Anthropic 递交招股书;AI 找漏洞的速度快过修复速度
今天最重要的是 Anthropic 的招股书:一家 AI 公司第一次要把收入、亏损和算力合同摊在公开文件里。同一批信号里还有一条更冷的线——过去一周被 AI 帮着手挖出来的漏洞,正在集中被利用,而修补靠的仍是背机器的人。开源权重、硬件迁移成本和模型能力继续往前走,但"看起来变强"和"用得住"的差距没有缩小。
今天最重要的是 Anthropic 的招股书:一家 AI 公司第一次要把收入、亏损和算力合同摊在公开文件里。同一批信号里还有一条更冷的线——过去一周被 AI 帮着手挖出来的漏洞,正在集中被利用,而修补靠的仍是背机器的人。开源权重、硬件迁移成本和模型能力继续往前走,但“看起来变强”和“用得住”的差距没有缩小。
一、Anthropic 递表:AI 公司的账本第一次可查
据 The Information 报道,Anthropic 最早在美国时间 10 月 26 日公开递交 S-1 招股书,计划 11 月 9 日开始路演,随后一周定价,11 月中旬挂牌。募资目标最高约 1000 亿美元,对应估值约 2 万亿美元,摩根士丹利和高盛牵头承销。截至北京时间 26 日上午,美国证监会 EDGAR 系统里还查不到这份文件;上周曾有“最快 23 日公开”的说法,同样没有兑现。
已经流出的数字更值得看。据《华尔街日报》看到的一份较新保密草稿,2026 年上半年收入 163 亿美元,去年同期是 11 亿。据 FT 和路透报道,公司 10 月 14 日在旧金山总部向潜在投资者介绍,三季度收入约 168 亿美元,比二季度的 116 亿增长约 45%——季度环比增速从二季度的约 147% 降到 45%,但单季收入已超过整个上半年。
亏损口径需要拆开。同一份草稿显示上半年按会计准则净亏损 807 亿美元,其中约 720 亿来自可转债等融资工具的账面调整,没有对应现金流出;公司对投资者称按自己的口径已连续两个季度盈利,但没有说明剔除了哪些成本。
真正决定长期结构的是云依赖。据路透 9 月底看到的保密草稿,2025 年约 47% 的销售(约 21.6 亿美元)是通过亚马逊和谷歌云的云市场卖出的,两家抽成约 3.51 亿美元,相当于每卖 1 美元抽 16 美分;有两个未点名客户各占 2025 年收入的 12%。草稿列出的未来十年云算力承诺约 4500 亿美元,其中谷歌云 1110 亿、AWS 1100 亿、微软 310 亿。云伙伴同时是渠道、股东和供应商。
时间表也挑得有意思。这一周正好是财报周,微软和 Alphabet 周三发布财报,亚马逊在周四,三家都和 Anthropic 签了云算力合同,亚马逊和谷歌还是它的大投资方。招股书公开后,市场第一次能拿同一套数字去对这三家的云业务口径。
这些数字全部来自媒体看到的保密草稿和一场投资者会,未经公开招股书确认,口径可能调整。
源链接:
二、这一周的安全账单:发现端在加速,修补端没有
AI Valley 汇总的两条 PHP 漏洞是最硬的例子。被称为 php2shell 的两个严重漏洞允许攻击者不登录就在受影响服务器上执行代码,漏洞在 PHP 里埋了大约 14 年。Palo Alto Networks 识别出 2260 万台可能受影响的实例,Cloudflare 据报在消息泄露后数小时内看到数百万次利用尝试。OpenAI 称 GPT-5.6 Sol 帮助把可疑行为变成了可用 exploit。PHP 已发布修复,没有完整绕过方案,只能升级。
修补这一侧的动作是钱和人。OpenAI 宣布投入 10 亿美元做 Patch the Planet,帮机构审计系统。但发现得更快不等于修得更快:把上千万台服务器升级完,仍是最原始的人力问题。
同一天还有 Tailscale SSH 的提权问题。据 Tailworm 报告,攻击者控制一台已入网设备后,可能沿原本获准的 SSH 连接拿下其他机器;有研究者发现漏洞后没有私下通知厂商就公开了 11 个漏洞。官方已回应并在修复,不想关闭 Tailscale 的人可以在目标机器设置 TS_SSH_DISABLE_FORWARDING=1 再重启,代价是当前会话会断开,需要先留好备用入口。
消费硬件这一侧同样难看。有研究者越狱三星电视后发现常开的麦克风,转发者用“智能电视为什么这么便宜”来解释这条链路,说明数据采集已经进了硬件成本模型。
信任这一侧也在掉。上海 GEEKCON 2026 的无人机攻防演示环节被多名警察叫停,参赛选手和裁判被带走配合调查,报案理由是“教唆他人破解无人机”;赛事有明确的负责任披露规则,安全专家谭晓生和创办人王琦都公开表达了不满,报案方至今未确认。另一头,有用户报告 Claude 在涉及网络安全的视频剪辑内容上直接拒答、无法继续。
把这几件事放在一起看:AI 正在加速找洞,安全从业者却可能因为描述漏洞被模型拦下、被厂商报警。修补能力没有随发现能力同步扩张,这是这一周最实际的风险来源。
源链接:
- https://www.theaivalley.com/p/ai-doctors-14-year-old-bugs
- https://x.com/LufzzLiz/status/2114519644073779687
- https://x.com/MaxForAI/status/2114295394331246833
- https://x.com/karpathy/status/2114384346815820050
三、Kimi K3.1 Pro:2.8T 开源权重,和一场宣发事故
Kimi 端出了 3T 级开源权重模型 K3.1 Pro:总参数 2.8T,激活 104B 走 MoE 路线,标配 1M 上下文,宣传口径里能写整项目游戏、跑 Unreal 与 Unity,也做 Blender 与 CAD 建模。这套参数属于聚合摘要转述,没有一手模型卡在档内,价格偏高的说法同样只有摘要。
比参数更受关注的是宣发。一份疑似官方投放文件被博主公开,文件在这次争议里要求不打付费合作标识,还按指定口径吹捧模型;博主当场拒绝,事情随后冲上 Reddit,甚至引来 FTC 反欺诈广告规则方面的质询。也有中文作者反过来质疑这位“揭露者”的关注结构和历史内容,认为整条链路每一环都很怪。
官方随后处理的是另一件事:承认额度异常消耗是自己的问题,向全员一次性返还 25% 月额度,大约相当于一周的用量。响应速度和道歉方式都晚于用户抱怨。
还有一条被忽略的能力证据。Anthropic 联合创始人 Jack Clark 称中国模型落后西方六到十二个月;有作者引用 AISI 和 CAISI 在 Kimi K3 发布时做的网络安全评测:面对一条 32 步的模拟攻击路径,Kimi K3 平均推进到第 17 步,同期最强的美国模型推进到 28.5 步。这个对比是二手转述,未见原始报告,但至少说明“能答题”和“能长程自主推进”之间还有距离。
源链接:
四、谷歌把 PyTorch 搬上 TPU
谷歌在 PyTorch 大会上开源了 TorchTPU,让 PyTorch 原生跑在 TPU 上。按聚合摘要的说法,这套软件栈只需传一个参数就能在 Hugging Face 部署,已覆盖 4917 个模型、与 GPU 对齐度达到 97%。
这两个数字的意义在迁移成本,不在性能排行榜。多年 CUDA 生态的黏性来自“换硬件就要重写”,一旦同一份代码能在两种加速器上跑,采购谈判的筹码就回到了买方手上。
一个旁证是 MiniMax 的官方帖。它在 H3 生态新增贡献里点名了 TorchTPU 团队,与 PTD、DMAD、SparkH3、FlashML 并列,说明这套栈已经被真实训练与推理工作流接入,而不只是演示。
97% 的对齐度和 4917 个模型都来自转述,档内没有谷歌的一手公告,也没有说明剩下 3% 是哪些算子。这条信号的方向清楚,具体数字要等一手材料。
源链接:
五、Block 的 Dessa:绕开文本的语音模型
Twitter 联合创始人 Jack Dorsey 所在的 Block 发布了一个叫 Dessa 的语音模型:从零用纯人类语音训练,没有文本、没有文本预训练,端到端做 speech-to-speech,可以一边听一边说,随时被打断。
官方给出的工程数据很具体:整个训练只用了一台英伟达 GB200 NVL72,消耗的 token 量比大语言模型少几百倍,能在搭载 M4 Max 的 MacBook 上离线、超实时本地运行。这是当前语音助手“先转文字、再合成”三段式之外的另一条路线,绕开文本中介换来的是叹气、犹豫、笑意这些副语言信息不被压扁。
但要按预览对待。它目前只是 Block 内部实验室的小规模研究预览,市面上的 demo 都由官方挑选;脱离文本知识库之后,纯音频模型在复杂多步推理上能撑多久仍是未知。中文转述里“AI 架构被彻底摧毁”这类判断,属于作者情绪,不是证据。
源链接:
- https://x.com/AYi_AInotes/status/2114481646322045047
- https://x.com/shao__meng/status/2114510969355522230
六、Agent 基础设施在收敛:减编排,加约束
微软研究院开源的多智能体框架 Agensh 走了一个反常识的方向:砍掉中心调度器,让每个智能体自己抢任务、自己合并代码。同一套代码从 1 个智能体扩到 1024 个,ProgramBench 通过率提升 9.47 个百分点。
LangChain 从自家 GTM、工程、营销三套内部 Agent 里总结出的“公司级 harness”落点完全不同:入口放在人已经在用的 Slack,身份按工具拆成两种——以唤起者身份行动(OBO)还是用固定服务账号,记忆分全局层与用户层,代码统一在沙箱里跑并通过 secret proxy 访问需要鉴权的服务,大量任务由定时或事件触发而不是人当场点。
AmpCode 的 Thorsten Ball 给的是同一条结论的另一种表述:把 Agent 只塞进“以前文本编辑器那一格”,产出不会变;真正放大收益的是 Agent、代码库可读性、流程三者相乘,要让 Agent 横向覆盖构建、发版、CI、生产日志、feature flag 和监控。他团队的准备是大约 15 个 AGENTS.md 和一批 skills,让 Agent 看得见、启动得了、能注入数据。
Claude 博客的说法更收敛:构建 Agent 时把子 Agent 折回主循环,用 Skills 渐进披露,常优于“每团队一个子 Agent 加总编排”,后者容易复制组织架构,带来上下文损耗、延迟和臃肿提示词。
界面这一层也在换。有长期使用命令行的开发者认为 CLI 已不是和 Agent 协作的理想入口,Grok Bot、Codex 应用这类新界面更容易扩展并行任务、多人协作和生命周期管理;他的判断标准变成“不要用会限制模型上限的界面”。另一条来自实践者的表述更简短:与其手把手限定做法,不如把研发流程、工具链和资料交给 Agent,人只在关键节点、选型和约束上给信息。
五条路径指向同一处:编排层在变薄,工程约束在变厚。但 Agensh 的通过率、LangChain 的分工细节都来自转述,没有原始仓库或文档链接可核。
源链接:
- https://hex2077.dev/docs/2026-10/2026-10-26/
- https://x.com/shao__meng/status/2114544704461373848
- https://x.com/shao__meng/status/2114539832555065471
七、算力的另一面:容量售罄,中间商却被挤出去
AWS 表示 AI 云容量已被订到 2027 年,2028 年的预订位也在快速填满。同一时间,马斯克公开说 AI 泡沫已经破了,剩下的 200 多家新一代算力厂商(neoclouds)会迎来“孔雀鱼级”的集体死亡,理由是债务市场已经对没有 AI 之外稳定现金流的算力公司关闸。
两件事不矛盾。巨头容量售罄说明需求还在;被挤出的是靠高息债务买卡、再切片出租的中间层。他顺手给的对照是 SpaceX 刚完成一笔 400 亿美元面向 GPU 的债务融资,前提是有投资级信用评级和星链、火箭两条现金流。
中文圈的转述给了更完整的机制:早期资本把 GPU 当抵押品,随着英伟达新架构加速迭代,旧卡残值缩水,中小客户违约率上升,债务市场开始要求借款方必须有 AI 之外的稳定经营性现金流。有投资人已经把 200 多家 neoclouds 的结局描述成“孔雀鱼级”的死亡与整合,也有人开始拿 CoreWeave 的股价当温度计。
宏观侧的提醒来自 Krugman:如果 AI 支出是泡沫并且破裂,冲击会比 1990 年代末的 IT 泡沫更大,而美联储现在只有 4% 的降息空间,可能陷入流动性陷阱。这条判断是 Gary Marcus 转引的评论,不是数据。
对普通读者最有用的部分不是“谁死”,而是判断标准换了:过去两年看的是能不能拿到卡,接下来看的是资产负债表和真实经营性现金流。
源链接:
八、能力在涨,可靠性没跟上
DeepMind 一位研究员指出 PyTorch、JAX、TensorFlow 的 softmax 实现里存在数值精度问题:训练中梯度会突然放大,损失随之飙升,已经学到的能力出现退化。修法是改计算方式,改完之后准确率从 94.3% 回到 100%。这类 bug 不会报错,只会让模型悄悄变差,属于最难排查的一类。
能力那一侧的三个案例都很好看。谷歌 DeepMind 联合多所高校用专家未发表的研究级物理难题做测试,最好的智能体解出 49 道,单题成本不到 3 美元;GPT-6-Astra 带联网搜索解出 49 道,不开搜索解出 46 道。一位物理教授把近 500 页、人类手算一年的量子引力推导喂给 Claude Opus 5.5,十小时跑完,交出 183 页推导笔记,还揪出论文里多处符号与常数错误。
但同一份材料里也有反面证据。DeepMind 关于道德困境的强化学习论文显示:训练用的是经典小说里的真实两难、并用逻辑求解器确认冲突确实存在,策略在自我评判的锦标赛里给成对论点打分,打分结果与人类标注一致。结果是模型在选项重排时答案更稳定,可用户一反驳、或把问题换个框,判断依旧会变。也就是说,顺序不变性这种容易测量的指标上升了,底层判断并没有变好。
对训练这件事的直接提醒是:如果用自我奖励或一致性指标当训练信号,必须另外测抗压性,否则优化的只是形式上的稳定。
把 softmax 的静默退化、物理题的高分、论文复现的“876 倍”放在一起,结论只能是:单个 benchmark 和单个案例能证明上限,证明不了可靠性。使用这些数字时,最好同时问一句——换一批输入还成立吗。
源链接:
九、硬件侧的三个动作:解锁、资产、演示
先看民间改卡。有作者称社区已经放出方案,从底层解除部分 Tensor Core 的运算限制:RTX 4090 从 165.6 提到 331.6 TFLOPS,RTX 3090 Ti 的 BF16 从 87.5 提到 157.4,RTX 2080 Ti 的特定 FP16 吞吐接近翻倍。按帖子描述,不需要换硬件、不用刷 BIOS、也不用改官方驱动,Linux 上装内核模块、配好启动参数再冷启动即可触发,Windows 11 上已有人用改装过的 4080 复现。
这条要按未经证实的社区成果看待:目前是单帖加几个社区仓库,没有独立复现,也没有功耗、稳定性和精度的对照数据。但如果成立,受影响最大的是二手卡的有效算力定价——按原来刀法做的折旧模型要重算。
另外两件事指向同一方向。英伟达在 Hugging Face 放出 2575 个 SimReady 3D 资产,共 472GB,每件写入重量、材质与重心,可直接喂给机器人抓取和数字孪生训练;智元放出 110 台机器人同步演示的视频,队列动作整齐,更像在展示集群调度。资产可训练、设备可调度,都在往前挪一步,但演示成功不等于量产落地。
源链接:
十、Skills 正在从提示词变成交付物
最典型的是 leanrea:一个 8KB 的 SKILL.md 顶替整套逆向 MCP,不装两百多个工具,直接教 Agent 用 otool、jadx、Ghidra 这些原生命令。README 里给出的实测是同等准确率下快 38%、便宜 35%、token 少 60%,上线一周 2300 多星。
同一批项目都在做“把一件事封装成可复用单元”。brag 让 Agent 在项目做完后用一条命令出 20 秒成片,带配乐、动效和分享文案;OpenWiki 把整个代码库整理成互相链接的 Markdown 文档库,每条说法可追溯到源码,已经拿到 17000 多星;JetBrains 开源的 ThinkRail 干脆是给 Pi 套了一层 IDE 外壳,核心设计只是项目里一个记录状态的 SPEC.md。
更细的一层是进程管理。pi-subagent 让每个子 Agent 跑在独立的 tmux 会话里,可以并行调查问题、做代码 review,父会话用 /subagent 就能进入对应终端看它在干什么,任务跑着还能追加指令。
还有一个反方向的设计值得记:x-reader 这类给 Agent 用的内容读取工具,最大的差异不是读得多,而是读完会交代自己读到了什么——搜索摘要不算原文,推文配文不等于视频,缺哪一层就标“只读了一部分”,读不到就说失败。
这几件事合起来说明竞争点在移动:从“Agent 能不能做”变成“这套能力能不能被别人复用、被别人审计”。8KB 打掉两百个工具,靠的不是模型更强,是封装更准。
源链接:
- https://x.com/GitTrend0x/status/2114318571207569681
- https://x.com/GitHub_Daily/status/2114522436196835688
- https://x.com/verysmallwoods/status/2114538896273047850
高价值单点
- Nanbeige4.3-33B:BOSS 直聘南北阁实验室的 33B 稠密模型,针对 Agent 能力优化,Agent 分数高于 Qwen3.8-27B,编码能力略弱。架构回到标准 Llama 全注意力加 GQA,512K 上下文靠把 rope_theta 直接调到 1.2 亿,官方定位是教师模型。https://x.com/karminski3/status/2114545217407963524
- MiniMax H3 生态新增 11 项:包括 8 步参考条件视频加音频、4 步蒸馏、稀疏注意力、参考 token 压缩,以及在 GPU 服务器、TPU、Apple Silicon 上的服务与工作流集成。https://x.com/MiniMax_AI/status/2114504329499660419
- Grok Bot 0.77 预发布:加入代打电话、自主支付、iMessage 接入、经管理员授权接入私有 tailnet、Bot 分享协作;同时出现可保存登录与银行卡信息的 vault,能力扩张和授权边界同时放开。https://x.com/xiaohu/status/2114550091667386736
- Initia 跨链桥被攻击:10 月 23 日遭攻击,USDC 桥储备被抽干至 63 美元,用户提现无法完成,约 300 万美元真实资产流出,对应 700 万美元无背书余额。https://x.com/ohxiyu/status/2114500203931988037
- 编码市场份额反转:有爆料称 Rippling 的编码用量五月是 Anthropic 57%、OpenAI 16%,如今 OpenAI 52%、Anthropic 18%,理由是成本,Replit 拿到三成以上折扣后也切了过去。
- Armin Ronacher 的三平台投票:同一个问题“你还手写超过 20% 的代码吗”,X 上 4326 人投票 12.7% 答是,Bluesky 26.4%,Mastodon 75.2%。样本自选,但平台间人群差异大到不能当成一个“行业结论”。
- OpenAI 解释广告栈:官方开发者账号说 ChatGPT 的广告系统要跟随对话演化,同时保证答案保持独立。广告与答案在同一个界面里共存,怎么界定“独立”没有给出细则。https://x.com/OpenAIDevs/status/2114489740930232731
- Qwen 被指限制伊朗用户:有讨论称通义千问限制伊朗用户使用,评论认为这不是阿里巴巴能单方面决定的,找厂商也没用。出口管制落到开源模型的分发上,会越来越多这类摩擦。https://x.com/dotey/status/2114443220432372195
- rasbt 的推理模型课程:11 小时视频课,从已预训练的 Qwen3 0.6B 出发,手写 verifier、推理时扩展(采样、自洽、打分、自我精炼)、GRPO 版 RLVR 和蒸馏,评估统一跑在 MATH-500 上。https://x.com/shao__meng/status/2114533468826952112
- 循环与加深模型的研究:3B 规模下,复制层加深或共享层循环的模型比同深度稠密模型更会利用上下文,GSM8K 在每种示例数上都更高;机制落在注意力头上,强 head 大多继承自少数早期归纳头。https://x.com/omarsar0/status/2114404629064942018
- Manus 的组织实验:在《用 Manus 改造 Manus》里,作者们的落点被概括成“Context Not Control”——不靠严格限定让 Agent 照葫芦画瓢,而是把流程、工具链和资料供给做好,人只在关键节点给约束。https://x.com/fkysly/status/2114546068386136198
- 本地语音工作室冲上热榜:一个全本地运行的语音项目支持 646 种语言,声音克隆、配音、听写、有声书放在一起,单日涨 1588 星,累计 85737 星。语音这条线上,开源与本地的组合已经能覆盖多数日常需求。
- 周末的分析工具价格战:做收入归因的付费工具月费约 39 美元,有人做了终身授权版并涨价到 49 美元,同一天又出现一个自托管、MIT 许可的同类项目,两天 300 多星。评论区的讨论比产品本身更值得看——“别把产品卖给会 clone 的人”。
- Nathan Lambert 的判断:在哈佛 CS 2881R 的客座讲座里他认为中国开源模型全面领先,但美国有 10 倍以上算力优势,蒸馏不是关键问题。https://x.com/shao__meng/status/2114511015371329845
🕐 小时信号精选
| PT 时间 | 信号 | 为什么值得记住 |
|---|---|---|
| 00:00 | Owly 用纯 Rust 在 Linux 上实现 AWDL 与 AirDrop 协议 | 苹果私有传输协议被反向实现,iPhone 可以和普通 Linux 机器互传文件 |
| 01:00 | DBDelve:Rust 加 GPUI 的原生多引擎数据库客户端 | 直接对准 DBeaver 启动 5 秒、空闲 606MB 的痛点,靠内存占用切市场 |
| 04:00 | dimensional-drawing 这个 Skill | 只画架构不画文案,变量写成公式,未知项标 [TBD],说明 Skill 也能承载设计规范 |
| 05:00 | prompt2rig | 先用视频模型生成真人动作短片,再还原成 3D 动作套到角色上,每只手算 15 个关节,4090 上生成 2 到 3 秒 |
| 07:00 | Scrawl 的录屏工作流 | 把关键帧拼图、语音转写和操作记录打包给 Agent,比用文字描述界面问题更接近现场 |
| 08:00 | Aravind Srinivas 的 SF 2049 联机版 | 房间和计时跑在 Cloudflare Durable Objects 上,预告片由三个 agent 并行拍摄完成 |
| 14:00 | Laurence Moroney 的建议 | 核心组件先手写一遍,才有能力审查生成代码、判断检索是否在返回垃圾 |
| 19:00 | SOMA 把 CAD 交给 AI | Agent 用 Python 写模型、每次改动自动重建,自带 3D 打印与 CNC 规则,可查悬空和壁厚 |
编辑结论
今天最值得记的两件事都很朴素。AI 公司第一次要把账本公开,增速在放缓、渠道抽成和算力承诺都写在那里;同一天的安全信号说明,找漏洞的速度已经被 AI 拉起来,修补速度还绑在人力上。开源权重、硬件迁移成本和模型能力继续往前走,但这三条线和“用得住”并不是同一条线。
来源与方法
审阅 2026-10-25-pt 目录内 20 个 PT 小时抓取与 3 个命名来源,合计约 189KB,信号池为 rich。hubtoday 与 AI Valley 属聚合与通讯类来源,其中的参数、benchmark 与融资数字未获一手确认;单条社交媒体转述按单源处理,已在正文标注。
