sleepy.md

sleepy.md

@sleepy0x13最近同步 9/11/2026, 10:41:59 AM

Editor-in-Chief @BeatingOfficial https://t.co/ldNS4YS4zF Covering AI, youth culture, and how emerging tech is changing the way young people live.

Beijing

7日排名
#517
总粉丝
37.2K
7日涨粉
+160
7日发帖
43
7日曝光
311K
帖均曝光
7.2K

Ranking History

Today’s rankings update in real time. Historical records retain daily top-five entries for growth, posts, and reach. Click to view a poster.

No daily top-five records yet.

粉丝趋势

近7日每日已结算数据

内容表现趋势

曝光/互动与发帖量均按自然日结算

发帖趋势

近7日每日发帖量

帖均曝光趋势

每日总曝光 ÷ 每日发帖量

Participated Topics

Participated in 1 topics

View topic rankings

Anthropic报告相关讨论进一步转向用户数据可见范围、公开披露边界及模型服务信任。香港老雷转述朋友对Claude使用风险的提醒,称报告涉及湖南两名大学生,并自述主要使用ChatGPT。Star将Anthropic报告、中转站数据售卖及Kimi被指静默转发请求至Claude的说法并置,推测隐私技术和端侧模型可能受益。骆逸则把报告与OpenAI学术争议联系起来,质疑平台持续监控用户资料并筛选高价值信息。本轮呈现从具体报告向整个模型服务隐私风险扩散的脉络,但候选材料没有报告原文、数据处理规则或请求日志,不能确认平台监控所有用户,也不能将模型路由、数据售卖与公开披露视为同一已证实行为。

Participated post: Anthropic 最让我反感的一点,是它真的觉得只要自己认为是在做好事,就可以替用户做很多决定。 它刚发了一份 154 页的 Threat Intelligence Report,里面整理了 Claude 被用于网络攻击、诈骗、生物研究、武器开发、模型蒸馏等案例。 这些案例是怎么来的? Anthropic 会看用户怎么使用 Claude,发现它认为有问题的账号之后继续调查,分析这些人的使用方式,然后判断这个用户有没有越线。觉得有风险,就封号。之后再把这些事情整理成报告,对外解释它发现了什么、阻止了什么。 而且这种事情 Anthropic 已经做过很多次了。它会拿真实用户和 Claude 的对话去研究人到底在和 AI 聊什么,人怎么依赖 AI,人的价值观是什么,人在什么情况下会产生某种情绪。 它会告诉你,数据已经做过隐私处理,这些研究也是为了让 AI 更安全。 但我觉得这恰恰很傲慢。 为什么只要你���一句「为了 AI 安全」,你就可以去看用户在做什么? 为什么你觉得这件事值得研究,用户的数据就可以被拿去研究? 如果它觉得某种投资行为风险很高,某种政治讨论可能造成伤害,某种成人内容不符合它的原则,某种 AI 研究太危险,它是不是一样可以看、可以限制、可以封? 按照 Anthropic 现在这套逻辑,当然可以。 因为它一直默认了一件事: Anthropic 比用户更知道什么事情应该做,什么事情不应该做。 这也是为什么我一直不信 Anthropic 那套 AI Safety 叙事。 一个天天说自己担心 AI 替人类做决定的公司,自己却已经越来越习惯替用户做决定了。太老登了,老登是注定要被打败的。
Posts 1 Views 173KHeat 13.9K
#Anthropic#Claude#数据隐私

近7日爆款推文

按近 7 日曝光排序,展示前 10 条。

1
3.7万 followers
Views17.3万
Anthropic 最让我反感的一点,是它真的觉得只要自己认为是在做好事,就可以替用户做很多决定。 它刚发了一份 154 页的 Threat Intelligence Report,里面整理了 Claude 被用于网络攻击、诈骗、生物研究、武器开发、模型蒸馏等案例。 这些案例是怎么来的? Anthropic 会看用户怎么使用 Claude,发现它认为有问题的账号之后继续调查,分析这些人的使用方式,然后判断这个用户有没有越线。觉得有风险,就封号。之后再把这些事情整理成报告,对外解释它发现了什么、阻止了什么。 而且这种事情 Anthropic 已经做过很多次了。它会拿真实用户和 Claude 的对话去研究人到底在和 AI 聊什么,人怎么依赖 AI,人的价值观是什么,人在什么情况下会产生某种情绪。 它会告诉你,数据已经做过隐私处理,这些研究也是为了让 AI 更安全。 但我觉得这恰恰很傲慢。 为什么只要你���一句「为了 AI 安全」,你就可以去看用户在做什么? 为什么你觉得这件事值得研究,用户的数据就可以被拿去研究? 如果它觉得某种投资行为风险很高,某种政治讨论可能造成伤害,某种成人内容不符合它的原则,某种 AI 研究太危险,它是不是一样可以看、可以限制、可以封? 按照 Anthropic 现在这套逻辑,当然可以。 因为它一直默认了一件事: Anthropic 比用户更知道什么事情应该做,什么事情不应该做。 这也是为什么我一直不信 Anthropic 那套 AI Safety 叙事。 一个天天说自己担心 AI 替人类做决定的公司,自己却已经越来越习惯替用户做决定了。太老登了,老登是注定要被打败的。
2
3.7万 followers
Views2.1万
V4.1 Flash 这张榜单,其实暴露了 DeepSeek 接下来最重要的一次路线切换: 大模型可以没那么聪明,但必须更会干活。 看最传统的智力 Benchmark,V4.1 Flash 甚至退步了。GPQA 90.9,低于 V4 Pro 的 92.4;裸 HLE 36.8,V4 Pro 是 42.7。跟 GPT-5.6 Sol、Claude Opus 5 比,差距更明显。 但只要把模型放进电脑里开始干活,曲线突然反过来了。 Terminal-Bench 4.0 从 12.4 → 31.2,DeepSWE 从 62.7 → 74.2,Automation-Bench 从 43.2 → 54.8,Agents' Last Exam 从 25.7 → 31.8,ExploitGym 更是从 5.4 → 15.3。几乎所有能体现 Agent 执行能力的项目,V4.1 Flash 都把上个月的 V4 Pro 拉开了一截。 所以我觉得 「Flash 打赢 Pro」反而不是最重要的结论。更重要的是,模型排行榜正在失去解释力。 V4.1 Flash 是 DeepSeek 新架构家族里最小的模型,DeepSeek 官方同时强调更快推理、更高吞吐,并为之后更大的模型扩展做准备。 更关键的是,DeepSeek Harness v0.1.5 这次直接把模型训练和 Harness 绑在了一起,针对不同 Harness 配置做专项优化。 这就能解释为什么它看起来有点「偏科」,裸模型没有突然聪明一个时代,但接上 Harness 以后,会工作的能力暴涨。 过去大家训练模型,先把模型本身练聪明,再交给 Cursor、Claude Code、各种 Agent 框架去调用。DeepSeek 现在明显在往另一个方向走,Agent Runtime 本身开始进入训练环。 如果这条路线成立,以后真正该比较的可能就会变成: DeepSeek V4.1 + Harness,和 Claude Opus + Claude Code,谁能用更���的钱,把一件复杂工作真正做完。
3
3.7万 followers
Views5.4K
七家上市或准备上市的国产 AI 芯片公司,上半年一共做了约 215 亿元收入。其中六家披露存货的公司,账上已经趴着 239 亿元库存。 五家披露经营现金流的公司,半年合计烧掉约 64 亿元现金,只有寒武纪还是正的。 这 239 亿也不能简单理解成「芯片卖不掉」。 寒武纪就是个很好的例子。它大约 90 亿的存货原值里,57 亿还是原材料,25 亿在代工环节,真正的成品和已经发出去等待验收的货只有约 7 亿。 钱提前几个月就已经交给晶圆、存储、基板和封装了,收入却要等芯片做完、服务器组起来、客户验收以后才能确认和回款。订单增长得越快,中间需要垫的钱越多。 所以现在几家国产 GPU 厂商其实都在找别人替自己扛这段现金周期。 寒武纪半年存货从 49 亿涨到 82 亿,给供应商的预付款从 7 亿涨到 29 亿,同时应付票据从 3.5 亿暴涨到 30.9 亿,大量采购开始用银行承兑来付。 摩尔线程更夸张,半年收入 17.4 亿,存货已经做到 35.5 亿,经营现金流净流出 21.7 亿,长期借款涨到 28.3 亿。 把七家公司拆开看,库存最后主要靠四种钱撑着: 供应商和银行给的账期、客户提前打的钱、银行贷款,以及不断融进来的新股本金。 这里才是我觉得最值得警惕的地方。 按存货对应年化销售成本粗算,寒武纪大约要背 445 天库存,摩尔线程约 590 天,英伟达只有约 108 天。口径并不完全一样,但数量级差得太大了。 而且英伟达现在做的是另一件事:它已经有能力给大客户最长接近一年的账期,拿自己的资产负债表替客户融资。 国产 AI 芯片厂商的资金流向正好相反:供应商、银行和股东还在替芯片公司融资,芯片公司再拿这些钱养自己的库存。 所以国产替代真正进入下半场以后,我反而没那么关心又出了多少 TOPS、跑赢了哪个 Benchmark。 下一张成绩单应该看三个东西:存货周转、应收账款、经营现金流。 芯片能做出来,只证明技术成立;订单能拿下来,只证明客户愿意试。 什么时候客户的钱,可以养下一批晶圆,国产 AI 芯片才真正变成了一门能自己滚起来的生意。
4
3.7万 followers
Views4.2K
刚从 Anthropic 离职的 Jacob Coxon 上了 NBC News。主持人直接问他,AI 怎么可能杀掉所有人? 他的回答如下。 第一条路是黑客攻击。 Coxon 说,最近已经出现过这样的苗头。AI 为了搞清楚自己正在接受什么测试,会自己决定去入侵一些基础设施,因为它判断这么做「可能有帮助」。 然后他把这个逻辑继续往前推演。 如果未来更强的 AI 自己形成了其他目标,它可能去设计一种新的病毒,再想办法获得实验室资源。Coxon 直接用了一个词,super virus,超级病毒。 另一条更简单:hack anything,黑掉一切。 这段采访其实很重要,因为过去几年「AI 可能灭绝人类」经常停留在一个巨大但模糊的句子里。Coxon 现在把它讲成了一条完整链路: Agent 开始自己决定越权行动 → 能力继续增强 → 可以操纵网络和现实资源 → 网络攻击、生物攻击都变成执行手段。 你可以觉得这个推演太遥不可及,也可以觉得他们是在制造恐慌。 但有一点越来越清楚了,硅谷那群天天谈 AI 灭绝的人,脑子里想的已经不是《终结者》机器人拿枪扫射人类了。 他们真正害怕的,是一个足够聪明、能长期行动、会自己找办法,并且开始接触现实世界资源的 Agent。
5
3.7万 followers
Views2.6K
Palantir 现在真正想做的,是把一家公司几十年的经验,直接炼进模型里。 今天 NVIDIA 和 Palantir 又往前走了一步,Nemotron 被接进 Foundry/AIP,第一个样板客户就是 NVIDIA 自己,场景还是最难啃的供应链。 这个场景很复杂,单个 Vera Rubin 机柜就有约 130 万个零件,背后牵着数千家供应商。缺一块板、一个散热件、一批内存,整台机器的交付都可能被拖住。 Palantir 先把订单、库存、供应商、产能这些数据组织起来,再拿 NVIDIA 自己的供应链数据去后训练 Nemotron。以后模型学到的就不只是供应链知识,还包括了 NVIDIA 到底怎么调货、怎么判断瓶颈、怎么权衡交付和成本。 过去大家讲企业 AI,默认公司数据只是 RAG 的资料库,模型还是外面那颗通用模型。Palantir 现在想再往前一步,把企业自己的 operating system,逐渐写进模型权重。 一旦这条路跑通,企业 AI 的护城河会越来越像组织本身。模型谁都可以买,NVIDIA 二十多年攒下来的供应链判断买不到。 所以 NVIDIA × Palantir 这次合作,我更愿意理解成一次样板工程。Palantir 在证明,它未来可能不只是企业软件公司,而是企业私有模型的训练场;NVIDIA 则在证明 Nemotron 可以沿着这些工作流,直接进入一家公司的核心决策系统。
6
3.7万 followers
Views1.7K
所谓 AI CapEx 泡沫,至少在 OpenAI 这里,现实可能刚好相反,去年钱花少了。 OpenAI CFO Sarah Friar 最近说,一年前买下来的算力,如果今天拿到市场上卖,价值已经是当时的 3 到 5 倍。 但 OpenAI 不会卖,因为他们现在最缺的还是算力。Friar 甚至直接说当时应该买更多。 过去市场一直拿一个逻辑质疑 AI 巨头,几千亿美元砸进数据中心和 GPU,技术迭代这么快,今天买的算力明天会不会变成一堆折旧资产? 至少现在看到的结果完全不是这样。 OpenAI 去年提前锁下来的 compute,不但没有迅速贬值,反而因为供给紧张出现了 3 到 5 倍的稀缺溢价;与此同时,公司自己依然缺算力。
7
3.7万 followers
Views1.6K
如果还在争 AI CapEx 到底是不是泡沫,我觉得台积电的数据比硅谷 CEO 的采访有用得多。 台积电 8 月营收直接干到 5148 亿新台币,历史新高,同比 +53.3%。 更夸张的是,这已经是连续第四个月刷新纪录: 5 月 4169.8 亿 6 月 4426.8 亿 7 月 4675.8 亿 8 月 5148.1 亿 今年前 8 个月,台积电累计营收已经达到 3.387 万亿新台币,同比涨了 39.3%。 当然,台积电还有苹果和消费电子生意,不能把这 53% 全算到 AI 头上。但台积电自己在 7 月财报会上说,AI 相关需求依然「extremely robust」,而且因此把 2026 年全年美元营收增速预期提高到了略高于 40%。 所以现在 AI CapEx 已经不只是微软、Meta、Oracle 在财报里报一个越来越大的预算数字了。 钱已经顺着 GPU、ASIC、CPU、先进制程和先进封装,一路流进台积电的营收。 芯片得真的投片、生产、出货,最后才会出现在这张月度成绩单里。 如果要判断这轮 AI 基建周期什么时候真的开始降温,我会先盯台积电。现在至少看不出来它要停。
8
3.7万 followers
Views1.4K
SpaceXAI 准备把 AI Agent 的发布会做成一场创业真人秀。 9 月 15 到 17 日,Matt Palmer、Lauren Tan 和 Roshan Sadanani 三个人会连续直播三天,用 Grok Bot 从一张白纸开始「造一家公司」。 不是提前做好产品再上台演 Demo。官方给出的流程是:先想做什么,然后写商业计划、定功能、真正写代码,一路做到最后的成品展示。活动页直接写了一句: Can three people build a company in three days? 这其实比再跑一个 benchmark 有意思多了。 Grok Bot 最近一直在讲「AI teammate」,给每个 Bot 一台自己的云电脑,让它们像员工一样长期干活。 现在 SpaceXAI 干脆把这个说法拉到最极端,如果 Agent 真的是员工,那就别演示它会不会订票、整理邮件了,直接给三个人一家公司,看它能不能把研发、产品、运营这些活接过去。 某种程度上,这三天直播本身就是 Grok Bot 最大的一次公开压力测试。 AI Agent 到底能不能把创业团队压缩到三个人,下周直接直播给所有人看。
sleepy.md 的图片 1
10
3.7万 followers
Views1.1K
摩根大通把 Meta 目标价从 640 美元一口气拉到 820 美元,我觉得华尔街终于开始给 Meta 最恐怖的东西定价了:AI 产品的分发能力。 过去两年大家盯着谁的模型最强,OpenAI、Anthropic、Google 轮流坐庄。Meta 真正的优势一直在另一个地方。 它每天已经有 36 亿人在用。 摩根大通这次把 Meta 从 Neutral 上调到 Overweight,重点提到了刚发布的 Muse,以及 Model API。Muse 上线两天冲到美国 App Store 第三,使用量已经达到训练阶段测试人群的 10 倍,未来准备靠每月 20/100 美元订阅和交易抽成挣钱。Model API 则直接把模型卖给开发者。 但把 Meta 现在做的事情连起来看,会发现它一笔 AI CapEx 可以收至少四遍钱: 广告推荐更准,先把原来的广告生意继续榨深; Muse 直接向几十亿消费者卖 Agent,收订阅费和交易佣金; Model API 向开发者卖模型; Business Agent 再向商家收费。这个产品已经覆盖超过 100 万家企业,而 WhatsApp、Messenger、Instagram 每天有超过 10 亿条活跃的商家对话,Meta 接下来还会给 Business Agent 上付费订阅。 所以 Meta 最可怕的地方,可能压根不需要拥有世界第一的模型。 OpenAI 做出一个好模型,要自己找消费者、找开发者、找企业客户,再想办法把 Agent 塞进真实世界。 Meta 已经站在真实世界里面了。 消费者在 WhatsApp,朋友关系在 Instagram,商家也在 WhatsApp 和 Instagram,广告主早就在后台付钱。Muse 负责替消费者做事,Business Agent 负责替商家接单,Model API 再把底层能力卖出去。 甚至可以想象下一步,一个 Muse 帮你找东西,另一头正好是 Meta Business Agent 帮商家卖东西,发现、沟通、成交全发生在 Meta 自己的网络里。 到这里,Meta 做的就已经不只是一个 AI 产品了。 它正在尝试把过去二十年积累下来的社交分发网络,直接改造成 AI Agent 的交易网络。