Let's Make AGI Real

引言

本周（至10月17日）的人工智能领域再次掀起波澜，不仅在模型性能和开发者工具方面取得了显著进展，更在哲学层面引发了关于人类劳动价值的深刻讨论。行业领袖 Immad Mustak 提出了一个大胆的观点：AI 代理具有高效预测、快速适应和无限扩展的能力，这将导致人类认知劳动的价值不仅会降至零，甚至可能变为负值。演讲者对此表示认同，指出在使用 AI 时，人类成为了瓶颈，因为提供准确的指令和描述是整个过程中最慢的部分。因此，本速览将按主题分类，为您梳理本周最值得关注的AI动态。

一、 模型性能与新发布

模型排行榜与竞争态势

• 编码领域：在编程编码排行榜上，Claude Sonnet 4.5 位居榜首。其他排名前列的模型包括来自中国的 Long Cat 和非开源的 Quen 3 Mark，以及其他版本的 Claude。
• 文本与聊天：在文本和聊天排行榜上，Gemini 实际上处于领先地位。不过，排名前十的模型得分非常接近，差距不大，竞争异常激烈。有传言称，Gemini 3 版本可能会在下周发布。

Anthropic 的新模型

Anthropic 发布了Claude Haiku 4.5，这是他们最小、最快、最便宜的模型。Haiku 4.5 的性能达到了今年 5 月份发布的 Sonnet 4 模型的水平，同时成本大幅降低。其定价为每百万输入和输出代币分别为 1 美元和 5 美元，并且通过缓存最多可节省 90% 的成本。

其他重要模型

• GroupLink One T LLM：这是一个拥有万亿（One Trillion, 1T）参数的开源混合专家（MoE）架构模型。它拥有 128,000 个代币的上下文长度，在基准测试中得分强劲，尤其擅长代码生成。
• Microsoft MIA Image One：微软推出了其文本到图像模型 MIA（Image One），旨在与顶级图像模型竞争。该模型已被整合到 Copilot 和 Bing 图像创建器中，能够生成照片级逼真的输出。此举表明微软正试图减少对 OpenAI 模型的依赖。
• Ollama Cloud：专注于本地运行模型的 Ollama 平台，现在推出了自己的云服务。对于大尺寸模型而言，在云端运行可能更方便、更快且价格更低。

二、 开发者工具与自动化

Client CLI 的自动化升级

Client 是一个最初为 Claude 设计的 Visual Studio Code 编程助手扩展，现已支持多种模型。最近，Client 宣布将其核心后端和前端分离，并发布了CLI（命令行接口）前端。这意味着用户现在可以通过命令行运行 Client，将其放入脚本、定时任务或背景中，从而轻松实现自动化和多代理系统的设置。Client 在底层使用了谷歌的 gRPC 和 Protocol Buffers 等先进技术进行通信。

Nanachat 教育项目

传奇人物 Andrej Karpathy 发布了Nanachat，这是一个端到端完整的 ChatGPT 管道系统，仅有约 8,000 行代码。与之前专注于预训练的 nanoGPT 不同，Nanachat 覆盖了从分词器训练到功能性 Web UI 界面的整个堆栈。开发者可以在八块 H100 GPU 上用约 100 美元的成本，在 4 小时内完成模型训练，非常适合教育用途。

三、 行业战略与人才流动

OpenAI 寻求芯片独立

OpenAI 与Broadcom（博通）达成了为期多年的合作，涉及金额在 20 亿到 90 亿美元之间。OpenAI 正在设计自己的定制 AI 芯片，而 Broadcom 将负责制造、创建 GPU 并将其部署在数据中心。这一战略举措表明 OpenAI 正在努力摆脱对微软和 Nvidia 的依赖，争取独立性。OpenAI 当前的估值已高达 5000 亿美元。

人才变动与 Meta 的引援

今年夏天，Meta 曾试图收购 Thinking Machines Lab（由 OpenAI 前首席技术官 Mira Murati 创立，并获得了 20 亿美元融资），但遭到拒绝。随后，Meta 成功说服了该公司的核心成员Andrew Tulock回归，据传其报酬高达六年内支付 15 亿美元。

四、 AI 安全与基础科学

AI 安全审计

Anthropic 发布了开源的 MIT 框架Petri，这是一个并行探索工具，旨在利用 AI 代理自动化 AI 安全审计。Petri 采用审计代理、目标模型和裁判模型的结构。测试显示，Claude Sonnet 4.5 和 GPT-5 展现出最强的总体安全性。

研究也发现，仅需250 份“投毒”文档（在整体训练数据中占比极低），就足以在模型防御中打开一个漏洞，这凸显了模型训练中固有的风险。

量子计算突破

研究人员成功利用激光束操纵了 6,000 多个铯原子，并将其维持在量子叠加状态（qubit）超过12.6 秒，刷新了此前记录。值得注意的是，该设置所需的硬件比其他量子设置少。

Hinton 的哲学警告

AI 教父 Jeffrey Hinton 在接受采访时解释了模型如何从数据中自动学习，而不需要手工编码规则。他警告称：“我们正接近创造比人类更智能事物的时代，而且没有人知道将发生什么”。

五、 硬件、基础设施与能源

数据中心与能源需求

全球数千亿美元（甚至数万亿美元）正被投入到数据中心的建设中，主要的建设者包括亚马逊、微软、谷歌、Meta 和甲骨文。这些设施消耗大量的电力和水资源。

丹麦哥本哈根正在研发小型便携式反应堆。这种反应堆大小如一个 40 英尺的集装箱，单个可提供 40 兆瓦的电力，能够支持 20,000 块 GPU 的运作。

芯片与推理

• 苹果 M5 芯片：新款 MacBook Pro 和 iPad 将配备 M5 芯片，定于 10 月 22 日开始销售。M5 芯片尤其在 GPU 性能方面提升显著，AI GPU 计算能力比 M4 芯片快了四倍。
• Nvidia DJX Spark：Nvidia DJX Spark 已开始生产并由多家厂商销售。然而，早期测试结果显示并不理想，许多用户认为Nvidia RTX 5090 甚至 3090在本地 AI 推理方面提供更高的价值。

六、 对就业和人类角色的冲击

本周在旧金山举行的 Salesforce Dreamforce 大会传递了一个关键信息：AI 代理将大规模取代工作岗位。

• Salesforce 的裁员：Salesforce 最近裁掉了其 9,000 名客服和销售代表中的 4,000 人（几乎一半）。他们采用了 AI 自动化代理来处理电话和聊天服务。
• 巨大的成本优势：Salesforce 称其 AI 代理的成本比人类雇员低17 倍。由于 Salesforce 的客户包括几乎所有财富 500 强公司，这一转变预示着所有大型公司都将开始用 AI 代理取代人类客服和销售人员。

人类角色的转变

面对 AI 的高效运行速度，建议用户改变使用 AI 的方式：

1. 从微观管理到授权委托：用户不应再对 AI 进行微观管理（micromanage），而是应将任务目标（what needs to be achieved）委托给 AI。
2. 成为指令的架构师：用户应将自己定位为“指令的架构师”（architect of instructions），让 AI 承担思考、搭建环境、测试和质量审查等工作。
3. 人类是瓶颈：目前，人类是 AI 速度的瓶颈，将任务委托给 AI，才能让这匹“速度极快、能力强大的骏马”充分奔跑。

结论

综上所述，本周的 AI 发展呈现出技术迭代加速与产业结构剧变的双重趋势。从 Claude Haiku 4.5 提升性价比，到 OpenAI 寻求芯片独立，底层技术持续夯实。开发者工具如 Client CLI 和 Nanachat，也使 AI 自动化和教育变得更加普及和便捷。

然而，最引人深思的是 AI 对人类角色的重新定义：企业正在以前所未有的速度用 AI 代理取代员工，因为 AI 代理的成本效益比高达 17 倍。面对“人类劳动价值可能变为负值”的预测，未来成功的关键在于用户必须从微观管理者转变为指令的架构师，将思考和执行的权力委托给这个运行速度极快的智能系统。