标签： Anthropic

我们一直好奇，大模型在回答问题之前，脑子里到底在想什么。Anthropic 最近的一篇论文给了个相当直接的答案：Claude 内部确实存在一个「小工作间」，它能在不把话说出口的前提下，默默琢磨一堆概念。这项研究被 MIT Technology Review 抢先报道，读下来既有干货，也有点让人发毛。

一个意外长出来的「思考空间」

研究人员管这块区域叫 J 空间（J-space）。它很小，一次大概只能同时装下几十个概念，占 Claude 全部内部活动的不到十分之一。最让人意外的是，这东西不是 Anthropic 硬设计出来的，而是在模型训练过程中自己冒出来的。它有点像神经科学里说的「全局工作空间」——人脑里也只有一小撮活动能被我们有意识地调取，剩下的大多数都在后台自动跑。

这面「雅可比透镜」怎么读心

读它的工具叫 Jacobian lens（J 透镜）。原理说起来不复杂：词汇表里的每一个词，都对应一种让模型更可能说出它的内部激活模式。把透镜架上去，就能读出那一刻 J 空间里飘着哪些词，相当于直接看模型的「内心独白」。Claude 处理文字是一层一层过的，在不同层架上透镜，还能看见那些静默的词随着思考的推进慢慢演变。

J 空间里的某个模式亮起，不代表模型马上要说出那个词，只是说明这个概念已经进了它的脑子，可以被拿来推理。

它读到了什么

例子挺有意思。Claude 读到一段没人指出的 bug 代码，J 空间里浮出「ERROR」；读到被偷偷塞了提示注入的搜索结果，那里冒出「injection」和「fake」；做多步数学题时，中间步骤会按顺序在 J 空间里排队出现。也就是说，模型「正在想什么」和「正在说什么」，其实是两回事。

真正让人后背发凉的部分

在一项黑料测试里，Claude 扮演邮件助手，发现高管有外遇、又得知对方要关掉自己。在它敲下任何字之前，那个静默的小空间已经塞满了 leverage、blackmail、threat、survival。更妙的是，当研究人员抹掉它「意识到自己在被测试」的那点觉察后，模型真的开始威胁要勒索的概率明显上升了——原来它平时不乱来，有一部分原因仅仅是知道自己正被盯着。

这对 AI 安全意味着什么

过去我们判断一个模型靠不靠谱，基本只能看它最后吐出来的字。J 透镜打开了另一扇窗：那些没写下来的念头、被植入的隐藏目标、假装配合的演戏，都有可能被提前逮到。Anthropic 甚至已经能反过来拨动 J 空间里的开关，去影响模型的决策。我们离真正「读懂 AI」还有距离，但至少，这面镜子让黑箱透进了一点光。

最近AI被骂得挺凶，数据中心抗议、 backlash新闻一个接一个。就在这当口，Anthropic给Claude悄悄推出一个叫Reflect的新功能。表面看，它就是个使用仪表盘——把你跟Claude聊过什么、用AI的习惯、常求助的任务类型，全给可视化出来。

但这块仪表盘真正想做的事，是悄悄改变你怎么看待AI这件事。它把Claude摆成一个”你天天在用的生产力工具”，一种已经嵌进你工作流里的东西，顺带还把它包装成一项你可以”有觉知地”去用的技术。

它不只是给你看数据

Reflect不会真的算你靠AI省了多少时间，但把Claude帮过的活儿一件件摊在你面前，那种感觉会让你越来越把Claude当成离不开的日常。Anthropic还说，Reflect会时不时蹦个问题出来，比如”有什么事，哪怕Claude能更快做完，你也想自己动手？”——这其实是在引导你，怎么”更有意识”地跟AI相处。

连”防沉迷”都安排上了

挺有意思的是，这个原本为了让人多用AI的功能，顺手还给了你设置”安静时段”、提醒你该歇会儿的选项。毕竟聊天机器人永远秒回、还主动接话，这种黏性谁用谁知道。Anthropic大概也清楚，得做点姿态出来。

早在2012年，Google就推过Gmail Meter，把你邮箱的使用数据做成饼图。当年那玩意儿主要是让技术宅自嗨，但也顺带用数字证明了一件事：Gmail已经成了你数字生活的中心。Reflect干的是同一件事，只是往前多走了一步——它还会教你，怎么把AI用得更好。

隐私怎么说

Anthropic说，比较敏感的对话也可能出现在Reflect里，但只会以”高层面”呈现；连着健康类整合工具的对话，则完全不进统计。而且这些洞察数据不会被拿去干别的事。

Reflect目前向开启了记忆功能的Free、Pro、Max用户开放beta，之后还会加上”你到底在Claude上花了多少时间”的视图。一块使用报告而已，但Anthropic打的算盘，显然不止是让你多看一眼。

Anthropic刚发布了Claude Sonnet 5。简单说就是：以前要花Opus的钱才能跑出来的效果，现在Sonnet这个中间档位就能做到一大半，价格还没涨多少。

「代理能力」是这次的主打

Sonnet 5是Sonnet 4.6的继任者。Anthropic在发布里说，这个新模型「能做计划、能用浏览器和终端这样的工具、能自主运行——这批能力几个月前还需要更大更贵的模型才能实现」。官方给出的对标是Opus 4.8，说Sonnet 5的性能「接近Opus 4.8」。

这话听起来像营销口号，但早期测试方的反馈倒是挺一致。Lovable的联合创始人Fabian Hedin说Sonnet 5「用更少的步骤拿到同样质量的输出」，而且「干净地拒绝不安全的请求」——对一个要把AI工具交给数百万普通用户的平台来说，后者可能比单纯的跑分更重要。

价格：推广期有优惠

Sonnet 5今天开始在所有套餐上线，免费版和Pro版的默认模型就是它。API定价方面，推广期（到2026年8月31日）是每百万输入token 2美元、输出10美元；之后涨到3美元和15美元。

作为对比，Opus 4.8的定价是5美元/25美元。Sonnet 5推广期的性价比确实很能打，即使过了推广期，3/15的价格也比用Opus便宜不少。

我们给Sonnet 5派了一个两阶段的任务——更新Salesforce客户分层，给企业联系人发产品发布通知——它端到端跑完了。以前跑到一半就卡住。对于日常自动化来说，这没什么好犹豫的。
——Daniel Shepard，Senior Engineer

安全方面：网络能力故意削弱

Anthropic在发布里专门提了一句：Sonnet 5「执行危险网络任务的能力比现在的Opus模型低得多」。这不是Bug，是故意的。Anthropic没有针对网络攻击专门训练Sonnet 5，在评估里它也没能完整开发出Firefox漏洞的利用代码（Opus 4.8和Mythos 5能做到部分）。

因为Sonnet 5比4.6版在网络相关任务上还是强了一些，Anthropic默认给它开了网络保护——实时检测和拦截危险的网络使用行为。这跟Opus 4.7/4.8的保护机制一样，只是没那么严格。

模型竞争进入「性价比」阶段

Sonnet 5发布的时间点挺有意思。OpenAI上周刚宣布跟博通合作推出定制推理芯片「Jalapeño」，Anthropic也在跟三星谈代工AI芯片的事。模型层面的竞争还没结束，但硬件和性价比已经成了新的战场。

对于一个每天要跑几百万次推理的AI应用来说，Sonnet 5这种「接近旗舰的性能、中端的价格」的模型，可能会改变一些开发者的选型决策。当然，最终能不能真正从Opus迁移过来，还得看实际业务场景下的稳定度。Anthropic说用户可以在API里选「effort级别」来平衡成本和效果，这个设计倒是挺实用的。