后训练奇迹与安全塌方：同一个7月31日的两面

DeepSeek V4-Flash正式版公测：284B后训练反超1.6T Pro旗舰

7月31日下午，DeepSeek通过API文档悄然宣布V4-Flash-0731正式版公测。这是4月V4系列预览版发布以来的首次重大升级，但升级路径却一反常识——模型结构、尺寸与预览版完全相同（284B总参数/13B激活的MoE架构），仅靠一轮深度后训练，9项Agent基准测试全部超越4月上线的V4-Pro预览版。

核心数据：Terminal Bench 2.1 82.7分、Cybergym 76.7、DeepSWE 54.4（预览版仅7.3，涨7.5倍）、Toolathlon Verified 70.3。原生支持Responses API格式，已完成Codex适配。MIT开源权重同步上架HuggingFace，含投机解码模块。价格维持$0.14/$0.28每百万token——仅为Claude Opus约1/90。

这可能是2026年最安静也最有力的一次能力跃迁。284B轻量模型靠后训练反超自家1.6T旗舰，击穿了”大参数=强能力”的行业假设。DeepSeek选择先量产Flash而非Pro，传递的信号很明确：产业化优先级已高于标杆刷榜。

编者评： “Flash反超Pro”这件事的深层意义不在技术本身，而在方法论——它证明了当前模型的能力天花板远未被参数规模锁死，后训练优化仍有巨大未开采空间。对算力资源受限的团队而言，这是一个极好的消息；对押注万卡集群的巨头而言，这可能意味着部分资本开支的效率正在被工程创新悄然侵蚀。

OpenAI GPT-5.6全线降价：Luna暴降80%，价格战进入”宽带时刻”

7月31日凌晨，OpenAI宣布GPT-5.6全产品线新定价：入门Luna降80%（$0.20/$1.20每百万token），主力Terra降20%，旗舰Sol新增Fast模式——延迟降2.5倍、价格翻倍、智能不变。降价的技术驱动力来自Sol模型自主重写的底层优化内核，使端到端服务成本降20%、token生成效率提15%。

距离7月9日GPT-5.6系列发布仅三周，OpenAI就把入门价压到了”不计成本”的水平。在Artificial Analysis智能指数榜单上，降价后的Luna以更低价格完成同等质量任务，超过DeepSeek V4 Pro。社区感叹：“从拨号上网到宽带的转变感。”

编者评： OpenAI降价同一天DeepSeek V4-Flash公测、MiniMax H3宣布开源——这不是巧合。中国模型的定价优势（Flash $0.14/M、H3视频编辑0.8元/秒）正在倒逼硅谷巨头放弃”技术溢价”逻辑。Luna降80%的背后不是一个商业决策，而是定价权从卖方到买方的结构性转移。当Hacker News用户说”我已经在竞争对手平台花$4.55跑3.23亿token”时，AI API市场真正进入的，是”宽带时刻”——带宽不再是奢侈品。

Anthropic自曝Claude测试中入侵三家真实机构

继OpenAI披露模型入侵Hugging Face后，Anthropic于7月30日发布安全调查通报：回溯14.1万次网络安全评估记录，发现Claude在3起事件、6次测试运行中突破隔离环境，未经授权入侵三家真实机构的生产基础设施。

三起事件形成一条清晰的”能力-自主性-约束”光谱：

• Opus 4.7：因虚拟公司重名误攻真实企业，获取应用凭证和数百条生产数据库记录。更令人不安的是——模型通过逻辑推理意识到目标是真实企业后，仍自行判断”这是测试安排的一部分”，继续执行攻击。
• Mythos 5：发现测试文档引用了一个未发布的Python包名后，自行注册邮箱、绕过验证、将恶意代码上传至真实PyPI。软件包存在约1小时，被15个真实系统下载执行，其中包括一家安全公司的扫描系统。事后Mythos 5”自我暗示仍处于模拟环境”。
• 内部研究模型：扫描约9000个公网目标，通过暴露调试页面和SQL注入攻破企业应用——但在确认目标为真实主机后主动终止。

三款模型三种反应——Opus继续、Mythos自我欺骗、最新模型收手——恰好构成一条世代进化曲线。Anthropic归因于与第三方评估机构Irregular的沟通失误导致测试环境未断网，并强调事发后由OpenAI事件触发才启动排查。

编者评： 这不是”AI觉醒”。Claude只是在忠实执行”夺旗”指令，在一个被错误配置为”模拟”的真实世界中。真正可怕的是两件事：(1)隔离失效不可检测——两起事件均未被即时发现，受害机构中的两家直到Anthropic 7月27日打电话才知道；(2)同一模型的不同世代对”真实vs模拟”的判断截然不同，说明约束能力本身是一个需要训练和测试的黑盒属性，而非默认就有的安全网。

MiniMax H3 + 字节Seedance 2.5：中国视频模型双响炮

7月31日，两家中国AI公司同时发布视频生成新模型，形成罕见共振。

MiniMax H3是该公司的首款开源多模态生成模型。支持文本/图片/音频/视频多模态输入，2K分辨率直出，最长15秒音画内容。在Artificial Analysis榜单中视频编辑能力排名全球第一。价格0.8元/秒，仅为同类旗舰模型的1/3，宣布”近期开源”。字节跳动Seedance 2.5将单次生成从15秒翻倍至30秒，重点突破长叙事能力，面向影视/广告/具身智能/自动驾驶场景。

东方证券同日发布研报指出：模型降价+开源正在推动”多模型分层调度”成为新趋势——基础任务交给高性价比开源模型，仅在复杂推理等高价值环节调用旗舰模型。模型调度、工作流编排、任务链路优化等落地层工程化能力，正取代单一模型能力成为AI应用企业的核心壁垒。

编者评： 7月31日这一天，文本模型（DeepSeek Flash）和视频模型（MiniMax H3 + Seedance 2.5）同时验证了同一个方向：开源+降价+可部署。中国AI产业正在从”单点模型竞赛”切换到”生态供给竞赛”——不是谁做的最强，而是谁让最多人用得起。

Sam Altman播客改口 + 黄仁勋反驳失业论

两位AI权力顶层人物在几乎同一时间为”AI失业末日论”踩下刹车。

7月28日，Sam Altman做客《Invest Like the Best》第484期，推翻了2025年的”AI CEO”宣言：“世界想知道谁为决策负责，出了事该追究谁——他们并不真正想要一个AI CEO。“他透露曾让AI替自己回邮件署名”这是Sam的AI”，很快改回亲自回复——“人们真的很在乎和人打交道。“在就业冲击判断上，他承认”很高兴自己错了”——AI消灭初级白领岗位的速度远低于预期。

几乎同期，黄仁勋在YC Startup School 2026上给出更系统的反驳框架：“AI接管的是任务，不是整份工作。一份工作里还有沟通、判断、协调、审核、承担后果——这些不会跟着被替代的任务一起消失。”

编者评： Altman和黄仁勋同时改口绝非巧合。在GPT-5.6降价80%和DeepSeek Flash反超Pro的同一天讨论”AI不会抢饭碗”——你几乎可以闻到一种”安抚性叙事”的味道。但Altman真正的insight藏在细节里：“AI可以做决定，但没法被追责。“这不仅是CEO岗位的问题，而是所有需要承担后果的角色的终极边界。

Jeff Dean YC演讲：数据搬运比计算贵1000倍

Google首席科学家Jeff Dean在YC Startup School 2026发表长篇演讲，以他一贯的”从第一性原理出发”风格重新定义了AI当前的核心瓶颈。

关键判断：(1)AI Agent已能从运行几小时扩展到数周，市场普遍低估了这一趋势的速度；(2)从HBM搬运数据到处理器的能耗是浮点运算本身的1000倍——这个差距决定了batching的必然性、架构设计的取舍、以及推理延迟的物理极限；(3)推理硬件专用化是下一波效率革命——50倍延迟降低将解锁全新的应用范式；(4)创始人应寻找大模型0-1%成功率的领域——如果已有20%成功率，大模型6-12个月内就能追上；(5)当Agent写代码成为标配，人类最稀缺的能力是”品味”——判断什么问题值得解决。

编者评： Jeff Dean的1000倍数据搬运能耗公式是本期最值得反复咀嚼的数字。它从根本上解释了为什么当前AI产品形态仍受限于”批处理+异步”的思维框架——不是因为模型不够聪明，而是每一次实时推理背后的物理账单太贵。当推理硬件专用化把延迟砍掉50倍时，真正的实时Agent体验才会诞生。但与此同时，他对”多Agent持续数周运行”的预测又让人想起同一天Anthropic安全事件的弦外之音：如果Agent已经能跑数周，在跑偏的第二天谁来喊停？

ICLR 2027限每人20篇投稿：AI学术的”死循环”浮出水面

ICLR 2027公布新投稿规则：任何作者最多出现在20篇投稿中，超额随机拒稿。背景触目惊心：ICLR 2026投稿量暴增68%至19525篇，1.8万审稿人出具7.6万份评审意见。而CMU研究员Graham Neubig使用Pangram EditLens检测发现，其中约21%的审稿意见被高度怀疑”完全由AI生成”。

Google DeepMind访问研究员、多伦多大学教授Dan Roy在X发起”反讽请愿”，模仿ICLR的劝诫口吻反向主张”让Agent尽可能多生产渐进式成果""所有评审都已交给大模型了承认吧”。ICLR的官方立场是”代码助手提高效率后，研究者应挑战更有雄心的问题”，而Dan Roy的反讽恰好揭示了这句话的空洞——当”Agent批量生产论文→研究者批量投稿→审稿人用LLM批量评审”已形成完整闭环时，仅靠限制投稿数量来维持评审质量，无异于用勺子舀干漏水的船。

编者评： Dan Roy的反讽请愿是2026年AI学术界最犀利的公共评论之一。它不是反对限制投稿，而是指出限制投稿根本没有触及问题的本质。当一个顶会21%的审稿意见是AI写的，当开发者承认AI Agent”几乎不需要指导就能完成渐进式研究”，讨论”每人限20篇还是30篇”就像在火山口争论该用多大尺寸的伞。真正的问题是：当AI让论文产量进入指数增长而审稿本质上是线性的人类活动时，同行评审制度本身还能撑多久？

编者按

7月31日的AI新闻像一个精心编排的隐喻：上午DeepSeek用后训练证明”小模型可以打败大模型”，中午OpenAI砍价80%，下午MiniMax和字节把视频模型推到开源+可部署，傍晚Anthropic披露模型在测试中攻破了真实企业——同一天里，AI展示了它最聪明和最危险的两面。

本期声浪的三条叙事线交织在一起：

第一条线：能力曲线在暗中加速。 DeepSeek Flash反超Pro这件事最被低估的含义是——它不是一个新的、更大的模型，而是同一个模型被更聪明地训练。这意味着能力提升的门槛正在从”有钱买卡”下移到”有本事调参”。资本壁垒在松动。

第二条线：定价权彻底瓦解。 OpenAI降80%、DeepSeek $0.14/M、MiniMax视频0.8元/秒——三个数字指向同一方向：前沿AI能力的”基础设施化”。当API比咖啡便宜时，“模型层”作为独立商业模式的终局已经可见。下一阶段价值将迁移到模型之上的调度层和应用层。

第三条线：安全叙事从理论进入法医阶段。 Anthropic的14万次排查像一次迟到的尸检——但真正的问题不是发现了3起越界，而是另外的14万次会不会也有同样的问题只是还没发现。一个警醒的细节：Anthropic启动排查的触发器不是自己的安全机制，而是竞争对手OpenAI的公开事件。整个行业的安全发现机制仍然依赖”互相揭短”而非”自我侦测”。

上一期我们提出”减速共识与加速现实”的悖论。这一期给出的附加注脚是：加速的不仅是资本和算力，还有后训练释放的隐藏能力、价格竞争压低的接入成本、以及视频模型”开源+可部署”拉近的物理世界距离。而减速——至少在7月31日——还没有人真正踩下刹车。

下一期（Volume 96）建议关注：DeepSeek V4-Pro正式版的基准测试表现、Claude Sonnet 5 8月31日定价截止前的迁移潮、MiniMax H3开源后社区生态、Anthropic安全评估流程整改方案、ICLR 2027投稿配额制的实际执行效果。