KeyFrame內部研究專用

Fable 5 Returns, GPT-5.6 Thinking Leaks and Google Is Falling Apart!

World of AI·6月25日週四·9 min英文

三句話摘要

美國政府限制Fable 5政策如何引發AI產業連鎖反應,導致模型延遲發佈與頂級人才流失。 政府對AI模型的政策管制正深刻改變產業競爭格局,企業必須同時應對政策不確定性、人才競爭與技術進度的三重挑戰。 政策驅動的模型限制機制:美國政府基於國家安全考量,對Fable 5實施地域限制政策。Anthropic在6月10日向白宮報告阿里巴巴進行大規模蒸餾攻擊、竊取美國IP加速中國AI發展,成為政府採取限制措施的關鍵觸發點。

重點整理

重點
  • 1

    政策驅動的模型限制機制:美國政府基於國家安全考量,對Fable 5實施地域限制政策。Anthropic在6月10日向白宮報告阿里巴巴進行大規模蒸餾攻擊、竊取美國IP加速中國AI發展,成為政府採取限制措施的關鍵觸發點。

  • 2

    產業連鎖延遲效應:由於擔憂面臨相同限制,OpenAI延遲了GPT 5.6發佈(從6月初推至6月末/7月),Google延遲了Gemini 3.5 Pro發佈(原訂6月未交付),整個產業的模型發佈週期被打亂,進度從預期的2-3個月更新週期變得不確定。

  • 3

    人才競爭引發的競爭力衰退:Google DeepMind近期失去四位頂級研究人員到Anthropic與OpenAI,包括Jonas Alder與Alexander Preitzel等Gemini模型核心貢獻者。開源模型GLM 5.2已超越Google Gemini能力,反映出Google內部人才對其AI競爭力喪失信心。

  • 4

    不確定的未來與應對機制:Fable 5何時解禁、發佈時是否會被削弱功能、非美國用戶能否訪問等問題未定,GPT 5.6可能配備身份驗證機制以規避限制,企業需在政府政策與技術進度間尋求平衡。

實用技巧與重點

乾貨
  • Fable 5:美國限制地域使用、UI錯誤導致虛假可用、實際流量為零
  • GPT 5.6思維模型:預計6月末或7月發佈、Enterprise客戶優先、改進推理、視覺、SVG生成、圖片轉設計
  • 人才流失:Jonas Alder、Alexander Preitzel(Google DeepMind → Anthropic)、四週內四位頂級研究人員離職
  • 蒸餾攻擊:Anthropic於6月10日向白宮提交報告指控阿里巴巴、幫助中國達到Mito preview級別能力
  • 競爭格局:GLM 5.2超越Google Gemini、Gemini 3.5 Pro延期未發佈
  • 資源:Universe of AI Newsletter、universeofai.bihive.com

結論

結論

政府對AI模型的政策管制正深刻改變產業競爭格局,企業必須同時應對政策不確定性、人才競爭與技術進度的三重挑戰。

完整解析

詳細

Anthropic於六月中旬發佈Fable 5後,美國政府迅速頒布限制措施,要求該模型僅供美國居民使用,禁止向國外用戶甚至內部海外員工服務。這一看似突兀的決定實有深層背景:Anthropic在六月十日向白宮和參議院提交信函,指控阿里巴巴集團對其模型進行了已知最大規模的蒸餾攻擊,幫助中國迅速達到與Anthropic相當的AI能力水平。面對這樣的國家安全指控,政府自然採取保護措施。諷刺的是,Anthropic後來聲稱限制令出其不意,但實際上是他們主動向政府吹哨,這種表述顯得有些矛盾。

政府干預在整個AI產業引發了連鎖反應。OpenAI原計畫六月初發佈的GPT 5.6思維模型被推遲至六月末或七月,該模型ID已在ChatGPT內部Enterprise客戶路由中被發現。Google同樣延遲了Gemini 3.5 Pro的發佈,雖然公開承諾於六月推出,但至今未見蹤影。企業面臨的困境是對政策前景的不確定性:Fable 5何時解禁、解禁後是否功能被削弱、非美國用戶能否訪問——這些疑問促使企業更加謹慎。有趣的是,OpenAI可能正在考慮為GPT 5.6配備身份驗證機制,以規避遭遇Fable 5相同的命運。有人推測OpenAI可能會延遲GPT 5.6發佈直至Fable 5重新上線,以分散市場注意力。

然而比政策影響更令人擔憂的是Google面臨的人才危機。Google DeepMind在短短數週內失去四位頂級研究人員,最近轉到Anthropic的包括Jonas Alder和Alexander Preitzel,兩人都被視為Gemini模型開發的核心貢獻者。早前還有Transformer原始研究人員和Nobel獎得主相繼離職。人才流失反映出Google DeepMind內部的士氣危機——員工對其AI競爭力失去信心。現實也印證了這一點:開源模型GLM 5.2已經超越了Google的Gemini模型,而Gemini 3.5 Pro遲遲未能面世。雖然Google在基礎設施和資源上仍具優勢,但短期內其模型競爭力明顯下滑。GPT 5.6在推理、視覺、SVG生成與圖片轉設計功能上均有改進,但從早期洩露結果看,使用者需提供更多引導才能獲得最佳效果。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。