上周 Anthropic 的 Claude Code 源码泄露还没凉透，更大的瓜来了——一个 10 万亿参数的超级模型被意外曝光。与此同时，OpenAI 的 GPT-5.4 在桌面操作任务上第一次干过了人类专家，而图灵奖得主 LeCun 拿了 10 亿美金要证明整个 LLM 路线都走错了。
---
1. Claude Mythos：Anthropic 的 10 万亿参数超级模型意外曝光
一句话: Anthropic 内部泄露的草案揭示了 Claude Mythos——一个 10 万亿参数的超级模型，被 Anthropic 自己称为"能力阶跃式提升"，且存在"前所未有的网络安全风险"。
3 月 26 日，Fortune 独家报道了 Anthropic 一个未受保护的公开数据存储中发现的内部文档。文档显示，Anthropic 正在测试一个名为 Claude Mythos（内部代号 Capybara）的新模型，参数规模达到 10 万亿——这是已知最大的 AI 模型，比 GPT-5.4 大一个数量级。
Mythos 在 Anthropic 的模型层级中占据一个全新位置：Haiku → Sonnet → Opus → Mythos。它不是 Opus 的迭代，而是一个全新的能力层级。Anthropic 发言人承认该模型代表"阶跃式能力提升（step change）"，是"我们迄今构建的最强模型"。
但真正让行业紧张的是安全评估。泄露文档直接说这个模型"构成前所未有的网络安全风险"。Anthropic 采取了极其保守的分阶段发布策略，目前仅对极少数早期客户开放。Euronews 的跟进报道确认了安全顾虑是推迟公开发布的主要原因。
这件事的时间线很有意思：3 月 31 日 Claude Code 源码泄露，而 3 月 26 日 Mythos 文档泄露——Anthropic 在一周内经历了两次重大信息安全事件。对于一家把"负责任 AI"写进使命的公司来说，这不是好看的成绩单。
对开发者的影响: 短期内你用不到 Mythos，但它的存在意味着模型能力的天花板还远没到。更值得关注的是：如果一个模型强到开发者自己都觉得有网络安全风险，那部署它的企业需要什么级别的安全基础设施？这可能催生一波 AI 安全工具的需求。
> 来源: Fortune | Euronews | InvestorPlace
---
2. GPT-5.4 在 OSWorld 超越人类专家：AI Agent 进入超人时代
一句话: OpenAI GPT-5.4 在 OSWorld 桌面自主操作基准测试中达到 75.0%，首次超过人类专家的 72.4%，标志着 AI Agent 在真实计算机操作中进入超人水平。
3 月 5 日发布的 GPT-5.4 刷新了一系列核心基准。但真正让人坐不住的是 OSWorld-Verified 的成绩：75.0%。这个测试衡量的是模型在真实桌面环境中通过截图识别 + 键鼠操作来完成任务的能力——打开应用、填表单、操作文件系统、用浏览器完成多步流程。GPT-5.2 只有 47.3%，一代之间跳了 28 个点。
其他关键数字：
- GDPval（知识工作）: 83%，创纪录
- SWE-bench Pro（编程）: 57.7%
- APEX-Agents（法律/金融专业技能）: 行业第一
- 上下文窗口: 1M tokens
GPT-5.4 还带来了 Pro 版和 Thinking 版两个变体。Pro 版针对企业工作流优化（更快、更稳定），Thinking 版针对复杂推理任务（更慢但更准确）。
超越人类基准意味着什么？不是说 AI 在所有桌面任务上都比人强——OSWorld 测的是特定的、结构化的操作序列。但它意味着：对于重复性的、有明确步骤的计算机操作工作，AI Agent 已经可以比一般人做得更好更快。RPA（机器人流程自动化）行业应该开始紧张了。
对开发者的影响: 如果你在构建基于 Computer Use 的 AI Agent 产品，GPT-5.4 是目前的性能天花板。但注意 Anthropic Claude 的 Computer Use API 在稳定性和可控性上仍有优势。关键问题不再是"AI 能不能操作电脑"，而是"怎么安全地让 AI 操作电脑"。
> 来源: OpenAI | TechCrunch | OpenAI Tools Hub
---
3. Yann LeCun 的 AMI Labs：$10.3 亿赌注要证明 LLM 路线走错了
一句话: 图灵奖得主 Yann LeCun 离开 Meta 后创立的 AMI Labs 完成 $10.3 亿种子轮融资，估值 $35 亿，要用"世界模型"颠覆当前 LLM 主导的 AI 路线。
这是欧洲历史上最大的种子轮，也可能是全球最大的。3 月 10 日，AMI（Advanced Machine Intelligence）Labs 宣布完成融资，投资方阵容堪称"全明星"：Bezos Expeditions、Nvidia、Eric Schmidt、Mark Cuban、Tim Berners-Lee，还有 Cathay Innovation、Greycroft 等一线 VC 联合领投。
LeCun 的核心论点很简单：文本预测有根本性的局限。LLM 只是在预测下一个 token，它永远不会真正"理解"物理世界。他的替代方案是 JEPA（Joint Embedding Predictive Architecture）——不预测像素或文字，而是在抽象表示空间中预测未来状态。通俗地说：不教 AI 读书写字，而是教它建立对世界的物理直觉。
这不是学术之争。如果 LeCun 是对的，那 OpenAI、Anthropic、Google 在 LLM 上烧掉的几千亿美金就是在一条死胡同里狂奔。如果他是错的，10 亿美金就是一堂昂贵的课。
AMI Labs 由 Alexandre LeBrun（前 Nabla 创始人）任 CEO 负责日常运营，LeCun 本人担任首席科学家。公司从成立到融资完成仅用了 4 个月。
对开发者的影响: 短期内这不会改变你的技术栈。但 JEPA 和世界模型的思路值得关注——特别是如果你在做机器人、自动驾驶、或任何涉及物理环境理解的 AI 应用。LeCun 的赌注是：下一代突破不在语言模型，而在能理解物理规律的 AI。
> 来源: TechCrunch | Sifted | Crunchbase News
---
4. OpenAI 年化收入 $25B，IPO 最早 2026 年底
一句话: OpenAI 年化收入突破 $250 亿，Q1 融了 $1220 亿创纪录，据报道最早 2026 年底启动 IPO，估值 $8520 亿。
把几个数字放一起看：$25B 年化收入、$122B 单轮融资、$852B 估值。OpenAI 正在以史无前例的速度从 AI 实验室变成一个超级商业体。作为对比，Google 2024 年全年广告收入约 $265B，而 OpenAI 才成立 9 年。
$122B 的融资轮本身就是商业史上的奇迹：Amazon 出 $500 亿、Nvidia 和 SoftBank 各出 $300 亿。这笔钱的用途很明确——训练下一代模型的算力采购、全球数据中心扩张、以及支撑 OpenAI 从 API 公司向全栈 AI 平台的转型。
IPO 传闻在 Q1 就开始流传了。路透社和 The Information 都报道 OpenAI 正在与投行进行初步接触，最早时间窗口是 2026 年 Q4。如果成真，这将是自 2012 年 Facebook IPO 以来科技行业最大的上市事件。
但风险也很明显：烧钱速度惊人（据估计年运营成本超 $10B）、与 Anthropic 和 Google 的竞争白热化、监管环境不确定、以及核心技术（大模型训练）的成本曲线是否可持续。
对开发者的影响: OpenAI IPO 对开发者的最直接影响是定价策略。上市公司需要向投资者展示利润增长路径，这意味着现在的低价 API 和慷慨的免费 tier 可能不会永远持续。如果你的产品重度依赖 OpenAI API，开始认真评估多模型策略。
> 来源: Crunchbase | Axios
---
5. NVIDIA 发布物理 AI 模型：具身智能从实验室走向工厂
一句话: NVIDIA 发布全新物理 AI 模型套件，全球合作伙伴同步展示新一代机器人，从仿真训练到真实部署的闭环正在形成。
NVIDIA 不只是卖 GPU 的了。最新发布的物理 AI 模型套件覆盖了机器人开发的全链路：感知（3D 场景理解）、规划（任务分解和路径规划）、控制（精细动作执行）。这些模型可以在 NVIDIA Isaac 平台上进行仿真训练，然后直接部署到实体机器人上。
全球合作伙伴的同步展示说明了落地进度：工业机械臂在做精密装配、仓储机器人在做分拣、人形机器人在做简单的家务操作。虽然离科幻电影还很远，但从"PPT 机器人"到"能干活的机器人"的跨越正在发生。
这与 LeCun 的 AMI Labs 形成有趣的呼应——两者都在押注 AI 的下一个战场是物理世界。不同的是，NVIDIA 走的是工程落地路线（先让现有模型+机器人能用），LeCun 走的是基础研究路线（先搞清楚世界模型的正确架构）。
工信部 1 月发布的《"人工智能+制造"专项行动》明确提出 2027 年前推出 1000 个工业智能体，这对 NVIDIA 的中国业务是明确利好——尽管芯片出口限制仍是变量。
对开发者的影响: 如果你对机器人或具身 AI 感兴趣，NVIDIA Isaac 平台是目前最成熟的入门路径。不需要实体机器人，在仿真环境里就能开始开发和测试。关注 JR Academy 的 AI 学习路线图 了解具身智能方向的技能需求。
> 来源: NVIDIA Blog | 36氪
---
编辑小结
本周 AI 行业的主题词是"边界突破"——模型规模的边界（Mythos 10 万亿参数）、能力的边界（GPT-5.4 超越人类）、范式的边界（LeCun 挑战 LLM）、商业的边界（OpenAI 冲 IPO）、物理的边界（NVIDIA 具身 AI）。
实操建议： 1. 关注 Claude Mythos 发布节奏 — 如果你在做 AI 安全相关工作，这个模型的安全评估报告值得研究 2. 试试 GPT-5.4 的 Computer Use 能力 — 特别是 Pro 版在企业流程自动化场景的表现 3. 了解 JEPA 架构 — LeCun 的论文 A Path Towards Autonomous Machine Intelligence 是最佳入门材料 4. 评估多模型策略 — OpenAI IPO 后定价可能调整，现在就开始测试 Gemma 4、Claude、Llama 作为备选
想系统学习 AI 开发？看看 JR Academy 的课程，从基础到 Agent 开发全覆盖。
