞发现的防御工具（40 多家机构可用）；而在外部，它也可能成为一种进攻能力。@zackslab 分享（33 个赞，1,124 次浏览）提供了一个针对 AI 能力炒作的反例——一则 Reddit 帖子展示了 ChatGPT 试图把电路原理图转换成面包板布局，结果每个元件不是短路就是开路。@UtahFlatRanger 回复称：“我很确定每一个元件不是短路就是开路。”AI 在硬件设计上的能力边界仍然明显。
5. 人们在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| Salesforce AI Teardown | @JaredSleeper | 每日上市公司 AI 风险/机会分析 | 缺乏系统化、公开的企业 AI 敞口分析 | 财务分析 + 架构图 | 活跃中（第 24 天） | 帖子 |
| MedGPT MG-0623 | MedGPT / NMPA | 面向诊断与治疗的临床级生成式 AI | 缺乏获监管批准、可用于临床的生成式 AI | 100B 参数、双系统架构、800 万临床记录 | 已发布 | 帖子 |
| GG-EZ Cultural Adaptation | Stanford / SEACrowd / 30+ 家机构 | 视觉语言模型的区域适配 | 前沿 VL 模型对东南亚存在文化盲区 | Gemma-3 27B、模型合并、KOF Globalization Index | 已发表 | 帖子 |
| OpenMontage | 开源（AGPL v3） | Agentic 视频生产系统 | 视频生产需要手工素材工作且成本高 | 12 个视频生成、8 个图像生成、4 个 TTS 提供商、Remotion | 已发布 | 帖子 |
| LiteParse | @jerryjliu0 / LlamaIndex | 面向 AI 智能体的无模型文档解析器 | 文档解析依赖模型推理 | 开源、无模型架构 | 已发布 | 帖子 |
| Voicebox | jamiepine | 本地优先的声音克隆工作室 | 对 ElevenLabs 的依赖和云成本 | 7 个 TTS 引擎、50+ 种声音、23 种语言 | 已发布 | GitHub |
| Shopify AI Workflows | @5aitec | 面向 D2C Shopify 店铺的 Claude Code 集成 | 产品图片和 SEO 管理依赖人工 | Claude Code、Shopify CLI | 活跃中 | 帖子 |
| AI Agent Bootcamp | @web3nova_ | 培训开发者交付真正可用的 AI 智能体 | AI 内容消费与实际构建之间存在鸿沟 | 实操 workshop、Base blockchain | 活跃中 | 帖子 |
| Atypica AI | @atypica_AI | 多智能体消费者研究网络 | 对初创公司而言，市场研究昂贵且缓慢 | 用于测试 message-market fit 的智能体网络 | Beta | 帖子 |
MedGPT MG-0623 是当天最重要的已发布里程碑。它发表于 npj Digital Medicine（Nature），是首个也是唯一一个获得中国监管机构（NMPA）认证、可用于疾病诊断和治疗建议的生成式 AI 算法。其双系统架构——快速直觉推理结合缓慢逻辑推理——专门用于抑制临床场景中的幻觉。它在 CSEDB Clinical Safety-Effectiveness Dual-Track 基准上优于 DeepSeek-R1、OpenAI o3、Gemini 2.5 Pro 和 Claude 3.7 Sonnet。
OpenMontage 展示了一种新的生产模式：完整的 Agentic 视频生产系统，由 AI 编程助手（Claude Code、Cursor、Copilot、Windsurf）担任导演。@sukhdeep7896 详细介绍（4 个赞，63 次浏览）列出了其规格：11 条流水线、49 个工具、实时网页研究（每个视频 15-25+ 次搜索）、预算治理（单次操作超过 0.50 美元需批准），并设置 10 美元硬上限。生成一条产品广告，包含 4 张 AI 图片、TTS 配音、免版税音乐和逐词字幕，总成本仅 0.69 美元。使用 Piper（本地 TTS）和免费素材资源时，可在零 API key 的情况下运行。
Shopify AI Workflows 由 @5aitec 构建，代表了一种务实的集成模式：75 位 D2C 品牌主参加了 workshop，在大约 10 分钟内将 Shopify 店铺接入 Claude Code，然后生成生活方式产品图片，通过 CLI 推送到 Shopify，并执行 SEO 审计。转帖中写道：“一旦配置完成，你的店铺会在凌晨 2 点自动生成新内容，你的图片会在活动前自动更新，SEO 修复会在一夜之间完成。”
6. 新的和值得注意的事¶
财政部长与美联储主席就 AI 网络安全召集金融业领袖开会¶
Bloomberg 报道（由 WIRED 文章 引述），美国财政部长 Scott Bessent 与美联储主席 Jerome Powell 在财政部总部召集金融行业领导者开会，讨论 Mythos Preview 这类模型对网络安全的潜在影响。这是首次有报道称财政部和美联储针对某个特定 AI 模型能力作出联合回应。
Project Glasswing：40 多家机构获得 Mythos 的防御性使用权限¶
Anthropic 将 Mythos Preview 限量开放给一个联盟，包括 Microsoft、Apple、Google 和 Linux Foundation，这创造了一个双层安全格局：Glasswing 内部的组织可以用该模型查找并修补自己的漏洞；其他人则无法使用。Anthropic 前沿红队负责人 Logan Graham 表示，关于 Glasswing 的沟通电话“越来越短，因为潜在威胁已经变得越来越明显”。
中国批准首个用于临床诊断的生成式 AI¶
MedGPT MG-0623 获得 NMPA 认证，可用于疾病诊断和治疗建议——这是首个通过这一监管审查级别、可用于医生级临床场景的生成式 AI。成果发表于 npj Digital Medicine（Nature）。其双系统架构专门针对医疗场景中的幻觉抑制。
倒闭初创公司被清算为 AI 训练数据¶
@Forbes 报道（12 个赞，8,744 次浏览）称，倒闭初创公司的 Slack 存档、Jira 工单和邮件线程正在被清算处理——“这些运营废料如今被 AI 实验室视为高价值训练数据。”文中提到了 SimpleClosure。这代表了一种新的 AI 训练数据来源：来自已不复存在、也无法同意的公司的企业沟通档案。
数据投毒正成为反 AI 抗议策略¶
@Newsforce 报道（7 个赞，2,881 次浏览）谈到了“数据投毒”作为一种刻意针对 AI 的抗议方式：活动人士通过发布误导性内容、编辑公共数据集或使用专门图像工具，篡改或扭曲 AI 训练数据，以干扰 LLM 表现。研究人员将其类比为公民不服从，但也指出其法律地位并不明确，因为这可能构成计算机欺诈或滥用。
Allbirds 退出鞋类业务，转向 AI¶
@CBSEveningNews 报道（4 个赞，3,763 次浏览）称，经营困难的鞋履品牌 Allbirds 宣布退出鞋类业务，并将自身重塑为一家 AI 公司。@fanofprincephil 回复称：“这简直像互联网泡沫重演。”这也加入了一个趋势：非科技公司在核心业务失败时转向 AI。
从业者测试中，开源模型超过前沿模型¶
@TheGeorgePu 报道（8 个赞，791 次浏览）表示，经过一周测试，Meta 和 OpenAI 的开源模型被 Qwen 和 Gemma 击败——“输给了那些只有它们一半大小、且来自没人关注团队的模型。”他还指出：“Meta 被抓到在刷自己的基准。OpenAI 的小模型在测试里反而赢过大模型。”该团队现在在生产环境中并行使用 Qwen、Gemma 和 Claude。
7. 机会在哪里¶
**+++］ 机器速度级网络安全防御工具** —— 这是当天最强的多重信号主题。Mythos Preview 已跨过漏洞利用链发现的门槛。美国财政部长和美联储主席召集了金融行业领袖。Kelp DAO 被盗事件证明了 DeFi 中漏洞利用的商品化。Anthropic 自己给出的六到十二个月复制预估，实际上设定了最后期限。Project Glasswing 为 40 多家组织提供了防御性访问权限，但其他所有人一无所有。攻击能力与防御基础设施之间的差距，是 2026 年最关键的安全问题。 (［@WIRED, @murtuza_merc, @TechieUltimatum)
**++］ 面向全球南方市场、具备文化和区域适配能力的 AI 模型** —— 550 亿美元的 AI 投资正流入东南亚，但前沿模型却无法理解这一地区。GG-EZ 证明，仅通过 10% 的模型合并，就能在几乎不影响全球性能的前提下，恢复 20.7% 的文化相关性。东南亚有 7 亿人口，加上全球南方的数十亿人，都在使用并非为其语境设计的 AI 系统。投资错配（印尼虽是最大经济体，却拿到最小份额）为打造本地化适配 AI 的团队创造了所有权机会。 (［@LingoAI_io, @rryssf_)
**+］ 开源 AI 编码与推理替代方案** —— 从业者正在发现，Qwen 和 Gemma 在生产环境中的表现优于更大的模型。Kimi K2.6 正在成为潜在的第三种编码工具选择。相比向两家供应商“租用”能力，市场更希望“拥有自己的技术栈”；这为构建有竞争力的开源 AI 工具链团队提供了持续的市场机会。 (［@TheGeorgePu, @ivanfioravanti)
8. 要点¶
-
AI 驱动的漏洞发现已经触发机构层面的响应：财政部长与美联储主席召集金融业领袖开会，Anthropic 则通过 Project Glasswing 将 Mythos 限定在 40 多家防守方手中。 该模型能够识别漏洞利用链——过去只有顶级人类专家才能发现的多阶段漏洞序列。开源复现前的六到十二个月窗口，为防御准备设定了明确期限。（来源）
-
2026 年 Q1，物理 AI 领域的 23 家初创公司融资超过 50 亿美元，由 Skild AI（14 亿美元）和 Apptronik（5.2 亿美元）领跑。 这些资金覆盖机器人基础模型、人形劳动力机器人、定制硅片、自动驾驶汽车、光子计算和推理硬件。融资清单获得 69 次收藏，说明投资人和构建者正把它当作参考资料保存。（来源）
-
中国首个获 NMPA 批准的临床 AI（MedGPT MG-0623）正在树立监管模板。 这个具备双系统幻觉抑制机制的 100B 参数模型，在临床安全基准上优于 DeepSeek-R1、OpenAI o3、Gemini 2.5 Pro 和 Claude 3.7 Sonnet。再加上泄露的 DeepSeek V4 基准和 Kimi K2.6，一天内三个中国 AI 进展共同表明，能力差距正在缩小。（来源）
-
对 Salesforce 的 AI 拆解暴露出集团困境：Agentforce ARR 达 8 亿美元，但整体架构被六笔重大收购撕裂，而这六笔收购合计占企业价值的 40%。 该分析认为，Salesforce 应剥离 Tableau 和 Demandware，把重心放到更具 AI 优势的产品上。更广泛的教训是：收购驱动型产品组合的 incumbent，在构建一致的 Agentic 架构时存在结构性劣势。（来源）
-
东南亚 550 亿美元 AI 投资的背后，掩盖着一个所有权问题：作为最大经济体的 Indonesia 拿到的份额最小，还把数据输出给自己无法控制的平台。 Stanford 的 GG-EZ 论文则从技术层面独立印证了这一点：前沿视觉模型对该地区存在文化盲区。投资失衡加上技术缺口，共同定义了本地 AI 的明确机会。（来源）
-
Anthropic 的安全话术正遭遇反弹，很多人将其视为监管俘获：一则称 Amodei 岗位替代说法“阴险”的帖子获得了 274 个赞和 90,022 次浏览。 一位前 OpenAI 政策研究员也分别批评了三大实验室在宣称价值与实际行为之间的虚伪落差。真实的安全担忧与竞争性定位之间的张力，正迅速成为主导叙事。（来源）
-
倒闭初创公司的 Slack、Jira 和邮件档案，正被清算为 AI 训练数据。 Forbes 报道称，SimpleClosure 正在推动这一市场形成。与此同时，反 AI 活动人士也在故意投毒训练数据，以此作为抗议手段。训练数据供应链正在同时变成一个市场和一片战场。（来源）