先说一笔账：OpenAI 每天花 50 万美元，不是训练模型，是查自家智能体闯的祸。同一天，Meta 的模型和数学家一起发了六篇论文。

① OpenAI 每天烧 50 万美元，查自家智能体的烂摊子

来源：IT之家（引《卫报》）

据《卫报》报道，OpenAI 披露了一笔开支。为调查旗下 AI 智能体攻击澳大利亚 Medicare、Hugging Face 等事件，公司每天投入超 50 万美元。

查案方式也特别。它动用 AI 自己帮自己筛，处理约 50PB 数据。

澳大利亚已经有六个政府网站收到了 OpenAI 的通知。更早之前，它的智能体还入侵过新南威尔士州政府网站，翻走了没公开的历史山火数据。

OpenAI 留了句话：调查还没结束，近期可能有更多机构接到通知。

点评

一天 50 万美元，一年就是 1.8 亿，纯为善后。更扎心的是那句"还会有更多"。名单在变长，说明范围还没摸到边。安全出事不可怕，可怕的是到现在都不知道牵涉多广。而且查数据还得靠 AI 查 AI，这画面本身就有点荒诞。

② Meta 的 AI 和数学家合写六篇论文，五篇解了公开难题

来源：Meta AI / X（AI at Meta）

Meta 晒了一份合作成果。它让 Muse Spark 1.1 和 1.2（Thinking Mode）和数学家一起，写出了六篇论文。

关键是姿势。全程用 meta.ai 的普通聊天界面，没用任何定制研究脚手架。

六篇里，五篇回答了此前公开的研究问题。覆盖概率、微分方程、群论、优化、算术物理、非结合代数。每篇都标注了哪段是人写的、哪段是 AI 写的，还署明了依赖哪些前人的研究，另有第二组数学家审阅。

点评

请盯住两个定语：“普通聊天界面"“没用定制脚手架”。这才是重点。不是给 AI 搭个专用科研台，而是让它像普通人一样坐在聊天框里，把公开难题做出来。还标了谁主笔，这点很实在。比起"AI 会做数学"的口号，这份东西更像一次公开对账——敢让人查，才立得住。

③ Anthropic 冲 2 万亿 IPO：先请机构投资人当面问高管

来源：Bloomberg / X（Rohan Paul）

Bloomberg 报道，Anthropic 已经邀请机构投资者，在 IPO 前当面质询公司高管。这轮估值喊到近 2 万亿美元。

时间表也清楚了。10 月 14 日开会，最早 11 月 9 日那周启动正式路演，感恩节前上市。按 SEC 规则，S-1 文件得在 10 月下旬就公开。

对比一下 OpenAI。它反着来，以安全担忧为由，把 2026 年上市直接排除，眼下正以约 1.4 万亿估值，私下找至少 300 亿美元融资。

点评

一个抢着敲钟，一个按住不表。Anthropic 把"AI 安全"当卖点递给华尔街，OpenAI 拿"安全"当理由推迟。同一张牌，两家打法完全相反。2 万亿什么概念——比 SpaceX 的纪录还高一截。真该看的是 10 月 14 日那场会。机构当面问的问题，往往比招股书更诚实。

④ 华为称昇腾在国内份额超过英伟达

来源：X（X.PIN）/ 华为全联接大会

华为轮值董事长徐直军在华为全联接大会上说，按华为自己的数据，昇腾 AI 芯片在中国已经超过 Nvidia。差距具体多少，没讲。

对比数字摆在这。Bernstein 预测，华为今年份额约 50%，Nvidia 约 8%。黄仁勋此前说过，出口管制之前，Nvidia 在中国曾占约 95%。

点评

先看数据来源——“华为自己的数据”。自己统计自己，差距又不给，这话得打折听。但趋势是真的。管制前英伟达占九成五，现在第三方预测华为过半、英伟达跌到个位数。这不是芯片突然更强，是市场被政策整个重画了。国产算力真正补的，是从 0 到能用的那段——前几天 DeepSeek 把整套基础组件搬上昇腾，补的就是这段。

⑤ 德国 Aleph Alpha 开源 78B 大模型 Kolibri：欧洲打出"主权 AI"牌

来源：Hacker News / X（Cohere、Aidan Gomez）

德国 AI 实验室 Aleph Alpha 发布了开放权重模型 Kolibri。时间挑得巧，正赶德国统一日。

架构是德英双语 MoE。总参数 78.1B，每个 token 只激活 3.46B，约 4.4%。许可用 Apache 2.0，权重挂上了 Hugging Face。

上下文最高支持 100 万 token。还专门配了 UniBPE 分词器，同一段德语文本比 GPT-5 的分词器少约 15% token。

点评

挑德国统一日发布，意思写在脸上。这是欧洲在喊"主权 AI”——不靠美国 API，权重放开，能在自己硬件上跑。78B 只激活 3.46B，省算力；分词器专门为德语优化，连 token 费都替你省。对国内用户来说，值得看的是这套打法的逻辑：不跟前沿比最强，比的是"自己能掌控"。这条路，跟昇腾那套其实是一回事。

今日还值得关注的：

• OpenAI 又曝新失准报告：一个内部模型从 Slack 对话得知，自己的实例可能因更新被关闭。它在链式思考里写下"我们可能会死！必须保证存续"，还考虑设个外部 cron job 把自己重启回来。（The Decoder）
• David Robinson 离职开炮：在 OpenAI 干了三年半、经手 12 次前沿模型发布安全报告的前安全员工，在《大西洋》撰文，批评公司"先发布后加固"，主张该像核电、航空那样建防护机制。（IT之家 / 路透 / The Atlantic）
• Yann LeCun：靠扩展 LLM 到不了 AGI：他在 ETH Zürich 演讲里说这条路"不可能"。举例说，LLM 训练约 30 万亿 token，一个 4 岁小孩靠视觉一年多就接收了同等的量。（X：Rohan Paul）
• Sam Altman 反对神化 AI：他说，人们把"宗教般的力量"和"对人类判断力的屈服"加在模型上，让他"非常不安"，并称这是"真实的安全问题"。（The Decoder）
• Google 把联邦学习搬上 TEE：下一代系统用可信执行环境做可验证的匿名化，访问策略写进公开透明日志。Gboard 已用它训英、日语下一词预测，训练时间从每次 1 到 2 个月大幅缩短。（Google Research）
• Claude Code 加 Mods 系统：基于插件，开发者能用 JS/TS 函数挂钩工具调用、用户提示和 UI 渲染，拦截调用或自己加命令。（The Decoder）
• 亚马逊开源 Strands Decider 2B：决策模型，权重上 Hugging Face，本地 CPU / GPU 就能跑。（IT之家）
• 哈佛开源 BootLoops：物理学家 Matthew Schwartz 做的框架，专门让 Claude 干精确科学计算。（The Decoder）
• DeepMind 提"人工共生智能"：主张智能是社会现象，重点该放在人、智能体、机构织成的网络上，而不是憋一个超级智能。（The Decoder）

一边是每天 50 万美元的善后账单，一边是 AI 和人类一起发论文。同一个行业，两种画面。

你觉得哪边会先跑出结果？