The Information发了一篇万字长文，深扒了Anthropic创始人达里奥·阿莫代伊是怎么以强烈的个人意志——甚至可以说是被神格化了——凌驾于所有AI大厂以上的，爆料密度很高，过于抽象的也不少。 我来总结一些重点内容： - 因为担心自己工作被抢、数据中心推高电价等种种原因，美国人对于AI的厌恶再创新高，而作为最强AI公司领导者的阿莫代伊，却坚持继续推动他所相信的「AI威胁论」，哪怕这会损害Anthropic的融资前景； - 董事会里有人建议Anthropic多宣传AI在攻克癌症方面的帮助，这是很常见的公关做法，但阿莫代伊拒绝了这一提议，认为不应该掩饰AI给人类造成的生存威胁，然后他转头就安排发布了一则意义不明的品牌广告，以墓碑、乞丐和奴工为开场元素，极其黑暗悲观，毫不意外的被骂翻了； - 因为Anthropic正在运作上市，投资者都在设法给阿莫代伊施加压力，希望他停止宣扬AI有害论，比较委婉的会恳求他「别再吓唬所有人了」，更直接的则会抱怨阿莫代伊正在破坏自己公司以及整个行业的利益，但他们都承认，再多的蛐蛐都对阿莫代伊毫无影响，他根本不听； - 有投资者在备忘录里写了Anthropic这家公司的特有风险，那就是它的老板似乎并不在意赚钱这件事情，而阿莫代伊之所以这么强势，只是因为Anthropic处于上升期，看在股权升值的份上，投资者多半可以忍受船长的离经叛道，问题在于，如果驶入逆风局，阿莫代伊是否还能维持资本关系的和睦； - 阿莫代伊本质上并不是一个反商业的CEO，只是相比经营公司，他更希望成为一个布道的领袖，屡次用AI失控恐吓大家，也是为了强化只有他才是那个有权力决定什么时候该踩刹车的人，如同AI行业的教皇那样； - 所以阿莫代伊基本上不要介入日常管理，主要都是他妹妹、身为Anthropic总裁的丹妮拉完成，而他本人更倾向于通过长篇信件和Slack通知来和员工交流，这种作风过滤下来的结果就是，他拥有了一批忠诚度极高的员工，他们的离职率在顶级AI公司里出奇的低，而且普遍把Anthropic视为类似「末日地堡」的组织，是人类文明最后的希望； - 具体天命所归的自我认知，阿莫代伊对美国政府的态度也非常二极管，所以他会不惜和五角大楼翻脸也要排除用AI监控本土的可能，同时也积极配合商务部推进限制开源模型的政策，只要是为了更崇高的使命，他能把自己的一切行为合理化； - 其中就包括接受阿联酋、卡塔尔等阿拉伯国家主权财团的投资，阿莫代伊很厌恶中东地带的意识形态，却因需要对方的财力，而不得不和员工解释这么做是利大于弊的，他甚至暗示出钱的王公贵族是坏人，在全员信里痛心疾首的表示打破了「绝不让坏人从我们的成功里获益」这条原则； - 阿莫代伊最早出现在媒体镜头里，是在2017年，他代表OpenAI向华盛顿的智库展示早期的AI模型，那是一个会打Dota 2的程序，拥有学习能力，当时阿莫代伊就在发言里强调这个程序的进步速度太快，人类必将「无法监督、无法批准、甚至无法理解」； - 适逢阿莫代伊刚从百度跳槽到OpenAI，负责安全部门，没过多久，他就开始在OpenAI内部推动公布研究成果之前的审查制度，以防知识被不当利用，这挑战了OpenAI早期鼓励研究员们自由发表论文的风气； - 写备忘录的习惯就是从那时开始的，阿莫代伊会把自己的想法写在一台从不联网的电脑上，然后打印成纸质文件发给同事，偶尔有去中国出差的工作要安排给他时，他会严词拒绝，因为觉得去了就会被绑架📷📷📷； - 「只有我才能决定什么信息可以公开」的理念让阿莫代伊和OpenAI的部分员工关系紧张，大家本来习惯在Slack里共享代码库，但从开发GPT-3开始，阿莫代伊就把很多核心代码库和Slack频道设为私密状态，由他的团队来发放「门禁卡」，他还差点搅黄了微软雪中送炭的10亿美金投资，当时OpenAI账上都没钱了，阿莫代伊还在阻拦GPT-3的对外演示，觉得会让微软获得AGI； - 不可避免的，阿莫代伊经常和OpenAI的创始人山姆·奥特曼吵架，他职位低当然吵不过，于是总是在事后把自己关在办公室里，连续刷YouTube视频来恢复情绪，他的妹妹丹妮拉当时也在OpenAI，频繁帮忙缓和哥哥与高管之间的关系，这对兄妹在2020年一起离职创办了Anthropic，并带走了一批同样反感奥特曼的研究员； - 有些带着对奥特曼的恨意跟过来的同事，后来发现和阿莫代伊的恨比起来，自己的那点怨气根本不算什么，他们私下觉得阿莫代伊对奥特曼这个人恨得有点魔怔了，是真的相信如果OpenAI掌握了最强大的AI人类文明就会迎来世界末日； - 如今，Anthropic的管理层会把阿莫代伊当作一种「灯塔」——他的注意力在公司里四处扫视，目光所及之处，就会受到高度关注——阿莫代伊的灯光最近照射在公司里的一个经济学团队，他们负责推导和量化AI会对美国经济造成多大的影响，而阿莫代伊非常享受这种动动手指就能决定或是拯救千万人失业的宏大叙事； - Anthropic的主要人才都相信e/acc（有效加速主义），他们自发的建立起了一种高强度的工作文化，将这波大模型浪潮视为千载难逢的历史性机遇，但阿莫代伊本人却不是e/acc这派的，他时常会做些减速的事情，比如让员工暂时抛开工作，和他一起畅聊社会、政治和战争； - 除了毫无必要的得罪国防部，阿莫代伊还因坚持在Claude旗舰模型里加入安全过滤器而被财务部门提醒这会增加成本、削弱利润，但他依然坚决不改，不过在竞争对手的追赶下，阿莫代伊也开始有了变通，比如愿意和马斯克在算力上开展合作，放置两人的历史恩怨； - 事情有点讽刺，阿莫代伊天天嚷着AI就要全知全能了，却连公司需要多少算力储备都没算对，近一年来Anthropic的业务增长远远超过计划，于是他被迫「挨宰」，以高于市场价的费用从马斯克那里租用数据中心，马斯克虽然以前和阿莫代伊闹过不愉快，但他主要还是在和左派Woker们作斗争，在了解到阿莫代伊不属于这一派后，加上两人都很讨厌奥特曼，他也就不计前嫌了，还夸阿莫代伊是一个「很有原则的人」。 * 再补充一个更抽象的信息，阿莫代伊前几天有个私下发言又被捅出来了，他说自己担心随着公司的规模扩大，会吸引一些纯粹为了赚钱而加入进来的员工，本意虽然是他更希望来的人和他一样抱有AGI的使命，但这番表达的不妥仍然引起了铺天盖地的嘲讽，觉得他是自个儿财富自由之后「何不食肉糜」，竟然觉得人类不需要赚钱养家糊口。 而阿莫代伊的反应也很干脆，不反驳，不辩解，默默在官网招聘栏新增了一条岗位信息，以30万年薪招聘一个内部侦探，要求自带反间谍和情报技能，主要职责包括对在职员工进行调查⋯⋯ 好吧，这就很阿莫代伊。

万斯6月18日在白宫说了一段话，总共不到两分钟。 但这两分钟里，他至少甩出了五把刀，每一把都扎在美以关系最敏感的神经上。 这段话值得一个字一个字地拆开来看。 先上原话。万斯的原文是这样的："如果我是以色列政府的内阁成员，我可能不会去攻击我在这个世界上仅剩的唯一强大盟友。" 第一把刀："唯一"。 这个词杀伤力极大。万斯没说"最重要的盟友"，没说"最亲密的盟友"——他说的是"唯一"。言下之意：除了美国，你以色列在这个地球上已经没有朋友了。英国？法国？德国？他们在联合国投票时站你这边几次？万斯这一个词，把以色列的外交处境一刀切开了——"你以为你还有退路？没有。" 第二把刀："如果我是内阁成员"。 注意这个假设句式。万斯没有直接说"以色列内阁不应该批评美国"，而是把自己放在对方的位置上，用一种"设身处地为你着想"的口吻来说。这是典型的美式外交降维打击——我不是在命令你，我是在"劝"你。 但这种劝的语气，比命令更侮辱人。因为它隐含的意思是：你们连最基本的政治判断力都没有，需要我来替你们想。然后万斯话锋一转，开始算账。他说："在过去三个月中，以色列三分之二的防御性武器是由美国人制造的，并由美国纳税人的钱支付。" 第三把刀："三分之二"和"纳税人的钱"。 这是在把美以军事合作从"盟友互助"的框架里拽出来，塞进了"谁养活谁"的框架里。过去几十年，美国对以色列的军援一直被包装成"共同安全投资""民主价值观同盟"这类高大上的叙事。万斯一句话就把这层包装撕了——别跟我谈价值观，我们谈钱。 你的铁穹拦截弹谁造的？你的F-35战斗机谁付的款？你的防空系统谁维护的？答案都是一个——美国纳税人。 第四把刀："以色列的问题不是美国总统"。 这句话表面上是在为特朗普开脱——别把矛头对准我们老板。但深层意思更狠：你以色列现在面临的困境，不是因为美国对你不够好，而是因为你自己作的。 从黎巴嫩扩大占领到公然破坏美伊谅解备忘录第一条款，从本-格维尔在社交媒体上把伊朗比作纳粹到内塔尼亚胡的内阁集体抨击华盛顿——是你们自己把路走窄了，别甩锅给美国。 第五把刀，也是最重的一把："所有那些认为最大问题是美国总统的人，都应该醒来，认识到他们国家所处的现实。" "醒来"这个词在外交语境中极为罕见。万斯不是在跟一个对等的盟友对话——他是在训人。 "醒来"暗示对方在做梦、在自欺欺人、在脱离现实。 用这种词对以色列说话，放在奥巴马时代、小布什时代，甚至特朗普第一任期，都是不可想象的。 据路透社和NBC报道，万斯这番话是在白宫新闻发布会上说的。有记者问他：据报道内塔尼亚胡对美伊谅解备忘录"暴怒"，你怎么看？ 万斯的回答不是安抚、不是打太极——是当着全球媒体的面，把以色列的家底和困境全摆到台面上。 更耐人寻味的是，万斯同时给了内塔尼亚胡本人一个台阶。他说："内塔尼亚胡值得称赞的是，他没有走上那条路。" 翻译一下：老内你还算懂事，但你手下那帮人——本-格维尔、斯莫特里赫——给我管好了。 据以色列第12频道电视台报道，美方判断正是财长斯莫特里赫和国安部长本-格维尔在背后推动内塔尼亚胡采取更强硬路线。 万斯的话术极其精准：打的是狗，看的是主人。表面上骂的是极右翼内阁成员，实际上警告的是内塔尼亚胡——你要是管不住你的人，美国就管你的钱。 本-格维尔当天就在社交平台上回怼了。他写道："这就是我的方案，万斯先生：对付21世纪的纳粹，就要像美国在20世纪对付纳粹那样做。" 配了一张二战轰炸照片。 这个回应恰恰证明了万斯的判断——以色列极右翼已经完全失控了。 一个内阁部长，公开在社交媒体上拿二战纳粹类比来怼美国副总统——这在美以同盟七十多年的历史上，闻所未闻。 但万斯这番话最深远的影响，不在于以色列怎么回应，而在于它改变了美以关系的叙事基调。过去七十年，美以关系的官方叙事是"特殊关系""铁板同盟""共同价值观"。 而万斯用两分钟的时间，把这个叙事换成了另一个版本——"我们在养你，你得听话。" 从"盟友"到"金主"，叙事框架一变，整个关系的权力结构就变了。以后每次以色列想拒绝美国的要求，万斯这段话都会被翻出来——你的武器谁造的？你的防空谁买的？你的盟友还剩几个？ 而且万斯选择在这个时间点发火，绝不是冲动。据皮尤研究中心2026年数据，60%的美国成年人对以色列持负面看法，59%对内塔尼亚胡缺乏信心。 加沙和黎巴嫩的平民伤亡画面在美国社交媒体上持续刷屏，公众情绪正在以肉眼可见的速度转向。万斯在算一笔政治账：对以色列强硬，在美国国内不会丢分，反而可能加分。 这也是为什么万斯敢说这些话的底层逻辑——他不是在冒险，他是在顺势而为。 当美国公众开始质疑"为什么我们每年花40亿美元养一个不听话的盟友"的时候，万斯只不过是第一个把这个问题摆到台面上的高级官员。

中國的洪澇看起來越來越嚴重，有時候我都懷疑，是因為我們這些反共的人，內心巴不得看到天災人禍不斷，希望中國人終於受不了起義革命，所以把這些洪水的新聞，不斷地放大，自己在內心想像共產中國的天災頻率加大，但事實並不是如此？也許中國這麼大，中國本來就是到處可能有洪澇，我不知道，因為所有中國的數據都不可靠，也許連共產黨高層自己都不知道，到底天災有沒有變多。 但我們知道的是最近幾年的夏天溫度不斷地升高(誰可以去把輪船用油的硫加回去嗎？)，溫度高，下雨多，那也是一個科學上可以支持的事實，所以我們先把人禍放一旁，也許中國的洪澇問題，是天氣的責任。但這個雨下大的問題，全世界都在發生，連紐約地鐵這幾年也都一直淹，中國的鄰居，也有這個下雨的問題，但怎麼對付這個頻率變多的天災，就變成了人禍的問題。治水是一個問題，救災是另一個問題，災後重建則又是另一個問題，在完全不透明的共產黨黨國體制下，三個問題有解嗎？誰在負責？進度如何？不知道，通通不知道。中國人，你們為什麼不生氣？ 也許救災考驗的是領導的能力，領導的能力在僵化的中央集權下，變得極為關鍵，但習近平碰什麼，什麼就失敗，足球？雄安？經濟？股市？房市？現在他又去碰AI，看起來又要完蛋了。所以水患的問題，中國人要自求多福，但我不解的是，如果共產黨可以在2008年，把錢灑出去，搞鐵路基建，搞房地產投資，硬是把景氣拉了起來，為什麼現在景氣困難，同時治水基建如此缺乏，共產黨怎麼不灑錢搞城市治水工程？蓋新水庫、疏通河道、廣建下水道、開闢蓄水池，不都是像蓋鐵路基建一樣，既可以提高就業，又可以解決水患問題，為什麼不大搞特搞一下？ 無能可能是一個原因，但很可能共產黨真沒錢了。 在習近平打房前，房地產的投資是一個老鼠會騙局，我一直很不可思議中國人買預售屋是要先供房貸的。產權都沒拿到，房子都還沒開始蓋，中國人就在繳錢，這是什麼瘋狂的制度？最後開發商倒了，房子爛尾了，買家還要繼續付錢給銀行，全世界沒有一個國家是這樣坑買家的。然後成千上萬的爛尾樓，政府也沒有出來解決，難以計數的房奴，沒拿到房，還欠銀行錢，公道討都討不回來，真是豈有此理。但這也表示了，當初房市旺的時候，出錢的是銀行，不是開發商，甚至也不是地方政府，地方政府賣地拿一次錢，就沒了，錢到哪裡去了，不知道，但不是進了房市。中央政府管利率，但不管貸款實質，現在四大銀行的呆帳率只有1.2%，我信都不敢信，爛尾樓跳樓的那些屋主，銀行都不敢打成呆帳，大概還繼續掛在帳上。 中央沒有出錢刺激房市，只是靠銀行借貸的管道，把中國人的儲蓄轉成房地產放貸，恆大和一大堆的地產商倒了，爛尾樓的屋主停供了，銀行的爛帳，公開看到的就已經是2012年的4~5倍，更何況還有藏起來了，銀行嚇都嚇死，本都快保不住了，怎麼敢投資治水基建？ 但共產黨當初不是花大錢蓋高鐵？不是有錢嗎？為什麼現在不花了？一樣，共產黨靠的是銀行和地方政府，不是用借的，就是用股權投資在高鐵的建設，這些和爛尾樓的房子也差不多，投資都像打水漂，因為高鐵入不敷出。銀行現在沒錢，地方政府沒地可賣，找誰來投資比高鐵更沒有收益的治水建設？ 共產黨只剩一條路可以搞治水基建，那就是中央政府編列預算。但中國政府稅收就這麼多，你是要花在軍隊，還是要花在醫保，花在幹部退休金，還是要花在習近平的好大喜功？不知道，但治水基建，既看不到，又吃不到，別浪費了。不是可以印鈔票嗎？這一點共產黨倒是挺機靈，搞通膨來害自己嗎？不如好好地管好輿論、刪除貼文、封鎖消息，歲月靜好，速度比較快，效果比較好。

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

「我完全被三個孩子的照顧壓垮了，我覺得自己每天都在溺水。」—— 克蘭西在日記中寫道。 2023年，美國母親克蘭西殺害三名幼子後企圖自殺。法庭上，控辯雙方為她究竟是預謀的「壞母親」，還是受精神病控制的「瘋女人」爭論不休。 案發前，她頻繁就醫，甚至對家人坦承有傷害孩子的念頭。但因為她還能為孩子辦派對、做午餐，周遭便以為她「還能運作」。在對母職的期待下，似乎只要她仍在執行育兒勞動，她的崩潰就難以被正視。 這場無果的審判，為社會留下了一個更複雜的叩問：當一位母親開始溺水，我們該如何在她徹底沉沒之前，真正聽懂她的呼救？ 👉點擊連結，端傳媒【瘋女人，壞母親？】系列評論：

富士山凌晨五点的一支舞，炒翻了网络。 先来聊聊故事的全貌。 很短小精美的一个视频，怎么就戳中了这么多人的G点。 一对中国情侣，抖音网红达人“藤短短”，来到山梨县河口湖镇那家以“富士山背景”闻名的罗森便利店前，跳了一支舞，发布了极短的12秒的抖音视频，引发争议了。 当前日本社会整体向右的情况下，会中文的日本人在小红书和抖音等平台搬运涉及日本的视频，也成了一门生意。 甚至有人鼓励拍摄在日外国人的各类不当行为，每个片子还可以获得4000日币左右的酬劳。 这类不当行为，日本人称其为：迷惑行为。 什么意思呢？ 简而言之，就是给别人添麻烦，造成困扰的行为。 比如常见的旅游途中的迷惑行为：电车里打电话，神社里大吼大叫，边走边吃东西，随处抽烟，富士山违规登山、奈良踢鹿等等，这几年曝光出来的挺多的。 这对中国情侣的短视频被日本网友扒出来以后，日本的网友先炸锅了。 “迷惑行为！”“堵住入口了！”“日本不是你们的主题公园！”铺天盖地的批评，账号被扒，人肉开始。 最多的一条批评他们跳舞的内容，浏览量都超过了600万次了。 紧接着，故事迎来了反转。 这对情侣拿出了带时间戳的原始素材：拍摄时间是凌晨五点。店门口空无一人，连一个路人都没有。 所谓的“堵住门口让人进不去”，是彻头彻尾的谎言。 当前的中日关系，加上高市内阁的外国人政策，一些本来微不足道的小事儿，经过不断地发酵，反而变得挺敏感的。 日本的一些右翼党派，也需要这样的矛盾和冲突，来获得更多的选票。 于是，一个精心剪辑过的视频，配上煽动性的文字，就足以让一个人在网络上社会性死亡。然后等反转出来，骂人的那批人早就散了，没有人道歉，没有人负责。 这，才是真正的迷惑行为。 要说迷惑行为，你往深了挖，日本人绝对是这个赛道天花板。 当然了，支持这个视频的，日本网友也不是少数。 遗憾的是，这个事件在中文互联网上同样引发了激烈的撕裂。 有人说：就算是早上五点，在公共场所这么跳也不妥。日本有日本的规矩，入乡随俗，懂吗？ 也有人说：同样的事白人做、日本人做，有人拍吗？凭什么中国人小心翼翼选了个没人的时间段，还是不行？这不是规则问题，这是仇中问题，承认仇中有那么难吗？ 还有一种声音，冷静得有点扎心：在以色列人眼里，这点事根本不值一提，能为这种鸡毛蒜皮吵翻天的国家，其实挺幸福的。 你瞧，同一个世界，同一个事件，不同的声音，这不挺好的。 我个人对这件事的看法。凌晨五点，没有妨碍任何人，我支持跳。 旅行是什么？旅行就是到一个地方，用自己的方式感受它、表达它。你可以拍照，可以大喊“好美啊”，可以在富士山脚下喝一罐啤酒，也可以跳一支舞。 这是人的天性，是自由最朴素的形态。 舞跳得很专业，富士山的背景恰如其分，既表达了旅行快乐，也表达了环境的美好，还表达了日本的魅力。这段舞蹈展现出来人的生命力与周围环境浑然天成。 这难道不是一条官方花钱都买不来的宣传片吗？ 当然也会有人说了，如果每天早上5:00都有一大堆人在那里跳舞，不就成了集体的迷惑行为，你还支持吗？ 东亚文化从来不缺乏杠精。你杠你有理、你杠你就是对的。你去跳舞，没准浏览量更高。 开心了就要跳舞嘛，跳舞有什么错？高市开心的时候跳起来更是眉飞色舞。 唯一能够批评的，应该是罗森便利店，便利店的门口，是人家的私有领域。但是便利店，在日本的环境里面，又是一个类似公共的空间。 不能忽略，故事还有另一面，同样值得正视。 中国的网红文化，有一条隐形铁律：不要脸，才有流量。于是，你看到了有在泥地里打滚的，有人在色情边缘不断的擦边，有人吃播吃到送急诊、、、 没背景、没资源的普通人，唯一的出路就是豁得出去。所以越来越多的人选择在一切公共场合展示自己，管它是便利店门口还是新宿车站，涉谷十字路口。 这种文化，在日本的环境里确实是异物。日本的公共空间逻辑是：你的存在感，不能超过你的社会许可。 在店门口制造任何形式的“被注目”，哪怕没堵着任何人，本身就已经越界了，很多日本人骨子里面是这么认为的。 两种逻辑，都有其内在的合理性。问题是，当这两种逻辑撞在一起，又叠加上民族情绪，事情就没法好好谈了。 这支凌晨五点的舞，你是支持还是反对呢？在评论区聊一聊。

2026 年 9 月 29 日，OpenAI 在旧金山 Fort Mason 办了今年的开发者大会 DevDay。主讲是 CEO Sam Altman。其他几位上台的人都在做这些产品。产品团队的 Holly 演示了新产品 Dots。后训练（模型预训练之后做对齐和能力调优的阶段）研究负责人 Tejal 讲了模型怎么反过来帮 OpenAI 做研究。Codex 的演示由 Romain Huet 来做，他在 OpenAI 负责开发者体验，去年 DevDay 主题演讲里的 Codex 演示也是他做的。整场演讲分三块：面向用户的常驻智能体 Dots 和协作空间 ChatGPT Space，给开发者的新模型和新工具，以及帮开发者做分发、赚钱的渠道。 1. Dots：一直在线、会主动干活的智能体 Sam 把 Dots 比作电影里那种一直在身边帮忙的 AI 助手。他认为订餐厅、买机票这类代办虽然有用，但和这项技术能做的事比起来太小了。他想要的 AI 知道正在发生什么，也知道你在意什么，不用你事事交代。 Dots 是常驻在线的智能体（Agent），有自己的云端电脑和浏览器，能写代码、跑测试。它的权限跟着用户走，能直接用用户已经在 ChatGPT 里连好的插件，覆盖 4000 多个应用。除了在 ChatGPT 里对话，之后还可以给它发短信、打电话。目前每人先有一个 Dot，以后可以配一整组。Dots 跑在 本月早些时候发布的 GPT-6 Astra 上，Sam 称它是 OpenAI 对齐做得最好的模型。用户可以限定 Dot 能用哪些应用、能不能操作电脑，也能给它的各类操作写自定义指令，愿意交出多少责任就放多少权。 Sam 说，他自己的 Dot 每天早上会把夜里进来的消息过一遍，挑出紧急的提醒他。他说这让他拿回了一部分注意力，没那么离不开手机了。他还举了一个更重的例子：把应用从一个即将停用的旧 API 上迁走。这个 API 可能散落在代码库各处，改了哪里会连带弄坏什么，事先看不出来。Dot 可以追踪依赖关系，找出所有要改的地方，写代码、跑测试，最后把 PR（代码合并请求）交给团队审。他让听众想想，过去做这件事要几个人、花多久。 开场视频里，用户把自己的 Dot 改名叫 Alfred。Alfred 和另一个 Dot 帮用户上线网站，改董事会材料，在婚礼蛋糕商家取消后找好备选。它们还发现财务会和女儿的演出撞了期，提出改时间。每件事都是 Dot 推进到需要人确认的地方，再由人拍板。 2. ChatGPT Space：人和智能体一起用的工作区 Sam 认为，现有的生产力软件几乎都没考虑过人和 AI 一起干活。ChatGPT Space 以页面为单位，可以在里面写计划、做调研、生成图片和数据。页面和文件像网盘一样放在同一个空间里。Dot 能直接在页面上工作，在评论里 @ 它，它就会接活。页面本身也能带指令，比如“每天去看 API 平台的 Slack 频道，把发现更新到这里”。之后 Space 里还会加入演示文稿，格式做成智能体方便读写的样子，团队成员可以和各自的 Dot 一起改。 在 Holly 的演示里，页面用斜杠命令就能插入交互图表、表格和可运行的原型。她 @ 自己的 Dot（名叫 Dotty），让它把一组数据改成柱状图。图表可以按反馈类型筛选，Dotty 每小时刷新一次。她还让 Dotty 把“某位工程师在我 Slack 私信里提过的新手引导数据”补进 FAQ。Dotty 能看到她的上下文，所以这种模糊的指代也找得到。 3. OpenAI 内部怎么用 Dots Holly 用一个虚构的歌单应用 Blossom Music，模拟发布前一天的状况。早上 Dotty 已经做了几件事：发现发布评审会提前，改好了日历；看完前一晚测试用户的反馈；注意到设计团队临时改了首页，把新设计发给她。她让 Dotty 直接把这个设计做出来。Dotty 调用她笔记本上的 Codex 构建应用，在 iPhone 模拟器里跑起来，再提交 PR。现场的语音演示卡住了，Dotty 一直回复“还在查”。Codex 线程也报过一次错，她重试后才继续下去。 她说，Dots 真正改变 OpenAI 工作方式的地方在 Slack。Dots 在公司 Slack 里有自己的身份，员工就开始把它们当作代理人。被同事 @ 到的零碎请求，直接转给自己的 Dot 处理。建群时，大家从一开始就把各自的 Dot 拉进来，Dot 带回结果时所有人都能看到。 工程师走得更远。有人在反馈频道贴出会话 ID 和一个用户 bug，某位工程师的 Dot 就会接手排查，提 PR 修复。她说这是真实情况：工程师们的 Dots 每天这样修掉几十个 bug，Dots 这个产品本身有很多部分就是 Dots 写的。 4. 上线范围和企业用的 Specialist Dots Dots 和 Space 当天向 ChatGPT Pro、Business Premium 和 Enterprise 用户开放。Dot 包含在套餐里，和它的对话不占用额度。 企业客户还可以预览 Specialist Dots。这是由公司统一设置、供整个团队使用的虚拟同事，负责会计、市场、法务这类工作量大的事。公司给它目标和背景，审核它的产出，给它反馈，反馈在全公司共享。OpenAI 也在和微软合作，把 Specialist Dots 接入 Agent 365（微软用来管理企业智能体的工具），企业可以用已经在用的微软工具来管理它们。 5. 新模型：更便宜的 GPT-6.1 Sol，更快的 UltraFast Astra 发布这几周，用户的要求集中在两点：更便宜，更快。GPT-6.1 Sol（转录稿误作 Soul）的能力接近 Astra，价格是它的五分之一。缓存输入（重复发送、已被缓存的上下文）比标准输入便宜 95%。智能体需要反复读同一批上下文、长时间迭代，这对它们尤其省钱。Sam 说 Sol 在某些方面比 Astra 还聪明，定位是开发者的日常主力模型。 UltraFast 是新的速度档，API、ChatGPT 和 Codex 里都能用。原有的 Fast 档是两倍速度、两倍价格；UltraFast 是八倍速度、六倍价格，每秒 300 个 Token。它现在可以配合 Astra 用，之后也会支持 Sol。现场让两个模型用同一个提示词，做一个 DevDay 配色的火箭。UltraFast 的火箭已经升空时，标准速度的还没做完。 订阅也跟着调整。新推出的 500 美元档 Pro 订阅叫 Pro 500，额度最高，是 Plus 的 25 倍。它可以在 ChatGPT 和 Codex 里用 UltraFast，还能通过“用 ChatGPT 登录”在合作方的应用里使用。Pro 200 重新开放，继续提供所有前沿模型。 另外预览了 Decisions API。它给 Luna 模型一组预先定义好的选项，让模型从中选一个，比如给请求分流、给图片分类、决定智能体下一步做什么。任务收窄成选择题之后，响应时间可以压到一秒以内，同时保留图像理解、多语言和安全防护。Romain 后来补充说，做机器人的朋友看中的是它能处理视觉输入：机器人可以根据看到的东西，近乎实时地快速行动。 6. 模型开始帮 OpenAI 做研究 Sam 提到，去年这个时候，他和 Jakob 在一次直播里预测，一年内会出现第一个“AI 研究实习生”，当时几乎没人相信。几周前 OpenAI 宣布达成了这个目标：有了一个能接手定义清晰的研究任务的系统，这类任务原本要熟练的研究员花大量时间和精力。 Tejal 的方向是电脑操作（computer use，让模型像人一样操作桌面和浏览器）。她举了两个例子。 第一个是让模型优化电脑操作的运行框架（harness，包在模型外面、负责调用工具和管理步骤的代码）。模型在循环里持续寻找能同时降低延迟、提升效果的改动，团队把找到的改进合进生产环境的框架，并用于后训练。结果是延迟改善了两倍以上，已经上线。 第二个是模型帮忙改进了监控和拒绝训练，让 Astra 在不安全的场景里更会拒绝。Astra 在电脑操作压力测试上因此达到业内领先，操作时出错更少，也更贴合用户的本意。 她给出了几项内部数据。今年夏天之后，研究工作消耗的 Token 量急剧上升。1 月时，模型能做好 15 分钟以内的短任务，需要一天以上的任务大多会失败；到 7 月，超过三分之一的一天量级研究任务，模型能在无人干预下完成。她还提到，Astra 这类模型已经帮忙解决了 100 多个悬而未决几十年的数学问题，也在参与针对耐药感染的新抗生素、古代语言研究、可再生能源和工业机器人等方向的工作。 7. 给开发者的底层工具 Sam 说，OpenAI 想让开发者用上自己内部用的东西。 第一件是 Codex 的运行框架。它同时支撑着 Codex、ChatGPT Work 和 Dots，目标是用最少的 Token、最快拿到准确结果，现在已经开源。第二件是 Codex 完全上云：在手机上开始的任务，可以在浏览器或桌面端接着做，合上笔记本任务也不会中断。 云端能力带来了 Codex Security Cloud。它在云端环境里持续寻找漏洞，并准备好验证过的修复方案供人审核，这次新增了自动去重、定时扫描和新界面。Sam 说这是为了给防守方更好的工具，因为“我们看得到接下来会发生什么”。 新的 Agents API 进入公开测试。它包含运行框架、托管、记忆、多智能体控制等功能，是 Codex 和 Dots 用的同一套技术，也加入了电脑操作能力。现场的例子是一个网站测试智能体，会自己打开浏览器、点击页面、测试流程。基础设施方面，OpenAI 和 AWS 合作推出由 OpenAI 驱动的 Bedrock（AWS 的托管 AI 服务）托管智能体，AWS 客户可以直接使用 OpenAI 的前沿模型、Codex 和 ChatGPT Work。 隐私方面预览了 OpenAI Private Intelligence。其中的零数据留存（ZDR）配合私有安全处理，可以在不把用户内容存到 OpenAI 服务器的情况下做安全检测；私有推理则把隐私保护延伸到推理阶段。Sam 说这套方案是和最大的一批客户一起设计的，目的是让他们能把模型用在最敏感的工作上。 性能方面，Responses API 一年里增长了 100 倍，可靠性保持在 99% 以上。首个 Token 的等待时间缩短了 45%，工具调用和工作流提速 30% 以上。 8. Romain 的 Codex 演示 演示从手机上的 Codex 开始。Romain 人还在会场外，让 Codex 替他跟观众打招呼、讲一个会场的冷知识。接着他用几张会场照片生成的 3D 场景演示 UltraFast，一边说一边改：把小人放到座位上，把直播画面投到场景里的大屏幕上。现场语音没连上，他改成了打字。 Codex 命令行工具（CLI）这次全面翻新。他让 UltraFast 写一个应用，从观众里随机抽三个人送明年的门票，几秒就写完；改成抽六个人，也几乎是瞬间完成。命令行现在支持由 GPT Live 驱动的双向实时语音，不只是语音转文字，但现场没能演示出来。 后面几段演示了多模态和电脑操作。游戏 Astra Adventures 从一张纸上的草图开始，几轮之后画面还很粗糙，借助图像模型，才变成有质感、能用在正式游戏里的美术。然后他让 Astra 通过浏览器自己学着玩这个游戏，屏幕左边显示模型的决策，右边显示它按下的按键。 他又用“应用快照”（app shot）把自己记录飞行课程的应用作为上下文交给 Codex，让它在各种屏幕尺寸下审查这个应用并截图。Codex 自己在模拟器里点开了各项功能。云端 Codex 现在和本地版用同样的工具，包括插件和电脑操作。他顺手把一个“用 Rust 重写整个后端”的任务丢到云端，打算稍后在手机上查看。 最后一个演示用的是 Hugging Face 借来的可编程小机器人 Micro Duck，它名叫 Lavender。Romain 前一晚让 Codex 把它接好：视觉用 Astra，图像生成用 GPT Image 2.5，语音交互用 GPT Live 1。机器人现场看着观众画了一幅画。他说，OpenAI 做 Dots 和 Codex 用的，就是 API 里开放给开发者的同一批工具。 9. 分发和变现：让开发者在 ChatGPT 上做生意 ChatGPT 每周大约有 12 亿人使用。Sam 承认，此前类似的尝试效果参差不齐。他说这次有信心，是因为开发者拿到的是 OpenAI 自己做 ChatGPT 用的工具。 第一项是“用 ChatGPT 登录”（Sign in with ChatGPT）。用户登录第三方应用时，可以直接用自己 ChatGPT 套餐里包含的 Token，开发者不必替新用户垫付模型费用。首批有 16 家合作方。 第二项是插件扩展（plugin extensions）。开发者可以把编辑器、仪表盘乃至整个工作区，做成原生嵌在 ChatGPT 和 Codex 里的应用。现场展示了三个例子。一个是会议应用：在 ChatGPT 里看日历上的会议，点“记笔记”后，页面变成团队和 Dots 一起跟进待办的 Space。一个是 Figma：打开设计稿、看团队评论、让 ChatGPT 改稿。还有一个是 Adobe：在 ChatGPT 里使用 Photoshop 的功能。ChatGPT sites（在 ChatGPT 里生成的网站，几个月里已有数百万个）现在也能接入插件和数据。访客用自己的账号登录、带上自己的智能体，看到的内容因人而异。 用户发现插件的渠道也扩大了。除了在插件库里搜索，ChatGPT 还会在对话中识别出能帮上忙的插件，用户当场就能连接。插件审核流程也简化了：开发者可以跟踪审核进度，看到需要修改的地方，申请人工复审，更新工具时也不用从头提交。 第三项是 OpenAI Marketplace，首批有 30 多家合作方，包括 CodeRabbit、Notion、Vercel。企业客户可以用已经和 OpenAI 签下的采购承诺额度来买这些产品，有承诺额度的开发者也能在这里花。通过和模型推理托管公司 Baseten（转录稿写作 Base10）合作，市场里还能用到开源模型。 10. 收尾：一次额度重置，和“文艺复兴”的说法 当天的后续安排里，Peter 会讲 OpenAI 对开源社区的投入，包括新的 OpenClaw Enterprise Harness（OpenClaw 是一个开源 AI 智能体项目）。还有一个 Codex 游戏工作室环节，观众可以用 Codex 做复古游戏，每人能领一台 DevDay 限定的 chromatic computer，用来玩自己做的游戏。最后是 Sam、Tibo (Thibault) 和 Tejal 的现场问答。 Sam 和 Tibo 还在台上按下按钮，给全世界的用户重置了一次用量额度。Sam 说 OpenAI 已经做过太多次重置，Tibo 一直想把公司改名叫“重置公司”。 最后 Sam 说，他不喜欢把 AI 比作新一轮工业革命，那意味着人变成巨大机器里的齿轮，转得越来越快；生活里有些部分不能也不该被自动化。他希望，如果做对了，AI 带来的会更像一场新的文艺复兴：让人对自己的生活有更多掌控，有更多工具去创造、学习和探索。

链上Perp打了这么多年，华语玩家却连一个像样的中文名都没等到 这件事我越想越觉得不对劲。刚好看到 @Hertzflow_xyz 在征集中文名，龙哥投了一个：星流。 一个BNB Chain上的Perp协议，测试网还没跑热，先跑来问华语社区「你们希望我们叫什么」，这种操作在赛道里属实罕见。 BNB Chain上几十个DeFi协议，打开任何一个，界面全是英文。钱包连接、授权、交易对、滑点设定，没有一个字是你看得懂的，除非你会英文。一个华语用户，拿着MetaMask，对着一堆英文按钮点来点去，出了问题也不知道找谁问。 链上永续合约赛道尤其如此。GMX、dYdX、Hyperliquid、Drift，名字一个比一个难念。你让一个只会中文的用户在TG群里问「那个GMX怎么充值」，他连发音都要犹豫三秒。社群里有人叫「鸡麦克斯」，有人叫「格麦斯」，还有人干脆打拼音。一个能管理几十万美元仓位的交易员，说不出自己用的协议叫什么，这画面本身就很荒谬。 华语用户在加密市场的真实体量，完全被产品体验忽略了。 我做过一个小调查。随便打开五个主流链上Perp协议的首页，统计一下语言选项。大部分只有英文，少部分加了韩文和日文，中文几乎是空白。更有意思的是，有些协议号称有中文版，点进去一看，是机翻。不是「稍微有点生硬」的那种机翻，是连「永续合约」都翻成「永久合同」的那种。你很难想象一个管着十亿美元TVL的项目，连请个人校对翻译的钱都不愿意花。 问题不在翻译，在于产品思维。 大部分链上协议的团队在欧美，他们默认的用户画像是一个在纽约或伦敦的交易员。他的交易习惯、信息获取管道、社群交流方式，全都建立在英文环境里。华语用户被当成一个「翻译包就能覆盖」的附加市场，而不是第一公民。 这带来的后果比想象中严重。看不懂界面意味着更高的操作风险，找不到中文文件意味着学习曲线陡增，没有华语社群意味着出了问题只能自己扛。这些摩擦层层叠加，最终让一大批潜在用户选择留在CEX。不是链上产品不好，是门槛太高。 如果有一个Perp协议，从第一天就把华语用户当第一公民来设计，会发生什么？ 首先，产品命名本身就是一个信号。一个好记、有辨识度、华语用户能脱口而出的中文名，不只是一行翻译，它代表了团队对这个市场的尊重程度。UNI可以被叫做「优尼」，但大家还是叫UNI，因为它从来没有真正在乎过中文用户怎么称呼它。一个愿意为自己取中文名的链上协议，在起点上就已经拉开了差距。 其次，整个产品体验链条需要被重新审视。界面不是翻译，是本地化。文件不是机翻，是华语语境下的使用指南。社群不是从英文Discord里分出来一个中文子频道，而是真正用华语用户习惯的方式做交流。甚至连交易对的设计，都应该考虑到华语市场的偏好，外汇对里的USD/JPY，大宗商品里的XAU/USD，这些亚太交易员更感兴趣的标的，在主流链上Perp协议里几乎看不到。 说到底，链上Perp和CEX的竞争，技术只是第一步。真正的胜负手在于谁能让用户用得舒服。华语市场的数百万交易员正在寻找一个真正理解他们的协议，不是因为缺乏选择，而是因为现有的选择都只把他们当成附带用户。 Hertzflow上线的这个简繁体中文版，加上龙哥投的「星流」，背后的信号很清晰。一个BNB Chain上的自托管永续合约协议，在测试网阶段就把中文界面做好了，把文件翻了，还来问华语社区「你们希望我们叫什么」。这种「先问你再做」的姿态，在链上Perp赛道里不多见。 Hertzflow的定位是「全球资产杠杆引擎」，从外汇到大宗商品到美股指数，任意Oracle支持的资产都能无许可创建永续市场。最高1000倍杠杆、100%自托管、HzLP隔离池做风险隔离。技术底子摆在那里，但对我来说，更有意思的是它在产品设计上对华语市场的判断：华语用户不是一个需要被「兼容」的市场，而是核心用户群。 中文名征集的具体玩法已经上了官网。三字以内，能让华语交易员喊得出口、记得住的。 华语用户在加密世界里的声音一直在变大，链上协议对这群用户的态度，迟早会反映在市场份额上。一个愿意认真取中文名的协议，至少证明了一件事：它不是在做翻译，是在做产品。 #BNBCHIAN# 当然，名字只是一个开始。能不能真的把华语市场的体验做到极致，还得看后续的产品打磨。但这个方向是对的。