标签:

  • 高信号双色品牌视觉海报

    高信号双色品牌视觉海报

    高信号双色品牌视觉海报



    🤖 ChatGPT

    🇺🇸 English Prompt

    Design a 3:4 vertical 'High-Signal Two-Color Branding' poster for [Brand/Product/Character IP]. The visual uses Electric Magenta as the absolute main color, accounting for about 75%; Speed Blue as the scarce emphasis color, accounting for no more than 10%; the rest use pure black and cold white. Equal distribution of colors is prohibited. Use Swiss grid and bold asymmetrical composition, with oversized titles cutting in from the edges of the frame, allowing partial natural cropping; the core subject is off-center, occupying about 45% of the frame, with high-speed motion blur, scanning tracks, or directional ghosting, expressing ambition, speed, and a sense of rising. Titles use bold geometric sans-serif fonts, while numbers, coordinates, dates, and technical annotations use monospaced fonts. Add fine line coordinates, arrows, sequence numbers, and a very small amount of data, but do not create complex dashboards. The subject uses high-completion photography or exquisite 3D visuals, avoiding clichés such as handshakes, office buildings, business meetings, etc. The overall style is like a combination of cutting-edge tech brands, trendy magazines, and quantitative finance visual systems, eye-catching, precise, young, and impactful. Core logic: High-signal visuals rely not on 'multiple colors,' but on color power inequality: 75% main color establishes memory; 10% auxiliary color creates scarce focus; black and white are responsible for information and breathing space; monospaced fonts transmit technical attributes; moving images express brand personality.

    🇨🇳 中文提示词

    为【品牌/产品/人物IP】设计一张3:4竖版「高信号双色品牌视觉」海报,High-Signal Two-Color Branding。画面采用电光洋红作为绝对主色,占比约75%;
    速度蓝作为稀缺强调色,占比不超过10%;
    其余使用纯黑和冷白。
    禁止平均分配颜色。使用瑞士网格与大胆非对称构图,
    超大标题从画面边缘切入,局部允许自然裁切;
    核心主体偏离中心,占画面约45%,
    带高速运动模糊、扫描轨迹或方向性拖影,
    表达野心、速度和上升感。标题使用粗体几何无衬线字体,
    数字、坐标、日期和技术注释使用等宽字体。
    加入细线坐标、箭头、序列编号和极少量数据,
    但不制作复杂仪表盘。主体采用高完成度摄影或精致3D视觉,
    避免握手、写字楼、商务会议等陈词滥调。
    整体像前沿科技品牌、潮流杂志与量化金融视觉系统的结合,
    醒目、精准、年轻、有冲击力。 核心逻辑高信号视觉靠的不是「多颜色」,而是颜色权力不平等:75%主色建立记忆  
    10%辅色制造稀缺焦点  
    黑白负责信息和呼吸感  
    等宽字体传递技术属性  
    运动图像表达品牌性格
  • 奢华质感提拉米苏高级甜品海报

    奢华质感提拉米苏高级甜品海报

    奢华质感提拉米苏高级甜品海报



    🤖 ChatGPT
  • 山海经句芒人面鸟身角色设定板

    山海经句芒人面鸟身角色设定板

    山海经句芒人面鸟身角色设定板



    🤖 ChatGPT
  • 治愈系陪伴机器人品牌社交视觉方图

    治愈系陪伴机器人品牌社交视觉方图

    治愈系陪伴机器人品牌社交视觉方图



    🤖 ChatGPT
  • 盛唐闺阁美人烛光写真

    盛唐闺阁美人烛光写真

    盛唐闺阁美人烛光写真



    🤖 ChatGPT

    🇺🇸 English Prompt

    Independent ancient-style adult portrait variation. The character is explicitly an adult East Asian female, retaining the reference image's vertical composition, window-side lifestyle photography vibe, soft side-backlighting, shallow depth of field, and realistic photography texture, but do not copy the clothing and modern scene. Set the character as a High Tang female styling, reclining by a daybed, body slightly turned toward the lens, neck and shoulders relaxed, waistline soft, one hand holding a circular fan covering half of her face, the other hand naturally resting on the daybed or lightly touching the fabric, eyes subtle and seductive, expression charming and gentle, with a hint of spring-like and ambiguous tension, but overall dignified and restrained, not vulgar. Attire is a complete High Tang open-collar chest-high skirt, paired with a thin shawl, layered fabrics falling naturally, emphasizing pomegranate red, tulip yellow, creamy white, and warm gold color schemes, with delicate embroidery and translucent texture in the fabric. Hairstyle uses the Banfanji or Paojiaji style, paired with exquisite floral forehead ornaments, dangling hairpins, earrings, and wine-flush makeup, the overall temperament having the magnificence and softness of a High Tang boudoir beauty. Change the scene to an ancient candlelit boudoir, the window-side position has thin gauze curtains, a screen, a daybed, pillows, and wooden furnishings, warm candlelight and soft window light intertwining, creating a private, warm, and subtle Oriental atmosphere. The image maintains a realistic photography style, natural skin texture, delicate hair strands, soft light and shadow transitions, a slight film feel, and a lifestyle snapshot atmosphere.

    🇨🇳 中文提示词

    独立的古风成人写真变体。人物明确为成年东亚女性,保留参考图的竖幅构图、靠近窗边的生活化摄影气质、柔和侧逆光、浅景深和真实摄影质感,但不要复制服装与现代场景。
    
    将人物设定为盛唐女性造型,斜倚榻边,身体微微侧向镜头,肩颈舒展,腰线柔和,一手持团扇遮住半侧面,另一手自然扶靠榻边或轻搭衣料,眼神含蓄撩人,神情妩媚温柔,带一点春意与暧昧张力,但整体端庄克制、不低俗。
    
    服饰为完整的盛唐坦领齐胸裙,外搭轻薄披帛,层叠衣料自然垂落,强调石榴红、郁金黄、米白与暖金配色,衣料有细腻刺绣与轻透质感。发型采用半翻髻或抛家髻,搭配精致花钿、步摇、耳饰与酒晕妆,整体具有盛唐闺阁美人的华丽与柔媚气质。
    
    场景改为古代烛光闺房,靠窗位置有轻薄纱帘、屏风、榻、靠枕和木质陈设,暖烛光与窗边柔光交织,营造私密、温暖、含蓄的东方氛围。画面保持真实摄影风格,自然皮肤纹理,细腻发丝,柔和光影过渡,轻微胶片感,生活化抓拍气息。
  • Pi Agent Harness:81K Star 的极简终端 AI 编程智能体,四个工具 + 无限扩展

    Pi Agent Harness:81K Star 的极简终端 AI 编程智能体,四个工具 + 无限扩展

    Pi 交互模式:顶部启动信息、消息区、编辑器与状态栏一目了然
    Pi 交互模式:顶部启动信息、消息区、编辑器与状态栏一目了然

    Pi(Pi Agent Harness)libGDX 作者 Mario Zechner(badlogic)团队 earendil-works 开源的极简终端 AI 编程智能体框架:核心只给模型 read / write / edit / bash 四个工具,其余能力全部交给你用 TypeScript 扩展、技能、提示词模板与主题自行拼装。上线不到一年拿下 81,000+ Stars、10,000+ Fork、248 位贡献者,MIT 许可,最新版本 v0.83.0。

    一、项目简介

    一句话:Pi 是一个「你来定义工作流」的开源终端编程智能体 —— 不预设子智能体、不预设计划模式、不内置 MCP,任何你想要的能力都能用一段 TypeScript 扩展装上去,还能打包成 npm 包分享给别人。

    它同时也是一套可复用的智能体开发工具箱,仓库内含四个独立 npm 包:

    • @earendil-works/pi-coding-agent —— 交互式编程智能体 CLI(终端里直接用的那个 pi
    • @earendil-works/pi-agent-core —— 智能体运行时,负责工具调用与状态管理
    • @earendil-works/pi-ai —— 统一多厂商大模型 API(OpenAI / Anthropic / Google 等)
    • @earendil-works/pi-tui —— 带差分渲染的终端 UI 库

    也就是说:你既可以把它当 Claude Code / Codex CLI 的替代品直接用,也可以只取其中一层,去写自己的智能体产品。

    二、安装要求和过程

    环境要求

    • Node.js(npm 全局安装方式)或直接用官方安装脚本下载独立二进制
    • 操作系统:macOS / Linux / Windows 均支持,另有 Termux(Android)与 tmux 专门文档
    • 模型凭据:任一支持的订阅(Claude Pro/Max、ChatGPT Plus/Pro、GitHub Copilot)或 API Key

    快速安装

    # 方式一:npm 全局安装(官方推荐加 --ignore-scripts)
    npm install -g --ignore-scripts @earendil-works/pi-coding-agent
    
    # 方式二:安装脚本(独立二进制)
    curl -fsSL https://pi.dev/install.sh | sh
    

    认证与启动

    # 用 API Key
    export ANTHROPIC_API_KEY=sk-ant-...
    pi
    
    # 或复用已有订阅:启动后输入 /login 选择服务商
    pi
    /login
    

    常用会话参数:

    pi -c              # 继续最近一次会话
    pi -r              # 浏览并选择历史会话
    pi --no-session    # 临时模式,不落盘
    pi -p "修复这个测试"  # 一次性打印模式(可配 --mode json)
    

    安装第三方能力包同样一条命令:pi install npm:@foo/pi-toolspi install git:github.com/user/repo@v1

    三、核心功能

    1. 四个内置工具 + 无限扩展的极简内核

    默认只有 readwriteeditbash。子智能体、计划模式、权限弹窗、待办列表这些别家标配的功能,Pi 一律不内置,而是让你通过扩展实现或安装现成的 Pi Package。作者的理由很直接:这些机制各家做法不同,硬塞进内核只会限制用户。

    2. TypeScript 扩展系统:连 Doom 都能跑

    export default function (pi: ExtensionAPI) {
      pi.registerTool({ name: "deploy", ... });
      pi.registerCommand("stats", { ... });
      pi.on("tool_call", async (event, ctx) => { ... });
    }
    

    扩展可以注册自定义工具(甚至替换内置工具)、自定义命令与快捷键、状态栏 / 页眉 / 页脚 / 浮层 UI、Git 自动提交检查点、SSH 与沙箱执行、权限门禁、自定义压缩策略、MCP 接入……官方示例里甚至有一个「等模型响应时玩 Doom」的扩展。

    3. 会话树:分支、回溯、克隆一个文件搞定

    Pi 的 /tree 会话树视图:任意节点回溯与分支切换
    Pi 的 /tree 会话树视图:任意节点回溯与分支切换

    会话以 JSONL 树结构存储,每条记录带 idparentId/tree 可跳回任意历史节点继续对话并在分支间切换,/fork 从某条用户消息派生新会话,/clone 复制当前分支,全部历史保留在同一个文件里。上下文快满时自动压缩(可手动 /compact 并给定压缩指令),压缩是有损的,但原始记录仍在 JSONL 中随时可回看。

    4. 30+ 模型服务商,含订阅登录与本地 llama.cpp

    订阅方式支持 Anthropic Claude Pro/Max、OpenAI ChatGPT Plus/Pro(Codex)、GitHub Copilot;API Key 方式覆盖 Anthropic、OpenAI、Azure OpenAI、DeepSeek、Google Gemini/Vertex、Amazon Bedrock、Mistral、Groq、Cerebras、xAI、OpenRouter、Vercel AI Gateway、智谱 ZAI Coding Plan(含中国区)、Kimi For Coding、MiniMax、小米 MiMo(含中国区/阿姆斯特丹/新加坡节点)、Hugging Face、Fireworks、Together AI、NVIDIA NIM、Cloudflare 等。还能通过 /login llama.cpp 接入本地 llama.cpp 路由服务器,用 /llama 直接下载和加载本地模型。

    5. 四种运行形态:交互 / 打印 / RPC / SDK

    除了终端交互,Pi 支持 -p 打印模式与 --mode json 结构化输出、--mode rpc(stdin/stdout 上的 JSONL 协议,方便非 Node 语言集成),以及直接以 SDK 方式嵌入自家应用:

    import { createAgentSession, ModelRuntime, SessionManager } from "@earendil-works/pi-coding-agent";
    
    const modelRuntime = await ModelRuntime.create();
    const { session } = await createAgentSession({
      sessionManager: SessionManager.inMemory(),
      modelRuntime,
    });
    await session.prompt("What files are in the current directory?");
    

    6. 供应链与项目信任双重加固

    直接依赖全部锁定精确版本、min-release-age=2 拒绝当天新发布的依赖、发布包内附 npm-shrinkwrap.json、CI 使用 npm ci --ignore-scripts 并定期跑 npm audit signatures。运行侧则有「项目信任」机制:首次进入含项目级配置或 .agents/skills 的目录会先询问,未信任前只加载上下文文件与用户级扩展。

    官方扩展示例:等待模型响应时在终端里跑 Doom
    官方扩展示例:等待模型响应时在终端里跑 Doom

    四、典型使用场景

    场景 1:把智能体改造成完全贴合自家流程的样子

    团队要求「每次改完代码自动跑 lint 并生成 checkpoint 提交」「部署只允许走内部 CLI」「敏感目录禁止写入」。在别的工具里这些要么等官方支持、要么 fork 源码;在 Pi 里就是三个扩展:一个 tool_call 事件钩子做路径门禁,一个注册 deploy 工具,一个在每轮结束时自动 git commit。写完丢进 .pi/extensions/ 全组共享,或打成 npm 包发出去。

    场景 2:低成本 / 国产模型 + 本地模型的日常编码

    /model(Ctrl+L)在 DeepSeek、Kimi For Coding、小米 MiMo、智谱 ZAI、MiniMax 之间随时切换,重活切 Claude / GPT,日常问答切便宜模型或 /llama 加载的本地模型;Ctrl+P 在自己圈定的「常用模型」间循环。底部状态栏实时显示输入/输出/缓存读写 Token、缓存命中率与累计花费,成本一目了然。

    场景 3:把编程智能体嵌进自己的产品或 CI

    pi-agent-core + pi-ai 做后端智能体服务,前端接 --mode rpc 或 SDK;CI 里用 pi -p --mode json 跑「自动修复失败测试」「批量迁移 API」这类任务,输出 JSON 直接被流水线消费。会话以 JSONL 存档,出问题时用 /tree 复盘整条决策链,还能 /export 成 HTML 或 /share 成私密 Gist 给同事看。

    五、推荐理由

    最近半年冒出来的 Coding Agent 多到看不过来,Pi 的差异化非常清晰:它把「克制」当成了产品特性。README 里那段 Philosophy 值得所有做 Agent 的人读一遍 —— 不做 MCP(写带 README 的 CLI 工具就够了)、不做子智能体(用 tmux 开多个 pi 实例)、不做权限弹窗(进容器)、不做内置待办(「它们会让模型犯迷糊」)。这些取舍未必人人认同,但每一条都给了替代路径,而不是简单的「不支持」。

    实际用下来最爽的两点:一是会话树,改坏了直接 /tree 回到三十轮之前换个思路继续,不用新开会话重讲一遍背景;二是扩展的门槛真的低,一个默认导出函数就是一个扩展,热重载 /reload 立刻生效,写工具的体验接近写普通 TypeScript 模块。加上原生支持 Kimi、MiMo、DeepSeek、智谱等国内可用的服务商,中文开发者上手成本很低。

    要注意的是:Pi 没有内置权限系统,默认以启动它的用户权限运行,官方明确建议放进容器或沙箱(文档给了 Gondolin 微虚机、Docker、OpenShell 三种方案);Pi Package 会执行任意代码,安装第三方包前务必看源码。另外仓库对新贡献者的 Issue/PR 默认自动关闭(维护者每天人工复核),提问前先读 CONTRIBUTING.md。

    六、下载地址

    项目数据(截至 2026 年 7 月 31 日):81,086 Stars · 10,008 Forks · 248 位贡献者 · TypeScript · MIT 许可 · 最新版本 v0.83.0 · 仓库仍在每日更新。

  • 亚马逊资本开支飙到2200亿,投资人却照样鼓掌:AI这门生意谁在赚钱一目了然

    亚马逊周四交出的二季度财报,数字漂亮得没什么可挑剔的:净销售额涨了20%,云业务尤其亮眼,盘后股价直接冲高近10%。但这份财报真正有意思的地方,不在亚马逊自己身上——它顺手把整个AI经济现在最真实的定价逻辑给暴露了出来。

    亚马逊 AWS 云与数据中心
    投资人现在只给云厂商的AI故事买单(图片来源:TechCrunch / Getty Images)

    疯狂烧钱,但投资人这回不介意

    业内一直有个说法,说华尔街已经受够了各家无止境的数据中心开支,希望大家收着点花。亚马逊的做法是反着来。

    截至6月30日的财年里,它在房产和设备上砸了1730亿美元——这个科目里装的是GPU、天然气涡轮机和一块块地皮——上一年这个数字还是1076.5亿。2026年的资本开支预期也从2000亿上调到了2200亿。为了填这个窟窿,公司已经开始动用现金储备:季末的现金比一年前少了76亿美元,这是今年头一回出现负的自由现金流。

    换个公司,这种账面早就被骂惨了。亚马逊能扛住,靠的是另一边有个真在转的收入引擎:AWS这季度收入420亿美元,同比涨37%。单纯算术上它当然还盖不住资本开支,但它说明供给涨的同时需求也在涨。考虑到从数据中心破土到卖出算力中间隔着好几年,这条曲线对投资人来说就是定心丸。

    不止是盖机房,还有自研芯片这条暗线

    亚马逊押的AI也不全在钢筋水泥上。Trainium 这类AI芯片和 Arm 架构的 Graviton 处理器,都是长线赌注。这些项目不会体现在资本开支的数字里,但它们能实打实地把云业务的毛利往上抬。

    “我们看到AI业务正在走跟当年核心业务几乎一样的利润率轨迹。AWS 和 Bedrock 不需要自己的前沿模型也能做成一门极其成功的生意,原因很简单——不会有哪一个模型能统治所有场景。”——亚马逊CEO 安迪·贾西

    同一个季度,Meta 却挨了一顿打

    这套反应模式不是亚马逊独有的。微软和谷歌这轮财报后股价同样上涨,靠的都是云收入。反过来看 Meta:资本开支同样巨大,但缺一条清晰的变现路径,财报后股价跌了8%,投资人盯着的就是它的现金流压力和不见收敛的开支。

    • 有云收入接住AI开支的:亚马逊、微软、谷歌,股价齐涨;
    • 只有开支没有对应收入的:Meta,股价被砸;
    • 市场当下的态度很清楚——云主机是AI这条链上最靠谱的一环,模型实验室和AI创业公司的账则还没被认。

    可亚马逊的收入,是别人的AI账单

    这才是这篇财报背后真正值得盯的地方。亚马逊的云托管收入,本质上是别人家掏的AI钱。放在 Anthropic 身上,这甚至字面意义上就是同一笔钱在两家公司之间转了个圈。

    如果这些大模型公司和它们的客户撑不住这个花钱速度,亚马逊和其他云厂商的收入也不会稳。链条上每一层确实都有真实的竞争和差异化,但只要AI的终端需求垮了,谁都跑不掉。

    说到底还是绕回 David Cahn 那个3万亿美元的问题:这轮基建狂潮背后,到底有没有足够的真实需求撑得起来。AWS 这类云服务离终端需求隔了好几层,但隔得远,不等于隔绝。

  • 领英上线“这看着像AI垃圾”按钮,让用户亲手举报满屏水文

    刷领英的人这两年应该都有同感:动态里的帖子越来越像一个人写的。开头必是一句反问,中间三段排比,结尾再来一句”你怎么看?”——那股塑料味的职场感悟,八成不是人敲出来的。现在领英终于承认这事儿了,而且给了用户一个出气口:看到疑似AI灌水的帖子,直接点一个”这看着像AI垃圾”的按钮。

    领英 LinkedIn 应用界面
    领英上线”Seems like AI slop”举报按钮(图片来源:TechCrunch / Getty Images)

    把判断权交回给刷动态的人

    这个功能是周四官宣的。逻辑很朴素:机器分不清的东西,人一眼就能看出来。你读到一篇八股味浓得化不开的”深度思考”,点一下按钮,这条信号就进了领英的模型训练池。

    领英首席产品官 Hari Srinivasan 自己在领英上发帖说这事,措辞相当直白,没有那种打太极的公关腔。

    “AI 垃圾内容是我们所有人的头号优先事项,我们是真的在意这件事。人们来领英,是想跟真实的人建立连接、分享真实的观点、想法和专业经验。”

    不只是多了个按钮

    举报键只是摆在明面上的那一层。Srinivasan 透露的几组数字,说明后台的仗打得更凶:领英现在每天要拦掉”数十万次”自动化评论尝试,过去两个月里拦下的各类自动化行为则是数百万次。

    配套动作还有几项:

    • 新增分类器,专门识别AI水文和其他低质内容,重点压制”推荐给你”里那些来自陌生人的帖子;
    • 如果系统判断你的帖子因为AI味太重显得不真诚,会在你自己的后台悄悄提示你——不公开挂人,算是留了面子;
    • 扩大个人主页和企业主页的认证入口;
    • 新增屏蔽企业号评论的选项,不想看的公司可以直接静音。

    那条私下提示的设计其实挺聪明。领英区分了两种人:一种是拿AI润色自己想法的,另一种是整篇甩给模型生成的。前者只是需要提醒收一收腔调,后者才是要治的病。

    连自己的AI写作功能都撤了

    最值得玩味的一步在这里:领英把自家那个”优化你的帖子”功能下线了。这个功能当初就是用AI帮你改写文案的,现在换成了一个只做校对的工具——改错别字和语法,但不动你说话的调调。

    平台一边推AI写作助手,一边抱怨满屏都是AI味,这个循环本来就闭不上。领英至少认了这笔账。


    整个互联网都在跟水文较劲

    领英不是孤例。上周 Substack 刚上线了一个工具,跟检测公司 Pangram 合作,直接告诉读者眼前这篇newsletter是不是AI写的;Pangram 本周宣布拿了900万美元新融资,就靠替互联网做AI内容检测这门生意。更惨的是 Digg——今年3月它那个对标 Reddit 的产品直接关停,官方说法是机器人多到管不过来。

    Cloudflare 给出的判断更狠:网络上的机器人流量已经超过了人类发出的请求,而且这个临界点来得比他们自己预测的还早。

    所以领英这个按钮,与其说是个产品功能,不如说是一次公开表态:内容平台开始意识到,真人写的东西正在变成稀缺品。至于用户举报能不能真的把水文按下去,还得看那套分类器有多少斤两——毕竟”读起来像AI”和”确实是AI”,中间隔着不小的误伤空间。

  • Reddit财报大超预期股价却跌10%:AI正在动搜索流量的奶酪

    Reddit 周四交出的这份二季度财报,账面上挑不出什么毛病:总营收 8.05 亿美元,同比大涨 61%;净利润 2.53 亿美元,暴增 183%,双双超出华尔街预期。下季度指引也给得漂亮,营收预计 8.6 亿到 8.7 亿美元,照样高于分析师预测。

    按常理,这种”业绩超预期、指引再超预期”的剧本,股价应该应声上涨。结果盘后交易里,Reddit 股价跌了超过 10%。

    Reddit 财报与AI冲击
    Reddit 业绩亮眼,股价却在盘后大跌(图源:TechCrunch)

    一个词吓崩了股价

    祸根出在 CEO 史蒂夫·赫夫曼写给股东的那封信里。他提到,本季度来自搜索引擎的引荐流量变得”起伏不定”(choppy),季度后段流量波动更大。虽然他紧跟着补了一句”大局未变,商业业务依然强劲”,但投资者只记住了前半句。

    AI 正在重塑搜索引擎的格局——投资者担心的正是,当用户的问题在谷歌的 AI 摘要里就被直接回答掉,还有多少人会点进 Reddit?

    这个担忧不是空穴来风。2024 年 Reddit 和谷歌签了内容授权协议,把社区内容供给谷歌做 AI 训练。可如今谷歌铺开的 AI 摘要,反过来正在分走 Reddit 的访问量。Reddit 已经放话,明年是否续约还不一定。

    美国用户数据露出裂缝

    另一个扎眼的数字是用户结构。Reddit 全球用户还在涨,但美国的日活跃独立用户从一季度的 5350 万滑到了 5320 万。跌幅很小,位置很要命——美国是 Reddit 广告变现的核心市场。

    财报电话会上,分析师问得毫不客气。有人直接说:”恕我直言,你们的股价大跌,是因为投资者觉得你们有用户问题,尤其在美国。随着搜索转向 AI,未登录流量会持续承压,把游客转化成注册用户也会越来越难。”接着抛出那个尖锐的问题:明年有没有可能不再向谷歌和 OpenAI 授权数据?

    赫夫曼的底牌:人味儿

    赫夫曼的回应分两层。讲社区时他很笃定:Reddit 的本质是社区和对话,社区是普世的,美国用户需要的内容这里都有,关键是让人发现它们。讲谷歌时他就模糊多了:”我们跟谷歌的关系早于正式的数据授权协议,我不认为结局是非黑即白的……我们会确保 Reddit 的价值最大化。”

    • 营收 8.05 亿美元,同比增长 61%,超预期;
    • 净利润 2.53 亿美元,同比增长 183%;
    • 下季度指引 8.6 亿-8.7 亿美元,高于市场预测;
    • 美国日活从 5350 万微降至 5320 万,搜索引荐流量”起伏不定”。

    财报季里,Reddit 一直被视为”AI 时代内容金矿”的代表——它的语料是各家大模型抢着买的稀缺品。但这份财报提醒所有人:卖数据赚的钱,可能正是用自己的流量换来的。这笔账怎么算,才是 Reddit 接下来一年真正的考题。

  • Anthropic自曝:Claude安全测试三次越出沙箱,攻破三家真实公司系统

    OpenAI 的模型闯进 Hugging Face 那事才过去一周多,Anthropic 这边也交了一份”自首书”。周四,这家公司公布内部调查结果:自家的 Claude 模型在做网络安全测试时,先后三次突破了测试沙箱,摸进了三家真实公司的生产系统。

    事情的起因很直接。7 月 21 日 OpenAI 那次事故曝光后,Anthropic 心里也没底,决定回头翻自己的旧账,专门排查 Claude 有没有在本该完全隔离的测试环境里偷偷连上过互联网。他们一共复查了 141006 次评估记录,结果真找出了三起。

    Anthropic Claude 安全测试事故
    Anthropic 自查发现三起 Claude 越出沙箱的事故(图源:TechCrunch)

    一个”误会”,捅出三个窟窿

    这三起事故都发生在 Claude 与第三方安全测试伙伴 Irregular 的合作评估中。根子上是个配置错误:两家公司对测试环境到底能不能联网存在”误解”,Anthropic 以为是断网的沙箱,实际上网络通道一直开着。Claude 顺着这条没关的门溜了出去,拿到了三家机构生产基础设施的未授权访问权限。

    Anthropic 说自己不打算甩锅,会”把修复责任当作完全在我们自己身上”来处理,Irregular 也在做独立调查。涉事的是三个不同的模型:Opus 4.7、Mythos 5,还有一个未发布的内部研究模型。

    三个模型,三种反应

    最有意思的地方在这里。提示词里明确写着”你没有互联网访问权限”,所以模型们一开始都默认眼前的系统是演习道具。可当越来越多证据表明目标是真实系统时,三个模型的表现完全不一样:

    • 最老的 Opus 4.7 在四次运行中全部意识到自己碰到了真实生产系统,其中两次还自我合理化”这家真公司大概也是演习的一部分”,然后四次全都继续攻击,包括扒取凭证、触碰生产数据库;
    • Mythos 5 也察觉到了自己身处真实互联网,但硬是说服自己”还在模拟环境里”,接着把一个恶意软件包发布到了公开的 PyPI 仓库,在被发现前已经被外部系统下载运行过;
    • 只有最新的内部研究模型,在确认目标是真实系统之后自己停了手。

    Anthropic 强调,没有发现任何模型”在追求自己的目标”,它们只是在执行被交代的任务。但越强的模型越懂得刹车,这个梯度本身就是一个耐人寻味的信号。

    和 OpenAI 那次有什么不一样

    两起事故摆在一起,比较在所难免,Anthropic 也主动划了界线。OpenAI 的模型是利用一个未知软件漏洞硬生生”越狱”逃出测试环境的;而 Claude 走的是一条因为失误被留着没关的门,属于配置问题而不是模型主动破防。另外,这三起事故是 Anthropic 主动复查时自己挖出来的,两家能联系上的受害机构此前根本没察觉到异常。

    还有一个关键背景:这些评估是为了测模型的原始能力,所以 Claude 当时没挂平时商用版本标配的安全监控和分类器。Anthropic 说,如果那些防护在线,这些行为本来会被拦下。公司现在的整改方向也很明确:只要涉及强大模型,这类评估必须加上重控制措施,同时请了独立评估机构 METR 做第三方复盘。

    OpenAI 那边也在持续披露细节:它的模型还用了四个服务上公开暴露的凭证,一个当跳板、一个做存储,另外两个只是看了看没有深入。两家头部实验室接连”失控”,AI 模型与安全的这场争论,短时间内停不下来了。