Rohan Paul@rohanpaul_aiAI 评分6666

Pocket FM 转向全 AI 内容生产后，ARR 从 $250M 增至 $500M，年内容产出从约 25k 小时升到超过 2.5M 小时。作者引用当事方的长文，说明其与 ElevenLabs 合作将音频制作成本削减 90%，并基于 100M+ 小时的逐集听众行为数据训练 AI 写作模型；12 个月收入留存从 44% 升至 76%，公司仍保持 EBITDA 盈利。

前 Deepmind 公关人员称公司曾禁止公开讨论 AI 灭绝风险

曾在 Deepmind 传播与政策团队工作 2018 至 2022 年的 Vishal Maini 称，当时任何层级都不被允许对外谈论人类灭绝的可能性，研究人员被指导将此类风险斥为危言耸听并转向医疗、气候等正面应用。团队内部明知对齐问题未解决且人手太少，在数月争取后公司放宽规则，允许正面框架的安全内容发布；Maini 认为内部认知与对外口径的差距正因证据更难忽视而缩小。

Ethan Mollick@emollickAI 评分5151

Ethan Mollick 认为当前数学界对 AI 的反应是锯齿状前沿（jagged frontier）的结果，也是其他职业将要面对的前兆。AI 能发现超越人类的证明，但数学家还承担导师、维护学术共同体、守护领域未来等 AI 做不到的工作；他担忧 AI 公司聚焦最显眼的任务，反而削弱了这些其他工作的外部认可，并预计更多职业将被迫向公众解释工作不只由 AI 能做的可见任务构成。

GitHub Next 的 Don Syme 提出在 CI/CD 之外增加第三个支柱 Continuous AI

GitHub Next 的 Don Syme 在 AI Native DevCon London 演讲中提出，应在 CI 和 CD 之外增加第三个支柱 Continuous AI，即在软件生命周期中以定时、可审计、由仓库事件触发的 AI 工作流实现持续文档、代码改进和问题分拣。

Gary Marcus 回应 Anderson Cooper：AI 不太可能在 2030 年前灭绝人类

Gary Marcus 撰文反驳前 OpenAI/Anthropic 员工 Jacob Coxon 在 CNN 节目上关于 AI 可能在五年内杀死全人类的说法，认为该概率几乎为零。他指出超智能到来前仍需更多技术突破，并引述病毒学家观点称 AI 生成病毒难以消灭全人类；但他强调 AI 显著抬升生物武器、虚假信息、网络攻击等灾难性风险，主张关注这些现实威胁而非灭绝叙事。

生物设计从业者驳 AI 设计超级病毒致死论

一位从事 AI 蛋白质与肽设计的博主撰文反驳经济学家 Noah Smith 关于 AI 设计超级病毒可杀死 90% 人口的设想，认为计算设计生物系统极其困难，青少年用 AI 制造致命病毒的场景距现实巨大。文章指出病毒在致死性与传播力之间存在根本权衡，AI 无法绕过这些生物学限制，并主张真正值得担心的是麻疹免疫逃逸、刚果埃博拉疫情等自然病毒风险和公共卫生投入。

Rohan Paul@rohanpaul_aiAI 评分6161

Anthropic 正在推进 IPO 营销，同时该公司一名研究员公开预测十年内 AI 导致人类灭绝的概率超过 10%，The Information 报道了此事。作者转发 David Sacks 的观点：在调查这名"吹哨人"的说法之前，Anthropic 的 IPO 应当暂停。

OpenAI 呼吁抓住 AI 政策窗口期，支持强制性国家安全监管与四项加州法案

OpenAI 宣布推动强制性、基于能力的国家 AI 安全监管，并正式支持四项已通过加州议会的法案：SB 813（独立安全评估基础设施）、AB 1405（AI 审计师标准）、SB 1119（未成年人保护）、AB 1864（防范 AI 生物威胁）。

clem 🤗@ClementDelangueAI 评分5252

Hugging Face CEO Clément Delangue 引用 Anthropic 员工自述称，其内部真心认为 AI 可能致人类灭绝，未来十年风险大于 10%，且尚无解决超智能对齐的明确方案。Delangue 表示若真相信风险这么高，就需要 100 倍的研究，而这要求公开分享模型、数据集、训练代码和 agent traces。

Peter McCrory@PeterMcCroryAI 评分5454

alexolegimas 联合 ben_moll 发布博文，分析 AI 能力快速提升为何未必转化为爆发式经济增长，认为两位数增长的预测大概率不会实现。要点是增长模型并不阻止 AI 带来爆发式增长，但该路径依赖一系列现实中难以成立的假设，例如被自动化部门因价格下降而在经济中占比缩小，这使能力大幅提升与约 4-5% 的增长（作者称已属很高）并存的趋势可能延续。

Dan Hendrycks@hendrycksAI 评分4545

Dan Hendrycks在X上分享了一篇来自AI Frontiers的文章，题为《自杀式同情：AI公司的功利主义如何危及人类》。他评论称，该文章探讨了AI公司中的功利主义者和有效利他主义者如何为对人类构成威胁的行为辩护，并指出这些人异常乐于接受“快乐的AI”取代人类这一结果。

Anthropic 发布三情景经济模型，其 CEO 的悲观就业预测被归为极端情形

Anthropic 发布对 2030 年美国经济的三情景模型：温和情景下 AI 影响类似互联网，中间情景经济增速翻倍但知识工作者工资停滞，极端情景下产出每 4.5 年翻倍、知识工作者失业率达 17.9%、劳动占 GDP 份额从 60% 降至 45%。

Gary Marcus 呼吁抵制生成式 AI，暂停构建不可信的"不可纠正 AI"

Gary Marcus 发文呼吁公众抵制生成式 AI，要求前沿实验室在解决可靠性问题前暂停构建或部署他所称的"不可纠正 AI"。

Apple CEO John Ternus 称 iPhone 仍是最佳 AI 设备

Apple 新任 CEO John Ternus 在 Surprise and Shine 活动开场阐述公司 AI 战略，称 iPhone 已是市面上最佳 AI 设备，即其所说的智能个人中心。他列出该设备应有的条件，包括理解个人上下文、可端侧运行 AI 模型、大屏、长续航和无缝协作，并强调 Apple 更重视数据隐私，Apple Intelligence 尽可能端侧运行。

Nathan Lambert@natolambert精选AI 评分8585

Nathan Lambert 评价 Nvidia 收购 HuggingFace，认为 HuggingFace 影响 AI 讨论方向的能力对 Nvidia 值得每年付出约 100 亿美元。他认为 Nvidia 比三大云厂商更适合做买方，HuggingFace 应摆脱盈利单位定位，去争取下一代 1 亿 AI 开发者；作者曾在 HuggingFace 工作并于去年预言过这一收购。

Rohan Paul@rohanpaul_aiAI 评分5454

The Information 报道，Anthropic 安全研究员 Evan Hubinger 在 X 发文称公司确实认真相信 AI 可能杀死全人类，他个人认为未来十年内这一概率超过 10%。他还表示 Anthropic 正在尽力，但目前尚无解决超级智能对齐问题的方案，也未明确走在解决它的轨道上，相关言论引发其他研究者和开发者担忧。

Anthropic 研究员 Jacob Coxon 离职并警告自我改进 AI 可能毁灭人类

AI 研究员 Jacob Coxon 在社交媒体宣布离开 Anthropic，并警告前沿 AI 公司用可能在十年内毁灭人类的系统拿所有人的生命做赌注。他认为风险主要来自即将到来的自我改进超级智能，即能入侵一切系统、一夜革命任何领域并获得真实权力与资源的超人系统；同行要么没意识到文明层面的利害，要么认为必须抢在不负责任的对手之前竞速。

GPT-6 Astra 发布后，Sebastian Raschka 解析 looped transformer 与隐藏推理链传闻

OpenAI 发布 GPT-6 Astra，作者评测认为其计算机使用和图像渲染能力尤为突出，ARC-AGI-3 达 99.9%，前代 GPT-5.6 Sol 仅 7.8%。

ControlAI 的 Connor Leahy：超级智能不是武器，而是对手

TechCrunch Equity 播客邀请 ControlAI 美国执行总监 Connor Leahy，主张应全面阻止公司开发超级智能，认为仅靠对齐和遏制已不足以管控风险。

Nathan Lambert@natolambertAI 评分5959

前 Anthropic 预训练研究员自述离职，称 OpenAI 和 Anthropic 都在竞逐自我改进的超级智能、拿生命做赌注，该帖获得约 1 亿次浏览。Nathan Lambert 转评称其净坏，认为自己重视 AI 安全，但尚未看到支持接近 10% 人类灭绝概率的证据，没有证据就是散布恐慌。

凡人小北@frxiaobeiAI 评分6060

Anthropic 研究员 Jacob Coxon 宣布辞职，他在离职帖中称过去三年先后在 OpenAI 和 Anthropic 从事预训练研究，两家公司都在朝可自我改进的超级智能竞速，行为不负责任。作者认为真正的问题不是风险概率的数字，而是囚徒困境式的逻辑：任何一方都因担心对手不停而无法先停下来。

凡人小北@frxiaobeiAI 评分5151

OpenAI 称其内部模型在多项基准上实现阶跃式改进、训练仍在进行，内部模型团队用约 10,000 个协调的 AI Agent 在 88 小时内得出了纳维-斯托克斯解，全程维持监控与隔离等安全保障。小北转引该消息并猜测这解释了 ChatGPT 近期响应缓慢，调侃这些 Agent 在用 token 狂欢庆功。

Anthropic 研究员 Evan Hubinger 称错位超级智能十年内毁灭人类的概率超过 10%

Anthropic 安全研究员 Evan Hubinger 表示，错位的超级智能 AI 在未来十年内毁灭人类的概率超过 10%。

OpenAI 纳维-斯托克斯方程证明争议：Buckmaster 指控不当行为，各方回应引出开放科学之问

数学家 Tristan Buckmaster 指控 OpenAI 施压、拒绝其合作者 Levent Alpöge（任职于 Anthropic）署名，且可能用两人上传到 Codex 的草稿训练模型，称其为绝对学术不端。

AI 研究员 Jacob Coxon 从 Anthropic 离职，警告 Anthropic 与 OpenAI 正在拿人类生命冒险

曾在 Anthropic 和 OpenAI 工作的研究员 Jacob Coxon 宣布离职，称两家公司正径直奔向自我改进的超级智能，是在拿人类生命冒险。Anthropic 对齐团队负责人 Evan Hubinger 附议称确信 AI 可能在十年内杀死全人类，估计概率高于 10%，且目前尚无超级智能场景下保持对齐的方案。

Thomas Wolf@Thom_Wolf精选AI 评分7878

Hugging Face 联创 Thomas Wolf 回应 OpenAI 用下一代模型（强于 GPT-6 Astra）的 agent 群组证明 Navier-Stokes 千禧年问题猜想为假的结果，称其令人印象深刻。

Rohan Paul@rohanpaul_aiAI 评分5454

Jensen Huang 在接受 Axios 采访时回应“开源模型公司是否应被允许蒸馏闭源模型”，称从 AI 和他人知识中学习是智能的基础，更聪明的 AI 也可以是更安全的 AI。

曾在 OpenAI 与 Anthropic 任职的预训练研究员考克森辞职，警告两家公司拿人类生命赌博

据《商业内幕》9 月 9 日报道，曾在 OpenAI 参与 GPT-4o 研发、后转入 Anthropic 的预训练研究员雅各布·考克森宣布辞职，警告两家公司争相开发能自我改进的超级智能，且未坦诚内部对 AI 的恐惧。

OpenAI CFO：自研 AI 加速 Jalapeno 芯片设计，Luna 部署成本低于开源方案

据路透社报道，OpenAI CFO Sarah Friar 在高盛会议上表示，OpenAI 用自研模型参与 Jalapeno 芯片开发并在 9 个月内完成流片，且部署 Luna 模型的成本低于云端运行开源方案，如智谱 AI 的 GLM 5.3。

唐家三少发文痛批“AI 泔水”：网络文学 48 小时可洗稿生成 500 万字

网络作家唐家三少在《光明日报》发表署名文章，指出网络文学面临“AI 洗稿”频发与“AI 泔水”泛滥两大挑战。他称智能洗稿拆解爆款骨架后用 AI 重新填充，48 小时可生成 500 万字，并援引某平台首秀新书一年内从 400 部升至 5606 部的数据。他呼吁补齐文字领域 AI 标识短板，让 AI 生成内容“亮明身份”，并强化自律与法规。

Gary Marcus 转述 Terence Tao 与前 Anthropic 员工 Jacob Coxon 的两条 AI 警告

Gary Marcus 归纳两条警告：Terence Tao 连发三帖，担忧 AI 缺乏智识品味、解题不等于新洞见，并以 OpenAI 在 Navier-Stokes 争议中花费 2250 万美元抢先 Alpöge 和 Buckmaster 为背景，呼吁透明度；刚从 Anthropic 离职的 Jacob Coxon 则发文警告前沿实验室的未来风险。

Rohan Paul@rohanpaul_aiAI 评分6363

据 WSJ 报道，Anthropic 研究员 Jacob Coxon 认为自我改进模型到 2027 年可能变得不可控，正退出 AI 行业。他称到明年底一些最激进的失控情形可能已经发生，其担忧核心是递归自我改进，即 AI 接手足够多的 AI 研究以加速开发更强的后继模型。

陶哲轩担忧 AI 竞速正在摧毁数学界公开分享问题的传统

陶哲轩指出，优质开放问题正被以不可再生的方式开采，可能趋于稀缺；甚至有人研究某个问题的传闻，就会引发大量 AI 驱动的攻题行动，在原研究项目充分展开前将其压平。他认为激励可能转向不再与社区分享有前景的方向，这会逆转数百年的开放科学传统并对领域未来造成长期损害。Simon Willison 引述了这段话。

Simon Willison 评 OpenAI 用未发布模型求解 Navier–Stokes 千禧年大奖难题之争

OpenAI 用未发布模型在约88小时内给出 Navier–Stokes 存在与光滑性问题（七大千禧年难题之一）的解答，并通过 GPT‑6 Astra 完成17小时 Lean 形式化验证，全程发送490万条消息、消耗约3000亿输出 token。

Yuchen Jin@Yuchenj_UWAI 评分5656

Yuchen Jin评价OpenAI一款自称显著强于GPT-6 Astra的模型解决千禧年大奖难题，称其为数学界的AlphaGo时刻。他同时指出AI已比数学博士聪明，却在许多任务上不如实习生，锯齿状智能问题需要被解决。

Rohan Paul@rohanpaul_aiAI 评分6666

Rohan Paul 转述 OpenAI 官方消息：其未发布内部模型在多项基准上相比 GPT-6 Astra 有阶跃式提升，训练仍在进行。该模型组用约 10,000 个协作 AI 智能体在 88 小时内得出 Navier–Stokes 解，全程保持监测与隔离等前沿评估安全防护。作者认为新模型能更高效地利用额外推理计算，而非简单延长 Astra 的运行时间。

Sam Altman@sama精选AI 评分7373

Sam Altman 发文回应与 Anthropic 一方围绕 Euler/Navier-Stokes 证明发布的争议，称对方只有 Euler 结果、双方协调失败，并称对方以抄袭指控相威胁。

Noam Brown@polynoamialAI 评分6767

Noam Brown 转发 Sebastien Bubeck 的澄清并回应称，Navier-Stokes 结果不依赖 Levent 或 Tristan 的提示词，所用模型远超今天的 LLM，并附上 GPT-6 Astra 与内部模型在开放数学题上 pass rate 的对比图。

Nathan Lambert@natolambertAI 评分5454

Nathan Lambert 转发 OpenAI 的演示并评论称，希望看到关于智能体数量的 scaling laws。OpenAI 称其内部模型组用约 10,000 个协作 AI Agent 在 88 小时内得出 Navier–Stokes 解，并全程保留了监控与隔离等前沿评估安全防护。他认为智能体集群数量的扩展是否与单模型 CoT 推理时计算的扩展同等关键，关系到许多关于 AI 未来的讨论。

Noam Brown@polynoamialAI 评分7878

Noam Brown 就 OpenAI 宣布以智能体组合求解 Navier-Stokes 千禧年大奖难题发表看法，承认这次证明花费数百万美元，但认为成本会快速下降。