科技剪报

科技剪报 · 2026-11-21|交给模型的代码,留在地面的算力

整理:henri

latent.space形式化验证给 AI 生成的代码多加一道检查《Latent Space》采访了斯坦福大学教授、&Truth 联合创始人 Clark Barrett,讨论怎样检查智能体写出的代码。测试和扫描能发现很多缺陷,但跑完一轮仍不能确认有没有漏掉。形式化验证则先把要求写成精确规格,再用数学证明判断程序是否满足它。过去这项工作需要专家花大量时间;Harmo打开原文

01/8

拖动拨轮 · 滚轮快速翻阅

让模型写代码容易,确认代码符合要求更难。《Latent Space》梳理了试图降低证明成本的新工具,Azeem Azhar 则把编辑资料交给智能体检索、仍用钢笔起草。算力也有两笔不同的账:谁拥有消费者常用的 AI 工具,以及谁为地面数据中心的芯片出资。

工程与模型

形式化验证给 AI 生成的代码多加一道检查

《Latent Space》采访了斯坦福大学教授、&Truth 联合创始人 Clark Barrett,讨论怎样检查智能体写出的代码。测试和扫描能发现很多缺陷,但跑完一轮仍不能确认有没有漏掉。形式化验证则先把要求写成精确规格,再用数学证明判断程序是否满足它。过去这项工作需要专家花大量时间;Harmonic、Theorem、Axiom Math 和 &Truth 正在尝试让模型与自动推理工具承担一部分证明工作。在 &Truth 和 Harmonic 的方案里,开源证明助手 Lean 检查证明,而不是让模型给自己的代码打分。

Barrett 把检查 C 语言程序的内存安全列为一个用途。Anthropic 和 Theorem 则在 36 项小型验证任务上测试了证明成本:Claude Opus 5.5 达到 50% 解题率时,比 Opus 5 少用约 40% 的 token。作者设想,如果这类检查能进入日常开发,工程师可以把更多精力移到写清规格、确认验收标准,不必逐行回查智能体写出的代码。能证明什么,仍取决于规格里写了什么。

Latent Space 原文 · Anthropic 与 Theorem 的实验

latent.space形式化验证给 AI 生成的代码多加一道检查

OpenAI 加强对未经授权模型蒸馏的防护

OpenAI 11 月 20 日介绍了针对未经授权蒸馏的防护。它担心其他模型学习前沿模型的能力时,不会一并继承原有的安全限制。新版防护结合模型训练、API 层保护和异常使用调查,重点之一是防止模型泄露原本不应呈现的内部推理。

在 OpenAI 的内部自动化红队评估中,GPT-6 Astra 原有防护下的平均攻击成功率为 54.0%,GPT-6.2 Astra 使用更新防护后为 0.2%。这个结果衡量的是受保护内部推理在该项测试中的泄露情况,并非对所有蒸馏风险的总体测量。

OpenAI 官方文章

openai.comOpenAI 加强对未经授权模型蒸馏的防护

OpenAI 发布药物发现推理基准 MedChemBench

OpenAI 11 月 20 日发布 MedChemBench,用已发表的药用化学研究来评估 AI 能否读懂分子结构、解释实验证据,并比较哪些候选化合物值得进一步研究。99 道题来自 117 篇论文和专利,涉及 761 种不同的分子结构。设计药物时,对靶点的活性变强,并不意味着吸收等其他性质也会改善。基准以这类取舍来检验模型能否把结构与证据联系起来,而不是只记住化学知识。

在最高推理设置 xhigh 下,GPT-6.2 Astra 拿到总可得分的 84.5%,GPT-6 Astra、GPT-6.1 Sol 和 GPT-5.6 Sol 分别为 83.3%、82.0% 和 58.2%。OpenAI 指出,GPT-6 Astra 在识别分子结构和解释实验结果上的表现相对更强,在筛选化合物和预测具体数值时更容易失分。

OpenAI 官方介绍

openai.comOpenAI 发布药物发现推理基准 MedChemBench

算力与融资

英国有 602 座数据中心,常用消费级 AI 工具榜却缺席

Slow AI 作者 Sam Illingworth 做了一份互动地图,把各国的数据中心数量和常用消费级 AI 工具的公司总部并列。2026 年 8 月的访问量和移动端用户榜单包含两个前 50 名;去重后有 81 个产品,其中 67 个能查到总部,分属 12 个国家,美国 36 个、中国 18 个。英国有 602 座数据中心,在作者采用的目录中全球第二;英国、德国、日本、印度都未在这些可归属工具中出现。这个榜单不涵盖企业 AI,也不能衡量算力规模。

目录按建筑计数,无法区分各机房实际运行的工作负载。作者用苏格兰一处规划中的约 1 吉瓦项目举例:若全年满负荷运行,约耗电 8.8 太瓦时,相当于 2024 年苏格兰家庭用电总量。地图对照的是两件分开的事:谁承载计算设施,谁拥有消费者真正打开的产品。

Slow AI 原文

theslowai.substack.com英国有 602 座数据中心,常用消费级 AI 工具榜却缺席

SpaceX 地面算力融资定价约 440 亿美元,债权人曾要求芯片留在地面

Apollo 与高盛 11 月 20 日宣布,已为采购 SpaceX 所需的 GPU 和配套设备完成约 440 亿美元优先及次级票据的定价,发行规模因超额认购而调高。这批英伟达 Vera Rubin 芯片将用于地面算力设施,租赁预计在 2027 年上半年随设备交付开始。贝莱德、高盛资产管理旗下基金和账户,以及 KKR 提供顾问服务的资金账户,作出了基石认购承诺。

《金融时报》此前将这笔融资的规模报道为约 430 亿美元。据该报,11 月 19 日向大型投资者出售的债务超过 300 亿美元;其中最大一档约 250 亿美元,由 SpaceX 约五年的芯片租金支持,定价利差比美国国债高 3.45 个百分点,对应收益率约 8.3%,并非 SpaceX 的租赁利率。该档票据在 2032 年到期,按报道所述安排,本金将在不到四年内偿还;在周四配售前,已有逾 190 亿美元获认购承诺,包括 PIMCO 的 40 亿美元。票据由特殊目的实体发行,SpaceX 承担租金支付义务。KBRA 在定价前给部分票据授予 A− 初步评级;据报道,穆迪给相关债务的评级为 A3,并在评级报告中指出,这些芯片计划部署在 SpaceX 控股及运营的美国数据中心。

据《金融时报》报道,部分债权人曾要求合同限制芯片进入轨道,免得 SpaceX 违约时难以收回和处置设备。联合公告确认本批设备计划用于地面,并未说明这项限制是否写入最终文件。

Ars Technica 刊载的《金融时报》报道 · Apollo 与高盛定价公告 · KBRA 初步评级

arstechnica.comSpaceX 地面算力融资定价约 440 亿美元,债权人曾要求芯片留在地面

产品与商业

All-In 借 Anthropic 上市讨论 AI 公司如何扩大业务版图

《All-In》11 月 20 日更新的节目用约 77 分钟讨论 Anthropic 上市、科技股下跌以及企业如何应对 AI 带来的竞争。Chamath Palihapitiya 在开场提出一种可能:AI 行业最终会出现约十家纵向整合的大公司,业务从土地、电力等基础设施一路延伸到上层应用。节目随后围绕 Anthropic 的上市表现,讨论了对这家公司及大盘看多和看空的理由。

节目列举的企业交易里,Palo Alto Networks 已签约拟收购开放权重模型服务商 Applied Compute。按公司公告,交易估值 45 亿美元,全部以股票支付,金额可能调整,仍待满足交割条件。这家网络安全公司希望把模型适配和推理服务纳入自己的企业安全业务。

All-In 官方节目页 · Apple Podcasts · Palo Alto Networks 交易公告

allinchamathjason.libsyn.comAll-In 借 Anthropic 上市讨论 AI 公司如何扩大业务版图

写作与平台

Azeem Azhar 几乎每篇文章都先手写

《Exponential View》创始人 Azeem Azhar 在 Substack 的《Model Behavior》访谈中说,他通常先用钢笔起草,旅行时才改用语音记录。他用这条习惯保护自己的推理:草稿太早交给模型,模型容易抢先补完他还没想清的思路。Azhar 大约 10 人的团队服务近 17 万名订阅者,每月在 AI 工具上花约 1 万美元,约四分之三用于按 token 付费。

他们也自建了编辑研究系统 Prism,将社交帖子、论文和编辑笔记汇成团队可共享查询的资料库。据总经理 Marija Gavrilov,周日简报的准备时间因而从约三天缩到一天。团队通过开放论文和社交媒体信息源引入日常阅读以外的材料,也鼓励成员跨领域阅读。Azhar 最常用的智能体模仿《经济学人》资深编辑 Kenn Cukier 的论辩方式,用问题帮他找出论点哪里松动、哪里跑题。

Substack《Model Behavior》访谈

on.substack.comAzeem Azhar 几乎每篇文章都先手写

SoundCloud 的音乐场景为何退潮

Default Friend 回顾了 2010 年代中后期的 SoundCloud:年轻音乐人可以直接上传曲目、互相改编或转发,在网络迷因和说唱之间试出自己的风格。作者把这个场景的活跃期放在 2017 至 2020 年左右,认为早期明星的离世不是退潮的唯一原因。疫情打断了俱乐部和地下演出,部分音乐人签约大厂后转向主流市场,流媒体推荐又更容易奖励能进大量歌单的作品。

作者还把变化归因于两种平台规则。短视频不仅要求歌曲在开头几秒抓住听众,还让反复拉回注意力的段落更受欢迎;SoundCloud 在对接主流音乐行业时则加强了版权清理,并通过不同档位限制上传容量。作者认为,这些变化挤压了早期那种不求规整、靠创作者互相试作品的空间。

Default Friend 原文

default.blogSoundCloud 的音乐场景为何退潮