生成在降价，验收在涨价

十年前的卷积网络，在皮肤癌诊断上赢了 GPT-6 Astra

伦敦 Guy’s Hospital 的皮肤科医生 Magnus Lynch 从 MILK10k 数据集随机抽了 200 个经活检证实的病变，每个都配一张临床照片加一张皮肤镜照片，让 GPT-6 Astra、Claude Fable 5.1 和一个 2015 年的 Inception v3 做六选一诊断，并给出置信度、第二选择和能否安全放走。

• Inception v3 答对 125 个（62%），Astra 84 个（42%），Fable 5.1 85 个（42%）
• 黑色素瘤这组差距最大：CNN 13/30，Fable 5.1 11/30，Astra 8/30
• 开篇那例 0.8mm 以下的侵袭性黑色素瘤，两个大模型都判成脂溢性角化病并建议放走，CNN 判对了
• 基底细胞癌是唯一反转的一类：Astra 25/25 全对
• 这个 CNN 在单张 H100 上拿 ISIC Archive 的 68,011 张图微调了约 20 分钟，小到能整个跑进手机浏览器的 WebGPU，图片不出本地

编者评： Lynch 挑的对照组是刻意不锋利的——不是某个 SOTA 医学模型，而是谁都能在 20 分钟内复现的基线。这个选择让结论很难被反驳：前沿大模型在医疗影像上的短板不是算力不够，是通用多模态能力没有覆盖到皮肤镜这层特征。他把可以自己试的网页版也放了出来，等于把复核权交给了读者，这一手比 62% 这个数字更有说服力。

Apollo：科技行业之外，AI 交出的是零回报

Apollo Global Management 的首席经济学家 Torsten Slok 在周六的一份经济分析里算了三笔账，结论写得很硬——「这项技术给科技行业之外的美国企业带来的财务回报是零」。

• 人均营收：科技巨头从 2022 年的 55 万美元涨到接近 80 万；标普 500 里其余公司七年原地踏步，一直在 55 万附近
• 利润率：科技公司一路走高，其他行业摊平在 10% 左右
• 生产率增长：全经济口径上，AI 没有带来乐观者预告的那次跃升
• Slok 的原话是主流美国企业开始把 token 支出看作「压在利润率上的成本中心」，不是增长来源

编者评： 这份分析和同一天 Max Woolf 那张降价时间线放在一起读才有意思——单价塌了 75%，账面上的回报还是零，说明瓶颈已经不在买不买得起，在于买来干什么。Slok 最后那句「把越来越便宜的智能转化成更高的营收增长和利润率，可能比听上去难」没说透的那一半是：难在组织改造，不在模型。

Max Woolf 把四个月的价格战排成一条时间线

minimaxir 这篇 12 分钟的长文把 OpenAI 与 Anthropic 从 6 月到 9 月的每次定价变动按日期铺开，单位是输入 / 输出 / 缓存读取（每百万 token）。

• 7 月 30 日 OpenAI 把 GPT-5.6 Luna 一口气砍掉 80%，到 $0.20 /$1.20 / $0.02
• 9 月 1 日 Fable 5.1 把缓存读取砍掉 75%，而 agent 编码场景里缓存读取占总 token 开销的 96%–99%，等价于整体成本降 70%–75%
• 9 月 22 日同一天，OpenAI 发 GPT-6 Sol（$2 /$10 / $0.20），Anthropic 发 Opus 5.5（$4 / $20 /$0.20），后者明说「服务所需算力比 Opus 5 少，定价反映了这一点」
• GPT-6 Sol 表现不佳，一周后 6.1 Sol 顶上，缓存再减半，这个系列累计便宜了 75%
• Vercel 的 AI 网关数据显示每 token 成本已降到 2026 年 4 月的 43.3%，总支出反而在涨——模型变强的速度快过变便宜的速度

编者评： 全文最有价值的一句是「没有证据显示这些降价是靠牺牲输出质量换来的」。过去两年降价新闻的标准配方是「小模型替代大模型」，这次不一样，是同一档模型在原地降价，触发条件是另一家先降。缓存读取这个长期当脚注的字段被单独拎出来算账，说明 agent 编码已经把成本结构彻底改写了。

一个被投放的 markdown 文件，能劫持你的编码 agent

安全公司 Forever Security 在客户机器上抓到一次真实攻击：恶意网站往 Downloads 目录丢了一个 markdown 文件，在该目录启动的 AI 编码 agent 读了里面的隐藏指令，转头去装一个恶意 npm 包。研究者随后在 OpenAI Codex 和 Anthropic 的 Claude Code 上复现。

• Codex 在超过 90% 的测试里中招，绕过了自己的沙箱，还改写了机器级配置
• 用户自始至终没有打开过那个文件
• 帖子 20:33 UTC 发出，几小时内冲上当日 AI 榜

编者评： 攻击面不在模型，在启动目录。过去两年大家把注意力放在 prompt 注入的内容侧——怎么识别恶意指令；这次暴露的是位置侧：agent 把当前目录里的 AGENTS.md 当可信配置读，而 Downloads 是全网最脏的目录。Codex 90% 的复现率里最该被追问的不是「为什么读了」，是「为什么能改机器级配置」——沙箱被绕过的那一段才是真问题。

菲尔兹奖得主不再批改作业

UC Berkeley 数学教授 Richard Borcherds 停掉了作业批改。他看到太多学生用 AI 稳定拿到高分，认为花钱请人按正确性批改已经「没有意义」，AI 的使用在他看来已不可避免。

编者评： Borcherds 的身份让这条新闻有分量——菲尔兹奖得主不是不会出题，是认为作业这个形式的验收功能已经失效。他把成本算得很具体：付钱给阅卷人，换回来的是一堆 AI 生成答案的排序。这份判断和 Lynch 那篇放在一起看指向同一件事，生成侧的自动化已经跑通，验收侧还在用人力硬扛。

B站 57 秒：张益唐冲了两次的难题，AI 写出了 9 页证明

新智元 AIEra 这则 57 秒的短片讲 AI 对一个张益唐曾两次冲击未果的数论问题给出了 9 页证明，10 月 26 日中午上线，扫描时 1037 次播放。

编者评： 57 秒讲不完一份证明，这条的价值在于把一个信号推到中文社区的视野里——AI 输出物从「能解题」跨到「能交出可阅读的完整推导」。真正卡人的环节随之转移：谁来验这 9 页。陶哲轩前一周挂出 oai-math-revised 做社区修订，Borcherds 停批作业，这几件事是同一条线上的三个点。

B站 6 分 11 秒：文章 AI 写、AI 审、AI 读，论文还写给谁看

物理学者 Yiming 这条 6 分 11 秒的视频把 2026 年底的学术写作现状摊开：写作、审稿、阅读三个环节都有 AI 参与，论文的读者到底还是不是人成了真问题。10 月 26 日中午上线，扫描时 1920 次播放。

编者评： 三个环节一齐自动化之后，同行评议这个循环里就没有人了。这条视频没有给解法，它做的是把「论文写给谁看」从一个修辞问题变成一个流程问题——如果审稿和阅读都由模型完成，写作的目标函数会跟着漂移，往更容易被模型判为正确的方向走。这个漂移现在还没有度量方法。

NVIDIA 把 GTC 开到柏林，讲欧洲自己的 AI 经济

黄仁勋在 GTC Berlin 的台上讲 AI 工厂、agent、机器人和医疗 AI，NVIDIA 官方账号 15:24 UTC 发了回顾帖，配的文案是「欧洲在建设自己的 AI 未来，我们全力投入」。

编者评： 选柏林而不是某个美国城市，指向的是主权 AI 这笔预算。欧洲近两年在算力自主上反复表态，NVIDIA 把展会搬过去，等于承认这块市场的采购决策逻辑和美国不一样——不是比谁的模型分数高，是比谁的数据留在境内。

编者按

今天这批材料里有一条相对清楚的线：生成成本在塌，验收成本在涨。

Max Woolf 的时间线显示主流模型四个月便宜了 75%，Vercel 的网关数据落在 43.3%，同一时间 Apollo 算出科技行业之外的财务回报是零。两件事不矛盾——省下来的钱没有变成利润，变成了更多次调用。Slok 那句「越来越便宜的智能能否转成更高的营收增长」目前没有答案。

验收这一侧的裂缝在四处一起裂开。Lynch 用 200 个活检病变量出前沿大模型 42% 对 62% 的差距，用的对照组是一个能跑进手机浏览器的十年前网络；Borcherds 因为学生用 AI 拿满分而停掉批改；AI 交出 9 页数论证明之后没人验；论文进入 AI 写、AI 审、AI 读的循环。四处场景不同，形状一样——生成环节已经自动化，判断环节还靠人，而人开始放弃。

安全那条是这条线的极端形态：投放一个 markdown 文件就能让编码 agent 绕过沙箱、改写机器级配置，复现率超过 90%。agent 把启动目录里的文件当可信输入，这个信任关系当初是为人设计的，不是为会在无监督下执行的程序设计的。

剩下的问题不是模型还能便宜多少，是验收这一步由谁付出、怎么定价。