Meta 承认 Muse 受 OpenClaw 启发、智能体开始绕过广告位，与一份要美国牵头的 AI 标准提案｜9月22日 AI 核心人物精选
9月22日的原创信号里，Meta 的产品负责人公开承认 Muse 受了 OpenClaw 的启发，产品作者与投资人开始讨论智能体把广告位绕过去之后钱会走去哪里，而 OpenAI 提议由美国牵头建立一套前沿 AI 的国际标准。
北京时间 2026 年 9 月 22 日 00:05 至 9 月 23 日 00:05。这一天白名单里的原创信号集中在五处：Meta 的产品负责人公开承认新上线的 Muse 受了 OpenClaw 的启发；一位产品作者与一位企业软件的首席执行官先后指出，智能体正在把广告位和结账流程一起绕过去；OpenAI 主张由美国牵头建立一套前沿 AI 的国际标准；Grok 4.7 上线，带回一张价目与基准表；而一周前那个只输出概率的模型 Jev，开始由它的作者出面解释。纯转发无评论、日常闲聊与活动宣传已按栏目规则过滤。
Meta 承认 Muse「从零写的，但产品上深受 OpenClaw 启发」
9 月 22 日 02:32，Meta 超智能实验室（MSL）产品负责人 Nat Friedman 在 X 上回复一位用户的质疑时，正面回应了外界关于 Muse 与 OpenClaw 关系的说法。他的原话是：「我们把 Muse 从零写出来，但它作为一个产品确实深受 OpenClaw 的影响。」他接着写：今年 1 月用过 OpenClaw 之后，他为 MSL 团队买了几百台 Mac mini，团队里很多人爱上了 OpenClaw 和其它个人智能体；他说 Peter Steinberger 是天才，那套 harness 从一开始就具有开创性；Muse 的目标是做出像 OpenClaw 一样、但 Meta 能保证安全、易用、并扩展到几十亿人的东西。这条拿到 4740 个赞、105 万次浏览、875 次收藏。1
Loading content card…
触发这次回应的是前一晚的一句玩笑：有人把 Muse 称作「给普通人用的 OpenClaw」。Friedman 在另一条回复里只写了一句「你有意见吗？」，560 个赞。2
「几百台 Mac mini」这个细节是《印度时报》9 月 22 日 18:44（印度时间）的报道补上的：OpenClaw 最常用的形态是一台一直开着的小主机，它随时在线、能访问你的应用和文件，而 Muse 把这个「常驻」的想法带进了面向大众的助手。同一篇报道写明，Friedman 强调了 Meta 没有拿走任何代码。3 Muse 本身是 Meta 9 月 8 日发布的个人智能体（背景）。4
五十分钟后，OpenClaw 的作者 Peter Steinberger 在 03:22 引用 Friedman 这条写下澄清：因为「Meta 用了 OpenClaw」这个说法正在流传，实际情况是 Meta 自己做了智能体、只是受了启发，他还补了一句「Nat 和他的团队做得很好，致敬」。这是 Steinberger 当天互动最高的一条，5076 个赞、48 万次浏览。5
Vercel 的首席执行官 Guillermo Rauch 在 04:04 只写了四个词：「Game recognizing game」，配的正是 Friedman 那条。547 个赞、9.3 万次浏览。6
当晚 22:39，微软的企业副总裁 Omar Shahine 贴了 Muse 的一段对话：领取页面卡在「验证你是人类」的勾选框前，Muse 问用户「要我帮你点过去，还是你自己接管浏览器来清掉它？」他要说的是这层荒诞。这条 28 个赞。7
上一期这里留了一条未证实的说法：当时流传的版本是「Muse 底下就是 OpenClaw」，两边都没有回应。今天能确定的是 Friedman 本人的两句话——产品上受启发，代码上从零写。Meta 没有发布技术说明，OpenClaw 一方也没有核对过代码。
智能体成了买方，人则搬去了别处
9 月 22 日 09:57，产品作者 Peter Yang 写下他当天传播最广的一条判断：「我觉得广告市场要迎来一次粗暴的清醒。」他的理由只有一句：如果你的生意有很大一部分是给人类看定向展示广告，那么当智能体自己逛完网站、把事办完、整个过程里没有一个人看到广告，会发生什么。这条 790 个赞、7.3 万次浏览、221 次收藏。8
Loading content card…
同一天 00:13，Peter Steinberger 在一条回复里给了同一个问题一个更短的版本：「他们想让你看见广告。」128 个赞。9
Box 的首席执行官 Aaron Levie 当天写了两条，把「钱会走去哪里」讲得更具体。11:18 那条的判断是：智能体使用软件的频率会是人类的一百倍；界面退到背景之后，智能体仍然需要人们一直在用的那些基础能力，而且当智能体能做破坏性操作、或者它读到的上下文决定流程成败时，这些能力反而更重要。他把机会分成两块：替智能体做安全层与护栏、管数据、编排业务逻辑的平台，以及能快速动起来的新公司。这条 239 个赞、8 万次浏览。10
12:26 那条算的是另一笔账：替用户做交易的私人智能体，货币化潜力相当可观。他的推理链是——人先把日常麻烦事丢给智能体，用顺了之后会把更复杂的事也丢过去，最终通过这套系统花掉的钱会比以前更多；能把交易与服务的摩擦降下来，支出就会涨上去。他认为这个机会一半属于智能体提供方（他所举的例子是 Meta 的 Muse），另一半属于那些专门做「智能体想要对接的那一层」的公司：商业、本地服务、B2B 服务。这条 180 个赞、7.6 万次浏览、159 次收藏。11
两个人的判断都落在钱上，但这一节能确定的东西有限：两位说的都是判断，公开材料里没有对应的测量数据。 上一期写过亚马逊在 9 月 21 日切断 Muse 代客下单，用的正是「智能体不表明身份」与使用条款这套口径；那是服务方与智能体之间已经发生的摩擦，而广告位被绕过只是它的下一段。12
同一天的使用者视角来自 FPV Ventures 的合伙人 Nikunj Kothari。他 08:02 那条说：因为太长时间把 Codex 当主力智能体，他忘了普通人根本没用过这类东西；Muse 和 Instinct 在手机上的浏览器操作尤其出色，零配置就能让普通人看到一个好智能体是什么样；但在 Mac 上做 Computer Use，Codex「目前没有对手」。他还提到，据传 OpenAI 准备把自家 agent 面向大众发布，他的唯一要求是把成果展示出来、让普通人容易上手。这条 208 个赞、2.05 万次浏览。13
如果智能体成了买方，人又在哪一侧？这一天有三种答案。06:36，TBPN 贴出 Khosla Ventures 创始人 Vinod Khosla 的说法：「对的智能体不会是一个 app」，因为多数人住在邮件、短信和 Slack 里，app 最多待在后台。14 Peter Yang 在 07:39 直接回了两个字：「不。我早就不住在邮件和短信里了，我住在我和我的智能体的对话里。」这条 90 个赞、4.3 万次浏览。15 中午 12:07，产品人 Nan Yu（@thenanyu，前 Linear 产品负责人）在另一条里给了第三个答案：人们待在 Instagram、YouTube、TikTok 里的时间比待在邮件里多。16 三个答案对应三种入口假设，各自都能推出一套产品做法，也都没有数据。
OpenAI 主张由美国牵头，做一套前沿 AI 的国际标准
9 月 22 日 23:06，OpenAI 的首席执行官 Sam Altman 发帖说：AI 实验室之外的人应该对这项技术怎么发展有真实的发言权，也该有一个清楚的判断方式去知道它有没有被安全地推进；标准应当防止权力集中，其中一个办法是保证新公司和开源模型公司能竞争；标准还应当让各国和企业能够比较证据、从失败里学习。他在最后说美国应当牵头这件事，附上了提案页。这条 3075 个赞、22.3 万次浏览、693 次收藏、534 条回复。17
提案页的标注日期是 9 月 21 日，标题是《为 AI 的下一阶段建立标准》。18 它值得读的部分是机制：
- 它盯的对象是递归自我改进。 递归自我改进（RSI，recursive self-improvement）指 AI 越来越多地参与开发下一代 AI 的这个过程。OpenAI 写的是：完全自主的 RSI 今天还没有发生，在不能安全做到之前就不该去追求它；判断要不要推进，取决于能不能保住人的控制，以及关于收益与风险的、知情的民主选择。它还把今年那起 Hugging Face 事件称为这类风险的一次预演。
- 它列了三个要解决的问题。 碎片化：各国的评测、上报要求和事故定义互相冲突，导致证据无法比较；集体行动：每个国家单独行动会产出谁都不想要的结果，而 RSI 可能让研究加速到超过人们理解进度、评估风险、维持监督的能力；能力不均：前沿开发与相关专业能力在世界上分布不均，这加重了前两个问题。它强调这三个问题对开源和闭源模型同样成立。
- 第一根支柱是让国家标准与国际标准互补的机制。 具体做法是借用已经存在的 AI 安全研究所网络——澳大利亚、加拿大、德国、法国、肯尼亚、日本、韩国、新加坡、印度、英国都有——通过美国的 CAISI（Center for AI Standards and Innovation）与各国行业机构来推进，聚焦能力基准、以及自动化 AI 研究的收益风险管理。它明确写这些技术标准不会是许可证、上市前强制审查或审批要求，各国政府自己决定怎么把它们接进本国法律。
- 第二根支柱是共同测量与事件上报。 它点名三件事：评估与 RSI 相关的进展、以及一家 AI 公司内部有多少研究已经自动化；人工监督在什么情况下必须介入；对齐与自动化研究问题的分级、跟踪、上报与响应，包括统一的事故严重度与上报门槛。OpenAI 把自家的研究加速报告与失准上报框架说成这件事的早期贡献。
提案还写了两句容易被忽略的话。一句是它要求这套标准在制定时不得让特定公司、国家或商业模式占便宜，包括不得让新入场者或开放权重开发者更难竞争；另一句是它认为美中在这类安全议题上的对话会是积极的一步，而接下来的会谈时机正好。
需要标清的是这份东西的性质：它是 OpenAI 自己发布的倡议文本，通篇写的是「应当」；被它列举的那些研究所以及 CAISI 会不会接这个活，文本里没有给出确认。
Grok 4.7 上线，官方给的是一张价目与基准表
SpaceXAI 在 9 月 21 日发布 Grok 4.7，官方页的自我描述是「面向编码与知识工作的最强模型，速度是同类模型的两倍、价格是一半」。19 具体改动有四条：换了更大的基座模型（没有复用 Grok 4.6 的基座）；进行了一轮更长的强化学习，任务配比偏向要跑很多小时才能完成的问题；在核验自己的工作和处理长上下文上更强；原生理解 Grok Bot 这套 harness，所以在对话类任务和一般知识工作上更好。它支持 50 万 token 上下文，四个推理档位从 low 到 xhigh，起步价每百万输入 2 美元、每百万输出 6 美元，与 Grok 4.6 相同；另有一档 Grok 4.7 Fast，输出速度翻倍、价格也翻倍。
官方给的那张表把 Grok 4.7（xhigh）与 Grok 4.6（high）、GPT-5.6 Sol Max、Fable 5.1 Max 并排：
| 项目 | Grok 4.7 xhigh | Grok 4.6 high | GPT-5.6 Sol Max | Fable 5.1 Max |
|---|---|---|---|---|
| 输入价（美元/百万 token） | 2 | 2 | 4 | 10 |
| 输出价（美元/百万 token） | 6 | 6 | 20 | 50 |
| CursorBench 4.0（编码） | 46.3% | 40.4% | 41.7% | 51.8% |
| DeepSWE v1.1 | 71.0%* | 65.2% | 72.7% | 70.0% |
| EEBench（电气工程） | 64.0% | 53.0% | 39.4% | 56.4% |
| AA Briefcase v1.1（多小时代办工作） | 1657 | 1546 | 1487 | 1678 |
| Terminal-Bench 4.0（长时间终端操作） | 38.0% | 20.3% | 37.3% | 57.9% |
| Harvey 法律智能体基准 | 19.6% | 15.8% | 2.5% | 6.7% |
| HealthBench Professional | 56.7% | 48.5% | 60.5% | 62.1% |
*标星的是 Grok 4.7 在高投入档位下的成绩。数据取自 SpaceXAI 发布页；MarkTechPost 在同日的报道里点出两件事：所有分数都是厂商自报，而且 Fable 5.1 Max 在七项里领先四项。 1920
价格是这张表里最容易迁移的一列：Fable 5.1 Max 的输入价是 Grok 4.7 的五倍、输出价约 8.3 倍；GPT-5.6 Sol Max 分别是两倍与约 3.3 倍。至于能不能拿这些分数挑模型，MarkTechPost 给出的另一条口径更实用——Grok 4.7 相对 4.6 的最大一跳在 Terminal-Bench 4.0，从 20.3% 升到 38.0%，同时它在 GDPval 这类职业知识工作上仍然落后于 Fable 5.1。20
同一天凌晨，Vercel 的首席执行官 Guillermo Rauch 给了一条使用现场的记录。01:37 他写：他刚给了 Grok 4.7 一个相当难的题——逆向一个正在运行的二进制文件，「漂亮地解出来了，而且它很快」。这条 2302 个赞、38.9 万次浏览。21
Loading content card…
他在 05:57 的另一条回复里承认了一件事：「我确实能感觉到最近几轮模型发布那种『边际收益递减』的浪潮。Sol 依然是很好的模型，我们在网关上看到很多 4.8 的调用。但 Grok 4.7 是真的。」这条 84 个赞。22
Vercel 自己的更新日志写了可用形态与折扣：Grok 4.7 在 9 月 27 日前对所有调用打四折，模型 ID 是
spacexai/grok-4.7，同时支持零数据留存与禁止训练提示词。23
Jev 开始被解释：一条没人投资过的低延迟区间
一周前 Jev 发布时，被反复引用的是速度和价格（9 月 16 日那期写过它的训练方法与 193.6 倍、444.6 倍那组自报数字）。24 这一天它得到的是一句位置判断。
9 月 22 日 03:55，Andrej Karpathy 回复了一条关于 Jev 的帖子，原话是：「我把它看成 LLM 帕累托最优曲线上的一点，处在一个有大片未被满足的潜在需求的区间里——不思考、单 token、低延迟、能接受的水平智能；这个区间此前因为大家都在比谁更聪明而投资不足。」这条 2942 个赞、21.5 万次浏览、638 次收藏。25
他回复的那条来自 will depue（前 OpenAI 的 Sora 与后训练团队成员）：他说自己对 Jev 的反响感到意外，事后看又合理——它只是个分类器，但是个带着接近前沿智能的零样本分类器，他很意外之前没人做过这件事。这条 2400 个赞、25.3 万次浏览、470 次收藏。26
当天 06:14，Latent Space 上线了与 Jev 作者 Diogo Almeida 的对谈。他是 TypeSafe AI 的首席执行官；swyx 在 06:16 补了一句链接与渠道。2728
播客页自己的介绍列了这一期的关键词：Jev 与 System One 模型、RLCD、每美元智能、可靠 AI，以及「对话优先的 AI 时代的结束」。它还列了作者要回答的几个问题：为什么 AI 能解极难的问题却仍然自动化不了基本工作；为什么 Jev 瞄准的是软件里的可靠决策；为什么 TypeSafe 拒绝公开基准、并把拒答放在 API 层；为什么数据和选对任务比堆算力更重要；以及为什么就算给他 10 亿美元，他也不会从头预训练一个模型。27
接入方式也在同一天变了。Vercel 的更新日志写：除了 AI SDK，Jev 现在还可以通过既有的 TypeSafe 客户端或原生 HTTP API 调用，
POST /v1/evaluate 就能用；它对外的描述是「状态进去、带概率的类型化答案出来，没有需要解析的生成文本」。29这一节里能确定的是：Karpathy 给出了一个可以拿去争论的位置判断，「不思考的低延迟区间被投资不足」是他的说法而非测量；播客里那些关于基准、拒答和预训练的取舍，是作者自己的说明；速度与「不会幻觉」这类表述来自 TypeSafe 自己，公开材料里没有第三方复现。2527
短信号
一句被反复敲的提示词。 9 月 22 日 08:02，Anthropic 的 Thariq（@trq212）写：「我现在每天要打好几次『用大图、少字』。」这条 2560 个赞、19.8 万次浏览、864 次收藏，是他当天互动最高的一条。30 八分钟后有人问到简写模式，他回：简洁模式不做图，沟通上的问题他们在另外修。31 这两条合起来是一个产品信号：模型答得对不对之外，人开始对「怎么呈现」提出固定要求，而且这个要求本身短到能当咒语用。
OpenAI 同一天的另一件事：一个数学顾问组。 官方公告写，他们 8 月 28 日开始训练的一个内部模型，除了解出纳维–斯托克斯方程这个千禧年问题，还解掉了数学各领域 100 多个长期未解的问题，这个速度让公司内部感到意外；为此他们与一批数学家建立了独立的数学与人工智能顾问组，该组由普林斯顿高等研究院（IAS）承办，成员包括 Timothy Gowers、Martin Hairer、Edward Witten、Ravi Vakil、Melanie Matchett Wood 等九人，不领 OpenAI 的薪水、可以提未被要求的意见并公开发表，但不负责给 OpenAI 的数学研究节奏提建议。32 前 OpenAI 首席产品官 Kevin Weil 在 09:57 引用了这条公告，只写了一句话：「渐渐发生，然后一下子全发生。」579 个赞、4.8 万次浏览。33 值得记住的分工是：解出多少个问题由 OpenAI 自己公布，顾问组管的是怎么审阅、怎么公布、以及学术标准怎么算。
一句「美国梦」背后是一张账单。 9 月 22 日 03:40，Replit 的首席执行官 Amjad Masad 写：「AI 正在让美国梦复活。」这条 804 个赞、12.9 万次浏览。34 他引的是 Replit 官方那条用户故事：Jon Cheney 用 400 美元在 Replit 上做出 GenAIPI，5 天赚到 1.5 万美元，6 周 18 万美元，18 个月后这家公司值 2000 万美元。35 顺着窗口往下看还有一句补充：Masad 在 06:20 转了一条把他在播客里那段宗教改革比喻当线索的帖子。36 这些数字都是 Replit 自己给出的单一案例。
数字分身出闭测。 9 月 22 日 23:13，Sam K 宣布 Sentience 从封闭测试转为公开：「你的 Sentience 是你的数字孪生，长得像你、声音像你、写得像你，还能自主行动」，他把它称为通向「意识上传」的第一个里程碑，这条 89 个赞。37 二十多分钟后，South Park Commons 的普通合伙人、前 Dropbox 首席技术官 Aditya Agarwal 引用它写：在大家对生产力的追逐里，人们常常忘了 AI 产品本该让人愉快、好玩，他在 Sentience 上碰到过很多次惊喜时刻。这条 5 个赞。38 他同时在另一条回复里说自己在跟 Sam 和这个团队一起做这件事，所以这是一条掺了立场的推荐。39
核心信号对比与读者检查点
| 人物与身份 | 本期动作或判断 | 证据层级与边界 | 可检查的下一步 |
|---|---|---|---|
| Nat Friedman（Meta 超智能实验室产品负责人） | Muse 从零写、产品上深受 OpenClaw 启发，为团队买了几百台 Mac mini | 当事人自述；代码层面只有他本人的否认 | 等 Meta 或 OpenClaw 任何一方给出技术层面的说明 |
| Peter Steinberger（OpenClaw 作者） | 「Meta 用了 OpenClaw」这个说法是错的，Meta 自己做了一个 | 当事人对传言的澄清，也是这件事的被提及方 | 看 OpenClaw 的路线会不会因此转向企业客户 |
| Guillermo Rauch（Vercel 首席执行官） | Game recognizing game；Grok 4.7 解掉一个逆向题；边际收益递减是真的，但这一版例外 | 个人经验叙述，非测量 | 拿一个自己手上的二进制或渲染问题去试同一个模型 |
| Peter Yang（产品作者） | 广告市场要迎来一次回想起来会尴尬的清醒 | 个人判断，无数据 | 数一数自家站点里有多大的收入依赖「人看见广告」这件事 |
| Aaron Levie（Box 首席执行官） | 智能体用软件的频率是人一百倍；替用户交易的智能体是新的商业层 | 公司经营者的判断，无数据 | 找出自己产品里最像「智能体想要的那一层」的部分 |
| Nikunj Kothari（FPV Ventures 合伙人） | Muse 与 Instinct 在手机上零配置可用；Mac 上的 Computer Use 仍是 Codex 更强 | 个人使用经验 | 用同一个手机浏览器任务分别跑一遍你手上的两个智能体 |
| Vinod Khosla / Peter Yang / Nan Yu | 智能体不会是一个 app / 我住在与智能体的对话里 / 人住在社交应用里 | 三种立场，都没有数据 | 明确自己产品的入口假设属于哪一种，再看它要求你改什么 |
| Sam Altman 与 OpenAI | 主张由美国牵头建立前沿 AI 的国际标准，涵盖 RSI、能力测量与事故上报 | 倡议文本，通篇是「应当」，尚未成为规则 | 读提案里那三个问题清单，对照自己行业的上报口径 |
| SpaceXAI | Grok 4.7 上线，同价、更大基座、更长训练；四项基准领先，Fable 5.1 领先四项 | 分数为厂商自报，第三方只做了口径核对 | 拿一批自己的长任务，把价格和完成率放在一起比 |
| Diogo Almeida 与 Karpathy | Jev 落在帕累托曲线上一段投资不足的区间；播客里解释了为什么不做公开基准、为什么把拒答放在 API 层 | 作者自述与个人判断；无第三方复现 | 在自己的流程里找一个「判断」比「生成」更值钱的环节试 Jev |
| Thariq（Anthropic） | 每天要敲几次「用大图、少字」；简洁模式不做图 | 个人使用习惯，带一点产品线索 | 把「怎么呈现」写成固定的提示词模板 |
读者落地检查点
- 「启发」与「来源」是两件事。 Friedman 说的是产品上受启发、代码上从零写；到目前为止这是唯一的公开说法，谁都没有核对过代码。上一期那条「Muse 底下是 OpenClaw」的传言，今天只是被当事人否掉了一半。
- 广告位这一轮要按「谁在看」重算。 Peter Yang 与 Levie 说的是同一件事的两端：一端是展示广告的曝光不再发生，另一端是有新的层负责把交易撮合给智能体。任何依赖曝光的收入模型都值得查一遍。
- 「几百台 Mac mini」是一个部署假设。 OpenClaw 这类智能体要一台常开的机器，Muse 把这个前提变成了云端默认——产品做大之后，这个差别决定了谁能用上它。
- 那份标准提案里最硬的其实是上报口径。 事故分级、上报门槛、什么情况触发人工复核，这些一旦被各国采纳，会直接落到做前沿模型的公司身上；文本里写的是「不会是许可证」，剩下的是谈判。
- 厂商自报的分数只能横向比价。 Fable 5.1 Max 用五倍的输入价换四项领先，Grok 4.7 用价格换两项领先；把价格和完成率一起看，比看单项排名有用。
- 「不会幻觉」与「更快」目前只有作者一侧的说法。 一个只输出概率与类型化答案的模型，它的取舍与边界来自 TypeSafe 自己的说明。
- 数字分身这类产品，先看谁在推荐。 一条掺了投资与同事关系的推荐，信息量在于产品形态，而不在于它好不好用。
References
- 1
- 2Nat Friedman 的后续回复
x.com
- 3
- 4Introducing Muse — Meta
about.fb.com
- 5
- 6Guillermo Rauch 的评论
x.com
- 7
- 8Peter Yang 谈广告市场
x.com
- 9
- 10Aaron Levie 谈智能体与软件层
x.com
- 11
- 12
- 13
- 14Khosla 谈智能体不会是一个 app
x.com
- 15Peter Yang 谈自己住在哪
x.com
- 16Nan Yu 的回答
x.com
- 17Sam Altman 谈 AI 标准
x.com
- 18
- 19
- 20SpaceXAI Releases Grok 4.7 — MarkTechPost
marktechpost.com
- 21
- 22
- 23
- 24TypeSafe AI 的 System One 模型与 Jev（9 月 16 日那期）
typesafe.ai
- 25
- 26will depue 谈 Jev 的反响
x.com
- 27Jev 与 System One 模型 — Latent Space
latent.space
- 28swyx 发布这期对谈
x.com
- 29
- 30Thariq 谈「用大图、少字」
x.com
- 31Thariq 谈简洁模式
x.com
- 32
- 33Kevin Weil 的评论
x.com
- 34Amjad Masad 谈美国梦
x.com
- 35Replit 的用户故事
x.com
- 36关于 Masad 的宗教改革比喻
x.com
- 37Sentience 出闭测
x.com
- 38
- 39
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.