Gavin Baker 今天談的 pacing，不是把前沿踩慢、也不是少買機。他的意思是：OpenAI、Anthropic 若選擇「跟上安全」，會把更多時間和運算花在 alignment、監控和 evals 上。 Sarah Friar 昨天在 CNBC 說，從她現在的位置看，成長機會仍然很多，所以她還是把重心放在取得更多運算，讓這套正向循環繼續轉。Sachin Katti 講得更直接：要讓前沿模型安全、行為一致，方法就是投入運算。反直覺的地方在於，未來模型要更安全、更穩，需要的運算是更多，不是更少。 這跟市場常有的算法不一樣。市場聽到 pace the frontier、pause RL，容易先理解成需求下修。實驗室內部多出來的，是安全稅。 OpenAI 8 月自己寫過一筆可以核對的數字：被納管的 inference，監控 overhead 大約是 20%。Astra 達到 Critical 網路能力之後，帶 tool 的推論整條都要監，不是只抽查最高風險的幾條。他們還養了 GPT-Red 這種自動化紅隊，訓練規模對得上最大的 post-training。產品往上走一檔，攻擊模型也要往上走，藍隊才測得到真洞。測完還要對抗訓練、拒絕邊界、思維鏈監控。這三筆都是 token，不是新聞稿。 正向循環可以寫成一條鏈：模型變強，攻擊面變大，護欄必須更強；護欄更強，本身就要燒掉更多 token；實驗室再去簽下一截容量，把這筆安全稅補回來。Flywheel 沒停，只是同一 GW 裡，先被藍隊切走一截。 Baker 把這件事拿來跟「開源權重搶市佔」比，結論是：對基礎設施幾乎一樣偏多，但還不算同一件事。差在錢從哪裡走。 開源權重若拿走閉源高毛利的市佔，模型層的 margin 會被壓下來，便宜 token 變多，同樣程度的智慧要消耗更多電、更多晶圓。那是量被放大，margin 從模型公司挪到基礎設施。 若之後每一代都維持「能力跨過 Critical、帶 tool 的推論全數納管」，那 20% 有機會從專案成本變成常態稅。到那時候，比的不是誰比較會講安全，而是誰在抽完這筆稅之後，還有餘量去訓練下一檔模型。 藍隊不能比產品弱一階。弱一階，測出來的安全數字是假的。要跟得上，token 要先加在護欄上。