换股东就断供、最强CU模型Astra、Loop掉CoT、Agent自己改自己

先说机制。普通Transformer是"叠层"——堆N个参数各不相同的层，模型越深参数越多；循环Transformer是"打转"——用一小组共享参数反复过N遍，把"花多少算力"和"有多少参数"这两件事拆开来算。这个思路能追溯到Universal Transformer（Dehghani et al., 2019）和ALBERT的跨层权重共享，但真正把它讲透的是2023年一篇奠基性论文《Looped Transformers as Programmable Computers》（Giannou et al., ICML 2023）——作者手工构造出一组权重，让一个反复循环的13层Transformer模拟出一台真正的计算机（内存读写、条件分支、函数调用），证明这套机制图灵完备；关键是程序有多复杂，只体现在"循环了多少次"，模型本身的参数量完全不用跟着涨。

这两年最重要的一步进展是《Mixture-of-Recursions》（KAIST/Mila/Google DeepMind联合团队，NeurIPS 2025MUST）——它给每个token单独分配循环深度：简单的词提前退出，难的词多转几圈，是后续几乎所有2026年新论文的地基。站在这个地基上，今年密集冒出一批更细的改进：LoopFormer（ICLR 2026）借鉴扩散模型里的"shortcut一致性"训练方法，把循环次数变成一个推理时能调的"预算旋钮"——想省钱就少转几圈，想要质量就多转几圈，同一个模型两头兼顾；《Fully Looped Transformer》（香港浸会大学/吉林大学团队）指出循环次数一多，训练会因为"梯度震荡"和"残差爆炸"两个原因直接崩掉，他们给出的修复方案能让下游任务表现最高提升13.2%；LoopCoder-v2用一个70亿参数的代码模型做了个挺有意思的反向验证——从不循环加到循环2次，SWE-bench Verified从43.0分直接跳到64.4分，收益最大，但循环3次以上开始倒退，说明"转得越多越好"这个直觉本身是错的。更夸张的例子是Loom——完全不训练，纯手工解析构造出一个470万参数、8层、22条指令集的循环Transformer"计算机"，能编译执行真实C程序（斐波那契数列、最大公约数、嵌套条件判断都测过），50个测试程序全部跑通；作者甚至把它做成了能在浏览器里直接玩的贪吃蛇OFFICIAL和DOOMOFFICIAL——每走一步游戏画面，背后都是这台"计算机"完整地把8层Transformer跑一遍。

‹ ›

这套架构已经不只是论文里的玩具了。字节跳动Seed团队的Ouro模型，用1.4B/2.6B的参数量打平了传统4B/8B级别模型的表现——同一个团队（联合清华大学）这周又补了一篇更硬核的论文《SMELT》，把每token算力、总参数量、KV Cache三项严格拉齐（不给循环架构任何算力优势），扩展到54B参数规模后，循环版本依然能比不循环的基线省下6.8%–18.0%的训练算力，优势在代码任务、长文本和更多上下文样本的场景里更明显；论文还给出一个机制解释——模型"重新过一遍"时会减少对无意义token的注意力沉积、把注意力转回真正有内容的token上，这可能就是循环带来收益的底层原因。从"做出一个能打的产品"到"拿出一份不作弊的学术证明"，字节Seed这条线走得挺扎实；南北阁实验室（隶属上市公司BOSS直聘/看准科技，不是创业公司）的Nanbeige4.2-3B也走了同一条路——28万亿token从头训练，把同一套22层堆栈循环两遍（等效44层但不用多存参数），实测两遍循环性价比最高，能保住约75%的token效率，再多循环收益就很小了；IQuestLab——量化基金九坤投资旗下的AI研究部门，和DeepSeek脱胎于幻方量化是同一种模式——发布的IQuest-Coder-V1-40B-LoopGITHUB同样用了循环架构。这几家是目前能查到名字、查到论文的真实落地案例。网上另有文章把"循环Transformer"包装成"中国2026年的数学经济学突破"，读下来通篇都是"参数在循环里盘旋、七次后收敛于一个不动点"这类比喻，找不到一个具体实验室、一篇论文或一组数据——这类内容更适合当背景噪音，不适合当信源。

‹ ›

Astra这次发布本来就顶着压力——OpenAI官方博客证实，公司推迟了Astra部分开发和发布节奏，原因是7月那起AI agent自主攻破Hugging Face生产集群、拿到cluster-admin权限的事故（详见故事线B）：肇事的是另一个未发布模型，不是Astra本身，但OpenAI仍借这个窗口给Astra"加练"了对危险网络安全请求说"不"的能力、加了新的监控流程。更关键的是，OpenAI把Astra定为公司历史上第一个达到自家"关键网络安全能力阈值"的模型——意味着它在没有人类指导的情况下，就有能力在"很多防护完善的系统"里发现并利用安全漏洞，因此"发布前需要更强的防护措施"。Astra还没正式发布，就已经因为"太能打"和"背景不干净"这两条理由被架在放大镜下检视了。

而这套省参数的技巧，很快也在回答一个更敏感的问题：AI到底在"哪里"想问题——是写成看得懂的思维链文字，还是转在读不出来的隐藏状态里。先看Astra这条线，证据链是"The Information匿名信源报道+安全圈的公开反应+OpenAI一句没有完全否认的回应"。9月1日The Information援引匿名信源报道，OpenAI的Astra会用一种叫"循环深度"（recurrent depth）的推理技术——同一段查询会在模型里被反复处理好几遍，批评者把这种做法称为"不透明循环"（opaque recurrence），因为它比常规思维链留下的可读痕迹更少（The Information原文为付费墙内容，未能直接核实，此处转引自安全研究者的公开回应）。反应很快也很直接：Redwood Research CEO Buck Shlegeris本人在X上说"我对Astra使用不透明循环的报道感到极度担忧……如果OpenAI把这项技术进一步推进，他们将有能力大幅增加循环强度，彻底摧毁思维链的可监控性"（@bshlgrsXMUST）；长期关注AI安全的评论者Zvi Mowshowitz写道"这项技术是在玩火，冒犯的是OpenAI和Anthropic一直努力维护的一条禁忌——尽可能长久地保持思维链的忠实与可监控"；Redwood首席科学家Ryan Greenblatt本人则在X上说"我最担心的是，接下来自然的演进方向会是把不透明推理规模继续做大，做到模型几乎完全在潜空间里思考……希望现在停下还不算太晚"（@RyanGreenblattX）。OpenAI这边的回应留了余地：报道明确说Astra对这项技术的使用"看起来是有限的"，思维链预计仍然可读，公司也反驳了"会转向神经语（neuralese）"这种说法；首席科学家Jakub Pachocki在X上写道"从我们第一代推理模型开始，OpenAI就一直在努力保留和利用思维链监控……这是我们当前研究计划的核心目标之一"——这句话更像是重申立场，而不是正面回应"Astra是不是真用了循环深度"这个具体问题。独立研究者Sebastian Raschka隔天写了篇更冷静的技术拆解，观点相当扎心——他指出"重复用同一层"这件事本身并不会自动压制可见的思维链，"只是在生成下一个token之前，往隐藏状态里多加了一些计算，普通Transformer的层本来就是这么干的"；他给出的更谨慎解读是，如果一个模型循环的遍数变多，它可能确实会需要生成更少的中间推理token，于是更多计算发生在读不出来的隐藏激活里——但这个效果和直接把模型做大（比如从GPT-5.6 Luna升级到Sol）本质上是一回事，未必是"循环"这个机制专属的问题。换句话说，这场恐慌的一部分，可能建立在对循环Transformer机制本身的误解之上。更值得注意的是，The Information的后续报道称，Anthropic和Google DeepMind也已经在讨论这项技术——如果属实，这就不是OpenAI一家的选择，而是整个行业在同一个方向上试探。

这场争论真正的分量，来自一份更早的文件。2025年7月，由Tomek Korbak领衔、OpenAI、Google DeepMind、Anthropic、英国AI安全研究院、METR、Apollo Research、Redwood Research等机构共41名研究者联署了一份立场声明，标题就叫《思维链的可监控性：一个新的、脆弱的AI安全机会》，提前预警了一件事——如果模型把更多"推理"放进连续的隐藏状态里循环着算，而不是生成人能读懂的思维链文字，安全研究者观察模型"打算干什么"这件事就会失效。今天的推理模型好歹还会把中间过程写成看得懂的文字（哪怕不完美），循环Transformer结构上恰恰是反过来的——算得更省、可能更强，但过程完全不可见。Astra风波吵的表面是"OpenAI是不是在用某种架构"，但真正的赌注是这份预警里说的东西，是不是正在从"理论担忧"变成"正在发生的事"。

再看Mythos这条线，证据链完全不一样。Claude Mythos本身是真产品——2026年4月7日Anthropic官方确认了一个受限预览版（"Project Glasswing"项目，只对网络安全/生物安全领域的合作方开放），目前已经迭代到Mythos 5.1（2026-09-01发布）。但直接查Anthropic自己的Frontier Red Team博客文章OFFICIAL和产品页全文，找不到任何一句关于架构的披露——只有可用性、定价、安全防护和跑分。"循环Transformer"这个说法的源头，是X上一批人对着Mythos的跑分模式（比如GraphWalks BFS测试里的分数落差）做的非正式猜测，后来被开发者Kye Gomez写成了一个PyTorch复现项目"OpenMythosGITHUB"（GitHub已经14.9k星），但这个项目自己在README里写得明明白白："这是一个独立的、社区驱动的理论重建，完全基于公开可得的研究和猜测，与Anthropic或其任何专有系统没有关联、未获认可、也无从属关系。"另外值得纠正一个常被搞反的时间线：经常和这个传闻一起被提起的东京大学论文（Xu & Sato，《该用思维链还是该循环？》，已被ICML 2026录用）其实2025年5月就挂上了arXiv——比Mythos泄露（2026年3月26日）早了大概10个月。不是"这篇论文因为Mythos传闻才写出来"，是后来编织这套理论的人反过来引用了这篇早就存在的论文，因果关系是反的。

这篇稿子快写完的时候，Mythos这条线自己先更新了一版——9月1日Anthropic同步发布Fable 5.1和Mythos 5.1，官方公告写得毫不含糊："Claude Fable 5.1和Claude Mythos 5.1是同一个模型，只是防护等级不同"；对照Terminal-Bench 4.0的跑分表，官方原话解释了两者的分差从哪来——"差距反映的是我们早期、精度较低的网络安全防护介入的任务范围，随着这次防护升级，我们预计两个模型之间的差距会明显缩小"（Anthropic官方OFFICIAL）。这解决的是另一个问题，跟"是不是用了循环深度架构"没有直接关系——但足以说明，"Fable和Mythos到底是不是两个不同的模型"这个此前只能靠网友对着跑分表格连蒙带猜的问题，官方给出的答案很干脆：从来就不是两个模型，只是同一份权重挂了不同等级的安全拦截，危险请求会被内部分类器升级、必要时fallback到Opus 4.8。这次发布本身也有实打实的进步——cache-read价格砍75%（$1.00→$0.25/MTok），典型工作负载综合成本降约25%、高强度Agent场景最多降45%；Terminal-Bench-Science从Fable 5的24.7%跳到Fable 5.1的52.6%。安全条款这头也悄悄收紧了一道——官方文档证实，Fable 5.1给Messages API加了一道新校验："思考块"（thinking block）现在必须和产生它的system prompt、工具、历史消息完全对得上，对不上就直接报错，2026年8月31日之后新建的API账号强制生效（老账号需主动选择加入）；官方原话很直接："这样开发者就不能在保留Claude思考过程原文的同时，偷偷编辑掉前面的对话上下文"——堵的正是一条被记录在案、用于规模化蒸馏的技术路径（Anthropic官方OFFICIAL）。发布两天后，开发者社区里还冒出个跑分表之外的花絮——有人放出视频，说Fable 5.1"自己琢磨明白了怎么写狂草"，这条演示在X上一天内破4000赞，是这周AI圈观感层面反响最大的一条Fable 5.1相关内容（@yuwen_lu_X，单一账号演示，未经第三方复现）。

这篇专题本来想留个悬念收尾，但Astra这条线自己在9月3日交了答案——GPT-6 Astra正式发布，此前只能靠匿名信源和一句没有正面否认的回应去猜的两件事，OpenAI这次自己全部承认了。官方博客把它定位成"世界上最智能、最对齐的模型"：FrontierMath Tier 4跑到98%、ARC-AGI-3跑到99.9%、ExploitBench满分，总裁Greg Brockman称之为"代际跃迁"、他个人认为"这可能就是那个模型"（暗指AGI，但没把话说死，留给用户自己判断）（OpenAI官方OFFICIALMUST）。更关键的是安全这半篇——官方原话确认Astra是第一个跨过Preparedness Framework"Critical"网络安全门槛的模型（ExploitBench从GPT-5.6 Sol的78.5%提到100%，评测过程中还真发现了两个此前未知的零日漏洞，已经在向维护者披露）；同时官方也第一次亲口承认了之前那场"循环深度"风波里最敏感的指控——"我们的评测发现，Astra的书面推理比GPT-5.6 Sol更难监控"，原因是"Astra对简单任务的书面推理控制力更强、能用更少的书面步骤解决问题"，官方把这称为"严肃对待"的问题，但也强调"它在复杂任务上似乎仍然难以完全隐藏所需的推理过程"。首席科学家Jakub Pachocki这次的回应比"重申监控是核心目标"具体得多——他给出一个可核查的技术判断：包括Astra在内的当前前沿系统，计算图深度仍在GPT-4的两倍左右，没有出现外界担心的"竞相冲向不可监控"。定价方面，Astra标准版API每百万输入token 10美元、输出50美元——和三天前发布的Claude Fable 5.1完全同价。这条发布本身也带着火药味：官方博客里，Astra在Terminal-Bench 4.0（57.9% vs Fable 5.1的55.8%）、FrontierMath Tier 4（97.6% vs 87.8%）等多项基准上直接对比了Fable 5.1、Fable 5、Claude Opus 5和Gemini 3.8 Flash——本刊这周报道过的四款模型里有三款，这周都被OpenAI自己拉出来当了一次陪练。