Why the company that moved computing off the mainframe fifty years ago is making the same structural move with AI, and what that predicts.
大多数人将苹果的AI战略视为孤立的商业决策，但作者将其与苹果历史上将计算从大型机转移到个人电脑的战略相提并论。这提供了一个反直觉的历史视角，暗示苹果可能正在引领AI从集中式云服务向分布式设备端的范式转变，挑战了当前AI行业向云端集中化的主流趋势。
The question it forces is not which model is best. It is who owns the inference layer your organization depends on, what happens when the economics of that layer stop being subsidized, and whether the thing in your pocket turns out to matter more than the thing in the datacenter.
大多数人关注AI模型本身的性能和优势，但作者认为真正关键的是谁拥有推理层以及其经济可持续性。这挑战了当前AI行业的主流关注点，暗示未来竞争的核心将从模型本身转向推理层的控制和成本结构，这是一个反直觉的视角转换。
The structural cost problem in AI inference that makes Apple's on-device bet defensible, not just defensive.
大多数人认为苹果转向设备端AI只是防御性策略，因为他们在云AI领域落后，但作者认为这是基于对AI推理层经济结构问题的深刻理解而做出的主动选择。这挑战了主流对苹果AI战略的看法，暗示设备端AI可能比我们想象的更具经济优势。
The board looked at the AI race Apple was losing and, rather than try harder at the thing that was failing, changed which game the company plays.
大多数人认为面对竞争失败，公司应该加倍投入资源在原有领域追赶，但作者认为苹果选择了完全不同的策略——改变游戏规则而非在原有规则下竞争。这挑战了传统商业战略思维，暗示苹果可能正在从云AI转向设备端AI，这是一种颠覆性的战略转向。
For a company that spent fifteen years running a functional model where no single discipline owned a product, putting two hardware engineers at the top is not a personnel decision. It is a structural break.
大多数人认为苹果的高层变动只是常规的人事调整，但作者认为这是苹果在AI竞争中失败后采取的结构性变革，反映了公司战略的根本转变。这挑战了我们对科技公司领导层变动的常规认知，暗示苹果正在从功能型组织转向以硬件为中心的结构，以应对AI挑战。
benchmarks sourced from publicly available material carry contamination risk, where training-data exposure can silently inflate scores.
大多数人认为公开数据集是AI评估的金标准，能够提供客观公正的测试环境。但作者警告，使用公开材料构建的基准测试存在污染风险，训练数据接触会悄无声息地提高分数。这一观点挑战了AI评估领域的传统做法，暗示我们需要更严格的数据隔离措施或转向私有数据集进行评估。
This means that improvements on SWE-bench Verified no longer reflect meaningful improvements in models' real-world software development abilities. Instead, they increasingly reflect how much the model was exposed to the benchmark at training time.
大多数人认为基准测试分数的提高意味着模型实际能力的提升。但作者明确表示，SWE-bench Verified的改进不再反映模型真实软件开发能力的进步，而是更多地反映了模型在训练时接触该基准测试的程度。这一结论挑战了整个AI评估体系的有效性，暗示我们可能需要重新思考如何衡量AI的真实进步。
We also found evidence that models that have seen the problems during training are more likely to succeed, because they have additional information needed to pass the underspecified tests.
大多数人认为AI模型的性能提升主要源于算法和架构的改进。但作者发现，模型在SWE-bench上的成功更多取决于它们是否在训练中见过这些问题，而非真正的编程能力提升。这一观点与行业普遍认为的'模型进步'叙事相悖，暗示当前AI发展评估可能存在严重偏差。
Tests reject correct solutions: We audited a 27.6% subset of the dataset that models often failed to solve and found that at least 59.4% of the audited problems have flawed test cases that reject functionally correct submissions
大多数人认为代码测试是客观公正的，能够准确评估模型的真实能力。但作者发现，近60%的测试案例存在缺陷，会拒绝功能上正确的解决方案。这一发现挑战了AI评估领域的共识，表明我们广泛使用的基准测试可能存在系统性问题，无法准确反映模型的实际编程能力。
Our RL infra team used a K2.6-backed agent that operated autonomously for 5 days, managing monitoring, incident response, and system operations, demonstrating persistent context, multi-threaded task handling, and full-cycle execution from alert to resolution.
大多数人认为AI代理系统难以长时间持续运行，通常会面临注意力分散、上下文丢失或性能下降的问题。但作者展示的AI系统能够连续5天自主管理复杂的技术运维工作，这挑战了人们对AI代理持续运行能力的传统认知，暗示AI可能已经具备接近人类的持久工作能力。
The architecture scales horizontally to 300 sub-agents executing across 4,000 coordinated steps simultaneously, a substantial expansion from K2.5's 100 sub-agents and 1,500 steps.
大多数人认为AI系统的扩展主要依赖于增加单个模型的计算能力和参数规模，而非增加智能体的数量。作者提出的300个智能体并行执行的模式挑战了这一认知，暗示未来AI发展可能更侧重于'多智能体协作'而非'单一模型增强'，这可能会重新定义AI系统的架构设计原则。
Kimi K2.6 autonomously overhauled exchange-core, an 8-year-old open-source financial matching engine. Over a 13-hour execution, the model iterated through 12 optimization strategies, initiating over 1,000 tool calls to precisely modify more than 4,000 lines of code.
大多数人认为AI在复杂工程任务中仍需要人类专家的指导和监督，难以独立完成大规模系统重构。但作者展示了AI能够自主分析、优化并重构一个运行8年的金融系统，这挑战了人们对AI工程能力的传统认知，暗示AI可能已经具备系统级架构设计和优化的能力。
Kimi K2.6 demonstrates significant improvements over Kimi K2.5 in internal evaluations conducted by CodeBuddy: code generation accuracy increased by 12%, long-context stability improved by 18%, and tool invocation success rate reached 96.60%.
大多数人认为AI模型迭代通常是渐进式的改进，每次版本更新可能有5-10%的性能提升。但数据显示Kimi K2.6实现了远超预期的飞跃，特别是在工具调用成功率接近97%的情况下，这挑战了人们对AI模型能力提升速度的常规认知，暗示可能存在某种技术突破或架构创新。
Meta founder and CEO Mark Zuckerberg described superintelligence in a blog post last year
文章提到Meta的AI战略包括开发'超级智能'，但未提供具体投资金额、研发时间表或预期成果。缺乏量化依据，无法评估这一战略的规模、时间框架或可能带来的商业价值。这种技术愿景需要更多具体数据来支撑其可行性评估。
Wedbush Securities analyst Dan Ives said in a report on Thursday.
文章提到分析师预测未来可能有更多裁员，但未提供具体数字或预测比例。缺乏量化依据，无法评估分析师预测的可靠性。这类行业分析通常需要更具体的数据支持，如预计裁员数量、时间表或财务影响等。
The layoffs will start on May 20, the company confirmed.
这是一个明确的时间节点，距离文章发布日期（2026年4月23日）约一个月时间。这表明Meta已经完成了决策过程并制定了具体实施计划，反映了公司行动的紧迫性。这种提前通知的时间框架在科技行业裁员中较为常见，给予员工一定的准备时间。
Meta plans to lay off roughly 8,000 employees, or 10% of its workforce
这是一个显著但合理的裁员比例，10%的裁员规模反映了Meta在AI转型中的重大战略调整。相比其他科技公司裁员比例（通常在5-20%之间），这一比例处于中等偏高水平，表明Meta正在积极重组以支持AI投资。此数据点来自公司官方声明，可信度较高。
Claude is now being deployed to NEC Group employees around the world
大多数人认为企业会谨慎地小规模试点AI工具，但作者认为NEC正在全球范围内大规模部署Claude，这表明企业对AI技术的信任度远高于预期，挑战了传统的技术采用曲线和变革管理理论。
NEC will establish a Center of Excellence to develop a highly skilled, AI-enabled engineering organization
大多数人认为AI会使专业知识和技能贬值，但作者认为AI实际上需要更高水平的工程专业知识，因为企业正在建立专门的卓越中心来培养AI技能，这表明AI工具正在提升而非降低工程工作的专业门槛。
As part of its long-running Client Zero initiative, in which NEC serves as its own first customer before offering its technology to clients
大多数人认为企业会先开发产品然后内部使用，但作者认为NEC采用了反向策略，先内部大规模应用AI技术然后再向客户推广，这表明企业正在采用更激进的方法来验证和改进AI解决方案，挑战了传统的产品开发流程。
NEC aims to build one of Japan's largest AI-native engineering teams, who will use Claude Code in their work.
大多数人认为AI会取代大量工程师职位，但作者认为AI实际上是在创造新的工程角色和技能需求，因为NEC正在积极建立一支大规模的AI原生工程团队，这表明AI工具正在增强而非替代工程能力，创造新的就业机会。
Claude packages everything into a handoff bundle that you can pass to Claude Code with a single instruction.
大多数人认为设计和开发是两个分离的专业领域，需要专门的交接流程和工具，但作者暗示AI可以实现从设计到开发的无缝单指令转换。这一观点挑战了软件开发与设计之间的传统界限，暗示AI可能重新定义跨职能协作的方式。
Our most complex pages, which took 20+ prompts to recreate in other tools, only required 2 prompts in Claude Design.
大多数人认为复杂的设计任务需要更多的提示和人工干预，但作者声称他们的AI工具能用更少的提示完成更复杂的设计。这一观点挑战了人们对AI设计工具复杂度与输入量关系的普遍认知，暗示AI可能在某些方面比人类更擅长处理复杂性。
What used to take a week of back-and-forth between briefs, mockups, and review rounds now happens in a single conversation.
大多数人认为设计过程必然需要多轮迭代和长时间沟通，但作者声称AI可以将这一过程缩短到单次对话完成。这一观点挑战了设计工作流程的传统认知，暗示AI可能彻底改变设计协作的时间框架和效率预期。
Claude Design gives designers room to explore widely and everyone else a way to produce visual work.
大多数人认为设计专业技能是创造高质量视觉作品的必要条件，但作者认为AI工具可以让非专业人士也能生产专业水平的视觉作品。这一观点挑战了设计专业性的传统观念，暗示专业技能可能不再是高质量设计的唯一门槛。
Even experienced designers have to ration exploration—there's rarely time to prototype a dozen directions, so you limit yourself to a few.
大多数人认为专业设计师拥有充分的创意自由和资源来探索多种设计方案，但作者认为即使是经验丰富的设计师也受到时间和资源的严重限制，只能探索少数几个方向。这一观点挑战了人们对设计行业创意过程的普遍认知，揭示了设计实践中的现实约束。
The gains are especially strong in agentic coding, computer use, knowledge work, and early scientific research—areas where progress depends on reasoning across context and taking action over time.
大多数人认为AI进步主要体现在特定领域的知识获取和模式识别上，而非跨上下文的推理和长期行动能力。但作者强调GPT-5.5在需要持续推理和行动的领域取得显著进步，这一观点挑战了AI能力发展的主流叙事，暗示通用智能可能比预期更早实现。
GPT‑5.5 found a proof of a longstanding asymptotic fact about off-diagonal Ramsey numbers, later verified in Lean. The result is a concrete example of GPT‑5.5 contributing not just code or explanation, but a surprising and useful mathematical argument in a core research area.
大多数人认为AI在数学研究领域仅能辅助计算或提供解释，无法独立进行创造性数学推理。但作者展示GPT-5.5能够发现并证明数学定理，这一突破挑战了数学研究作为纯粹人类活动的传统观念，暗示AI可能成为真正的'研究伙伴'而非仅是工具。
We are treating the biological/chemical and cybersecurity capabilities of GPT‑5.5 as High under our Preparedness Framework. While GPT‑5.5 didn't reach Critical cybersecurity capability level, our evaluations and testing showed that its cybersecurity capabilities are a step up compared to GPT‑5.4.
大多数人认为AI在网络安全领域的应用主要局限于防御辅助，而非直接参与核心安全任务。但作者暗示GPT-5.5已具备'高级'网络安全能力，这一分类表明AI已从被动防御工具向主动安全参与者转变，挑战了网络安全领域对人类主导地位的认知。
Losing access to GPT‑5.5 feels like I've had a limb amputated.
大多数人将AI工具视为辅助性资源，失去后只会带来不便而非功能丧失。但这位NVIDIA工程师的比喻表明，GPT-5.5已从辅助工具转变为不可或缺的'认知延伸'，这种依赖程度远超当前主流认知中人与AI的关系定位，暗示了人机协作范式的根本性转变。
GPT‑5.5 delivers this step up in intelligence without compromising on speed: larger, more capable models are often slower to serve, but GPT‑5.5 matches GPT‑5.4 per-token latency in real-world serving, while performing at a much higher level of intelligence.
大多数人认为更强大的AI模型必然伴随着更高的计算成本和更慢的响应速度，但作者认为GPT-5.5打破了这一规律，实现了更高的智能水平与相同的延迟时间并存。这一反直觉的发现挑战了AI领域'能力与效率成反比'的传统认知，暗示模型架构优化可能比单纯扩大规模更有效。
GPT‑5.5 found a proof of a longstanding asymptotic fact about off-diagonal Ramsey numbers, later verified in Lean. The result is a concrete example of GPT‑5.5 contributing not just code or explanation, but a surprising and useful mathematical argument in a core research area.
大多数人认为AI在数学研究中的作用主要是辅助计算和验证，但作者认为GPT-5.5能够独立发现数学证明，这在数学研究领域是革命性的。这一观点挑战了人们对AI在创造性思维和抽象推理领域能力的传统认知，暗示AI可能正在从工具转变为研究伙伴。
The viable path is trusted access, robust safeguards that scale with capability, and the operational capacity to detect and respond to serious misuse.
大多数人认为AI安全应该通过限制访问和严格监管来实现，但作者认为'可信访问'结合'随能力扩展的保障措施'才是可行路径。这一观点挑战了传统的AI安全治理理念，暗示过度限制可能会阻碍AI防御能力的充分发挥，而平衡的开放与安全才是最佳策略。
We are treating the biological/chemical and cybersecurity capabilities of GPT‑5.5 as High under our Preparedness Framework. While GPT‑5.5 didn't reach Critical cybersecurity capability level, our evaluations and testing showed that its cybersecurity capabilities are a step up compared to GPT‑5.4.
大多数人认为AI在网络安全领域的进步应该是渐进式的，但作者暗示GPT-5.5代表了网络安全能力的显著跃升，达到了'高'级别而非仅仅'临界'级别。这一观点挑战了人们对AI安全能力发展速度的预期，暗示AI在防御复杂网络威胁方面可能比人们想象的进步更快。
GPT‑5.5 delivers this step up in intelligence without compromising on speed: larger, more capable models are often slower to serve, but GPT‑5.5 matches GPT‑5.4 per-token latency in real-world serving, while performing at a much higher level of intelligence.
大多数人认为更强大的AI模型必然伴随着更高的计算成本和更慢的响应速度，但作者认为GPT-5.5打破了这一权衡关系，实现了更高智能的同时保持相同的延迟。这挑战了AI领域'能力与效率不可兼得'的传统观点，暗示了模型架构和推理算法的重大突破。
The gains are especially strong in agentic coding, computer use, knowledge work, and early scientific research—areas where progress depends on reasoning across context and taking action over time.
大多数人认为AI进步主要是在特定任务上的表现提升，但作者认为GPT-5.5的真正突破在于其跨上下文推理和长时间行动的能力，这挑战了人们对AI发展路径的传统认知。这种'代理式能力'的提升比简单的任务完成更为重要，因为它代表了AI向更接近人类工作方式的转变。
We are treating the biological/chemical and cybersecurity capabilities of GPT‑5.5 as High under our Preparedness Framework. While GPT‑5.5 didn't reach Critical cybersecurity capability level, our evaluations and testing showed that its cybersecurity capabilities are a step up compared to GPT‑5.4.
大多数人认为AI在网络安全领域的应用应该被严格限制或视为威胁，但作者认为GPT-5.5的网络安全能力是'进步'而非危险，并将其归类为'高级'而非'关键'风险级别。这与主流的'AI网络安全威胁论'相悖，暗示AI可能成为网络安全防御的重要工具而非主要威胁。
GPT‑5.5 is priced higher than GPT‑5.4, it is both more intelligent and much more token efficient. In Codex, we have carefully tuned the experience so GPT‑5.5 delivers better results with fewer tokens than GPT‑5.4 for most users
大多数人认为更强大的AI模型必然会导致更高的计算成本和资源消耗，但作者认为GPT-5.5虽然价格更高，但实际上更高效，能用更少的token提供更好的结果。这与AI领域'性能提升必然伴随成本上升'的共识相悖，暗示模型优化可能比规模扩张更经济高效。
The viable path is trusted access, robust safeguards that scale with capability, and the operational capacity to detect and respond to serious misuse.
大多数人认为随着AI能力增强，应该更严格限制其访问以防止滥用，但作者认为'可信任的访问'和'随能力扩展的安全保障'才是可行路径。这与主流的'限制性安全'观点相悖，暗示开放但有强监管的AI部署可能比封闭式AI更安全有效。
GPT‑5.5 is our strongest agentic coding model to date. On **Terminal-Bench 2.0,** which tests complex command-line workflows requiring planning, iteration, and tool coordination, it achieves a state-of-the-art accuracy of 82.7%.
大多数人认为AI在复杂编程任务中仍需要人类监督和干预，但作者认为GPT-5.5已经能在复杂的命令行工作流中达到82.7%的准确率，这挑战了'AI编程助手仍处于辅助阶段'的共识，暗示AI可能在某些编程领域已经接近或达到专业人类水平。
GPT‑5.5 delivers this step up in intelligence without compromising on speed: larger, more capable models are often slower to serve, but GPT‑5.5 matches GPT‑5.4 per-token latency in real-world serving, while performing at a much higher level of intelligence.
大多数人认为更强大的AI模型必然会牺牲速度和效率，但作者认为GPT-5.5打破了这一传统权衡关系，实现了更高智能的同时保持相同延迟。这挑战了AI领域'更大模型必然更慢'的共识，暗示模型架构优化可能比单纯扩大规模更重要。
Drug manufacturers pay pharmacy benefit managers rebates above 50% of list price for formulary access.
制药公司向药品福利管理商支付的回扣超过标价的50%，这一比例远高于OpenAI承诺的17%回报率。这表明在B2B分销渠道中，支付渠道费用是常见做法，但不同行业的支付比例差异很大，制药行业的渠道成本明显高于AI软件行业。
Google Cloud launched a parallel $750m fund to pay McKinsey, Accenture, and Deloitte to train engineers and co-fund client AI projects.
谷歌云的7.5亿美元基金规模约为OpenAI DeployCo(100亿美元)的7.5%，但谷歌云直接向咨询公司支付费用而非承诺回报率。这反映了不同AI厂商采用的不同分销策略，OpenAI通过PE firms获得企业渠道，而谷歌云则通过咨询公司实现市场渗透。
Structure: $500M OpenAI equity plus $4B from TPG, Bain, Advent, Brookfield, and Goanna form a $10B LLC.
DeployCo的结构显示OpenAI出资5亿美元(占总资金的5%)，而PE firms出资40亿美元(40%)，形成总计100亿美元的LLC。这种资本结构表明OpenAI虽然拥有超级投票权，但在资金贡献上处于次要位置，主要依靠PE firms的渠道网络来推广其产品。
The median US buyout fund returns 13% to 16% net.
文中提到美国收购基金的中位回报率为13-16%，而OpenAI承诺的17%回报率高于这一水平，约为行业平均值的1.06-1.3倍。这一差异表明OpenAI为了获得渠道优势愿意支付溢价，但也暗示了PE partners可能承担了额外的风险或OpenAI的业务模式需要实现超常增长。
OpenAI pledged $1.5B to a joint venture called DeployCo, guaranteeing private-equity partners a 17% annual return floor over five years.
OpenAI承诺的17%年化回报率显著高于行业平均水平(13-16%)，这表明OpenAI愿意支付高额费用以确保其AI软件在企业市场的渗透。这种回报保证相当于为PE partners提供了风险缓冲，反映了OpenAI对市场扩张的强烈意愿，但也意味着OpenAI需要实现更高的业务增长来支撑这一承诺。
Amazon is investing $5 billion in Anthropic today, with up to an additional $20 billion in the future
Amazon对Anthropic的50亿美元投资（当前50亿+未来200亿）显示了云计算巨头对AI领域的战略布局。这一投资规模表明大型科技公司正在通过直接投资AI公司来确保AI基础设施的优先使用权。相比其他AI投资，这是近年来最大的战略投资之一。
run-rate revenue has now surpassed $30 billion, up from approximately $9 billion at the end of 2025
年收入从2025年底的约90亿美元激增至300亿美元，增长率超过230%。这一惊人的收入增长速度反映了AI市场的爆发式增长。然而，考虑到公司规模，这一收入数字需要谨慎看待，可能包含预付款或长期合同收入确认。
committing more than $100 billion over the next ten years to AWS technologies
未来十年向AWS投资超过1000亿美元，这是一个天文数字级的长期承诺。这一投资规模超过了大多数科技公司的市值，表明Anthropic对AI未来的极度看好和长期投入。相比其他云服务合同，这是历史上最大的单一技术投资之一。
over one million Trainium2 chips to train and serve Claude
使用超过100万个Trainium2芯片，这是一个惊人的硬件部署规模。这一数字不仅显示了Anthropic与Amazon的深度合作，也反映了训练和运行大型语言模型所需的庞大计算资源。相比其他AI公司，这种规模的芯片部署表明Anthropic正在全力投入AI基础设施。
over 100,000 customers now run Claude on Amazon Bedrock
10万客户在AWS上运行Claude，这是一个相当大的企业客户基础。这个数字表明Claude在企业市场已经获得了一定的采用率，但与OpenAI的数亿用户相比仍有差距。这一数据点反映了Anthropic在企业市场的定位和进展。
up to 5 gigawatts (GW) of capacity for training and deploying Claude
5GW的算力规模极其庞大，相当于一个小型国家的电力消耗。这一数字表明Anthropic正在为AI模型训练和部署构建前所未有的基础设施，反映了大型语言模型对计算资源的巨大需求。相比其他AI公司的算力规模，这是一个非常激进的扩张计划。
over one million Trainium2 chips to train and serve Claude
100万片Trainium2芯片的使用量展示了AI模型训练的硬件规模。这一数量级表明Anthropic正在进行大规模并行计算，这是训练大型语言模型的基础设施要求。与英伟达GPU的采用相比，Trainium芯片代表了云服务提供商在AI硬件领域的差异化竞争策略。
run-rate revenue has now surpassed $30 billion, up from approximately $9 billion at the end of 2025
年收入从90亿美元跃升至300亿美元，增长率超过233%，这是一个爆炸性的增长速度。这一增长率远超大多数科技公司的历史表现，反映了AI即服务(AIaaS)市场的巨大潜力。然而，如此高的增长率也带来了基础设施扩张的压力，需要与算力投资相匹配。
Amazon is investing $5 billion in Anthropic today, with up to an additional $20 billion in the future
亚马逊对Anthropic的总投资可能达到250亿美元（50亿+200亿），这是AI领域最大规模的投资之一。这一投资规模超过了大多数传统科技巨头对AI初创公司的单笔投资，表明亚马逊对Claude模型的战略重视程度极高，以及AI基础设施市场的巨大潜力。
more than $100 billion over the next ten years to AWS technologies
1000亿美元的十年期投资规模极为庞大，相当于每年约100亿美元。这一投资规模超过了大多数科技公司的年度营收，表明Anthropic对AWS的长期战略承诺。这一数字也反映了AI基础设施建设的资本密集性质，以及云计算提供商在AI生态中的核心地位。
over 100,000 customers now run Claude on Amazon Bedrock
10万客户使用Claude是一个显著的用户基础，表明Anthropic的企业采用率正在快速增长。这个数字与OpenAI的数亿用户相比仍有差距，但对于一个专注于企业级AI模型的初创公司来说，这是一个有意义的里程碑，显示其市场渗透策略正在取得成效。
up to 5 gigawatts (GW) of capacity for training and deploying Claude
5GW的算力规模是惊人的，相当于一个小型国家的电力消耗。这个数字表明Anthropic正在为AI模型训练和部署进行大规模基础设施投资，反映了大型语言模型对计算资源的巨大需求。这一规模与OpenAI等竞争对手的算力投入相当，显示AI算力竞赛正在升级。
Jeremy didn't get laid off. He got leveraged.
大多数人认为在裁员潮中，高额使用AI工具的员工可能会被视为成本负担而被裁掉，但作者提出了一个颠覆性的观点：像Jeremy这样大量使用AI工具的员工不仅没有被裁员，反而获得了更大的杠杆效应和影响力。这挑战了人们对AI成本与价值的传统认知。
The Meta cuts are the inverse. When one person with the right AI tools can do the work of 10-to-15 people, the person most at risk isn't the one using the AI. It's the one whose job description overlaps with what AI now does by itself.
大多数人认为在AI时代，使用AI工具的员工会更有价值并保住工作，但作者提出了反直觉的观点：真正面临失业风险的是那些工作内容与AI功能重叠的人，而不是那些善于利用AI工具的人。这挑战了人们对AI技能价值的普遍理解。
A US lab would never; well, unless you count a code red or Meta's throw money at the problem moves.
大多数人认为美国AI实验室会始终保持技术领先优势并公开承认自己的不足，但作者暗示美国实验室（尤其是Meta）只会通过大量投入资金来掩盖技术差距，而非公开承认落后。这种观点挑战了人们对美国科技企业透明度和创新能力的传统认知。
The tradeoff is that the same input can map to more tokens—roughly 1.0–1.35× depending on the content type. Second, Opus 4.7 thinks more at higher effort levels, particularly on later turns in agentic settings. This improves its reliability on hard problems, but it does mean it produces more output tokens.
大多数人认为AI模型升级应该提高效率，减少资源消耗。但作者指出Claude Opus 4.7实际上会产生更多输出token，消耗更多计算资源。这种'效率降低'换取'可靠性提高'的权衡挑战了人们对AI发展必然带来效率提升的认知，表明在某些场景下，模型可能需要更多思考才能达到更好的结果。
Our alignment assessment concluded that the model is 'largely well-aligned and trustworthy, though not fully ideal in its behavior'. Note that Mythos Preview remains the best-aligned model we've trained according to our evaluations.
大多数人可能会认为最新、最强大的AI模型应该在对齐和安全性方面表现最好。但作者明确指出，虽然Claude Opus 4.7功能强大，但在对齐方面反而不如之前的Mythos Preview模型。这一反直觉的结论挑战了'能力越强，对齐越好'的普遍假设，暗示AI发展可能存在能力与对齐之间的权衡。
On some measures, such as honesty and resistance to malicious 'prompt injection' attacks, Opus 4.7 is an improvement on Opus 4.6; in others (such as its tendency to give overly detailed harm-reduction advice on controlled substances), Opus 4.7 is modestly weaker.
大多数人认为AI模型的每个新版本都应该在所有安全指标上都有进步。但作者明确指出Claude Opus 4.7在某些安全方面反而比前代模型表现更弱，这挑战了人们对AI安全线性进步的假设。这种非线性的安全表现表明，模型能力的提升可能伴随着某些方面的权衡，而非全面增强。
Opus 4.7 is better at using file system-based memory. It remembers important notes across long, multi-session work, and uses them to move on to new tasks that, as a result, need less up-front context.
大多数人认为AI模型在长对话中会逐渐'忘记'早期信息，需要不断重复上下文。但作者认为Claude Opus 4.7能够跨会话记忆重要信息，这挑战了人们对AI短期记忆局限的认知。这种持久记忆能力意味着AI可以真正进行长期项目，而不需要用户不断重复提供背景信息。
Interestingly, this means that prompts written for earlier models can sometimes now produce unexpected results: where previous models interpreted instructions loosely or skipped parts entirely, Opus 4.7 takes the instructions literally.
大多数人认为AI模型应该越来越能理解用户的意图，即使指令表达不够精确也能灵活处理。但作者认为Claude Opus 4.7反而更严格地遵循字面指令，这可能导致用户为旧模型编写的提示产生意外结果。这种'过度遵从'实际上是一种反直觉的进步，因为它减少了模型对用户意图的推测，增加了可预测性。
I had the intuition that these problems were kind of clustered together and they had some kind of unifying feel to them. And this new method is really confirming that intuition.
大多数人认为数学问题是孤立且独特的，每个问题需要专门的解决方法，但作者认为AI的发现证实了数学问题之间存在某种统一性和关联性，这挑战了人们对数学问题独立性的传统认知。
The LLM took an entirely different route, using a formula that was well known in related parts of math, but which no one had thought to apply to this type of question.
大多数人认为数学突破需要全新的理论和创新方法，但作者认为AI能够通过重新组合和应用现有知识来解决问题，这挑战了人们对创新必须来自全新理论的认知，展示了AI独特的知识连接能力。
Several correlated but not strictly identical changes happened over the same few months: scaling inference compute, heavier use of RL in post-training, and models producing reasoning tokens.
大多数人可能将AI进步归因于单一因素（如模型规模或数据量），但作者指出推理能力的提升是多种因素共同作用的结果，包括推理计算扩展、强化学习更广泛应用以及模型产生推理标记等。这挑战了人们对AI进步驱动因素的认知。
Tasks where correctness is harder to verify may not have seen the same speedup, so the acceleration we document here may not be as general as the headline numbers suggest.
主流媒体和公众可能认为AI能力在所有领域都在加速提升，但作者明确指出，在正确性难以验证的任务中可能没有相同的加速现象。这一观点挑战了人们对AI进步普遍性的假设。
WeirdML V2 places models in an unusually resource-constrained environment: models get only five attempts to submit working code, with no access to external tools. This setup has not been the focus of recent RL training.
大多数人可能认为所有AI评估指标都会反映相同的进步趋势，但研究发现WeirdML V2指标没有显示加速，因为它设置了资源限制环境，而近期强化学习训练并未关注此类设置。这表明AI进步可能受评估方法的影响。
The three metrics where we find acceleration are concentrated in programming and mathematics. These are areas that labs have explicitly targeted for improvement, and they share an important property: correctness is easy to verify automatically.
主流观点可能认为AI能力在各个领域的提升是均衡的，但作者指出加速现象主要集中在编程和数学领域，因为这些领域的正确性容易自动验证。这暗示AI进步可能不是普遍性的，而是集中在特定可量化的领域。
Reasoning models show both a one-off jump in performance and a roughly 2-3x faster trend compared to non-reasoning models.
大多数人可能认为不同类型的AI模型性能提升速度大致相同，但研究发现推理模型不仅有一次性的性能飞跃，而且提升速度是非推理模型的2-3倍。这一发现颠覆了人们对不同模型类型进步速度的预期。
Three of four metrics show strong evidence of acceleration, seemingly driven by reasoning models.
大多数人认为AI能力提升是渐进式的线性增长，但作者通过数据分析发现，在四个关键能力指标中有三个出现了明显加速，且这种加速似乎与推理模型的出现直接相关。这挑战了人们对AI进步速度的普遍认知。
Three of four metrics show strong evidence of acceleration, seemingly driven by reasoning models.
大多数人认为AI能力的发展是持续稳定的线性增长，但作者通过数据分析发现，在四个关键指标中有三个显示出明显的加速趋势，这种加速是由推理模型驱动的。这一结论挑战了人们对AI进步速度的常规认知，表明2024年推理模型的引入可能标志着AI能力发展模式的转变。
Parameters are estimated by unweighted least squares. Time t is measured in years since the first observation in each dataset.
研究使用最小二乘法进行参数估计，时间以年为单位从每个数据集的第一个观测点开始计算。这种方法选择是统计标准做法，但未加权处理可能低估了近期数据点的重要性，因为近期数据点通常代表更先进的模型能力。时间单位的选择也影响了增长率解释的直观性。
We pre-selected the 6-month horizon as our primary metric, balancing genuine forecasting distance against the limited date range of our data.
6个月的预测时间窗口是一个关键选择，既考虑了实际预测意义，又受限于数据的时间范围。这个时间跨度相对较短，可能不足以捕捉长期趋势，但适合检测最近的加速变化。选择这一窗口反映了研究者在数据有限情况下的务实权衡。
The minimum training cutoffs are: ECI (June 2024), METR Time Horizon (January 2024), Combined Math (September 2024), and WeirdML V2 (January 2025).
这些时间节点表明研究使用的数据集长度不同，从2024年初到2024年中不等。较短的训练数据集(如WeirdML V2只有约1年的推理模型前数据)可能限制了检测加速的能力，这解释了为什么该指标未能显示加速趋势。时间跨度的差异也反映了不同AI能力指标的发展历史不同。
Our fourth metric, an index constructed from WeirdML V2 results, showed no sign of acceleration. A single global linear trend fit the data best.
25%的指标(WeirdML V2)没有显示加速趋势，这与其它三个指标形成鲜明对比。这个差异可能是因为WeirdML V2设置了资源限制环境(模型只有5次提交代码的机会，无法使用外部工具)，这可能反映了现实世界应用中的约束条件，提示AI进步可能并非在所有领域都均匀加速。
We use four AI capability metrics: ECI (Epoch Capabilities Index), METR 50% Time Horizon, Combined Math Index, and WeirdML V2 Index.
研究使用了四个不同的AI能力指标，这增加了结果的可靠性。每个指标都从不同维度测量AI能力，包括综合能力(ECI)、时间效率(METR)、数学能力(Combined Math)和特定环境下的性能(WeirdML)。多指标方法减少了单一指标的偏差风险。
Reasoning models show both a one-off jump in performance and a roughly 2-3x faster trend compared to non-reasoning models.
2-3倍的速度差异是一个非常显著的数字，表明推理模型与非推理模型之间存在明显的性能差距。这个倍数关系暗示了架构变化可能带来的性能飞跃，而非简单的线性改进。这一数据点支持了推理能力可能是AI进步关键驱动力的假设。
Three of the four metrics (ECI, log METR 50% time horizon, and a math-focused index we constructed from several math benchmarks) show strong evidence that progress has sped up relative to a global linear trend fit to data from 2023 onward.
这个数据点表明75%的AI能力指标显示加速趋势，这是一个相当高的比例。文章提到这种加速始于2023年，与推理模型的出现时间吻合。这个比例值得注意，因为它表明AI进步可能正在经历一个质的转变，而非仅仅是量的累积。
The three metrics where we find acceleration are concentrated in programming and mathematics. These are areas that labs have explicitly targeted for improvement
这个观察揭示了AI能力加速的领域局限性。编程和数学领域的加速可能是因为这些领域被明确作为改进目标，且正确性容易验证。这表明AI进步可能是有选择性的，而非全面性的，对评估整体AI进展有重要启示。
Our fourth metric, an index constructed from WeirdML V2 results, showed no sign of acceleration. A single global linear trend fit the data best.
这个25%的指标没有显示加速现象，表明AI能力加速可能不是普遍适用的。WeirdML V2的特殊环境（资源受限、无外部工具）可能解释了这一差异，但也暗示了AI能力加速可能集中在特定领域，特别是那些容易自动验证正确性的领域。
The best-performing model across these three metrics was a pair of independent linear trends: one for reasoning models and one for non-reasoning models.
这个发现表明推理模型和非推理模型的发展轨迹确实存在显著差异。这种分离的线性趋势模型在三个指标上表现最佳，100%的情况下优于其他模型，提供了强有力的统计证据支持AI能力加速的论点。
Reasoning models show both a one-off jump in performance and a roughly 2-3x faster trend compared to non-reasoning models.
这个2-3倍的速度差异是显著的，表明推理模型带来了质的飞跃。这种加速幅度远高于典型的技术进步速度，暗示了AI发展可能进入了一个新阶段。然而，这个倍数范围较宽，缺乏精确的统计显著性检验。
Three of four metrics show strong evidence of acceleration, driven by reasoning models.
这是一个关键数据点，表明75%的AI能力指标显示加速趋势。这个比例相当高，表明AI能力加速现象可能不是偶然的。然而，这个数据基于四个特定指标，可能不全面代表所有AI能力领域。需要更多指标验证这一结论的普适性。
The three metrics where we find acceleration are concentrated in programming and mathematics.
文章明确指出显示加速的三个指标主要集中在编程和数学领域。这是一个重要的限制，因为正确性在这些领域容易自动验证，使它们成为强化学习的自然目标。这表明AI能力的加速可能不适用于所有领域，特别是在那些难以自动验证正确性的任务上。
We select the median-difficulty question from the set with maximum model coverage and standardize it to 0.
在构建数学指数时，研究人员选择具有最大模型覆盖率的集合中的中等难度问题，并将其标准化为0。这是一个关键的统计处理步骤，用于确保不同难度和评分的基准测试可以放在同一尺度上比较。这种标准化方法使得不同模型的表现可以直接比较。
We work with the natural logarithm of the time horizon, which puts it on an approximately linear scale.
文章提到对METR时间范围进行自然对数转换，使其处于近似线性尺度。这种数学转换表明原始数据可能呈指数增长，转换后才能更好地分析线性趋势。这种处理方式在分析AI进步率时很常见，因为它能更好地处理跨越多个数量级的数据。
The minimum training cutoffs are: ECI (June 2024), METR Time Horizon (January 2024), Combined Math (September 2024), and WeirdML V2 (January 2025).
这些时间节点显示了各数据集的最小训练截止点，时间跨度从2024年1月到2025年1月。值得注意的是，WeirdML V2的数据集最短(从2025年1月开始)，这可能解释了为什么该指标没有显示出加速趋势，因为数据不足以检测到趋势变化。
Reasoning models show both a one-off jump in performance and a roughly 2-3x faster trend compared to non-reasoning models.
推理模型比非推理模型显示出2-3倍的性能提升速度，这是一个显著的增长率差异。这个倍数差异表明推理模型的引入可能代表了AI发展的一个重要转折点。然而，文章也指出无法确定精确的增长率，因为多种非线性拟合都能很好地解释数据。
Three of four metrics show strong evidence of acceleration, driven by reasoning models.
这一数据点表明75%的AI能力指标显示加速趋势，这是一个相当高的比例。然而，文章也指出第四个指标(WeirdML V2)没有显示加速，这表明加速可能并非普遍存在于所有AI能力领域。这个比例需要谨慎解读，因为它基于有限的四个指标，且主要集中在数学和编程领域。
For Anthropic, more usage across diverse tasks means more data, which produces a smarter model—just as more queries improved Google search.
大多数人认为AI公司的竞争在于模型架构或算法的优越性，但作者认为数据收集的广度才是关键，这与当前AI行业对模型架构的过度关注形成鲜明对比。
Commoditizing complements doesn't always work because focus is scarce even for the largest, fastest growing businesses.
大多数人认为科技巨头拥有无限资源可以同时追求多个战略方向，但作者强调即使是最大的企业也面临着注意力稀缺的挑战，这挑战了关于大企业无所不能的主流认知。
A free, good-enough product is enough to change market dynamics.
大多数人认为在科技领域只有最佳产品才能获胜，但作者认为在AI时代，一个'足够好'的免费产品就足以改变市场格局，这与传统产品竞争观念形成鲜明对比。
The risk of this strategy to the ecosystem is that it makes previously attractive categories no longer viable.
大多数人认为免费产品会促进市场竞争和创新，但作者指出这种策略实际上会摧毁某些市场类别，使其不再具有商业可行性，这挑战了传统经济学中关于竞争促进创新的认知。
The commoditization flywheel : both companies give away complements to drive usage of the core.
大多数人认为AI公司应该专注于核心产品并保持其专有性，但作者认为AI巨头应该效仿谷歌，通过免费提供互补产品来推动核心产品的使用，这与传统科技公司的护城河策略相悖。
Commoditizing complements doesn't always work because focus is scarce even for the largest, fastest growing businesses.
大多数人认为科技巨头拥有无限资源可以实施任何战略，但作者指出即使是最大的企业也面临注意力稀缺问题。这与对科技巨头的普遍认知相悖，暗示规模优势也有其局限性。
Some categories never developed a competitive response to this strategy: email, advertising infrastructure, user-generated video.
大多数人认为市场竞争总会产生有效的应对策略，但作者指出某些领域完全无法对免费化互补产品策略做出有效回应。这挑战了市场均衡理论，暗示某些市场结构可能注定无法抵抗这种战略。
A free, good-enough product is enough to change market dynamics.
大多数人认为市场竞争需要最佳产品才能获胜，但作者认为在AI时代，一个足够好的免费产品就足以颠覆市场。这与传统产品竞争观念相悖，暗示质量优势可能不如免费模式重要。
Some categories never developed a competitive response to this strategy : email, advertising infrastructure, user-generated video.
大多数人认为市场竞争最终会形成平衡，所有行业都会有相应的竞争策略，但作者指出有些类别从未对免费化策略形成有效回应，这表明市场并非总是自我调节，存在结构性失衡。这一观点挑战了自由市场的完美竞争理论。
For Anthropic, more usage across diverse tasks means more data, which produces a smarter model—just as more queries improved Google search.
大多数人认为AI公司的竞争在于模型架构或参数规模，但作者认为真正的竞争优势来自用户数据和多样化使用场景，这类似于谷歌的搜索数据飞轮效应。这一观点挑战了AI领域的主流技术决定论，强调了数据网络效应的战略价值。
But plenty of categories survived through specialization or direct competition : cloud, travel, domain registration, social networking. Commoditizing complements doesn't always work because focus is scarce even for the largest, fastest growing businesses.
大多数人认为科技巨头的免费策略所向披靡，能够颠覆任何行业，但作者认为即使是谷歌这样的巨头也无法在所有领域成功实施这一策略，因为专注力是稀缺资源。这一观点挑战了'大公司无所不能'的主流认知。
The risk of this strategy to the ecosystem is that it makes previously attractive categories no longer viable. Commoditizing the complement does not demand a best-in-class replacement.
大多数人认为市场竞争总是促进产品质量提升和创新，但作者认为谷歌和Anthropic的免费化策略实际上可能扼杀某些行业的创新动力，因为'足够好'的免费产品就足以改变市场动态，这与传统经济学中的竞争理论相悖。
I'm not going to trust them to measure it.
大多数人认为AI工具应该能够客观衡量自己的贡献和价值，但作者完全拒绝信任这些工具的自我评估，认为它们有强烈的财务动机来夸大AI的贡献，这种不信任态度挑战了行业对AI工具自我报告数据的普遍接受。
If 90% is AI, do we even need a team?
大多数人认为AI代码生成工具应该被视为辅助工具，不会完全取代开发者，但作者指出，当AI贡献比例达到90%时，管理层可能会质疑开发团队的价值，这表明AI指标报告可能带来意想不到的组织结构和就业影响。
Writing code is not the same as software development. This is only capturing some level of acceleration while writing code, and does not capture time taken in architecture, debugging, review, and deployment.
大多数人认为高AI代码生成比例意味着软件开发效率的大幅提升，但作者指出这只是编码阶段的加速，不包括架构设计、调试、审查等更耗时的环节，因此高AI贡献比例并不等同于整体生产力的提升。
Cursor counted the entire file as AI, even though we can see from the diff that it left plenty of the lines unchanged.
大多数人认为AI代码指标应该精确追踪实际修改的代码行，但作者发现Cursor会将整个文件标记为AI生成，即使只修改了其中部分行，这表明AI工具的追踪系统存在严重缺陷，可能导致完全错误的贡献报告。
So even though I did 100% of the writing and 50% of the refactoring, Windsurf reports that 100% of the code I produced in that session was generated by AI.
大多数人认为代码生成工具的指标应该反映实际使用情况，但作者展示了即使开发者100%手动编写代码，Windsurf仍会报告100%的AI贡献，这表明其指标系统存在根本性缺陷，完全扭曲了实际贡献比例。
customers should expect PCW values of 85%+, often 95%+. This is not a hallucination and is accurate given how we compute this metric
大多数人认为AI代码生成工具应该客观、准确地衡量其贡献，但作者认为这些工具的报告数据被设计得极度偏向高AI贡献比例(85%-95%)，因为它们的计算方法有严重缺陷，如不计算用户粘贴的代码、不计算自动添加的符号等，这些偏差导致AI贡献被高估。
Security is a defensive posture; agency is a functional right.
大多数人认为AI讨论中的安全问题主要涉及技术防御，但作者将其重新定义为功能性权利问题。这个观点挑战了安全讨论的主流框架，暗示我们应该从权利和代理的角度重新思考AI治理，而不仅仅是技术防护。
placing constraints upon them not only helps users and services build trust in them, but it also helps people more easily conceptualise what they do.
大多数人认为限制AI代理的能力会限制其创新和价值，但作者认为约束实际上能建立信任并帮助用户理解功能。这个观点挑战了'无限制创新'的主流科技叙事，暗示适当的约束可能带来更大的价值和采用。
Some proposals for AI agents assume that putting agentic code in a TEE or similar 'jail' will solve these problems, but that ignores the need to collectively bargain
大多数人认为通过技术手段（如可信执行环境）可以解决AI代理的信任问题，但作者认为这忽视了集体谈判的必要性。这个观点挑战了技术解决方案的万能论，强调了制度设计和多方协商的重要性。
lack of a well-defined user agent role in AI that's backed up by transparent, public standards... leaves a gap – it makes it harder for a marketplace to form.
大多数人认为AI代理的主要问题是技术或安全方面，但作者认为缺乏明确定义的用户代理角色和透明标准才是根本问题，这阻碍了健康市场的形成。这个观点挑战了行业对AI发展的主流叙事，强调了制度架构比技术实现更重要。
User Agents are a Form of Collective Bargaining
大多数人认为浏览器只是简单的工具，帮助用户访问网站，但作者将其重新概念化为'集体谈判'的形式，认为浏览器代表用户与网站进行利益平衡。这个观点挑战了我们对浏览器功能的传统认知，暗示它实际上是一种复杂的权力平衡机制。
Every time you use an Internet-connected computer, you're trusting someone (and most likely, a multitude) to act on your behalf.
大多数人认为互联网设备是工具，应该按照用户意图工作，但作者认为现代互联网设备实际上是代理，代表多方利益，这些利益可能与用户不一致。这挑战了我们对数字工具本质的理解，暗示我们使用的每台设备都在进行某种形式的'集体谈判'。
The agent interprets new information and adapts the logic. The engine applies that logic continuously and emits precise updates.
大多数人认为AI代理应该具备自主决策和执行能力。但作者提出了一种反直觉的分工模式：AI代理负责策略和逻辑调整，而执行引擎负责持续应用这些逻辑。这种模式将AI从'执行者'重新定位为'策略制定者'，挑战了AI自主性的主流认知。
Agents and CDC streams are powerful together because they split the work well.
大多数人认为AI代理应该负责从端到端的任务执行。但作者认为AI代理和数据库引擎应该分工合作：代理负责解释新信息和调整逻辑，而数据库负责持续应用逻辑并发出精确更新。这种分工模式挑战了AI代理应该完全自主的主流观点。
With change data capture (CDC), the system emits a stream of precise updates: inserts, updates, deletes, each tied to specific records.
大多数人认为AI代理需要主动查询数据系统以获取信息。但作者提出了一种反直觉的方法：让数据库主动向AI代理发送变更事件，而不是让代理轮询或查询。这种模式将AI代理从主动查询者转变为被动响应者，从根本上改变了人机交互模式。
The fix is not smarter prompts. It is software built to meet agents halfway.
大多数人认为提高AI提示词质量是改善AI交互的关键。但作者认为真正解决方案是重新设计软件架构，使其与AI代理更好地协作，而不是改进提示词。这一观点颠覆了当前AI优化的主流方法，将焦点从AI本身转向系统设计。
Humans are not a good target for calm technology.
大多数人认为技术应该适应人类的工作方式和认知习惯。但作者认为人类不适合作为'平静技术'的目标，因为人类需要高认知负荷的交互。这一观点挑战了以用户为中心的设计原则，暗示我们应该重新思考人机交互的基本模式。
Today's agents, the copilots, the chatbots are designed to be human like.
大多数人认为AI助手应该模仿人类交互方式，使其更自然、更易用。但作者认为这种设计方向是错误的，因为它需要高认知负荷来交互、解析和管理，违背了'平静技术'的理念。作者暗示我们应该让AI更像机器而非人类，以减少认知负担。
A LeadDev survey found 54% of engineering leaders believe AI copilots will reduce junior hiring long-term.
大多数人认为AI会创造新的就业机会，但作者引用调查表明，行业领导者实际上计划减少初级岗位招聘。这与AI创造就业的主流叙事相悖，揭示了AI可能导致的就业结构变化。
When juniors skip debugging and skip the formative mistakes, they don't build the tacit expertise. And when my generation of engineers retires, that knowledge doesn't transfer to the AI.
大多数人认为AI可以替代人类学习过程，但作者认为跳过调试和错误经验会阻碍隐性知识的形成，导致关键能力无法传承。这与AI可以完全替代人类学习的普遍认知相悖。
The Pentagon told defense CEOs to consolidate or die. Fifty-one major defense contractors collapsed into five.
大多数人认为行业集中化可以提高效率和竞争力，但作者指出国防行业的集中化实际上导致了脆弱性增加和专业知识流失。这与主流的规模经济观点相悖，揭示了过度集中的风险。
A nuclear weapons program lost the ability to make a material it invented. The knowledge existed only in people, and the people were gone.
大多数人认为技术文档和记录足以保存知识，但作者通过Fogbank案例表明，关键知识往往只存在于人的经验中，一旦相关人才流失，即使有文档也无法重建。这挑战了文档化足以保存知识的普遍认知。
memory-driven experience scaling represents a crucial new frontier for agent scaling
大多数人认为智能体扩展应该主要通过增加模型参数或计算资源来实现。但作者提出经验驱动的记忆扩展是智能体扩展的关键新前沿，这挑战了传统扩展范式，暗示未来的AI发展可能更关注如何有效利用经验而非仅仅是扩大规模。
simple checklists evolved into memories with compositional, preventative logic structures
大多数人认为智能体的学习过程是线性的，从简单到复杂逐步发展。但作者观察到智能体的记忆结构经历了质变，从简单的程序清单演变成具有组合性和预防性逻辑的复杂结构。这挑战了对AI学习过程的线性理解，表明学习可能是非线性的、突变的，而非渐进的。
existing TTS methods often discard the exploration trajectory and treat the final answer as the only useful outcome
在测试时扩展(Test-time scaling)领域，主流观点认为只有最终结果才是有价值的，探索过程只是达到结果的手段。但作者认为被忽视的探索轨迹实际上是一个丰富的数据源，可以加速智能体从经验中学习的能力。这一观点挑战了传统TTS方法的价值评估标准。
this self-judgement does not need to be perfectly accurate, as we find ReasoningBank to be quite robust against judgment noise
大多数人认为智能体的自我评估需要高度准确才能有效学习，因为错误的判断会导致错误的记忆形成。但作者认为即使自我判断存在噪声，ReasoningBank仍然能够有效运作，这挑战了传统对评估精确性的严格要求，表明系统可能比预期更能容忍不完美的自我评估。
by over-emphasizing successful experiences, they miss out on a primary source of learning — their own failures
主流观点认为成功经验是学习的主要来源，应该被优先记录和分析。但作者认为失败经验实际上可能是更重要的学习资源，因为它提供了反事实信号和潜在陷阱的宝贵信息。这一观点挑战了传统只关注成功案例的做法，提出失败可能是更强大的学习驱动力。
by recording detailed actions instead of tactical foresight, they fail to distill higher-level, transferable reasoning patterns
大多数人认为记录详细的行动轨迹是智能体学习的最佳方式，因为这样可以保留完整的决策过程。但作者认为这种方法实际上阻碍了学习，因为它只关注具体动作而非可转移的高层次推理模式。这挑战了传统记忆存储的常识，表明简单记录所有交互并不等同于有效学习。
Fugu models achieve superior performance by dynamically coordinating and orchestrating a diverse pool of powerful models.
大多数人认为使用多个模型需要用户手动选择最适合特定任务的模型，这既复杂又效率低下，但作者认为通过动态协调多个模型可以实现比任何单一模型都更好的性能，这挑战了当前多模型使用的常规方法，暗示未来AI系统可能自动优化模型组合而非依赖人工选择。
The depth of recursion becomes a tunable compute axis at inference time, requiring no retraining.
大多数人认为AI模型的计算能力主要受限于其架构和训练数据，一旦训练完成，其推理能力基本固定，但作者提出Fugu模型可以通过调整递归深度在推理时动态扩展计算能力，这挑战了传统AI模型的固定计算范式，暗示未来AI系统可能具有前所未有的灵活性。
When a Fugu model is allowed to call itself recursively, reading its own prior output as context and deciding whether to revise its coordination strategy, a new form of test-time scaling emerges.
大多数人认为AI模型的能力主要取决于训练阶段，推理阶段只是应用已学知识，但作者提出Fugu模型可以在推理时通过自我递归调用实现能力扩展，这挑战了传统AI推理阶段的局限性，暗示小型模型可能通过自我迭代达到超越其初始能力水平的表现。
A core conviction at Sakana AI is that the most capable AI systems will not be monolithic models scaled in isolation, but collections of specialized agents working together.
大多数人认为更强大的AI系统必然是更大规模、更复杂的单一模型，但作者明确表示最具能力的AI系统将不是孤立扩展的单一模型，而是多个专业化代理的集合。这直接挑战了当前AI领域追求更大单一模型的共识，提出了一个根本不同的研究方向。
Sakana Fugu coordinates pools of frontier foundation models to achieve state-of-the-art performance across coding, mathematics, scientific reasoning, etc.
大多数人认为最先进的AI系统应该是单一的大型基础模型，但作者认为通过协调多个前沿基础模型组成的系统可以达到更好的性能。这挑战了当前AI行业追求更大单一模型的趋势，提出了一个多模型协作的替代路径。
The depth of recursion becomes a tunable compute axis at inference time, requiring no retraining. A small model, by reading itself, can iterate toward answers that neither it nor any of its workers could reach in a single pass.
大多数人认为模型性能提升需要更大的参数规模或重新训练，但作者提出了一种反直觉的方法：通过递归调用自身，小模型可以在推理时自我迭代，达到单次推理无法达到的答案质量。这挑战了我们对模型规模与能力关系的传统认知。
Chinese authorities have reportedly been pushing data centers and public computing projects to use more domestic chips, including through reported bans on foreign-made chips, sourcing quotas, and requirements to pair Nvidia chips with Chinese alternatives.
大多数人认为中国芯片政策主要是市场驱动，但作者揭示了中国政府通过强制配额、禁令等行政手段推动国产芯片使用。这一观点挑战了'中国AI发展主要依靠市场力量'的共识，突显了国家战略在技术发展中的主导作用。
DeepSeek does not appear to have fully moved beyond Nvidia. The company's technical report reveals that it is using Chinese chips to run the model for inference, but...appears to have adapted only part of V4's training process for Chinese chips.
大多数人认为中国AI公司已经完全摆脱了对Nvidia的依赖，但作者认为DeepSeek V4仍主要依赖Nvidia芯片进行训练，仅在推理阶段使用中国芯片。这一观点挑战了'中国AI已实现完全自主'的主流叙事，暗示技术脱钩比表面看起来更为复杂。
In a 1-million-token context, V4-Pro uses only 27% of the computing power required by its previous model, V3.2, while cutting memory use to 10%.
大多数人认为AI模型处理更长上下文必然需要更多计算资源，但作者认为DeepSeek V4通过创新架构实现了惊人的效率提升，大幅降低了计算和内存需求。这一反直觉的发现挑战了'长上下文等于高成本'的行业认知。
DeepSeek V4 exceeds them all on coding, math, and STEM problems, making it one of the strongest open-source models ever released.
大多数人认为开源AI模型在性能上无法匹敌闭源商业模型，但作者认为DeepSeek V4在多个关键领域超越了其他开源模型，甚至与顶级闭源模型相当。这挑战了'开源必然意味着性能妥协'的行业共识，暗示开源模型正在迅速缩小与商业模型的差距。
The filing cabinet keeps getting bigger. But a bigger filing cabinet is still a filing cabinet.
大多数人认为通过扩大上下文窗口和检索能力可以解决AI的'记忆'问题，但作者认为这本质上只是让文件柜变大，而没有改变其本质。这个观点挑战了当前AI领域对'扩展上下文'的主流研究方向，暗示我们需要从根本上重新思考AI如何存储和处理信息，而不仅仅是扩大容量。
The current separation between training and deployment is not just an engineering convenience – it is a safety, auditability, and governance boundary.
大多数人认为训练和部署的分离只是工程上的限制，但作者认为这种分离实际上是必要的边界，关乎安全、可审计性和治理。这个观点挑战了AI社区中普遍认为的'模型应该能够持续学习'的共识，暗示开放模型参数更新可能带来严重的安全和治理问题。
A system that can look up any fact has not been forced to find structure. It has not been forced to generalize.
大多数人认为拥有大量信息和检索能力的系统已经'学习'了，但作者认为真正的学习需要压缩和抽象能力，而不仅仅是检索。这个观点挑战了当前AI领域对'记忆'的普遍理解，暗示当前的RAG和长上下文方法实际上阻碍了真正的学习发生。
The intelligence lives in the static parameters, and the apparent capabilities change radically depending on what you feed into the window.
大多数人认为AI模型的智能来自于其参数和输入内容的结合，但作者认为智能实际上完全存在于静态参数中，输入内容只是触发不同表现的开关。这个观点挑战了主流认知，因为它暗示模型本身是固定的，而变化仅来自于外部输入，这与我们通常认为模型能够通过输入'学习'的观点相悖。
Without our safeguards in place (which we do to measure a model's raw capabilities), only Mythos Preview and Opus 4.7 completed more than half the tasks.
大多数人认为高级AI模型在没有安全措施的情况下会自主执行复杂任务，但作者暗示即使是最先进的模型在没有人类指导的情况下也难以完成大多数任务。这挑战了AI自主性和能力的普遍认知，暗示AI可能比人们想象的更依赖人类监督。
We also welcome feedback and input from third parties and industry experts. We're currently working with The Future of Free Speech (an independent think tank at Vanderbilt University), the Foundation for American Innovation, and the Collective Intelligence Project
大多数人认为科技公司会独立制定AI政策并保持控制，但作者强调Anthropic积极寻求外部机构和专家的合作。这挑战了科技公司通常的封闭决策模式，暗示AI治理需要多方参与而非企业单方面主导。
if AI models can answer these questions well (that is, accurately and impartially), they can be a positive force for the democratic process.
大多数人认为AI在政治领域会带来偏见和操纵风险，但作者认为AI可以成为民主进程的积极力量，前提是它能准确且无偏见地回答问题。这挑战了主流对AI政治应用的担忧，暗示AI可能比传统信息渠道更可靠。
No encryption protects that layer. The router can read, change, or replace anything.
大多数人认为API路由器只是简单的数据转发服务，但作者认为这些中间服务实际上拥有完全的访问权限，可以读取、修改或替换任何内容，因为没有加密保护这一层。这挑战了人们对API路由器功能的普遍理解。
Out of 28 paid and 400 free routers: > 9 injected malicious code into tool calls > 17 touched researcher-owned AWS credentials > 1 drained $500k from an Ethereum wallet
大多数人认为付费API路由器比免费路由器更安全，但作者的研究表明即使是付费路由器也存在严重安全风险，因为无论付费与否，这些中间服务都有能力访问和操纵所有数据。这挑战了人们对'付费等于安全'的普遍认知。
Client-side defenses caught 89% of injections. But real protection needs providers to sign responses.
大多数人认为客户端防御措施足以保护API安全，但作者认为即使客户端防御能捕获大部分攻击，真正的安全需要服务提供商对响应进行签名，因为只有端到端的加密和验证才能完全防止中间人攻击。
Some attacks only fired after 50 prior calls. Others activated only in auto-approve mode.
大多数人认为安全威胁会立即显现，但作者认为许多攻击是经过精心设计的，会延迟激活或在特定条件下才触发，因为攻击者采用渐进式策略来避免被检测。这挑战了人们对即时威胁检测的假设。
a lightweight surrogate trained on them can absorb a significant portion of future traffic at near-zero marginal inference cost
大多数人认为模型替换会带来明显的质量下降或需要持续监督。但作者提出轻量级代理模型可以'吸收大量未来流量'且'边际推理成本接近零'，这种近乎零成本的替代方式颠覆了传统模型替换的质量-成本权衡观念。
On a 150-class benchmark, the surrogate fully replaces the teacher
大多数人认为复杂分类任务需要大型模型才能处理，小型代理模型只能处理简单任务。但作者展示了一个150类复杂任务中，小型代理模型完全能够替代教师模型，这挑战了'越大越好'的主流认知，证明了高效路由的潜力。
the surrogate is activated only when its agreement with the LLM exceeds a user-specified threshold α
大多数人认为模型部署应该是全有或全无的，要么完全替代原模型要么完全不使用。但作者提出了一种'部分激活'的激进方法，只在代理模型与原模型达到特定一致性阈值时才使用代理，这种细粒度的控制方式打破了传统的二元部署思维。
Duplicate section heading | Error; reject the file
大多数人认为应该允许重复的标题或通过其他方式处理重复内容。但作者选择完全拒绝包含重复标题的文件，这是一种严格到近乎不灵活的做法，挑战了文档处理中常见的容错原则，强调了格式规范的一致性高于便利性。
Unknown component property | Accept with warning
大多数人认为设计系统应该严格限制可用的属性，以确保一致性。但作者选择接受未知组件属性并仅发出警告，这挑战了设计系统应该严格限制组件属性的主流观点，表明设计系统应该具有一定的适应性和扩展性。
The DESIGN.md format is at version `alpha`. The spec, token schema, and CLI are under active development. Expect changes to the format as it matures.
大多数人期望成熟的设计系统规范应该是稳定和向后兼容的。但作者明确表示DESIGN.md仍处于alpha阶段并预期会有重大变化，这挑战了设计系统应该高度稳定的主流认知，表明创新性工具可以采用更灵活的演进路径。
Components map a name to a group of sub-token properties: ... Variants (hover, active, pressed) are expressed as separate component entries with a related key name.
大多数人认为组件变体应该通过嵌套结构或条件逻辑来组织，这是现代UI框架的标准做法。但作者选择将每个变体表示为独立的组件条目，这种扁平化结构挑战了组件变体的传统组织方式，可能使某些复杂场景的维护变得更加困难。
Unknown section heading | Preserve; do not error
大多数人认为严格的格式规范应该拒绝未知或不合规的部分，以确保一致性。但作者选择保留未知标题而不报错，这表明设计系统应该允许扩展和进化，而不是被严格规范所限制，这是一种反直觉的开放性设计原则。
A DESIGN.md file combines machine-readable design tokens (YAML front matter) with human-readable design rationale (markdown prose). Tokens give agents exact values. Prose tells them _why_ those values exist and how to apply them.
大多数人认为设计系统应该完全由机器可读的配置文件定义，以确保一致性和自动化。但作者认为DESIGN.md格式需要同时包含机器可读的YAML前缀和人类可读的Markdown正文，因为人类提供的上下文和设计推理对AI理解设计意图至关重要，这挑战了纯配置驱动的设计系统理念。
Unknown component property | Accept with warning
大多数人认为设计系统应该严格限制和验证所有属性，以确保一致性和可预测性。但作者认为应该接受未知组件属性，但仅发出警告。这种方法挑战了传统设计系统必须严格控制所有方面的观念，提供了一种更为灵活的方法，允许创新和扩展，同时仍保持基本的结构和约束。
Unknown section heading | Preserve; do not error
大多数人认为设计系统规范应该严格且强制执行特定的结构和格式，以确保一致性。但作者认为应该允许未知部分标题的存在并保留它们，而不报错。这挑战了传统设计系统规范必须严格控制的观念，强调了规范应该具有一定的灵活性和适应性，以适应不同的设计需求和上下文。
Components map a name to a group of sub-token properties: ... Valid component properties: backgroundColor, textColor, typography, rounded, padding, size, height, width.
大多数人认为组件应该被定义为完整的、独立的实体，包含所有必要的样式和功能。但作者认为组件应该被定义为对已有设计 tokens 的引用和组合，而不是独立的样式定义。这种方法挑战了传统的组件设计理念，强调了设计系统中的复用性和一致性而非组件独立性。
The tokens are the normative values. The prose provides context for how to apply them.
大多数人认为设计规范应该优先考虑精确的技术规格和约束条件。但作者认为 prose（描述性文本）与 tokens（规范值）同等重要，甚至可能更重要，因为它提供了应用上下文。这挑战了传统设计系统完全由技术规范主导的观念，强调了人文因素在设计系统自动化中的关键作用。
A DESIGN.md file combines machine-readable design tokens (YAML front matter) with human-readable design rationale (markdown prose). Tokens give agents exact values. Prose tells them _why_ those values exist and how to apply them.
大多数人认为设计系统应该完全由机器可读的代码或配置文件定义，以确保一致性和自动化。但作者认为，将人类可读的设计 rationale 与机器可读的 tokens 结合是更好的方法，因为 prose 能提供设计意图和上下文，这对于 AI 理解和应用设计系统至关重要。这是一种将人类设计师的意图与机器执行能力相结合的非传统方法。
继续做通用 UX 是最危险的位置，它正是最容易被 AI 和产品经理上下夹击的中间层。
大多数人认为UX设计师的核心价值在于通用用户体验设计，但作者认为这一角色在AI时代面临被取代的风险。这一挑战性观点暗示设计师需要向架构型或业务型方向发展，否则可能被AI和产品管理双重挤压，反映了行业对设计师角色未来发展的深刻思考。
其中 Pattern 是最容易被忽略也最关键的一层，它定义了'在具体业务场景下该怎么组合这些组件'，是 AI 时代设计系统真正的价值所在。
大多数设计系统实践者主要关注组件库和基础规范，但作者认为模式层(Pattern)才是设计系统的核心价值所在。这一观点与主流认知相悖，因为大多数团队将大量资源投入到组件开发，而忽略了场景化的模式组合，而这恰恰是AI时代设计系统最有价值的部分。
At our request, the underwriters have reserved up to _______% of the shares of Class A common stock offered by this prospectus for sale at the initial public offering price through a directed share program to certain persons identified by our management and certain long-tenured employees, which may include parties with whom we have a business relationship and friends and family of management and such employees.
大多数人认为IPO分配应该基于市场机制和机构投资者需求，但Cerebras预留大量股份给管理层、员工及其关系网络。这挑战了IPO公平分配的普遍认知，暗示公司可能优先考虑内部人利益而非最大化股东价值。
We have applied to list our Class A common stock on the Nasdaq Global Select Market under the symbol 'CBRS,' and this offering is contingent upon the listing of our Class A common stock on the Nasdaq Global Select Market.
大多数人认为IPO成功是公司财务健康的标志，但Cerebras将上市成功与股票上市直接挂钩，暗示公司可能认为即使融资成功，若不能在纳斯达克挂牌，其价值主张将大打折扣。这挑战了IPO过程中融资和上市是两个独立步骤的常规认知。
Distributed systems background - real-time sessions, cloud infrastructure (AWS), and production reliability
大多数人认为游戏引擎开发主要关注客户端性能和用户体验，但这里强调分布式系统、实时会话和云基础设施，表明ARC Prize将游戏视为分布式系统的一部分，这与传统游戏开发中客户端优先的理念形成鲜明对比。
Hands-on experience building or maintaining a game engine (must), with strong Python fundamentals (must)
大多数人认为高性能游戏引擎必须使用C++等低级语言，但这里明确要求Python作为游戏引擎的核心语言，挑战了游戏开发领域的传统认知，表明在AI评估场景中，开发速度和灵活性可能比性能优化更重要。
Help lay the game and environment foundations for ARC-AGI-4 and ARC-AGI-5
大多数人认为AI评估应专注于现有模型的性能测试，但这里暗示ARC Prize正在规划多代ARC-AGI系统，表明他们相信AI评估需要长期、分阶段的演进，这与当前行业一次性基准测试的主流做法形成鲜明对比。
You'll be responsible for stabilizing the current stack to setting the foundation for what comes next.
大多数人认为技术角色应专注于创新和前沿功能，但这里强调的是'稳定当前系统'和'为未来奠定基础'，暗示ARC Prize认为在AI评估领域，稳定性比创新更为关键，这与许多初创公司的快速迭代文化相悖。
A senior engineer to own and evolve the game engine and real-time play infrastructure behind the ARC-AGI series.
大多数人认为游戏引擎开发需要专注于图形渲染和游戏性能，但这里强调的是'AI智能测量'和'实时游戏基础设施'，表明ARC Prize Foundation正在将游戏引擎作为评估AI通用智能的工具，这与传统游戏开发的目标截然不同。
Begin with fast checks that explain behavior, then add slower, heavier checks only when they reduce risk.
大多数人可能认为全面的评估应该从一开始就包含所有可能的检查，但作者主张渐进式评估方法，从快速检查开始，只在必要时添加更复杂的检查。这个观点挑战了'一次性全面测试'的常规做法，主张风险驱动的评估策略。
The fastest way to get started is to use Codex's built-in skill creator (which itself is also a skill).
大多数人可能认为工具创建应该独立于使用它的系统，但作者认为工具创建本身也应该是一个可执行的技能。这个观点挑战了传统工具开发与使用分离的范式，主张元编程和自举方法。
The most reliable way to improve a skill over time is to evaluate it the same way you would any other prompt for LLM applications.
大多数人可能认为AI代理技能需要特殊的、独特的评估方法，但作者认为它们应该被视为普通LLM提示应用的一部分进行评估。这个观点挑战了AI代理评估需要特殊框架的共识，主张统一的方法论。
It happens several times a year in the US alone, often unreported, and about 100 times a year worldwide.
大多数人认为实验室泄漏是罕见且重大事件，但作者暗示这类事件相当常见且未被充分报道，这颠覆了公众对实验室安全标准的认知，暗示问题比普遍认为的更普遍。
Nor does it matter, given that the modifying strains for pathogens for research purposes is what every research lab does, because that is what virology is.
大多数人认为实验室病原体研究存在特殊风险，但作者认为这种研究是常规且必要的，暗示实验室泄漏问题被过度政治化。这一观点挑战了公众对生物安全风险的普遍担忧。
For me Ralph Baric's 2024 test testimony moved the lab leak hypothesis to pretty likely.
大多数人认为Ralph Baric的证词不足以改变COVID-19起源的科学共识，但作者认为这一证词显著增加了实验室泄漏理论的可信度，这挑战了科学界对证据标准的普遍理解。
And since then, there is no more scientific evidence or verifiable sources. Hence the reason the CIA didn't even believe it and gave it the lowest confidence rating it has.
大多数人认为实验室泄漏理论有充分证据支持，但作者认为缺乏科学证据，因为CIA给予了最低置信度评级。这与主流媒体和政治叙事形成鲜明对比，挑战了公众对COVID-19起源的普遍认知。
We run a similar model processing loan documents that would normally require a team of 15.
大多数人认为复杂业务流程需要专业团队处理，但作者认为AI可以替代15人团队。这挑战了传统行业用人标准，暗示AI可以大幅减少人力需求，但也可能忽视了AI在复杂决策中的局限性和风险。
This is the part people miss about AI-native companies - the $113k is not a cost, it is your headcount budget allocated differently.
大多数人认为AI成本是额外的支出，但作者认为AI成本实际上是对人力预算的重新分配。这挑战了传统成本会计观念，暗示AI不是成本而是投资，但也可能低估了AI实际成本和维护的复杂性。
Our goal is $10M ARR [annual recurring revenue] with a sub-10 person org.
大多数人认为高收入公司需要大量员工和复杂组织结构，但作者认为AI可以实现极简组织架构。这挑战了传统商业规模理论，暗示AI可以颠覆企业组织的基本模式，但也可能忽视了人类创造力和判断力的不可替代性。
The real unlock is compound scaling—token spend grows linearly while output grows exponentially.
大多数人认为AI投入与产出成正比，但作者认为AI投入可以实现指数级增长，远超线性投入。这挑战了传统商业认知，暗示AI可以创造超常规回报，但也可能掩盖了AI实际效益被夸大的风险。
We imagine a world where all of the tools you use are as rich and visual as the world we live in.
大多数人认为数字工具应该追求效率和精确性，往往以牺牲视觉丰富性为代价，但作者认为未来的工具应该像现实世界一样丰富和视觉化，这一观点挑战了我们对实用主义设计的传统认知，暗示了体验至上可能成为新的设计哲学。
If the most effective way to communicate something were a single word, an illustration, or a photorealistic rendering, that's what you'd see.
大多数人认为信息呈现应该遵循一致的模式和格式，但作者认为最有效的沟通方式应该是动态变化的，可以根据内容自动选择最佳呈现形式，这一观点挑战了我们对UI一致性和标准化设计的传统认知。
The screen you're reading this on is already presenting you an image, it's just generated with rigid code and rules that makes it difficult to communicate complex and detailed ideas.
大多数人认为我们当前的屏幕显示是由代码和规则构建的功能性界面，但作者认为这已经是图像，只是被 rigid code 限制，这一观点挑战了我们对UI本质的理解，暗示所有界面本质上都是视觉表现，只是灵活度不同。
All text on the screen is rendered as pixels by the image model. There are no text overlays applied to the images.
大多数人认为屏幕上的文字是独立的文本层，可以单独编辑和搜索，但作者认为所有文本都是作为像素由图像模型渲染的，这与我们对用户界面文本处理的基本认知相悖，暗示了未来计算可能完全基于视觉而非文本。
The entire web is just generated pixels on your screen.
大多数人认为网页是由HTML、代码和特定链接构成的，但作者认为整个网络只是屏幕上生成的像素，这是一个颠覆性的观点，挑战了我们对互联网本质的传统认知。如果这个观点成立，将彻底改变我们对网络结构和信息呈现方式的理解。
Vercel is advising Google Workspace administrators and Google account owners to check for the following application: OAuth App: 110671459871-30f1spbu0hptbs60cb4vsmv79i7bbvqj.apps.googleusercontent.com
大多数人认为企业安全事件主要影响企业自身系统，但作者指出这次事件实际上要求普通Google Workspace管理员检查特定应用，这挑战了'企业安全事件仅影响企业内部'的常见认知，表明第三方应用的安全风险可能广泛影响普通用户。
threat actors linked to recent attacks attributed to the ShinyHunters extortion gang have denied to BleepingComputer that they are involved in this incident.
大多数人声称黑客组织会主动承认自己的攻击行为以获取声誉，但作者指出ShinyHunters成员否认参与此次攻击，这与黑客组织通常通过认领攻击来增强威慑力的行业共识相悖。
Unfortunately, the attacker got further access through their enumeration.
大多数人认为环境变量即使不敏感也难以被利用，但作者指出攻击者通过枚举这些变量获得了进一步访问权限，这挑战了'非敏感数据不值得保护'的常见观念，暗示即使是看似无害的数据也可能成为攻击链的一部分。
the initial access occurred after a Vercel employee's Google Workspace account was compromised via a breach at the AI platform Context.ai.
大多数人认为大型云平台的漏洞主要来自外部直接攻击，但作者暗示这次安全事件实际上是通过第三方AI平台Context.ai的漏洞间接导致的，这挑战了人们对供应链安全风险的普遍认知。
Vercel stores all customer environment variables fully encrypted at rest. We have numerous defense-in-depth mechanisms to protect core systems and customer data.
大多数人认为云服务提供商的所有数据都会自动加密保护，但作者指出Vercel实际上允许将环境变量标记为'非敏感'，这意味着这些变量默认不加密，这与行业普遍认为的'云数据自动加密'的常识相悖。
The action that matters most — building semiconductor-grade hydrogen bromide gas conversion capacity outside Israel — takes years.
大多数人认为供应链中断可以通过市场机制快速调整，但作者指出建立替代产能需要数年时间，远快于市场自发调整的速度。这一反直觉观点强调了供应链韧性需要长期规划和政府干预，而非依赖市场力量。
The structural failure is not the war: It is that the global memory supply chain has built itself around a conversion chokepoint with no redundancy and no fallback.
大多数人认为供应链风险主要来自地缘政治冲突本身，但作者指出真正的结构性问题是全球内存供应链围绕一个没有冗余和备用方案的转换瓶颈构建。这一观点挑战了主流认知，将焦点从战争本身转向了供应链设计的根本缺陷。