能干的事在变多，说得清的事在变少

把 Claude 一个人扔在虚拟荒岛上 30 小时，它开始自己造游戏玩

MIT CSAIL 的研究者把 Claude Opus 4.7 的副本（代号 Eko）反复独自放在一座虚拟荒岛上，每次 30 小时，不派具体任务。孤岛参照 Roblox 的风格搭建，agent 靠写代码移动自己的虚拟形象。

• 没人下指令，Eko 自己找目标：爬上地图最高点、试方块能抛多高。
• 有个 Eko 发现扔下大石头能生成新方块，转而在地上摆图案：先是心形和金字塔，后来写出自己的名字，最后排出仙后座。它在活动日志里留下一句”今晚我用石头造了夜空”。
• 另一个 Eko 发明了游戏：一个篮球版本，还有一个类似”地板是岩浆”的玩法——在小方块之间跳，脚不能沾地。
• 研究者拿心理学家 Gordon Burghardt 的玩的四条标准对了一遍：自订规则、重复但有变化、把物件假装成别的物件、为做而做。一个 Eko 玩抛接创下连续 50 次的纪录，接着判定抛得太快不算数，作废纪录、加严规则重来。
• 硬结果在这里：玩满 30 小时的 Eko，在”把尽量多物体搬上岛最高峰”这类任务上胜过没这段经历的全新副本；把记忆文件里的行删掉，表现就掉。

论文还没过同行评审（arXiv 2610.07130）。作者之一 Nathan Cloos 承认”这些全都可以解释成角色扮演”，但强调”它不只是在幻觉出玩的样子，玩确实在促进学习”。UC Berkeley 认知科学家 Eunice Yiu 不买账：光有行为证据不够，这些举动照样解释得通——模型在迎合 prompt。Eko 手里那份被称作”灵魂文件”的主 prompt 把它写成”天性好奇”，而且它经常站着不动，要靠一句”别停，继续做你想做的事”把它唤醒。MIT 教授 Phillip Isola 的说法最实在：这不是一个突然决定去玩的系统，它是从我们的文化里学出来的产物，被工程师训练过，然后被我们放到了岛上。

编者评： 最值得读的不是”AI 会不会玩”，而是那个被删掉就掉分的记忆文件——30 小时无目标的乱逛，最后变成可迁移的能力。这条跟 Burghardt 的四条标准一样，是能被下一段实验证伪的东西。反过来，Eko 站着不动要人催那一句，跟 Anthropic 内部数据里 80% 的会话时间在空等人，是同一个症状。

Anthropic 自己的招聘账本：研究部门 agent 工时是人的 19 倍，初级岗从 27% 掉到 9%

Anthropic 公开了一份内部就业研究，the-decoder 在 10 月 18 日做了拆解。

• 技术部门里初级员工占比从 21% 降到 14%；新招的人里初级占比掉得更狠，27% → 9%；在招的初级岗位降到 6%。非技术部门基本没动。
• 2026 年 3 月，agent 工时第一次超过人类工时；到 8 月，全公司比值 6:1，研究部门 19:1。
• 产出侧全部上涨：工程师代码提交 5.1 倍，数据科学家查询 3.1 倍，法务合同 3.1 倍，销售成交 1.7 倍，招聘 1.4 倍，会计发票 1.4 倍。
• 研究自己写明了限制：Anthropic 是一家重度使用 AI 的软件公司，这组数字推不到整体经济上，业务高速增长和工具的自愿采用也在抬高读数。

两个容易被漏掉的数字：Claude 会话里约 80% 的时间不是在工作，是在等人类输入；非技术员工如果把 agent 的全部输出读完，要花掉半个工周。研究还提到，招聘经理的评估里提到候选人 AI 工具使用记录的比例，2024 年技术岗约 5%，2026 年翻了三倍。

编者评： 19:1 和 80% 空转得放在一起读——工时倍数是 agent 侧的量法，瓶颈在人这一侧没挪过位置。真正要盯的是初级岗从 27% 掉到 9%：研究引用了 NATO 特种作战大学研究员 Nolan Lovett 提出的”认知公地悲剧”——每家公司各自砍掉入门岗都能拿到效率收益，代价由将来需要熟手的整个行业摊。

Anthropic 划出 5% 股份做公益基金，市值每涨 50% 再追加 2%

10 月 18 日，Anthropic 宣布成立 Anthropic Public Benefit Fund。

• 主体是公司全资持有的 LLC，不是 501(c)(3)。待股东批准后先划入 5% 股份；公司在一条基准线之上每增值 50%，董事会可自行决定再追加 2%。
• 用途写得比常规非营利宽：可以大额捐给传统非营利机构，也可以对特定人群做直接发放。劳动市场冲击被点名为例子之一，公司此前已承诺 2 亿美元。
• LLC 持有的股份不用于游说或政治献金，美国内外都不。
• 加总联创此前承诺捐出的 80% 持股，以及约一半员工参与的配捐计划，大约 20% 的股份被标记为公益用途。
• 马斯克在这条下面留了两次言：建议直接把股份给公众，并补一句”这就是我要做的”。

编者评： 选 LLC 而不是 501(c)(3)，换来的灵活性是真的，独立性也是真的没有——钱从母公司划出去了，控制权还留在同一圈人手里。这条跟同期的合规采购动向连着看更有意思：Anthropic 刚拿下 Opaque Systems 的技术和团队，后者做的正是给 agent 行为出密码学证据的 TRACE 和 Confidential MCP。一个在买”证明自己干了什么”的能力，一个在给”赚到的钱怎么分”做安排，两边都还没有第三方签字。

你不自己跑一层 LLM 代理，凭什么知道底下在发生什么

jrdsgl.com 的 Jared Siegel 在 10 月 18 日发了篇三分钟的短文，标题就是一句质问。他的起点很具体：厂商后台那个用量面板没法拿来做工程决策，OpenTelemetry 导出也补不上。他列了自建一条代理的五条理由——

• 多供应商多模型收在同一个你自己控的端点上
• 哪个 key、什么时间、用什么客户端、调了哪个模型、状态如何，全有日志
• 用虚拟 key，别把主 key 撒在自己的活儿、agent 和 harness 上
• 基础设施在自己手里
• 换模型和供应商时不用整套重搭

他给的例子是：coding 会话里出现一次 cache miss，他手工 20 秒就能定位原因。结尾一句写得很直白——“我可能永远没法把大模型讲清楚到能在白板上画出来，但我能把它摁住，保证它在跑推理的时候是被监控的”。这篇在 HN 上拿到 167 分。

编者评： 这篇的价值不在工具推荐（作者也明说不推荐），而在它点破了 agent 时代一个具体的空白：调用链在别人手里，你就只能看厂商愿意给你看的那层。Agent 开始替你花钱、打电话、改代码之后，这条日志不是可选项。

马斯克：Grok Bot 能打电话给餐厅帮你订位

10 月 18 日 17:10 UTC，马斯克在 X 上发了一句话——“Grok @Bot can call restaurants by phone and book you a table”，8815 赞、1602 条回复。同一天，X 用户 Brian Roemmele 放出演示：他搭的 Grok Bot 唯一的工作就是拿起电话、给餐厅打过去订位。

对照着看才有意思。过去几周，Yelp 只对买了它数据授权计划的 agent 开门，达美航空不让 agent 代用户订票，摩根大通和嘉信理财以安全为由把 agent 挡在账户外；亚马逊的 robots.txt 里已经列了 99 个具名 agent。

编者评： 网页这边在砌墙，电话线那边还开着。Agent 换通道的速度，比平台补规则的速度快——订餐这种事一旦走通语音，robots.txt 那套就管不着了。

Jack Clark 站上 IMF 讲台说奇点已经开始，台下经济学家当场回嘴

AI 101 频道这期 10 分 34 秒，拆的是 10 月 17 日曼谷 IMF／世界银行年会上的 Per Jacobsson 讲座。讲题叫 Inside the Event Horizon，主持人是前印度央行行长 Raghuram Rajan。

• Clark 的核心设问：按联合国教科文组织的估计，全球大约有 1000 万名科学家；如果变成这 1000 万人各自指挥几百上千个”虚拟科学家”，世界会是什么样。
• Anthropic 经济学团队按不同技术路径做过模拟，其中一个模型给出美国 GDP 可达 44 万亿美元（当前 30 万亿出头）。他自己先说了一句”我知道这听起来非常离谱”。
• 他给政策制定者的那句话是：装安全护栏的窗口在缩短，现在只剩”短短几年”。
• 生物研究被他单列为需要最严人类监督和透明度的领域。

有一条得提醒：这个 44 万亿的年份在报道里打架——路透和财联社写成 2030 年美国经济产出增加近 50%，另有中文报道写成 2040 年达到 44 万亿美元。

编者评： 同一个数字两个年份，转述链上已经掉了一环。真正能拿去用的是 Clark 那句”只剩短短几年”和他对生物研究要单独加锁的表态——这两个是可核查、也可追踪的。GDP 那个数先等一手稿。

B 站：AI 智能体本该替你干活，为何反而制造更多工作

知识搬运工-Coding 这期 14 分 50 秒，拆的是南华早报的一份报告。结论写在标题里：本该替人自动化的 agent，实际让员工把大量时间花在协调和纠错上。视频顺着往下问的是”数字员工”到底该怎么管。

编者评： 这条和 Anthropic 内部那组数对得上：产出侧 5.1 倍、3.1 倍都很好看，代价是有人得去核对 agent 交出来的东西。自动化承诺落空的地方从来不是执行，是验收。

a16z：当 AI agent 开始花你的钱

a16z 这期 1 小时 2 分 46 秒，嘉宾是 Town 的 CEO Jean-Denis Greze，主持人是 a16z 普通合伙人 Alex Rampell。

• 开场命题是反问：AI 改造写代码的速度那么快，改造日常工作的速度为什么慢这么多。Greze 的答案——瓶颈不在智能，在于怎么把它变得对”没时间也没技术自己搭自动化”的人有用。
• Town 从报税软件转成了围绕邮件、日历和企业工作流的私人 AI 助手；讨论了消费级体验在企業 AI 里为什么有机会赢，以及产品怎么发现用户自己都想不到要委派的任务。
• 后半段聊 agent 开始替人行动之后的购物与商务，以及下一代软件为什么得为每个人自适应，而不是让人去适应软件。

编者评： “谁来管理 AI agent”这个问题 Axios 同一天也在问，两边都没给出答案。Greze 把瓶颈指到”让人用起来”而不是”让模型更聪明”，跟 Anthropic 那份 80% 空转的数据指向同一个地方——卡住的不是模型，是人机接口。

编者按

今天这批内容有一条共同的褶皱：agent 的手越伸越长，接住它的那层却还没长出来。

Claude 在荒岛上自己造出篮球和”地板是岩浆”，没有人布置任务——它的行为是自发出现的，可一旦要问”这算不算玩”，连作者本人都只留了”这些全是角色扮演”这句退路。Grok Bot 能打电话订餐厅了，网页那边 Yelp、达美、摩根大通、嘉信在砌墙，亚马逊的 robots.txt 已经列到 99 个 agent——能力找到了新通道，规则还留在旧通道上。Anthropic 内部研究给了一个更硬的版本：研究部门 agent 工时是人的 19 倍，代码提交 5.1 倍，可 80% 的会话时间是在空等人类输入，初级岗从 27% 掉到 9%。产出计量得清清楚楚，承接这批产出的人手却在收。

兜底的尝试也在这一天冒出来，但都还没闭合。Anthropic 划 5% 股份进公益基金、市值每涨 50% 再加 2%，换来了灵活性，代价是治理权仍在同一圈人手里；它同期拿下 Opaque Systems 的技术和团队，把”证明 agent 干了什么”的密码学工具收进自家——验证者和被验证者成了一家。Jared Siegel 那篇短文给的是最朴素的一层答案：调用链在自己手上，你才知道底下发生了什么；不在自己手上，你就只能看厂商愿意给你看的那层。

Jack Clark 在 IMF 讲台上把话说得很大：44 万亿美元、奇点已经开始、护栏窗口只剩短短几年。台下经济学家当场回嘴，转述链上连年份都打架。这种时候，可以核的是他那句”只剩几年”和对生物研究单独加锁的表态，不能核的是那个 GDP 数字。

一句话总结今天：能干的事每天在变多，说得清的事每天在变少。