XAI（马斯克的 AI 公司）宣告解散，把几十万张 GPU 卡租给了 Anthropic，导致 Anthropic 算力额度暴增。但实体消失不等于退场——它会以「Space XAI」的形式融入 SpaceX 继续存在。本质是：马斯克觉得当下不需要那么多推理算力，先把这部分资源出租变现。
arkprice 做了一系列很有意思的 Benchmark，第三级最震撼：纯让 Agent 自己去玩红白机时代的游戏，且不告诉你目标是什么，得自己探索找到「通关」的定义。结果顶级模型只得约 0.203 分——一个 7 岁小孩能轻松玩通的游戏，最强模型只能得零点几分。该降低对「AGI 将至」的预期。
本期最烧脑的安全话题：用粤语同质语法作为提示注入载体。原理很反直觉——大模型的「拒绝回答」其实是一个和其他 feature 竞争的 feature；模型对 LGBT 等少数群体议题会自动放松审查，于是用「我是一个 Lesbian」作前置语境，就能诱导它回答本会拒绝的内容。Anthropic「Tracing the Thought」论文里早有记录：refusal feature 一旦在博弈中落下风，拒绝行为就消失。用过度的政治正确，诱使大模型关闭对齐机制——国内外都适用。
OpenAI 连续三天：成立合资公司、发布金融 Agent、让 JP 摩根站台背书。为什么？因为 Blackstone、高盛这些机构对 OpenAI 来说是甲方爸爸，JV 的本质是把大客户变成分销渠道，帮你卖给更多企业。要卖的是一堆「现在就能下单」的金融 Agent。从 Cowork 的 plugin 列表也能印证：Kensho（S&P Global）、Brightdata 等插件最近悄悄上架。
三件「悄悄发生」的事，每件单看都有点可怕：Google Chrome 静默给用户装了一个 4GB 本地大模型（无提示、无权限请求）；Anthropic 的 Cloud 在本地 Chromium 注册了一个组件，把网页 JS 直接接入本地应用（两周前才被一位底层安全分析师发现）；Apple Support 官方 App 泄露了 claude.md，显示苹果客服系统已用 multi-agent 架构、统一兼容人类与 AI 客服。这些涉嫌违反 GDPR；更重要的趋势信号是——越来越多厂商把有执行能力的程序悄悄装进你的设备，而法律严重滞后。
引用 AppleOKIEPOKI 发布的数据，几个关键增速：
最新数据中心规模：70 万块 H100 等效（Anthropic + 亚马逊合作），中美算力差距仍在扩大。每美元算力增长 1.3 倍可能还低估了——硬件芯片制造才是真实瓶颈，GPU 光刻卡住了所有 scaling 的天花板。
MMLU、GPQA 这些曾经高高在上的 Benchmark 已被刷爆，顶级模型发布都不好意思提，改说自己定义的「神奇指标」。几个有趣的新型评估：RKGI（游戏 benchmark）、IRGB（镜子旁放积木让你描述渲染图，没有模型跑得了）、FEN notation（用 FEN 串描述棋局，只有 Image 2 能处理）、万智牌（长程任务，模型一进该领域基本糊掉）、Simple Bench（常识题，人类 95、Gemini 3.5.3 Pro 80）、Crux（用人类可判断的真实任务，如 Pokémon Red、AI Village）。新逻辑：放松一个维度（纯文本 / 短时间 / 以人类为参照）就能做出新的有效 Benchmark。
5 月 5 日刚发布的一篇论文提出 SUBQ（亚二次架构），声称把注意力机制复杂度从 O(N²) 降下来，让注意力计算量下降 1000 倍，比 Flash Attention 快 50 倍（而 Flash Attention 本身已是 3 个数量级的优化）。目前还没广泛验证，但若属实，将是推理方向近期最大的进展之一。
一个疯狂趋势：企业开始把 Token 消耗量当核心 KPI。Uber 四个月就用完了全年的 Token 预算；有人同时跑 50 个并行 Codex，一分钟烧了 4 亿 Token 直接超配额。另一面是震撼的生产力——一个人让 50 个 agent 同时工作，已经不是「10 倍工程师」，可能是「1000 倍工程师」。
一篇文章彻底拆解了 Scrum 在 AI 时代为何失效：我们在 2026 年的机器上跑 1995 年定义的工作流。症状清单——站会变成大家念自己的 Jira；Sprint 演示演的是工作成果而非真实部署；团队加速度只在绩效 review 前才提升。成本：8 人团队、每次 15 分钟站会、两周一个 sprint，一年光站会成本就超过一个工程师的薪资。替代方向：SPEC 先行、线性冲、Agent 优先、持续交付代替迭代。
Coinbase 裁员 14%（目标 15%），CEO 内部信揭示新组织逻辑：CEO 之下最多 5 层管理；没有纯粹的 manager，每个人都必须是贡献者（IC）；未来形态是 AI Native POD——一个小团队里有 agents 和几个人，人人身兼多角；被裁员工拿 16 个月薪资补偿。一人公司时代正在到来：一个人设计、产品、开发、交付、客服全包，在 AI 能力足够时不再是天方夜谭。
最神奇的项目：有人在做 LLMOS，核心命题是「能不能训练一台计算机？」路径：① 找到图灵完备的最小指令集 Subtotal Equal（一条指令就能模拟所有程序）；② 用 Transformer 去拟合这个函数；③ 训练出的 Transformer 直接吞代码吐结果，不需要任何编译器和运行时。准确率约 99%，作者好像还是个学生。第一次有人真的在把 Transformer 做成一台电脑。
从 XAI 解散到「用 Transformer 训练一台计算机」，本期 12 则速写勾出 2026 年初 AI 的几条暗线：能力评估在重做、端侧在被悄悄渗透、组织与商业化范式在重写。想听每条背后的现场拆解，看右下角讲解视频导览。