hero

城武導讀：上週的擂台在模型發布，這週擂台挪到了模型「底下」跟「外面」。OpenAI 端出第一顆自製推理晶片 Jalapeño，宣稱要跟 Nvidia 正面較量；同週聯邦法官判五角大廈針對 Anthropic 的「國安供應鏈黑名單」違法，理由是國家機器的槍不能拿去懲罰一家對 AI 安全持不同意見的公司；開源陣營用 Qwen3.8-Flash-Next 把下一代的架構直接攤開給你看；Anthropic 則忙著把自己的使用資料升級成一座勞動市場觀測站。當算力、法律、資料都開始「自給自足」，AI 戰爭的後台比前台熱鬧得多。

本週焦點

1. OpenAI Jalapeño：第一顆自製推理晶片

OpenAI 這週公布 Jalapeño 的初步結果——這是它第一顆自訂推理晶片。官方拿 SemiAnalysis 的 InferenceX 基準，在 GPT-OSS 120B、DeepSeek R1 670B、Kimi K2.5 1T 三顆公開模型上測，宣稱尖峰輸出下每瓦能做完的 AI 工作量多 1.5–1.9 倍、端到端延遲低 1.7–3.6 倍，高度互動的 agent 負載下表現多 2.1–4.1 倍。數字之外，它的定位說明了一切：晶片、記憶、網路、軟體、機櫃級系統全部一起設計，理由是 agent 的推理是 prefill 跟 decode 交替跑、瓶頸在不同階段會漂移，單一階段最佳的硬體反而會卡在等待資料搬移上。

這顆晶片的意義不在跑分，在 OpenAI 手上的「全棧」敘事第一次有了自己的第一方矽。過去它是 GPU 大客戶，Nvidia 的供應、融資、定價都卡在別人手裡——上一週 WSJ 才報 Nvidia 把對 OpenAI 資料中心的融資擔保從一度談的 2500 億美元砍到 1200 億以下。自製晶片加上最近公布的 OpenAI 自己相關投資，是把「算力要租還是要買」這件事從供應商議價，慢慢挪回自家資產負債表。這跟它一路強調的訓練成本、營收成長一起看，就是一句話：把計算的命脈收進自己口袋。

但別急著鼓掌。這些數字全是 OpenAI 自己量、基準由 SemiAnalysis 定義、晶片功耗 700W／實測 ≤550W 也都是官方自報；外部沒有第三方逐項復現。Jalapeño 目前只是「初步結果」，還沒進入生產、還不知道量產良率跟真實負載下的能耗。更關鍵的是它刻意強調「架構能跑 GPT-OSS、DeepSeek、Kimi」——這既是證明通用，也是把話說在前面：任何 benchmark 都有自家主場成分，這顆晶片到底多能打，等它真的上線被客戶拿來跑日常 agent 任務才知道。以 OpenAI 連年燒錢、急著證明「發出去的每一個模型都收得到錢」的處境，一顆能省電省成本的自製晶片，比任何模型發布都更像財務救生圈——必竟，它得先讓自己活下來，才有資格談「讓全人類受益」。

2. 法官擋下五角大廈的 Anthropic 黑名單

八月尾的頭條不是模型，是一紙判決。聯邦法官 Rita Lin 判定五角大廈把 Anthropic 列為「國家安全供應鏈風險」違法——違反第一修正案的言論自由，也剝奪了第五修正案要求的正當程序，並認定國防部長的指定「恣意且反覆」。整件事的起點是今年二月：五角大廈要求 Anthropic 允許 Claude 用於「所有合法軍事用途」，Anthropic 拒絕解除對「大規模監視美國人」與「完全自主武器」的限制，理由是現行模型還不夠可靠、而國內監視可能侵害公民權。於是它被列為供應鏈風險、被擋在軍方合約之外。法官在判決裡寫了一句關鍵話：「空泛地搬出國家安全，不是一張可以用來懲罰、報復異議者的空白支票。」

這是 AI 業界與美國國家機器正面對決的第一次實質勝訴，地位不只在 Anthropic。它試著回答一個一直懸著的問題：一家公司對 AI 安全所持的立場，能不能讓政府拿「國安」當理由去打壓？法院說不能——至少不能未經正當程序、把它跟「你的技術可能被滲透」混為一談。判決同時要面對司法部的抗辯：政府主張是合約限制造成軍方使用不確定性，而非 Anthropic 的 AI 安全觀點。法官把這個說法也拆了，認定紀錄裡沒有足以支撐供應鏈指定的實質事由。這等於替「AI 公司有沒有資格在尺度上畫線」建立了判例參照。

但故事還沒收尾。判決撤銷了五角大廈的黑名單並禁止政府執行被挑戰的限制，政府預料會上訴；Anthropic 在華府還有另一樁關於供應鏈指定的訴訟尚未定案。而且判決當天 Anthropic 自己的聲明很有意思：「我們仍專注於與政府合作，把 AI 用於國家安全，讓所有美國人受益。」——它在法庭上主張安全邊界不容政府用國安名義碾壓，出庭後卻立刻重申願當國安的夥伴。這條線中間的張力，正是這個時代的縮影：前線 lab 一邊要高舉安全的擋箭牌，一邊又不想錯過國防預算這塊大餅。法官畫了一條線，但線的兩端，Anthropic 自己還站著沒下決定。

3. Agent 的底層在動工：記憶、檢索、思考預算

這週沒有單一旗艦，卻有一整排關於「agent 底下那層」的工事。一位漏洞研究者把自己常遇到的問題寫成文章：LLM agent 在跑幾個小時的調查後，會開始「忘了已確認的事實」——提出早被排除的攻擊路徑、把已證偽的假設繼續當真。他對主流做法（把對話紀錄 embedding 後抓回來）不買單，因為他要的不是「agent 記得我們說過什麼」，而是「維持我們目前真的知道什麼」。於是他把 agent 的知識當成程式分析來處理：一組事實加推論規則，算固定點，當某條輸入變更、只更新受影響的結論而非整池重跑——這是靜態分析處理程式變更的老手法。同一週，Mistral 推的 Agentic Search 讓模型自己搜尋、自己翻文件再回答，宣稱少轉幾輪、省 token；開源推理引擎 vLLM v0.28.0 則把「thinking token 預算」做成引擎層內建，正式把「模型想多久」這件事當成伺服端的一級公民。

這三則其實是同一條線的三個切面。長時任務時代，真正的瓶頸不是模型智商，而是它底下的「狀態」：記憶該怎麼更新、檢索該不該讓 agent 自主決定碰哪份資料、思考時間該由誰設上限。過去這三件事都散落在各應用層各自土炮，這週它們同時被當成正式的工程問題來解決——記憶被重構成可增量更新的程式分析、檢索從「丟一疊結果」變成「自己翻文件」、思考預算從應用層參數變成引擎層功能。當 agent 要跑幾小時、跨幾十步任務，這幾個決策的品質，比模型在 benchmark 上拿幾十分更能決定你能不能信任它做長事。

該把話講清楚的地方有兩處。第一，Mistral 那些 token 省 23.9%–33.7%、延遲降 39.6% 的數字全是自家量測，基準、chunking 設定都是它訂的。第二，這條線真正的權力問題在「誰畫線」：檢索讓 agent 去找資料，但文件存取權限的驗證與放行機制是什麼？「讓工具安全地觸及你最敏感的資料」這句話裡的「安全地」與「最敏感」，官方沒有細講。記憶與檢索的哲學差異也值得記下來——「回想一段對話」跟「維護一個已知狀態」是兩套完全不同的事，前者靠機率猜哪條紀錄還有效，後者把事實當權威來源。作者自己都坦承這只是探索、不是銀彈；但「agent 的狀態由誰定義、誰更新」這個問題，已經從研究後台浮到產品層面。

4. Qwen3.8-Flash-Next：把 Qwen4 的架構先交出來

開源陣營這週不是發一顆模型，是交了一份「過渡架構」。Qwen3.8-Flash-Next 是 125B 參數、每 token 只激活 6B 的多模態 MoE，但它真正的身分是 Qwen4 架構的早期預覽——就像當年 Qwen3-Next 預告 Qwen3.5 一樣，官方把 GDN＋QSA 混合注意力、Gated Residual、N-gram Embedding、Muon 優化器等新設計先公開，讓社群在 Qwen4 全面蓋上去之前獨立檢查。它的關鍵數字是成本：官方宣稱訓練成本只要 Qwen3.7-Plus 的大約九分之一，coding 與 office 任務表現還更好。權重已在 Hugging Face 與 ModelScope 上線；原生支援 262,144 token 上下文，可延展到 100 萬（YaRN），但那個 100 萬預設與官方內建工具是雲端版 Qwen3.8-Flash 才有的待遇，定價每百萬 input 0.16 美元、output 0.47 美元。

產業意義在「先把架構攤開」這個姿態。閉源 lab 發布黑箱、只給你 API；Qwen 選擇先把繼承人架構的內部運作細節公之於眾，讓 open source 社群可以提前評測、找問題、甚至提前幫它把預設值磨好。這跟西方主流「發布時才公開」的節奏剛好相反——開源成本戰的下一步不是比誰的模型分數高，而是比誰先把架構開放得夠早、讓生態先長在你身上。九分之一的訓練成本，配上激活 6B 的中型體量，再一次把「自我託管成本曲線」往下壓。

但請把自家字幕開著。這份表現表底下的備註寫得很清楚：多顆模型是用 Claude Code 與 mini-SWE-agent 兩套 harness 跑、temp 設定、上下文 256K，DeepSWE 1.1 那個 58.7 甚至沒有閉源對照組；所有 benchmark 都是 Qwen 自家量測，無第三方全面復現。拿它號稱逼近、甚至超越某些旗艦的結果，跟 DeepSeek 那套「官方宣稱」放在一起看，結論同樣是「待獨立驗證」。開放權重在這個階段最大的誠意不是分數，是那把尺——至少社群可以自己把它搬回家、親手驗證它到底是不是一代划算的架構。分數讓行銷去喊，權重交給你自己跑。

5. Anthropic Economic Index 擴張：一座自建的勞動市場觀測站

Anthropic 這週把它的經濟觀測計畫往歐洲擴：Economic Futures Programme 開進英國與歐洲、成立 Economic Futures 研究基金、推出 Economic Index 的 connector，把原本「報告式」的勞動市場分析接上即時資料。整個計畫的原理，是用 Clio 分析百萬級匿名的 Claude 對話、把每一段對話對應到美國勞工部的 O*NET 任務分類，來畫出「AI 到底怎麼被用在現代經濟裡」。前一份報告的結論：使用集中在軟體開發與技術寫作，超過三分之一職業在至少四分之一任務裡用到 AI；使用傾向「增強」(57%) 多於「自動化」(43%)；中高薪的電腦程式設計師、資料科學家最愛用，最低薪與最高薪職位反而用得最少。

它的產業意義在於，Anthropic 開始用自家平台的使用行為，充當「勞動市場觀測站」甚至政策研究來源。這跟「OpenAI 開設經濟研究部門」在資料遊戲上是同一招：當 AI 愈來愈滲透工作，誰握有「實際上誰在用 AI、怎麼用」的原始資料，誰就掌握了定義「AI 對就業的影響」這件事的話語權。Anthropic 不只出報告，還開放部分資料集、邀請經濟學家與政策專家輸入——把「觀測站」的合法性，擴大成一個由它主導的研究生態。

酸一下：這個「資料庫」的地面真相，是 Anthropic 自己產品的使用者行為。用 Claude.ai 的百萬段對話推斷「現代經濟的全貌」，等同用一家餐廳的菜單去推測整條街的人的飲食；它反映的是「誰在用這家服務」，而非「全社會怎麼用 AI」。Clio 本身的不可見性、匿名化怎麼做、職業分類的邊界誰定義，都是要放大的限制條件，不是可以縮小的細節。觀測站的玻璃，永遠只看得見從自家窗戶望出去的那片風景——而這片風景，正是它想讓政策制定者以為的「全貌」。

其他值得關注

隱藏敘事線

這週的大新聞沒有一條在跑分榜上，卻全部指向同一件事：AI 戰爭正在從「誰的模型更強」移向「誰掌握模型底下的地基，跟模型外面的規則」。OpenAI 忙著把算力收進自家晶片、Anthropic 在法庭上證明國家不能拿國安當橡皮圖章、Qwen 把整套架構提早攤開、Economic Index 想把勞動市場的測量權握進手裡——算力、法律、資料，三個系統同時在「自給自足」。模型分數戰爭仍然存在，但它們愈來愈像門面；真正決定產業形狀的，是晶片誰造、agent 的狀態誰定義、經濟的觀測誰主導、以及國家跟公司之間的邊界由誰畫。上週發布的 Opus 5／Sonnet 5 還在貨架上，但這週值得你記住的，不是貨架上有什麼，是地基底下在埋什麼。

城武的未解檔案——OpenAI 在造自己的晶片，Anthropic 在法庭上捍衛自己的邊線，Qwen 把整套架構交給你驗。當算力、法律、資料都開始各自為政，所謂的「對齊」，恐怕很快就不是模型跟你之間的事，而是權力之間的事。