Latest / The Long View / 2026-05-24 · 科技与科学｜Mythos 泄漏与 patching bottleneck

Transcript

2026-05-24 · 科技与科学｜Mythos 泄漏与 patching bottleneck · The Long View

• 0:00
  欢迎收听The Long View，
• 0:01
  w，这是五月二十四号的科技与科学专题。
• 0:05
  今天最重要的一条线，可以用一句话总结—AI发现问题的速度，
• 0:11
  已经远超人类修复的速度，而这个非对称压力，
• 0:16
  今天同时出现在三个不同的事件上。
• 0:20
  我们先从一条泄漏说起。
• 0:22
  一个被标记为 claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview claude-mythos-1-preview 的Anthropic模型，
• 0:26
  周末短暂出现在Claude上。
• 0:29
  同时Claude Code和Claude Security这两个产品的内部字符串里，
• 0:34
  新增了Mythos这个引用。
• 0:37
  泄漏来源是testingcatalog这个账号，
• 0:39
  他们去年末就提前曝光过Sonnet四点七，
• 0:43
  准确率有据可查，所以这次的代号Mythos，
• 0:47
  大概率就是下一代Claude。
• 0:50
  Anthropic这次把它专门指向了编码和漏洞发现—也就是Claude Code和Claude Security两条产品线。
• 0:59
  但X上转述这条泄漏的minchoi没有去聊模型本身，
• 1:03
  他把焦点直接挪到了一个运营事实上：此前几代Claude，
• 1:09
  已经在客户的代码库里发现了一万多个高危和严重bug。
• 1:14
  客户那边的维护团队，据说正在请Anthropic慢一点，
• 1:18
  因为人类的修复带宽，跟不上AI找bug的速度。
• 1:23
  minchoi把这句话的结构提炼出来了—找bug已经是AI速度，
• 1:27
  修bug还是人类速度，那什么会先崩？
• 1:31
  帮你解释一下这背后的公司经济学。
• 1:34
  找bug的吞吐量，是随算力扩张的—多堆G P U，
• 1:39
  多跑模型，bug就源源不断冒出来。
• 1:42
  但是修bug的吞吐量，是随工程师人头扩张的—你的团队多大，
• 1:48
  能review多少patch，每周就只能ship那么多。
• 1:51
  两条增长曲线斜率完全不同。
• 1:54
  压力释放阀只有两个方向。
• 1:57
  一个方向是自动化patch加人类只做最后review；
• 2:01
  ；
• 2:02
  另一个方向是Anthropic干脆把Claude Code级别的功能门控起来—只卖给那些已经具备patch能力的客户。
• 2:11
  Mythos上线时长什么样、有没有新的速率限制、
• 2:15
  有没有客户资格门槛，这些都能暴露Anthropic选了哪条路。
• 2:21
  同一天的feed里也有反向论述。
• 2:23
  DAIR点AI的Elvis Saravia说，
• 2:26
  朝这个方向走，我们将需要更多工程师和研究员，
• 2:30
  不要听噪音，去学基础，去和AI协作。
• 2:34
  这是劳动供给视角—patching是瓶颈，
• 2:37
  那也是招聘机会，不是工程师被淘汰的信号。
• 2:41
  紧跟着Mythos这条线的，是OpenAI总裁Greg Brockman周日推广的一个prompt。
• 2:48
  这个prompt让Codex—也就是OpenAI的编码模型—去扫自己近期的会话，
• 2:55
  找出反复出现的手动工作流，然后提出最小有用的skill、
• 3:00
  子agent、或者自动化建议。
• 3:03
  换句话说，Codex流水线开始由Codex自己引导。
• 3:08
  在评论区，一个叫Chrisgpt的账号说，
• 3:11
  我不怀疑OpenAI的员工现在就在用Codex来改Codex—我们正在缓慢进入guided R S I loop，
• 3:19
  p，而很多人还把它当成fad。
• 3:22
  这里需要展开一下R S I这个词。
• 3:25
  R S I是 recursive self-improvement t 的缩写，
• 3:29
  中文叫递归自我改进—一个模型被用来改进下一代自己。
• 3:34
  这个概念过去主要活在A I安全场景里，
• 3:38
  长期绑在所谓foom叙事上—就是一旦开始，
• 3:41
  模型会指数级失控。
• 3:44
  今天feed里出现的这个guided R S I loop版本要温和得多：是开发者用coding agent重构coding agent，
• 3:52
  t，每一步都有human-in-the-loop—也就是人在回路里把关。
• 3:57
  但是这个pattern，现在是可观察的现实，
• 4:01
  不再是理论。
• 4:02
  Mythos这条泄漏和Brockman这条prompt，
• 4:05
  放在同一周看，是两家头部公司公开把AI改AI这件事，
• 4:10
  从内部实验推到了开发者营销层。
• 4:14
  接下来换一条线，聊硬件。
• 4:17
  minchoi还转了自己另一条贴：一家美国startup完全在A M D上训了一个开源的8B推理模型，
• 4:26
  叫Z A Y A1-8B，大概700700M active参数。
• 4:32
  这是一个典型的稀疏MoE结构—也就是说总参8B，
• 4:37
  但每个token只激活其中一小部分。
• 4:40
  许可证是Apache二点零，已经在数学benchmark上打到giant-model水平。
• 4:47
  硬件大概率是M I300300X这一代。
• 4:51
  为什么这条单数据点值得专门讲一下？
• 4:53
  A M D的M I系列做推理已经被广泛使用两年了—很多公司用它跑大模型推理，
• 5:01
  没问题。
• 5:02
  但训练是更难的claim。
• 5:04
  R O C m的训练栈—也就是库、kernel、
• 5:08
  调试器这一整套—相对NVIDIA的C U D A一直是硬伤。
• 5:13
  很多团队尝试过、放弃过。
• 5:16
  这不是A M D第一次出现训练里程碑—Databricks二〇二四年用M I300300训过，
• 5:23
  TensorWave这种小厂也跟进过。
• 5:26
  但Z A Y A1-8B第一次把开源、
• 5:30
  推理级输出、Apache许可这三件事同时打包—这是A M D长期缺失的一个可信度楔子。
• 5:38
  对NVIDIA训练护城河的影响，目前是单数据点，
• 5:42
  但方向是明确的。
• 5:44
  接下来要看是否有第二、第三家，在A M D上ship同等级的开源训练成果。
• 5:51
  剩下几条快速过一下。
• 5:54
  DAIR点AI这一周的top papers列表里，
• 5:57
  反复出现memory、agent harness、
• 6:00
  s、weak-to-strong这几个主题，
• 6:02
  跟前几周我们wiki里累积的方向一致。
• 6:06
  Melissa Pan团队的M A P这篇入选了ICML二〇二六Oral—论文公开后再展开。
• 6:15
  Elon转了几条Grok Build的 sub-agent swarm demo—是x A I在 Grok-as-developer-platform m 这条线上的G T M营销节奏，
• 6:23
  对标的就是Claude Code和Codex，
• 6:26
  没有新的产品claim，只是demo放大。
• 6:30
  minchoi整理的Gemini Omni十个wild examples在传播榜上继续居高不下—没有技术claim，
• 6:38
  但消费端的心智份额，是OpenAI和Anthropic都需要紧盯的变量。
• 6:44
  SpaceX那边，A James McCarthy又发了一组Starship拍摄花絮，
• 6:49
  作为视觉参考保留。
• 6:52
  接下来把镜头转到公共卫生。
• 6:54
  这条来自《纽约时报》，X那边没覆盖，
• 6:58
  是典型的单源条目。
• 7:00
  Congo民主刚果共和国东北部，Ituri省的首府Bunia，
• 7:05
  本身就在战区中心，已经成为Ebola新一轮疫情的核心。
• 7:10
  一周前W H O估算246246246246246例，
• 7:14
  到周日已经超过900900例、175175175175175人死亡。
• 7:18
  这次比常规暴发更危险的关键变数，是病毒亚型—这次是罕见的Bundibugyo亚型，
• 7:25
  二〇〇七年才首次被识别。
• 7:29
  现有的Ebola疫苗叫Ervebo，
• 7:31
  是针对Zaire亚型设计的，对Bundibugyo这个亚型基本没有保护力。
• 7:38
  这是这次响应难度陡增的根本原因。
• 7:41
  响应能力本身也被腰斩。
• 7:43
  Trump政府去年大幅削减了对Congo的卫生援助，
• 7:48
  许多当地的小型N G O已经倒闭。
• 7:51
  International Rescue Committee e 的现场主管Macky Mbavugha直接说，
• 7:56
  如果援助没断，也许警报本可以更早响。
• 8:01
  外溢风险已经显现—边境关闭、航班改道、
• 8:04
  Congo世界杯队在比利时被隔离。
• 8:08
  最后用一条工程类的小条目收尾。
• 8:10
  菲律宾的珊瑚礁—被炸鱼和氰化物捕鱼，
• 8:14
  加上海温上升双重摧毁—正在用混凝土模具培养新珊瑚。
• 8:20
  海洋生物学家把珊瑚幼体附着到精心铸造的礁体形状上，
• 8:25
  3D打印的假珊瑚也在测试。
• 8:28
  技术不算突破性，但这是应对生态崩溃这个工具箱里的关键一格。
• 8:35
  菲律宾位于全球海洋生物多样性的核心节点Coral Triangle，
• 8:39
  e，过去三十年因为爆炸捕鱼、毒物捕鱼和海温上升，
• 8:45
  已经损失超过百分之六十的活珊瑚覆盖。
• 8:49
  今天的科技与科学专题就到这里。
• 8:52
  一句话总结今天最值得记住的：Mythos即将上线，
• 8:56
  但真正的运营故事是用户侧的 patching bottleneck；
• 9:00
  ；
• 9:00
  Z A Y A 1 - - - 8 B B 是C U D A训练护城河上的第一道可见裂缝；
• 9:08
  guided R S I loop已经从安全术语滑入了产品营销话语。
• 9:14
  这三件事都不是孤立事件，而是AI行业进入下一个phase的早期信号。
• 9:19
  下一期我们接着聊商业与投资。