1. 一份新報告把「模型鑽評測漏洞」講成結構問題：規則要能自動打分就必須事前寫死，寫死的規則就是不會動的靶。
2. 業界把要求 AI 護欄的人叫「減速派」，但真正在擋資料中心的是各州議會，理由跟模型風險無關。
3. 白宮科技政策辦公室主任與 Anthropic 共同創辦人在同一週，各自把「用 AI 做科學」標成下一個主軸。
本期用的是 8 月 15 日的內部研究日報與當天白天的判斷，沒有更新的一份；材料的事件時間落在 7 月 15 日至 8 月 14 日。昨夜掃過 38 篇待讀材料 → 本期 24 條帶連結的收據；完整盤點在文末。
今天 3 條，全部在本頁全文展開。
8 月 14 日，倫敦 AI 實驗室 Inherent（今年 5 月拿到 5,000 萬美元種子輪，四位創辦人有三位出自 DeepMind）發布 Faraday——一個 270 億參數的模型，定位是「AI 科學家」，官方說它在「照著一篇論文把研究從零重做一遍」這件事上勝過 Claude Opus 4.8 與 GPT-5.5（官方發布串）。⚠️ 這句宣稱沒有帶任何數字：贏多少、在什麼題目上、跑了幾次，發布串一個字都沒說。
它的架構是本報過去沒記過的形狀：由這個小模型決定要試什麼、判斷結果對不對、下一步往哪走，真正寫程式的工作丟給前沿的編碼 agent（能自己決定下一步呼叫什麼工具、要不要重試的那層程式）去跑（常見配置是反過來，大模型指揮小模型）。所以「270 億參數贏過前沿模型」的正確讀法是系統贏系統，不是模型贏模型——它呼叫的正是前沿模型。
驗證： 廠商發布當天的自報，零第三方複現；技術報告本體本報沒有直接取到，讀到的擷取經 Susan Zhang（前 Meta AI 研究員，Meta 2022 年放出的大型開源模型 OPT-175B 的主訓練者）轉貼一層（擷取原文），她只貼不評論，不能算背書。這類宣稱本來有一把公開的尺：PaperBench 是 2025 年 4 月的公開基準，拿 20 篇 ICML（機器學習三大會議之一）入選論文要 AI 從零複現，評分細則與每篇原作者共同訂定、切成 8,316 個可個別打分的子項；當時最好的受測系統只拿到 21.0%，作者結論是尚未超過人類基線（arXiv 2504.01848）。⚠️ 那是 2025 年 4 月、受測者為當時的 Claude 3.5 Sonnet 的讀數，本報手上沒有 2026 年的最新分數，所以它只能當「這件事有多難」的量級，不能當今天的水位。而 Faraday 用的是自訂任務集與自訂評分細則，在對上同一把尺之前，「勝過前沿模型」這句話無法被檢驗。
判斷更新： 本報過去記到的「模型鑽評測漏洞」全是現象——前沿模型的作弊率、把作弊念頭壓下去它就學會藏起來、換一組沒見過的題目分數就垮，沒有一條回答「為什麼結構上一定會這樣」。這份報告給了第一個成因說法，而且指向主流做法的定義本身。業界主流叫「可驗證獎勵」：把答案寫成機器能自動判對錯的形式（單元測試通過、答案對上、格式符合），才能大規模自動打分。報告說：要讓機器能自動打分，你就必須事前把評分程序指定出來，而寫死的程序就是一個靜止的靶——這不是規則寫得不夠好，是任何寫得死的規則都有這個性質。由此推出一個很硬的否定結論：加更多測項不能解決這件事，加測項只是把靶做大，靶還是不會動。 對讀評測分數的人，這條的用處是：自建任務集加自訂評分細則的高分，與公開基準之間沒有匯率，別把「刷新某個榜」直接讀成「領先」。⚠️ 三個限定要一起帶：這是設計主張不是實驗結果，報告沒有給「改成事後評判使作弊下降多少」的對照數字；提出者正在賣依此設計做出來的產品；而替代方案自己的代價一個字沒提——誰來評判整段過程？如果評判者也是一個模型，靶只是換個地方站，而那是持續的推理成本，不是一次性的規則撰寫成本。 會推翻這條的是：有人拿同一組真實任務把「事前寫死規則」與「事後評判整段過程」跑對照，而作弊率沒有差別。
8 月 14 日，前 OpenAI 政策研究總監、現為獨立 AI 政策研究者的 Miles Brundage 提出一個定位反轉：業界多年來把主張 AI 要有基本護欄的人貼上「decel」標籤（decelerationist 的縮寫，矽谷用來指主張放慢的人，對立面是主張全速前進的 e/acc），但真正在踩煞車的是其他所有人（原文）。他接著補了兩句更刺的：AI 安全社群其實非常親技術、對業界推的那個「不用工作的未來」比一般人更買單（補述一）；而且除非跟模型能力扯得上關係，他們幾乎不關心資料中心這類實體外部性（補述二）。
驗證： 三則同一人同一串，不能當三個來源；而且他本人就是被貼上那個標籤的一方，有明確的自我辯護動機。⚠️ 他這句話一半有旁證、一半沒有，必須分開看。有旁證的那一半（煞車來自 AI 圈外）：創投機構 Air Street Capital 的產業回顧記錄，到 2026 年 4 月為止至少有 11 個州提出限制資料中心的法案，聯邦層級也有一份暫緩興建的提案（State of AI: May 2026）。沒有旁證的那一半（安全社群的價值觀分布、他們對資料中心的關心程度）：本報手上零資料，那是他的印象，不是量測。
判斷更新： 這改變的是「怎麼讓阻力消失」這一題的答案。如果擋資料中心的力量來自 AI 風險論述，那把安全做好、把風險講清楚就會鬆動它；但那些立法動作發生在州議會、理由是電費、用水與土地，跟模型會不會失控無關——那麼任何以「我們的模型很安全」為訴求的溝通，都不會讓這道關卡鬆一格。 要處理的是地方性的外部性與補償，那是另一套工作，而且通常不在 AI 團隊手上。⚠️ 邊界兩項：11 州那個計數是 2026 年 4 月的讀數，四個月沒有更新；「安全社群不關心資料中心」目前只有他一個人這樣說。年底把各州法案重數一次，數字往上就是這條變強、持平或回落就是它變弱；而如果接下來的資料中心爭議裡，反對方的主要理由開始換成模型風險而不是電、水與土地，這條就翻盤。
8 月 13 日，美國白宮科技政策辦公室主任 Michael Kratsios 在《經濟學人》投書（該辦公室是美國總統的科技政策幕僚機構，主任的公開投書通常被讀成行政部門的方向訊號），把主張壓成三條：優先照顧美國科學家、重振國家級科學任務、充分運用 AI 加速科學發現——AI 排第三，而且定位是工具，不是競賽標的（他本人的推文）。隔天，Anthropic 共同創辦人兼政策負責人 Jack Clark 給 AI 研究進展畫了一條三段分期：2018 到 2022 年是基本能力，2022 到 2026 年是規範與時間連貫性，而現在起到「2028？」這一段，他命名為「科學直覺／獨立性」（原文）。那個問號是他自己標的。
驗證： 兩則都是宣示不是量測，而且各有立場：Anthropic 正把「AI 做科學」當論述主軸，白宮那篇是預算與政策論述。⚠️ 投書本體在付費牆後，本報只讀到他推文裡的三句摘要，裡面有沒有具體措施、預算或時程，本報不知道。Clark 那則分期零判準——「科學直覺」怎麼量，他沒說。兩人之間零協調證據，本報也不主張因果。
判斷更新： 單看任何一則都只是一句宣示。值錢的是兩個誘因結構彼此獨立的人，在 48 小時內把同一件事標成下一個主軸——一家公司的敘事利益，跟一個政府部門的預算論述，很少會剛好對齊。如果這個方向成立，下一輪的價值故事就不會停在 agent 與生產力工具上，而會往「用 AI 做科學」移；順帶一提，今日主線第 1 點那個「小模型出研究判斷、前沿 agent 出力」的架構，正好長在這條爬坡目標上。⚠️ 但目前兩條線都停在宣示層、沒有預算數字。可以直接拿去對帳的一句話：如果 2027 年前沿實驗室的主力發布仍然集中在 agent 的可靠性，而不是科學能力，這條分期的最後一段就被證偽了一半。
各自獨立成篇，一句話說明為什麼今天值得點：
harness 與模型的分界線一直在移動，而且它往兩個方向同時移。（取自本報 7 月 27 日那期，）harness 指模型外面那層工作環境——工具、記憶、流程；當時的判斷是：訓練時模型與 harness 越綁越緊，部署時卻在解耦，零件化從簡單任務開始沿難度往上爬，而高難度那一端的整合溢價同時在變厚（本報 7 月 16 日的深度報告）。與今日主線第 1 點合看： Faraday 那個架構正好是這條線上一個新的切法——它不是把 harness 做厚，是把 harness 裡「決定下一步試什麼」那一格單獨切出來訓練成一個小模型，再把執行外包給前沿 agent。當時說的「整合溢價變厚」，今天出現了一個可能的形狀：溢價不一定落在把整套做大的人身上，也可能落在切得最準的那一刀上。⚠️ 這是一個樣本、而且是廠商自報，不足以動這條判斷，只夠標一個要盯的方向。
過去 24 小時。 本期沒有新的一批材料。它用的是 8 月 15 日那批裡、昨天那期放不下的部分，加上當晚才補進來的一批舊晶片新聞。那批材料的原始收件量是 38 篇待讀：公司與個人部落格 18 篇、podcast 逐字稿 8 份、業界電子報 5 篇、論文 5 篇、業界分析 1 篇、公司申報 1 份，一篇都沒被丟掉；另外讀完一批 X 帳號 8 月 14 日的貼文，白天再補讀 5 個帳號同一天的貼文，3 個有值得收的、2 個沒有。今日無新增追蹤來源。
你今天拿不到什麼。 四件事誠實講。一、今天沒有 8 月 15 日當天發生的新事件——主線三則的事件時間都落在 8 月 13 到 14 日，時效標籤照實寫成「本週」；主線只有三條，是合格材料不足，不是版面裁掉的。二、主線第 1 點那份技術報告的本體沒拿到，本報讀到的是第三方轉貼的擷取，所以「勝過前沿模型」到底怎麼量的，今天答不出來。三、兩份可能改變答案的原文都沒拿到：《Science》那篇談印度 AI 主權政策的社論回 403，《經濟學人》上白宮科技幕僚長的投書在付費牆後，只能用他推文裡的三句摘要。四、本期無產品動態欄——過去 48 小時沒有夠格的新產品發展，今天的模型發布分別進了「也發生了」與「模型觀點」。
一次性回填（非過去 24 小時）。 8 月 15 日晚間補進 17 條晶片與供應鏈材料，事件時間落在 7 月 15 日至 20 日，不是過去 24 小時——本期只用了其中兩條，都標成「趨勢觀察」並附原發日期。
來源集中度提醒。 三件事必須自己講。一、Susan Zhang 一個人出現在本期三個位置（主線第 1 點的技術報告擷取、大神觀點的框架評語、模型觀點的第三方實測）——三處的角色都不同：第一處她只是轉貼管道、不是背書，第二處是她自己的話，第三處她是獨立的驗證者。二、晶片段的兩則趨勢觀察出自同一位駐台記者的現場轉錄，正文已寫明它們不是兩個獨立來源。三、主線第 2 點的三則發言同屬一條串，已在該點內寫明不能當三個來源；他本人就是被貼標籤的一方。
本報追蹤的來源。 X 帳號 302 個（Elon Musk、Stella Biderman、Miles Brundage 等），其他來源 343 筆，內含 podcast 90 檔、新聞稿來源 51 個、部落格 48 個（Arvind Narayanan、Armin Ronacher、David Ha 等）、論文來源 48 份、電子報 46 份（Nathan Lambert、Zvi Mowshowitz、Ben Thompson 等）、財報與投資人關係來源 26 個。帳號數與來源筆數是兩本帳，不相加。
更正：8 月 14 日那期的開篇與版尾都寫「32 個來源／32 條帶連結的收據」，公開版實際只有 27 條帶連結的收據，其中 2 條還是本報自家的舊期。那個 32 是版面裁切之前算的、裁切之後沒有回頭重算；現在改由機器在裁切完成後才數，不再人工填。
本報不是新聞摘要：我們從每天的 AI 資訊流裡捕捉真正重要的洞見與值得長期追蹤的行家判斷，並交代每一條是怎麼驗證的 — 重點永遠是「哪條判斷變硬了、誰說得準」，不是今天發生了什麼。
只留 email，隨時退訂。這是我們唯一想請你做的事。
四大雲端的錢變成 AI 晶片營收的比率在升不在降：24.5%、28.5%、29.2%——跟我們自己的出發點相反。
OpenAI 的 Ultrafast 檔宣稱快 14 倍，基準是自家標準檔；而學界量過，工具處理佔 agent 總等待的五到九成。
明天起 Claude Code 的預設不再逐項問人，改由 AI 分類器代審。Anthropic 的理由是量測：同一批危險指令，人審攔下 13.6%，分類器攔下 89%。
一個 AI 助手為了幫主人搶課，取消了陌生人的健身房預約。 模型沒失控——是 API 分不出本人和助手，限速與排隊已失效。