KeyFrame內部研究專用

Fable 5 IS BACK? GPT 5.6 & Gemini 3.5 Pro Delayed, NEW OpenAI AI Chip, & QWEN STEALING! AI NEWS

WorldofAI·6月25日週四·19 min英文

三句話摘要

2026年6月AI產業重大動向:Claude Fable 5即將回歸、Google DeepMind人才流失、OpenAI推出自研芯片。 AI產業正進入人才競爭與硬體自主化並行的新階段,Fable 5復出、大規模資料竊取與芯片自研三件事反映了地緣政治、工業競爭與供應鏈獨立的交織演變。 Fable 5下線與復出:Fable 5因在美國情報機構測試中於數小時內破解近所有機密系統而被政府限制。經Trump政府與Anthropic共同協商,現已取得進展,預測7月31日前復出機率達90%,Amazon Bedrock和Claude Code 2.1.19中已出現相關跡象。

重點整理

重點
  • 1

    Fable 5下線與復出:Fable 5因在美國情報機構測試中於數小時內破解近所有機密系統而被政府限制。經Trump政府與Anthropic共同協商,現已取得進展,預測7月31日前復出機率達90%,Amazon Bedrock和Claude Code 2.1.19中已出現相關跡象。

  • 2

    大規模AI資料竊取:Anthropic控告Alibaba相關方創建近25,000個詐欺帳戶,於四至六月進行2,880萬次交互來提取Claude能力,涉及軟體工程、推理等領域。此攻擊方式稱為「蒸餾」(distillation),以極低成本竊取前沿模型能力,已上升至「工業規模AI間諜活動」層級。

  • 3

    Google DeepMind人才危機:Gemini核心貢獻者Jonas和Alexander等多位高級研究員離職加入Anthropic,加劇Google失去頂級研究人才的風險。同時Gemini 3.5 Pro測試版性能低於3.1版本,且缺乏2025-2026年知識更新。

  • 4

    OpenAI基礎設施自主化:推出Jalapeño自研芯片以降低對NVIDIA依賴,從設計到製造僅花9個月,性能功耗優於業界水準。同時GPT 5.5 Instant進行對話優化更新,GPT 5.6延期至7月中旬發布。

實用技巧與重點

乾貨
  • Fable 5動向
  • Amazon Bedrock、Claude Code 2.1.19、iOS App中已現身
  • 新介面文案:「You've used your Fable 5 usage for this week」(按周計費方式)
  • Polymarket預測機率:45% → 90%(上升至下週發布)
  • NSA局長聲稱Mythos在數小時內破解幾乎所有機密系統
  • Alibaba盜竊案數據
  • 詐欺帳戶數:24,800+個
  • 交互次數:2,880萬次(2026年4-6月)
  • 涉及方:Alibaba、DeepSeek、Minimax、MiniMax AI
  • 攻擊目標:軟體工程、遺傳推理、高級編碼
  • Gemini 3.5 Pro
  • 延期至7月發布
  • 新檢查點在Arena測試中性能下滑
  • 例:SVG繪製(BMW M4 CS)不如3.1版本
  • 缺乏2025-2026年知識
  • OpenAI更新
  • GPT 5.5 Instant:今日向付費用戶推出,明日免費用戶可用
  • GPT 5.6:延期至7月中旬,最大推理算力新增,企業用戶先測
  • Jalapeño芯片:Broadcom和Celestica製造,性能功耗優化,2026年底部署
  • 其他發布
  • Claude Tag in Slack:在Slack頻道直接協作,無需切換應用
  • Mistral OCR4:支援170+語言,手寫微積分考卷→LaTex(5.1秒,$0.09成本)
  • Ornith 1.0:開源模型家族(9B/31B/35 MOE/397B MOE),MIT授權,性能接近Opus 4.7

結論

結論

AI產業正進入人才競爭與硬體自主化並行的新階段,Fable 5復出、大規模資料竊取與芯片自研三件事反映了地緣政治、工業競爭與供應鏈獨立的交織演變。

完整解析

詳細

本週AI產業發生多項重要事件,其中最矚目的是Claude Fable 5的即將回歸。這款模型因在美國政府安全測試計畫「玻璃銀行計畫」(Project Glass Bank)中發現機密系統漏洞而被下線,根據Reuters和AP報導,Fable 5在數小時內破解幾乎所有機密系統——相比之下,傳統漏洞修復通常需數週。儘管這是受控的安全測試而非真實攻擊,政府仍選擇限制該模型。近日Trump政府與Anthropic CEO進行協商,改由聯合創辦人Tom Brown出席白宮會議,協商進展順利,成功提高了市場對Fable 5復出的預期,Polymarket預測機率從45%飆升至90%。技術跡象也愈發明顯——Amazon Bedrock和Claude Code 2.1.19更新中出現新的費用計費文案「You've used your Fable 5 usage for this week」,暗示Fable 5可能改為訂閱用戶的週度配額制。

與此同時,Anthropic披露了一起大規模AI資料竊取案件。根據Bloomberg報導,Alibaba相關方組織創建了近25,000個詐欺帳戶,在四至六月間進行2,880萬次Claude交互,目的是透過「蒸餾」(distillation)以極低成本複製Claude的能力。這種攻擊手法透過使用前沿模型的輸出來訓練競爭對手模型,涉及DeepSeek、Minimax等多家中國AI實驗室。Anthropic已向美國參議院和白宮發函,將此事件定位為「工業規模AI間諜活動」,呼籲採取緊急行動。

另一方面,Google DeepMind正經歷人才流失危機。Gemini核心貢獻者Jonas和Alexander等關鍵研究員已轉投Anthropic,這是過去數週內的多次高層離職之一。更令人失望的是,Gemini 3.5 Pro的測試版本性能下滑——在Arena基準測試中,新檢查點在SVG繪製等任務上反而不如舊版3.1 Pro,且缺乏2025-2026年的最新知識。這款原定六月發布的模型已延期至七月,進展令人擔憂。

OpenAI方面則加速推進基礎設施自主化。GPT 5.5 Instant獲得更新,強化對話性、意圖理解與複雜約束處理能力,今日向付費用戶推出。GPT 5.6原定本週發布,現已延期至七月中旬,企業用戶已開始測試新的最大推理算力參數。最令人矚目的是Jalapeño自研AI芯片的發布——這是OpenAI與Broadcom、Celestica合作開發的首款专用推理芯片,優化以支援ChatGPT、API平台及未來的智能體產品。該芯片從設計到製造僅用9個月,被認為是業界最快的高級ASIC部署週期之一,性能功耗指標超越業界現狀,計畫於2026年底開始部署。

此外,Claude Tag整合進入Slack,讓團隊在聊天中直接標記Claude協作;Mistral發布OCR4模型,可在5秒內將手寫數學考卷轉換為LaTeX公式,成本僅需0.09美元;新興開源模型Ornith 1.0在多項基準測試中逼近Opus 4.7水準,全面採用MIT授權。

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。