大模型
1 最近动态
海外
据国内AI日报（7月6日）报道，GPT-5.6预计今日发布，能力预计刷新纪录。但与此同时，Fable 5回归后被偷偷降级、工具调用出现退步，工程师Ronacher实测证实新模型工具调用反而更差。这一现象揭示出一个系统性风险：随着模型能力天花板不断推高，工程可靠性问题愈发突出，实际部署中开发者面临「能力更强但行为更不稳定「的两难困境。
前OpenAI研究员Diogo Almeida指出，2020年Scaling Law原始论文存在bug：对所有模型使用固定token数与余弦学习率衰减，人为制造性能饱和假象，导致「体量过大、训练不足「模型泛滥。此后DeepMind的Chinchilla已推翻这一结论，但历史算力错配已无法挽回。研究者进一步指出，现有定律本质是「英语Scaling Law「，法语等形态丰富语言的训练效率可高出50-100倍。
Claude Code团队成员Thariq撰文指出，使用Claude Code的关键技能是将认知分为四类：已知已知、已知未知、未知已知、未知未知，并持续发现未知未知。以Fable发布视频剪辑为例，通过让Claude讲解转录、调色等陌生领域，逐步发现并弥合「地图与疆域「之间的落差。这与提示词工程有本质不同——不是告诉AI怎么做，而是与AI一起发现盲区。
🇨🇳 国内
华为创始人何庭波发布韬定律V2版本，对此前提出的后摩尔时代缩放理论进行完善。核心观点：当传统CMOS制程逼近物理极限后，算力增长的主战场从单芯片密度转向系统架构、封装技术、存储带宽协同优化等多维扩展。与HBM之父「AI本质是内存、GPU利用率仅10%「的论断相互印证，共同指向一个方向：下一代AI基础设施竞争的核心是存储-计算协同效率而非晶体管密度。
据腾讯研究院报道，阿里巴巴因安全审查发现潜在后门风险，宣布自2026年7月10日起全面禁止在内部系统使用Claude系列模型。这是国内头部科技企业首次因安全原因对境外大模型实施全面禁令。此举将加速国内企业构建「AI供应链安全「意识，对国产大模型（如通义、文心、DeepSeek）的企业采购形成利好。
深度聚焦
Scaling Law bug事件的深层含义：一个时代的"原罪"被翻出来了
Scaling Law论文的bug不只是技术问题，是整个行业方法论的原罪。它意味着过去5年间，所有基于「大力出奇迹「逻辑的算力投资，都建立在一个有缺陷的实验设计上。
更严重的是，这个bug的修复成本极高——历史上按错误配置训练的模型无法回炉重练，已固化在各家机构的技术债里。Chinchilla虽然指出了方向，但工程惯性让大家继续沿着旧路走了好几年。
对中国AI从业者的含义：DeepSeek等中国团队从一开始就处于算力受限状态，被迫做效率优化，反而绕过了这个陷阱。"算力不够效率补"的逼迫式创新，无意中走在了正确路径上。
TAKEAWAY
基础假设被修正的时代，「效率」优先于「规模」
📊 模式洞察
Scaling Law bug事件、华为韬定律V2、HBM之父的「GPU利用率10%」三条信息同时出现，指向同一结论：大模型时代的基础假设正在被修正。下一代AI基础设施竞争的核心是存储-计算协同效率，而非单纯堆砌算力。这一认知转变的速度将决定各国AI产业的长期竞争格局。
Scaling Law bug事件、华为韬定律V2、HBM之父的「GPU利用率10%」三条信息同时出现，指向同一结论：大模型时代的基础假设正在被修正。下一代AI基础设施竞争的核心是存储-计算协同效率，而非单纯堆砌算力。这一认知转变的速度将决定各国AI产业的长期竞争格局。