Anthropic 的 Mythos 5 在特朗普政府谈判后恢复运行

经过与特朗普政府长达两周的激烈谈判，Anthropic 的 Mythos 5 终于恢复运行——至少在一定程度上，面向部分组织。据 The Verge 获得的一封政府致 Anthropic 的信件，美国商务部于 6 月 26 日向 Anthropic 联合创始人 Tom Brown 发送了信函，通知许可要求已修订。

商务部长 Howard Lutnick 在信中表示，对 Mythos 5 的许可要求进行了“修订”，但信中未提及 Fable 5——面向公众的 Mythos 级模型——的状态，该模型似乎仍处于不确定状态，没有明确的推出协议时间表。

Anthropic 未立即回应置评请求。

在特朗普政府要求分阶段发布的消息传出不到 24 小时后，OpenAI 于周五推出了 GPT-5.6 模型套件的有限预览。据 The Verge 报道，该套件包括三个版本：旗舰模型 Sol、面向“高容量工作”的中端模型 Terra，以及“快速且经济”的日常模型 Luna。

OpenAI 表示，GPT-5.6 在编程、网络安全和生物学方面尤其擅长，并能专注于长期自主 AI 任务。定价方面，Sol 模型每百万 tokens 输入 5 美元、输出 30 美元，价格约为 Anthropic 的 Claude Fable 5（输入 10 美元、输出 50 美元）的一半。Terra 和 Luna 的定价尚未公布。

此次发布正值美国 AI 监管讨论升温之际。OpenAI 未进一步说明分阶段发布的具体安排。

英伟达多年来主导 AI 芯片市场，但完全依赖的局面可能正在结束。OpenAI 刚刚公布了其与博通合作开发的定制推理芯片 Jalapeño 的计划，加入谷歌、苹果和 SpaceX 等公司行列，通过自研芯片降低单一供应商风险。

目标并非彻底摆脱英伟达，而是进行对冲。定制芯片意味着更多控制权、针对特定需求的硬件优化，以及苹果在放弃英特尔后所实现的那种性能提升。在 TechCrunch 的 Equity 播客中，主持人 Kirsten Korosec、Anthony Ha 和 Sean O'Kane 讨论了这一趋势对行业的意义。

该播客还提及了本周值得关注的几笔交易。

据Bloomberg的Mark Gurman报道，苹果负责Vision Pro头显的副总裁Paul Meade将离职，加入OpenAI的硬件团队。Meade还曾领导苹果计划明年推出的AI智能眼镜的开发。昂贵的Vision Pro市场表现不佳，但苹果希望更实惠的智能眼镜能帮助其与Meta的可穿戴设备竞争。

Gurman将此次离职归因于John Ternus即将升任苹果CEO，以及Ternus重组硬件工程团队的决定，这导致一些副总裁感到被降级。与此同时，OpenAI已与苹果前首席设计官Jony Ive合作开发一款AI设备，CEO Sam Altman声称该设备将比iPhone更平和、更平静。TechCrunch已联系苹果和OpenAI寻求评论。

中国网络安全公司360于周三发布了名为“Tulongfeng”的AI工具，声称可与Anthropic的Mythos相抗衡。Mythos是一款专注于网络安全的AI模型，据称过于强大，特朗普政府已禁止非美国人使用该模型及其受限版本Fable 5。同周早些时候，东京AI初创公司Sakana AI推出了名为“Fugu”的模型，声称“与Anthropic的Fable 5和Mythos Preview并肩”。

Sakana AI的一位发言人告诉TechCrunch，新模型的发布“纯属巧合”，但这并未阻止公司利用这一时机。Sakana由前谷歌研究人员于2023年联合创立，其模型针对日语和文化优化。360还推出了另一款工具Yitianzhen，用于自动化网络防御。据路透社报道，360创始人周鸿祎将漏洞发现AI描述为国家战略资产。Anthropic在2026年5月的年化收入超过470亿美元，但亚洲客户占比未知。

据The Information报道，OpenAI的新模型GPT 5.6将不会向公众广泛发布，而是仅与一组精选合作伙伴共享，原因是特朗普政府要求这样做。CEO Sam Altman在本周的一次会议上告诉员工，政府将在预览期间“逐个客户批准访问”。Altman补充说，如果有限发布顺利，OpenAI希望“几周后”进行更广泛的发布。

据报道，OpenAI的新模型不仅受到政府审查，其员工还与政府“密切合作”。要求有限发布的机构包括国家网络总监办公室和科技政策办公室。特朗普政府最初采取“不干预”立场，但近几个月推动联邦监督。此前，Anthropic因仅向合作伙伴发布其前沿网络模型Claude Mythos而引发争议。

据路透社等媒体报道，韩国国防部长官安圭伯在6月26日的简报中宣布，韩国计划训练其近50万军队的每一名成员操作无人机，使其像使用个人枪支一样熟练。目标是让无人机成为所有部队的“通用作战工具”，并像“第二件个人武器”一样训练士兵使用。

该公告与更广泛的计划相吻合，包括为各部队配备更多廉价且可消耗的无人机用于侦察和打击任务，以及部署更多反无人机激光和微波武器。据《韩国时报》报道，前无人机作战司令部将重组，专注于与韩国工业界合作开发和采购商用无人机技术。安圭伯特别提到乌克兰和中东的冲突推动了这些以无人机技术为重点的军事改革。

美国政府于周五解除了对Anthropic旗下Claude Mythos 5 AI模型的封锁，允许该公司向超过100家美国机构发布该模型，包括大型企业和政府机构。这一决定标志着特朗普政府与这家全球最具价值私营公司之一的对抗显著降级。两周前，政府对该模型实施出口管制，导致其及较弱版本Fable 5被关闭，此前亚马逊等公司警告称这些模型可能被“越狱”用于恶意目的。

商务部长Howard Lutnick在致Anthropic首席计算官Tom Brown的信中表示，已确定“适当的安全措施到位，允许某些可信合作伙伴访问Claude Mythos 5模型”，并提到自封锁生效以来政府与公司之间的密集每日谈判取得了“重大进展”。Lutnick写道，Anthropic已承诺在模型发布方面与美国政府合作制定协议和标准。同日，Anthropic的主要竞争对手OpenAI发布了其最新模型GPT-5.6，仅限政府批准的合作伙伴使用。新安排下，向信函附件A所列实体及其外籍员工或Anthropic的外籍员工出口该模型无需再申请许可证。商务部的Benno Kass表示，政府迅速采取行动解决对Anthropic的担忧。该框架正在构建中，许多用户仍不清楚何时能获得Mythos和Fable。据Semafor报道，美国曾担忧Mythos被发布给与中国关系过密的合作伙伴，据称涉及一家韩国电信提供商。

一项分析显示，开源权重LLM与闭源LLM之间的性能差距因基准测试而异。基于Artificial Analysis Intelligence Index（一个综合能力评估指标），该差距自2024年夏季开始缩小，若按趋势线外推，预计到2026年12月3日将缩小至零。然而，这一结论仅基于单一基准。

对Artificial Analysis提供的18个不同基准进行重复分析后，发现平均差距几乎持平，约为5个月。大部分整体改进来自编码基准，该差距已从15个月缩小至仅1-2个月，而其他多数数据集的差距随时间略有增加。这表明，衡量LLM质量存在难度，不同测量方法会得出截然不同的预测。

随着AI系统在数学推理方面取得进展，研究人员开始讨论数学家的动机、目的以及该领域的未来。卡内基梅隆大学数学家Jeremy Avigad表示，理解数学有时会带来美感或成就感。历史上，数学家通过逻辑推理和创造性工具提出并证明猜想，这一过程需要大量思考时间。

近年来，LLM已从“随机鹦鹉”发展为高级数学推理机器。去年夏天，Google DeepMind和OpenAI的系统在国际数学奥林匹克竞赛中达到金牌水平。今年早些时候，DeepMind的Aletheia系统自主产生了可发表的博士级研究成果。最近，OpenAI的一个通用AI系统推翻了一个重要的组合几何猜想，被顶级数学家誉为AI在数学领域的里程碑。此外，LLM与证明助手（如Lean、Rocq）的结合也正在改变数学研究方式。

据Blood in the Machine播客节目报道，AI行业正花费数亿美元试图影响本次选举周期。该节目首期嘉宾是Molly White，她介绍了自己的新项目Tech Influence Watch，旨在追踪AI和加密货币公司在政治中的巨额资金投入。

节目还讨论了AI公司建设数据中心的抗议活动、硅谷工人组织、以及AI进入学校和办公室的抵制现象。Blood in the Machine是一个独立项目，依靠读者支持运营。

据 Hacker News 上的一篇博客文章分析，当前大语言模型（LLM）的成本面临不可持续的问题。文章指出，许多公司正被高昂的 AI 成本所困扰，例如 Uber 在短短 4 个月内就烧光了全年的 AI 预算，而 Microsoft、Salesforce 和 Github 也在采取措施减少员工的 AI 支出。与此同时，前沿模型如 GPT 5.5 的定价高达每百万输入 token 5 美元、每百万输出 token 30 美元，是目前 OpenRouter 上最贵的模型。作者以自身经历为例，使用该模型对 50 个文件进行 TypeScript 类型修复就花费了 54 美元。

文章认为，模型性能提升放缓、开放权重模型的竞争、芯片和模型架构的改进、零切换成本以及本地模型的兴起，是导致 AI 实验室难以维持高定价的主要原因。例如，开放权重模型 GLM-5.2 在编码基准测试中击败了 GPT 和 Opus，但其成本仅为 GPT 5.5 的十分之一。此外，专用芯片如 TPU 的成本比 Nvidia H100 GPU 低 30-70%，而模型架构的演进（如 MoE）也在降低推理成本。零切换成本使得用户能轻松在模型间切换，而本地模型的普及将减少对云模型的依赖。