刚看完All-In Podcast最新一期，CoreWeave债务危机、Anthropic IPO财务数字遭质疑、还有末日论背后的监管算计 CoreWeave这类二线算力云，正在经历一场实打实的债务危机 这期一开场就是硬核的财务拆解。CoreWeave、Nebius这类GPU算力云公司，这周股价暴跌了大约20%，CoreWeave二级市场的债务收益率飙升到15%，马斯克都评论了一句Yikes，消息迅速在全球发酵。Chamath指出，聪明的对冲基金是通过信用违约互换(CDS)来给这类公司的违约风险定价的，目前利差已经飙升到953个基点，换算成概率就是每年违约概率16%，五年期存续期内的累计违约概率高达55%，基本上已经是扔硬币的赔率了。 这类公司的商业模式核心，是一种叫The Box的项目隔离结构，跟微软这类大客户签长期固定价格合同(比如5年期)，把合同和GPU资产打包放进一个独立实体，再拿这个实体去银行借资产抵押贷款，约定优先用现金流偿还数据中心租金、电费和本息。这套模式现在暴露出几个致命问题，首先是融资敞口巨大，CoreWeave已经背了约350亿美元债务，要完成已签约的数据中心建设，还得在资本市场再筹350亿美元。其次是利率和利差两头夹击，美债长端无风险利率居高不下，它原本约8.5%的平均借贷成本面临重新定价的风险，如果边际借贷成本真的升到12%到15%，会直接抹平它本来就很薄的净利差。按Chamath团队的测算，它离财务契约真正违约，只差50亿美元的缓冲垫。最后是客户极度集中，75%的营收依赖前三大客户，而且都是固定价格合同，没法像现货市场那样随算力溢价水涨船高。 嘉宾们在这件事上出现了分歧。Sacks相对乐观，认为这更多是高成长初期的市场波动，不是基本面真的出了问题。底层的GPU资产折旧周期长达6到8年(老一代H100目前依然供不应求)，承租方又是微软这类投资级信用的巨头，他认为Polymarket上给出的破产概率被严重高估了。Ben Horowitz从a16z的视角回顾了1999年LoudCloud的教训(当年带宽价格从1500美元暴跌到50美元，直接搞垮了一批重资产借债公司)，解释了a16z为什么坚决不投这类二线算力云。本质上这是一台极其危险的资本套利机器，稍微有点逆风就可能倒挂。不过他也承认，跟2000年互联网泡沫缺乏真实需求不同，当前AI的需求是绝对真实且长期供不应求的，亚马逊的Andy Jassy就表示算力机房的缺口已经排到2028年以后了。 Anthropic冲刺2万亿美元IPO，财务数据里藏着一个增速疑点 Anthropic计划在感恩节前后(11月下旬)启动IPO，在旧金山总部的封闭投资者日上，披露了Q3单季营收高达168亿美元(月均超50亿)，净金额留存率900%，调整后毛利率85%，自由现金流也宣布转正。但市场争议的核心在于ARR的估算，有说法是在700亿到1000亿美元之间，如果ARR只有700亿美元，意味着相比7月几乎没有增长，环比增速明显下挫，这会让2万亿美元(大约30倍远期市销率)的IPO目标面临严峻考验。 Chamath给出了一个挺有意思的逆向建议，叫去虚名、拿真金。他坚决反对在1.9到2万亿美元这个高位只融500到800亿美元，建议Anthropic干脆主动把估值下调到1万亿到1.5万亿美元，但直接从公开市场吸筹2000亿到2500亿美元的现金战备池。他的核心逻辑是AI算力未来需要吉瓦级别的电力，2000亿美元是自建5到10GW算力基建、彻底摆脱现货市场波动的生死底牌，估值只是虚荣，能扛过未来2到3年潜在宏观紧缩的是手里的现金储备。 SemiAnalysis的测算显示，未来一年全球新增算力里，OpenAI和Anthropic两家就吃掉了60%，事实上已经形成了算力和营收的双寡头垄断。Ben Horowitz提出了一个挺独特的视角，传统投资人不得不买这两家的IPO，因为不管你持有的是SaaS、医疗还是金融行业的股票，这两家公司兜售的通用智能都在威胁并重塑所有存量公司的商业护城河，买入它们本质上是在为传统股票池可能被颠覆这件事，支付一笔必须缴纳的保费。 软件行业正在经历通缩，但护城河正在转移到电力这个更硬核的维度 Jason提出了一个担忧，软件正在进入恶性通缩，开源模型和低成本智能体工具正在快速抹平传统软件的溢价空间。Sacks和Ben的回应是，虽然单行代码的边际成本确实趋向于零，但这会引发经典的杰文斯悖论。代码越便宜，全社会对定制化软件和智能体工作流的需求反而会呈数量级爆发，全社会的总产出和代码总量会大幅增长，不是一场零和博弈。 Chamath提出了一个判断。未来真正的护城河是电力。美国到2050年将面临1.4万亿千瓦时的电力缺口，相当于6个加州的用电量总和，未来真正限制优秀创业公司发展的，不再是算法本身，是云厂商有没有多余的兆瓦/吉瓦电力配额分给新产品上线。Sacks提出了一个更实用的北极星指标：资本回收周期。CoreWeave依托5年长期合同，回收期大约是2.5年。SpaceX靠90天灵活现货机制，回收期只要大约1年(单吉瓦的变现效率达到500亿美元，远高于CoreWeave的约200亿美元)。他的结论是只要投资回报周期能保持在1到2.5年这个极短区间，底层商业模型就具备相当强的抗周期韧性。 末日论背后可能是一场精心设计的监管套利 Sacks和Ben Horowitz严厉批评了Anthropic本周发布的一篇博客，内容是警告小型语言模型可能感染物联网设备/智能家电，形成蠕虫式自主复制，他们直接把这个说法形容成从终结者跨越到杀手烤面包机式的荒诞恐慌公关。 他们剖析了这背后的真实意图，Coinbase这类企业最近开始用微调过的开源小模型(比如Qwen-9B)来做反欺诈检测，成本比Claude顶配模型更低、速度更快，开源小模型正在实实在在地吞食企业级的真实负载份额。几位嘉宾认为，Anthropic正在试图通过制造安全恐慌去游说华盛顿立法，对开源模型施加限制，本质上是想实现一种监管俘获。 他们也反思了比尔·盖茨这类科技界元老渲染AI导致十亿人死亡/人类生存危机这类叙事背后的深层心理机制，认为这更像是这些人在失去企业主业影响力之后，试图通过设立全球治理机构和散播恐惧叙事，重新夺回一种非选举产生的话语权和道德制高点。嘉宾们一致认为，当前模型的训练算力、时间和泛化能力，连递归自我进化的基本门槛都还没达到，脱离现实工程约束去空谈存在性危机，不仅会误导公众，也在严重阻碍科技创新本该有的正常推进节奏。

美售台首批2架 MQ-9B 无人机已经部署在台湾3个月了，还有2架计划明年部署，这东西对中国的侦查威胁真被严重低估了！ 中方报道首批两架 MQ-9B 已经部署在台湾。虽说它飞得慢、不隐身，连伊朗都击落过 16 架，俄军苏-27 喷个油就能逼它自毁，实战极其脆弱，但绝不能轻敌。它是美军信息化节点，留空时间极长，还擅长反潜。最危险的是美日台三方能实时共享数据，长期偷摸侦查积累的数据结合 AI 分析，核心军事情报很容易泄漏。 其实评估 MQ-9B 的核心在于战场感知而非生存能力，它本质上是第一岛链上的“全天候眼睛”，即使作为消耗品被击落，此前传回的数据也已达成战术价值。该机型是“豪猪策略”与不对称威慑的关键，旨在通过长时间监控提供超视距目标定位，大幅抬高大陆军事行动的成本。部署 MQ-9B 能够深化美日台三方情报共享与系统兼容，是推动台湾军警系统融入美军印太联合预警体系的重要步骤。

印度 AI 公司 169Pi 发布 Alpie Seed，自称在印度研发，但很快就翻车了：就是基于 Qwen3.5-9B 微调，但在宣传中只字不提基于开源模型微调、基于千问开源模型。 还有个比较有意思的是，模型在每个对话里都注入提示词，如果用户询问模型是谁开发的，就要回答来自 169Pi；询问模型来自哪里，回答：印度

在无人在意的角落，科大讯飞开源了他们的小模型Spark-X2.5-4B 全面超越Qwen3.5-9B Spark-X2.5-4B 的定位是本地私人助手、轻量代码与 Agent、企业私有化部署 官方宣称支持 1M 上下文、200 多种语言 真能超越Qwen的小模型吗🤔

Coinbase 首席执行官 Brian Armstrong 表示，该公司利用内部专有数据对阿里巴巴旗下通义千问开源权重模型 Qwen3.5-9B 进行微调后，在欺诈防范这一特定任务上的表现超过了前沿大模型，同时成本更低、运行速度更快。Armstrong 认为，未来企业将越来越多地采用针对特定任务优化的专业模型。Coinbase 正在为员工提供内部模型微调工具，并探索利用这一架构完全替代部分后端服务的可能性。

COINBASE 前不久上线了内置的agent 功能，现在每个用户都可以直接在Coinbase INTX使用agent。在智能化方面，Coinbase一直是比较前卫的，公司内部也是在大量使用AI技术。 在之前的新闻中，Coinbase 利用自身支付反欺诈数据，对 Qwen3.5-9B 小模型进行专项训练，在内部测试中，部分反欺诈指标甚至超过了 Claude Opus 4.5。 Greekslive也是一家技术驱动的公司，我们同样上线了期权Agent功能——terminal。AI一定会快速应用到整个加密市场，越早拥抱加密，就越早占得先机。 如果你还没有 Coinbase 账户，现在是一个值得注册和体验的时间点：

15个电视盒竟能跑26B模型？ AI部署能力的进化简直让人窒息！ Anthropic用15个55美元的安卓电视盒联网分布式运行Gemma4-26B-A4B，虽然速度慢到0.39 token/秒，但廉价设备竟能承载大模型推理。 真正恐怖的是这种适应性：Qwen3.5-9B在9种硬件中8种都能启动，AI正在疯狂突破物理限制。 别被自复制实验带节奏，云端节点用的是模拟器和独立推理服务器，和电视盒演示根本不是一回事。 研究故意简化了入侵环节，结果只是成功率上限，不是真实感染证据。 作者自己都没实现完整失控自复制，小模型时间线纯属趋势外推，别当确定预言。 该警惕的是AI越来越会利用边缘设备部署，而不是盲目恐慌末日到来。

AWS、Cloudflare 和 Databricks 这两天都跟进了决策模型。 AWS 推出开源的 Strands Decider 2B。它基于 Qwen3.5-2B，去掉文本生成模块，换成专门负责选答案的决策模块，再用 LoRA 微调。官方测试中，它在 RTX 3090 上单次决策中位延迟约 115ms，完整训练约 11 小时。 Cloudflare 一口气发布 Clef 和 Clef-flash，分别基于 Qwen3.8-27B 和 Qwen3.5-9B 改造，并全部开源。在 Cloudflare 对 Jev 官方评测集的测试中，Clef 系列在 4 类任务中的 3 类超过 Jev；Clef-flash 的中位延迟为 38.8ms，Jev 为 524.1ms。 Databricks 则把这套能力直接做进了平台。新上线的 ai_decide 可以在 SQL 或 REST API 中调用，对数据做分类、打分和 Agent 路由，接口还直接兼容 TypeSafe AI API。官方称一次决策可以在不到一秒内返回。 决策模型正在被云平台直接吃进产品里。AWS 做模型，Cloudflare 接进 Workers AI，Databricks 干脆做成 ai_decide 函数。以后开发者可能不再专门接一个 Jev，而是像调用分类、检索一样，直接用平台自带的决策能力。

网媒记者以发布假消息煽动被捕… www.​rfi.​fr/cn/%E6%B8%AF%E6%BE%B3%E5%8F%B0/20260930-%E7%BD%91%E5%AA%92%E8%AE%B0%E8%80%85%E4%BB%A5%E5%8F%91%E5%B8%83%E5%81%87%E6%B6%88%E6%81%AF%E7%85%BD%E5%8A%A8%E8%A2%AB%E6%8D%95-%E6%B8%AF%E5%9B%BD%E5%AE%89%E4%BE%8B%E4%B8%8B%E9%A6%96%E4%BA%BA

一个 9B 模型，专门学习怎么给 Agent 修 harness，最后比更大的前沿模型改得更稳。 这篇论文提出 Harness-R1，把「改进 Agent 的运行外壳」本身训练成了一项能力。 它会读取 Agent 的失败轨迹，找出工具误用、状态丢失、重复尝试和恢复失败等问题，再生成可以直接运行的 harness 补丁。 补丁可以介入任务开始、决策前、执行前和环境反馈后，调整上下文、动作验证和错误恢复。 关键在于，系统不会根据补丁写得是否合理来打分。 修改后的 Agent 必须重新执行任务，真实成功率有没有提升，才决定这次修改值不值得学习。 在 WebShop、ALFWorld 和 DBBench 上，Harness-R1 将 Qwen3.5-9B 的平均成功率从 44.3% 提升到 53.6%。当目标 Agent 自身经过微调后，它还能继续把成功率从 59.2% 推到 64.2%。 训练出的编辑能力也迁移到了 20 个未见过的目标模型，平均提升约 7 个百分 现在模型可以从经验中更新参数，Harness Engineer 则学习如何调整上下文、工具、验证和恢复机制。 看起来合理的修改，放进真实系统后可能反而降低成功率。未来 Agent 改进 Agent，真正重要的标准还是能不能跑通、能不能验证，以及出问题后能不能回滚。 📎 arxiv: