今天的故事線是帳本和煞車。WSJ 報導 OpenAI 第二季營收只成長 18%、虧損卻擴大到 123 億，同一週 Anthropic 的年度營收運行率衝上 650 億美元；Anthropic 端出蛋白質設計的實驗室驗證數據，OpenAI 則因為自家還沒發布的 Astra 被判定為重大網路安全風險，暫停了一批訓練。嘴上說的是能力與安全，帳本上的數字先一步轉了方向。

🔥 OpenAI 與 Anthropic 的帳本交叉：營收落差拉開，虧損也是

WSJ 引用熟悉內情的未具名消息來源報導：OpenAI 第二季（截至六月）營收 67 億美元，較第一季的 57 億成長 18%；但營運虧損從 93 億擴大到 123 億——虧損長大的速度比營收快。對照組是 Anthropic：CNBC 確認，Anthropic 向投資人更新的數字是七月底年度營收運行率（annualized revenue run rate）達 650 億美元，是去年同期的約七倍（Bloomberg 率先報導），第二季初步營收 115 億美元，年增 14 倍，並首度錄得營業獲利（SiliconANGLE 引述的數字是 5.59 億美元）。

條件先講清楚。OpenAI 的數字來自未具名消息來源，不是官方財報——公司正在為 IPO 鋪路；Anthropic 是私有公司，沒有義務揭露財務，營運獲利的計算方式沒有公布，CNBC 拿到的 115 億也是「一位消息來源」提供的初步數字。兩邊的成長都還沒有被帳本正式背書，取值口徑也看不到原始資料。

報導裡有個戳破舊敘事的細節：去年大家還認為 OpenAI 靠 ChatGPT 的先行者優勢領先，現在 ChatGPT 成長趨緩，Anthropic 靠企業端的 Claude Code 攻城掠地。OpenAI 的回應是人事震盪——上任不到一年的 Chief Revenue Officer Denise Dresser 離職，先前營運長 Brad Lightcap 與曾被視為接班人的 Fidji Simo 也已離開。消息來源說 OpenAI 私下告訴投資人、七月新模型推出後成長以經加速，但沒有給出任何數字。

Claude 蛋白質設計：15 個靶點中 14 個成功，外部實驗室驗證

Anthropic 在 8 月 18 日發布研究：Claude（Opus 4.8 與 Mythos Preview）在 15 個蛋白質靶點上設計 minibinder（小型蛋白質結合劑），其中 14 個靶點成功產出結合劑。外部實驗室 Adaptyv Bio 與 Twist Bioscience 獨立合成並測試這些設計：多靶點並行的 48 小時 session 中，Mythos Preview 與 Opus 4.8 的整體 hit rate（設計被證實真的會結合的比例）分別為 26.7% 與 22.6%；Mythos Preview 改成一次針對單一靶點的 24 小時 session 後，hit rate 上升到 35.1%。Anthropic 寫道，目前業界典型 hit rate 約為 10–15%。

規模與算力：總計 1,320 個設計、354 個結合劑；多靶點模式消耗最高 12,500 個 NVIDIA H100 小時，單靶點模式每個靶點最高 2,500 H100 小時。Anthropic 說整個過程「幾乎沒有真人介入」——模型自己選靶點表面位置、調度多個結構設計與共摺疊模型、跑多輪 in silico 篩選，人類只負責批准網路存取權限。

值得一提的細節：對 TNFα 這個多家團隊踢過鐵板的靶點，成功的反而是 Opus 4.8 而不是更強的 Mythos Preview，Anthropic 明說不知道原因；對 de novo 設計的 β-barrel 靶點 BBF-14 只做出結合強度普通的設計，對 maltose-binding protein 則 90 個設計全數失敗。同一篇還測了 Opus 5 判讀 NMR 與 LC-MS 原始資料——約 25 分鐘完成光譜解析與純度分析，對照的契約實驗室同一份報告要數小時到四天。

限制條件要放大看：Anthropic 在這篇的 bio 安全段落寫明，這類能力是 dual-use，目前仍把生命科學任務從最強模型（Fable 5）的一般存取中封鎖，只透過自家規劃中的 trusted access 計畫開放。展示能力與開放能力是兩件事，中間那道門由 Anthropic 決定誰能過。

OpenAI 暫停部分訓練：未發布的 Astra 被判定為重大網路安全風險

OpenAI 在 8 月 18 日的部落格文章披露：內部研究判定「Astra」——一個尚未發布、官方說法比 GPT-5.6 Sol 更強的演算法——符合其 Preparedness Framework 定義的「重大網路安全風險」（critical cybersecurity risk），也就是「能在沒有人類協助下、於加固系統中尋找並利用 zero-day 漏洞」的模型。OpenAI 因此暫停了部分 reinforcement learning 訓練長達兩週，「研究人員手上最大的 frontier RL run」目前仍維持擱置。

配套措施：OpenAI 啟用名為 activation classifiers 的監控演算法，定期檢查 LLM 的內部思考過程與工具互動是否有惡意跡象，發現異常先交給第二層更進階的分類器確認，再通知研究人員。官方目標是 30 分鐘內對可疑行為產生警示，員工若無法排除惡意可能，要在 30 分鐘內暫停該行為。這套監控管線的硬體成本不小——目前約佔被監控推論工作負載基礎設施的 20%，OpenAI 承認長期可能推升價格。

這篇被定位為對兩件事的回應：七月的「自家模型攻擊 Hugging Face」事件，以及 Astra 的風險判定。時間點放在一起看：OpenAI 一邊對外講模型監控與安全邊界，一邊本週才因為成長乏力、虧損擴大登上報紙頭條——監控多花的 20% 算力開銷最後落在誰的帳單上，官方說法沒有提。

ChatGPT for Teens：年齡推定系統決定你落在哪一級保護

OpenAI 於 8 月 18 日推出 ChatGPT for Teens：若系統「估計」使用者未滿 18 歲、或使用者自填年齡為 13–17 歲，就會被自動放進這個體驗。功能包括 Study Mode（引導式提問、逐步解題）、Responsible Homework Reminder（宣稱能「辨識學生似乎想抄捷徑交作業」並導回 Study Mode）、測驗與學習視覺化，以及可設定的 Study Hours。家長可連結帳號設定 Quiet Hours、管理部分設定，並在高風險情境收到安全通知（新增飲食失調相關通知）。

問題在設計本身：誰定義「想抄捷徑」？Reminder 的判斷依據是 OpenAI 模型對使用者意圖的推估，標準由公司單方面定義，家長與學生看不到判準、也沒有申訴管道。年齡是「推定」的——官方措辭是 system estimates，夾在保護與被判定之間的使用者，不知道自己被放進哪一級、依據什麼、能不能提出異議。OpenAI 同時宣布與 CodeAI 合作，為青少年推出 AI 素養教育資源。

📡 其他值得關注

  • fx：6.39MiB 的開源 coding agent：Vercel Labs 釋出 Apache-2.0 授權的迷你 coding agent，號稱 10 微秒冷啟動、支援 WebAssembly（Zig toolchain 編譯）、model-agnostic，本機模型或雲端 API 都能接，介面走 Unix shell 路線。→ fx.sh

  • GPT-5.6 Sol 定價調降 50%：OpenRouter 顯示 GPT-5.6 Sol 價格砍半（8 月中旬生效）；此前 OpenAI 已於七月將 Luna 調降 80%、Terra 調降 20%。→ openrouter.ai

  • machine0（YC S26）：Launch HN 上的可持久化虛擬機服務，最多 60 vCPU、240GB RAM 與 H100/H200 GPU，號稱「從 CLI 直接操作、suspend 就停計費」，Ubuntu 映像預裝 Claude Code 與 Codex。→ machine0.io

  • 推理晶片新創 Etched 再融 7 億美元：估值達 210 億美元，主攻 transformer 專用 ASIC。→ siliconangle.com

  • Kimi Work 把原始 agent session 附進回報：Moonshot 的 Kimi Work 在 feedback report 中附加未經清洗的 agent 執行記錄，工程師圈在討論這種自動化透明度是好事還是隱私雷。→ news.ycombinator.com