GPT-6更新：三个技术之外的判断

深水研究

DeepWater Research

文丨陈白

OpenAI和Anthropic之间的差异，已经主要不体现在技术上。

今天早上我例行打开GPT为我总结的每周AI governance & AI ehtics动态周报（这份周报依然由GPT-5.6完成），然后发现这两家最头部的公司动态有着越来越明显，而且非常有意思的差异。

9月4日凌晨，GPT-6发布。山姆·奥特曼在发布时的表态十分直接，宣告人类正式迈入AGI时代。

从各项技术指标和披露的信息来看，这次更新确实填补了之前的很多短板。多模态的自主闭环能力、长逻辑链条的推理稳定性，都在展示大模型在工程化上的极致能力。

技术社区的反应依然热烈，算力和参数的提升，再次验证了Scaling Law的有效性。

但在我那份周报的另一边，是来自the information的另一条新闻：Anthropic因为州级人工智能法案与OpenAI和谷歌产生分歧（Anthropic splits from Google, OpenAI Over State AI Safety Bill）。

大家都在关注GPT6，但我甚至觉得，如果真要定义AGI时代，那么后面这条新闻长期看反而会更重要一些。

因为这两家同处于第一梯队、有着深厚历史渊源的公司，在面对加州乃至各州的AI安全立法时，走向了越来越清晰的价值观分野。

所以本周的个人笔记主要有以下三条：

OpenAI和Google等老牌巨头形成了某种默契，他们倾向于游说立法者放宽限制。他们的核心诉求很符合传统的商业逻辑：现阶段过严的监管，会大幅增加合规成本，甚至可能拖慢技术创新的步伐，从而影响本土科技在全球的竞争力。

这种诉求在科技发展史上很常见。技术创新的早期，往往伴随着对既有规则的突破与抗拒。

但Anthropic选择了另一条路。他们公开支持加州正在推进的AI安全法案，在灾难性风险评估、开发者第三方审计等核心条款上，站在了更严格的监管这一边，甚至不惜与曾经的盟友公开决裂。

fable5的技术实力不用多说，无论是在长文本理解还是复杂逻辑架构上，它都证明了自己处于目前大模型的最高水位。也就是说，Anthropic在技术牌桌上并没有落后。

这种“分道扬镳”，如果仅仅理解为企业文化的不同，或者简单的“安全至上”理念，可能把问题看浅了。

如果从技术哲学和人工智能的政治经济学视角切入，你会发现，大模型产业正在经历一个微妙的转折点。

当AGI的能力临界点被GPT-6这样的产品一次次确认，大模型就不再只是一个单纯的SaaS工具，或者实验室里的前沿项目。它正在不可逆地成为全社会的基础设施。

基础设施的特性是什么？是它必须具备极高的外部性和公共性。它不能仅仅是高效的，它还必须是安全的、可预期的、能够与现有社会制度相兼容的。

在技术起步期，大家比拼的是谁的参数大、谁的跑分高。但当技术进入深水区，开始大规模嵌入医疗、司法、金融等各行各业的运行底线时，纯粹的技术领先，已经不足以构成绝对的护城河。

随之而来的，是如何界定“负责任的AI”，如何分配模型出错时的侵权责任，以及如何进行千亿参数下的意图对齐。

这些问题，属于法律与人工智能交叉的命题，仅仅靠堆叠算力是无法解决的。

Anthropic支持严格的监管法案，其实是一种制度层面的前瞻。

他们表面上看是在给自己套上枷锁，但实际上，这是在主动参与制定下一代技术的“入场规则”。

如果加州的AI安全法案以更严格的标准落地，那么“合规能力”就会成为这个行业隐形但极高的门槛。那些只追求性能峰值，却无法在可解释性、安全冗余和审计机制上达标的模型，将面临巨大的法律成本和市场准入障碍。

而Anthropic从一开始就强调“宪法AI”（Constitutional AI），他们在底层架构上就已经预留了对接这种高合规要求的接口。

当别人还在单纯依靠技术参数寻求突破时，Anthropic已经开始在规则的制定上进行布局了。他们并不是被动地接受监管，而是在用自己的技术标准去影响、甚至重塑立法的共识。

回顾历史上的几次重大技术变迁，最终能长期主导行业格局的，往往不只是最先发明出那个机器的人，而是那些参与制定了行业安全标准、运行规则和准入机制的人。

交通法规重塑了汽车工业，电网标准定义了电力时代。在颠覆性技术的狂飙期进入尾声后，制度化与秩序化是必然的归宿。

深入去看Anthropic支持的那些法案条款，其核心指向的是一个权责分配的机制问题。

在上一波互联网周期里，平台往往受惠于“避风港原则”。技术公司提供工具，出了问题，平台在很大程度上可以免责。这种机制极大促进了过去十年的繁荣。

但到了生成式AI阶段，原有的法律框架开始面临挑战。模型不再是单纯的传递工具，它本身就是内容的生成者，甚至是决策的参与者。

如果因为模型的幻觉导致了系统性风险，责任该由调用API的应用开发者承担，还是由提供基础模型的大厂承担？

OpenAI和Google的游说逻辑，是希望尽可能维持技术公司的免责空间，避免将过重的连带责任压在基础模型提供者身上。这是从产业效率出发的考量。

而Anthropic则试图通过支持“第三方审计”等机制，建立一套更为清晰的责任界定标准。短期内这确实会增加开发成本，但从长远的制度经济学角度来看，它降低了全社会接纳新技术的信任成本。

一套明确的、被法律认可的安全标准，能够为企业级客户和公共部门提供采用新技术的信心。没有这种信心，技术再先进，也只能停留在少数极客手中，无法真正完成社会化的大规模部署。

这也是为什么我们看待AI的发展，不能仅仅局限在代码的视角。技术演进到最后，一定会演变成一个深刻的社会学命题。它涉及制度的演进、权力的让渡，以及人类如何在机器智能面前重新确立规则。

GPT-6的发布说明，我们在向着那个极致聪明的“大脑”快速迭代。但如果只有聪明的大脑，而没有与之相匹配的、受到法律与伦理约束的“神经系统”，这种力量在真实世界中的落地必然会充满摩擦。

Anthropic在做的，其实就是试图构建这套神经系统。他们不仅在训练模型如何回答问题，也在试图用制度的语言，向公众回答“我们该如何管理这些模型”。

硅谷的叙事正在发生实质性的分裂。

一部分人依然相信技术可以解决技术带来的所有问题，只要智能涌现得足够完整，对齐问题也会迎刃而解。而另一部分人则开始回归现实的复杂性，认识到技术必须在人类现有的制度框架内寻找共生之道。

这种分歧，不仅仅停留在各家的公关声明里，更实打实地反映在他们的模型权重、产品形态和战略选择上。

今天早上的这两条新闻，恰好是这种分裂最直观的缩影。

当大家在集体围观GPT-6的技术上限时，也许同样应该留一份注意力，去观察那些正在被重新建立的规则。

因为最终决定大模型这项技术未来能走多远、以何种姿态融入人类社会的，不仅是技术本身能做什么，更是规则允许它做什么。