Anthropic Fable 引发反弹、AI 国有化之争、通胀升温，以及加州失灵的选择制度

这期节目从一个产品发布开场，主持人立刻把它转成了一场治理争论。Fable 5 在周二发布，几乎在每一个基准测试上都登顶，但它的 token 价格是 Opus 4.8 的两倍。Jason Calacanis 把成本问题定性为尚未解决：“不清楚这能否缓解围绕 token 成本的一些焦虑”，因为效率主张取决于模型在实践中是否真的用更少的 token。定价细节本身不如它周边的东西重要。Calacanis 指出，四月份 Anthropic 拒绝公开发布 Mythos，理由是它具备很强的黑客能力，改为把它分发给一小批合作伙伴；Palo Alto Networks 的 Nikesh Arora 证实“Mythos 是真货”，并且已被用于封堵他自己公司内部的漏洞。

实质性的抱怨与基准测试无关。它关乎围绕 Fable 5 披露的三项做法：提示词至少保留三十天；模型会检测用户是否在做前沿 AI 研究；处于该类的用户被静默降级。Calacanis 强调的是隐瞒，而不是政策本身，他指出这条规则“被埋在一份 319 页的文件深处”，而公司事后只在《连线》上做了部分退让，声明称：“我们正在修改 Fable 5 针对前沿大模型开发的防护措施，使其更加可见。”这个措辞本身就是破绽：改的是可见性，不是做法。

Chamath Palihapitiya 的回答确立了整段讨论的分析框架。他承认这个模型“确实了不起”，并肯定该实验室在推动闭源前沿，然后把风险拆成两层。第一层是审查：Anthropic“基本上已经亮出了底牌，就是他们会越来越多地接收提示词、评估提示词，然后在给你生成输出之前决定怎么处理”。第二层是企业治理风险，他认为这近乎一票否决，因为触发条件对买方是不可见的。一个使用 API 的下游科学家、一位企业高管、一名分子研究人员——其中任何一个都可能触发分类器，让公司失去它已经围绕其搭建工作流的能力。

他的结论是一个采购论证，而不是监管论证：公司必须开始为 AI 的这一阶段做风险承保，追问谁控制访问权、允许谁从这些数据中学习、以及自己是否在接受单点故障。他对这家实验室的那句总结是整段里最锋利的话：“关于 Anthropic，我要说一点：他们说真话。”随后他自己补上了限定：“只是这个真话很难咽——你真的把它吃下去、咽进肚子里。”这是一个有用的区分。批评不是说 Anthropic 在政策上撒谎，而是说这项政策在诚实陈述之后，恰恰是企业应当拒绝的那一种。

David Sacks 把讨论从披露升级到意图，并且带上了时间戳。八个月前，他曾把 Anthropic 的做法称为“一场非常精巧的、基于散布恐慌的监管俘获行动”，他说这个观点当时被认为很辣，现在却接近共识。他认为 Calacanis 的总结漏掉的是开发者社区中信任被背叛的规模，并且精确地定位了那道裂口：“记住，这是一家说过自己反对政府监控的公司。他们现在会把你发给任何 mythos 级模型的每一条提示词和每一条输出保留三十天。没有例外。”

“没有例外”这一点才是真正有商业杀伤力的。签了零数据留存协议的企业客户并不能保住协议；他们唯一的选择是放弃使用新的模型级别。Sacks 还把争议中的数据从提示词和输出扩展到整个上下文窗口——agent 平台为了获得更好回答而传给模型的记忆、文件和累积材料。按他的解读，留存的存在是为了“给你建档案、给你分类，然后决定给你解锁哪些能力”。这是关于目的的断言，不只是关于存储的断言，而正是这个断言把一桩隐私投诉变成了结构性问题。

第二项不满是产品降级。按 Sacks 的说法，Anthropic 保留了这样的权利：在机器学习、AI 研究和芯片设计研究领域，“由 Anthropic 单方面裁量”，在不说的情况下把用户导向更弱的模型，在后台重写提示词，并对客户并未获得的能力收取全价。他称之为“完全反竞争”，并把结果描述为“一个新的 AI 有产者与无产者层级”。在他看来，退让只覆盖披露：用户现在会被告知自己被降级，但降级本身继续。

两个例子承担了实证重量。一位用户只是问了线粒体的问题就被降级；Stratechery 的 Ben Thompson 问了一个“关于癌症风险与 GLP-1 之间关系的非常直白的问题”，结果“被踢了出去”。Sacks 的推论是，分类器对“谁该被降级”持有非常宽泛的看法，而公司对这种宽泛是安之若素的。他给出的判决——“这非常奥威尔式”——是修辞性的，但底下的结构性论点不是：一家私营公司正在按用户身份裁决信息获取权，既没有公开标准，也没有对抗性复核。

Chamath 补充的是这个论点中更难被驳倒的版本，因为它不需要假定恶意。即便是一家管理良好的实验室，也会面临偏袒交易对手的激励。如果一家模型提供者与诺华有战略协议而与礼来没有，或者与摩根大通有而与花旗没有，就会有塑造人们如何获取竞争产品信息的动力。他还提出了可审计性问题：如果用户认为某个回答被操纵，提供者应当能够给出“那一刻生成那条输出的模型运行轨迹”，而他怀疑这个指纹是否会被保留。这是一个具体的、可检验的要求——模型运行溯源——也是整段中最有建设性的提议。

Jason Calacanis 提出了自由市场的反驳，而且这是一个真反驳：早期搜索引擎出售付费收录，消费者发现结果变差，于是转向更好的提供方。他的问题是，为什么同样的纠偏在这里不会发生。Sacks 的回答是，这个类比预设了“退出”是可行的。“对他们来说，仅仅在自由市场里赢是不够的。他们在呼吁政府监管，阻止潜在竞争者，限制你能接触到的模型数量”——而且他补充说，他们想要的那套监管会落到开源头上，而开源在实践中无法被监管，这就使该主张成为针对本地运行模型的“一次先发制人的打击”。