Anthropic IPOs, GPT 6.2 Astra Arrives, But There’s a Bigger Story
AI Explained · 2026-11-20

OpenAI 发布 GPT-6.2 Astra,风头却被 Anthropic 抢走:后者上市路演宣称 2027 年实现递归自我改进,OpenAI 自己则承认思维链监控正在失效。
这周所有人都在问"哪个模型最强",答案却是:看你干什么活。更值得看的是另一件事——Anthropic 上市当天把"AI 自己改进 AI"写进了路演材料,而 OpenAI 一份新报告承认,他们最依赖的安全监控手段正在失灵。这两件事同时发生,才是这期的真正主线。
没有"最强模型",只有"最强数据"
同一个任务换个领域,排名就翻盘,因为模型只学会了训练数据里见过的模式。
- GDP.PDF(100 个 STEM 专家任务)上 Gemini 4 Neon 得分最高;Frontier Code 2.0 编程基准上 Fable 5.2 领先,但所有模型都挤在 40 多分。
- 两个"综合指数"互相打架:Artificial Analysis 指数 Fable 5.2 微弱领先,Epoch Capabilities Index 却是 6.2 Astra 第一。
- OpenAI 内部网络安全模型在 ExploitGym 上拿到 77%,按这速度该基准明年初就饱和;而 GPT-6.2 Astra 在蛋白质结构预测上远输 Fable 5.2——不是智商问题,是训练数据里生命科学语料多少的问题。
进步曲线很平滑,但突破点你根本看不见
OpenAI 把 34 个公开基准加 35 个内部基准合成一条曲线,看起来一路向上,可关键节点全不在图上。
- 数学上突然能解千禧年难题、网络安全上突然能批量挖零日漏洞,这些"阈值时刻"在综合曲线上没有任何拐点。
- 唯一看得见的斜率变化出现在 2025 年 8 月到 10 月:模型好用到研究员能拿它自动化写代码,于是能并行试更多想法,进步速度整体抬升。
- 关于 AI 加速 AI 研究,各家口径差得离谱:Anthropic 说 2 倍历史速度,OpenAI 内部研究员说用 coding agent 能一个月干三个月的活,Anthropic 研究员自报被加速 12 倍——差别全在问法和数据。
"向上竞赛"没跑起来,监控反而在退化
Anthropic 的 Dario Amodei 提出"你没法从第二名做安全":先冲到第一,再用负责任的做法倒逼同行模仿。实际结果不太一样。
- Anthropic 联创 Tom Brown 在 40 分钟 IPO 路演里明说:Claude 将能完全自己发现算力倍增器,让倍增器数量越滚越快——这就是递归自我改进的公开版本。
- OpenAI 新报告承认,随着模型变强,推理越来越多发生在隐藏层内部而不是写出来的思维链里,思维链监控这个"安全案例的核心支柱"正在失效;Greg Brockman 从"很兴奋"改口为"情况不太好"。
- OpenAI 董事会成员 Paul Christiano 公开说:未来 3 年内 AI 接管的风险很高。而 OpenAI 内部安全与对齐研究只占人类研究员时间约 21%(2 月是 16.7%)。
带走一句话
Anthropic 员工 Talin 的原话:指望"帮 Anthropic 赢,因为它稍微更安全一点",对全人类来说是个极其疯狂的赌注。
- 选模型别再看榜单:拿你团队最高频的 3 个真实任务(比如读长 PDF、改遗留代码、写合规文档)各跑一遍三大模型家族,用你自己的通过率做决策表。
- 如果你在做 Agent 的可观测性,把"模型不写思维链也能完成任务"当成一等风险来设计——只靠日志和推理文本做审计的方案,在下一代模型上会失效。
