一篇突破当日头条的论文：研究者发现所有前沿厂商的 API 都存在同一个漏洞，可以把 Claude/GPT/Gemini "加密"的隐藏推理链解码出来，并验证还原出的 token 数与账单里的 thinking token 1:1 对得上。手法是把一个合法的签名推理块"重放"给同厂商的更弱模型（如 Claude → Haiku 4.5），再提示它把附带的推理"抄写"出来。危害有两层：一是能把前沿模型的推理蒸馏进开源/更弱模型；二是隐私泄露——对约 7000 条公开分享的 trace 扫描，翻出 62 个 API key、33 个邮箱、33 个密码，其中 64 项只藏在推理块里、在可见会话中根本看不到。漏洞已负责任披露、部分修复，但"关掉 thinking、改用一个 deep_think 工具"的绕过思路说明很难根治。

Nathan Lambert 抛出一个来自前沿内部的逆向信号：模型在编程和数学上已经超人，却在长篇非虚构写作上停滞——如今公认"写得好"的模型（GPT-4.5、Kimi K2）反而是老模型。他刚写完一本 RLHF 教材（用 LLM 做 LaTeX、文字校对和画图，但正文自己写），结论是模型在长篇技术写作里"增加熵"：单句能对，但整章就会组织混乱、还随手塞进概念错误。他的核心论点是：组织知识本身是一种压缩，压缩是产生洞见的前提；如果模型连把已成型的科学清晰讲出来都做不到，指望它自主解决开放科学问题就为时过早。他仍然乐观，但认为近期 AI 对科学的贡献是"摘低垂果实 + 连接远距离领域"，而非革命性洞见。

a16z 的数据专栏（数据来自做 B2B 催收 agent 的 Stuut），拆解企业收账的经济学：2025 年底美国非金融企业躺着 7.2 万亿美元的应收账款，平均延迟每多一天就是约 1500 亿美元的代价。核心结论是 DSO（应收账款周转天数）这个 CFO 被考核的指标近乎失效——两家 DSO 同样"体面"落在 40 多天的公司，最慢那 10% 的账单可能一家当天到账、另一家拖 599 天。而且钱高度集中：最大的 10% 逾期账单占了约 66% 的逾期金额，所以催收是"搜索问题"而非"苦力活"。另外，一半的付款承诺会被违背，但守信和违约的客户之后都以 41 天中位数付款——承诺几乎不含任何信号，你只能不停地催。

Ben Thompson 批评 Anthropic 为应对欧盟 AI 法案给 Claude 输出加隐形水印，认为这从根本上（哲学层面）就是个坏主意，且技术上比看起来更脆弱、更没用。（注：原文为付费墙，此处仅基于可见的标题与开篇论点。）

Polymarket 预测 Anthropic 或于 10 月底 IPO、有投行估计募资超 600 亿美元（将成仅次于 SpaceX 857 亿的全球第二大 IPO）；但投资者开始受不了 CEO Dario 整天预警"AI 毁灭世界"，希望他少讲末日、多讲怎么赚钱。

自变量机器人在无人兜底的实时直播中，用双臂+夹爪方案连续一小时分拣 1816 件随机异形包裹、准确率 98%，效率超 Figure AI 的 1248 件/小时约 45%、硬件成本低 70%，背后是其自研 WALL-B 世界统一模型。

大疆、安克前核心产品负责人刘力源（曾操盘 eufy 洗地机产品线、后任安克大健康事业部负责人）已下海创业，切入宠物陪伴机器人赛道，完成由元禾领投的天使轮融资。

Vibe coding 正在重构数据基础设施：Lovable 的 ARR 六月冲到 5 亿美元、每周新增约百万个项目（八成用户无技术背景），蚂蚁灵光上线四个月生成超 3000 万个闪应用——数据库面对的不再是"一个越来越大的库"，而是数千万个动态 schema、彼此独立的小库。

Cory Doctorow 用"半人马/反向半人马"拆解 AI，并给出一个尖锐的泡沫判断：真正推动 AI 投资热的不是相信 AI 能替代工作的富豪，而是押注"AI 能被卖给老板"的人——他们评估的是销售潜力而非产品本身好坏，就像赌 Joe Rogan 能卖出几百万美元的肽类保健品，缺陷是买单者（被裁员工）的问题。

一篇关于"生产力提升去了哪"的随笔：作者把非营利机构一天只能录十几条的数据录入流程一步步优化提效，但红利很快被"重置"、吸收进更高的期望值和更多的活——指向 AI 时代同一个老问题：效率提升的收益到底被谁拿走了。