Show Notes
本集深度简介 Anthropic万众瞩目的Fable 5模型上线72小时就被政府强制下架,这场drama从Mythos的公关造势一路演到全球禁令。我们从亲手实测说起:max计划跑refactor的task,跑到一半token耗尽,等下一个session接着跑——结论是没找到任何一个非它不可的场景。
真正的暗坑在于"降智"被写进了说明书:Anthropic fable 5加了router,把它判定为有风险的task偷偷降到Opus跑,却照样按最贵的价格收费。从产品角度这就是欺诈。用一个好模型当funnel,把便宜模型高价卖出去,消费者完全失去control,最初连什么时候降了智都不知道。Lewis用Gemini时期的经验拆解了这套逻辑:质量与价格的tradeoff该不该扔给用户决定,以及"不记录用户数据"这条信任红线一旦迈出去就再也收不回来。
更深一层是访问平权问题:谁有资格用最强的智能?标榜"让所有人用上AI"的公司,真正部署时却按护照、企业和个人来分发？这就是AI霸权。再叠加企业数据从零留存被强改成30天留存、微软直接停用,所有CEO都被迫意识到：核心业务不能rent在别人的AI上,开源模型成了唯一的解。两人也顺势聊到中国开源模型靠数据优势长期可能反超,以及黑市上一条用户trace只卖10美元的灰色产业链。
时间线索引 00:00 实测跑到一半没token 03:04 降智被写进说明书 06:38 用户数据是信任红线 08:47 谁有资格访问最强智能 11:10 政府禁令的真实动机 15:05 30天数据留存 31:51 开源模型的数据优势 37:15 上周趣闻
我们聊到的话题 Anthropic道歉降智 (https://x.com/ClaudeDevs )
OpenAI推迟2027上市 (https://www.reuters.com/business/openai-expects-go-public-within-next-year-information-reports-2026-06-10/ )
SpaceX上市招股书 (https://www.sec.gov/Archives/edgar/data/1181412/000162828026036936/spaceexplorationtechnologi.htm )
More from 硅谷温差
Meta的Muse、OpenAI的Dots接连上线，这期从使用者角度拆Personal AI。Will每月在AI上至少花1000美元，但省下的时间并没有回到家人身上：雇主会收走效率红利，人越用越卷。Instinct这类邮件日历助理在VC和创始人圈爆火，出了圈，多数人只把豆包当更强的搜索。真正值钱的是以前贵、做不到的事，比如看病、高尔夫动作分析、几千页工程图纸的进度管理。瓶颈在Context：邮件日历只是生活的一小片，穿戴设备能补，但越懂你越creepy。Lewis也聊到当年在Google做Gemini时没来得及推的端到端加密推理。最后我们把产品形态分成委托、镜子、延伸、挑战四类，Will反对做数字分身，主张为具体任务设计员工。
NVIDIA花130亿买下Hugging Face，AMD用82亿收了李飞飞的World Labs。同样是芯片厂买模型层，买到的东西完全不同。 Hugging Face作为独立公司很难靠营收扩张，放进NVIDIA才值钱：开发者选模型、测模型的早期信号都在这，抓住源头就能影响inference最后跑在谁的卡上。大厂都在自研芯片，企业却没人造得起TPU，只能买现成的，开源模型的使用者才是GPU的基本盘。小模型已经够用，最贵的token适用场景越来越窄，模型趋近免费，要付钱的只剩GPU。AMD这笔我们觉得风险很大：人很强，但world model连定义都没定下来，离变现还远。 时间轴 00:00 130亿买便宜了 07:03 抢在推理之前 11:43 开源用户是大客户 14:18 Token终将免费 18:18 AMD押注World Model 25:45 Muse证明够用就行 28:45 国内只挖人不并购 30:17 上周趣闻
从孙宇晨把资产丢进 Claude Code、问 AI“5000 万美元该不该给”说起，这期《硅谷温差》聊 Personal AI 个性化 AI 助理 到底靠不靠谱。
DeepSeek把harness开源，连agent loop都是可换的plugin，本质是放权给模型；为什么开源？用open weights的企业根本不会用它的API，这是唯一的触达路径。企业侧的温差很实在：现在的harness也就一个9，企业要三个9，同一个任务跑五遍结果都不一样就很难落地。有人把信用卡号告诉过模型，下次它直接拿去结账，决策和执行不分层，人就失控。Pi靠四个tool和不到1000 token的system prompt走红，但开源harness大家先测的是cache命中率，省token是真的，提质量还是问号。最后没吵完的问题：harness是CPU里的checksum，还是迟早被模型吃掉。
这一期《硅谷温差》聊AutoResearch和Self-improving Agent：AI Agent真的能自己变聪明吗？还是只是被包装成自我进化的Workflow Automation？ Lewis和Will从Karpathy提出的AutoResearch、Jeff Dean的Discovery Loop、AI Scientist、Deep Research、Hermes Agent、企业 SaaS 自我迭代等案例出发，拆解self-improving agent的真实技术路径：它到底是靠brute force搜索、memory、harness、eval loop、tool refinement，还是模型能力本身的突破？ 这一期重点讨论三个问题： Auto Research 的核心价值是“AI 科学家”，还是帮助人类更快探索更多方案？