亚马逊把 Meta 的 Muse 挡在门外、OpenClaw 做完一次外部安全审计，与一个让模型打《星际争霸》的基准｜9月21日 AI 核心人物精选

亚马逊把 Meta 的 Muse 挡在门外

Meta 为 Muse 发布的三张宣传图，随 GeekWire 9 月 21 日的报道一同刊出。画面上从左到右是：Muse 把几款婴儿车列成卡片并说明推荐理由、商品页上的「Buy with Muse」按钮、以及第三个界面里那句「Checkout · Muse wants to place an order at nvcss.com」和并排的 Deny / Allow，同一屏里浏览器那一行写着「Blocked · Waiting for confirmation」。这三张图是 Meta 自己给的流程说明：下单这一步要用户点头；而亚马逊要的正是这个流程之外的东西——它说这个智能体从没告诉过它自己是谁。

亚马逊返回给 Muse 的提示页，随 GeekWire 报道刊出。图里是它的原文：「Continued access by an unauthorized AI agent violates Amazon's Conditions of Use, to which our customers have agreed.」下面只有一个 Continue 按钮——它不引用任何反入侵法条，引的是使用条款。

OpenClaw 借 OpenAI 的 Patch the Planet 做完一次外部安全审计

• 权限不跟随请求。 一个带着有限权限进来的请求，启动下一段工作后那段工作不再受同样的限制。修法有时是把原权限带过去，有时是让后续工作根本不需要权限——官方举的例子是，一个给文件起名的组件不需要工具。
• 一件东西有两个名字。 OpenClaw 为兼容旧配置保留了同一事物的多个别名，安全策略看到的是 A，系统后来用的是 B。这一条同时影响用户身份与功能名。
• 检查的对象与实际使用的对象不是同一个。 有一处归档检查只看了归档的一部分，之后才解压出全部内容；另一处文件路径在批准之后变了。检查单独看都合理，但没有覆盖最后那一步真正的操作。
• 权限在智能体运行途中变化。 有些功能只在启动时查权限，之后不再查，配置里关掉一个开关也影响不到已经跑起来或已缓存的工作。官方给的例子是：一次运行开始时允许访问记忆，运行中途管理员关掉了它，这次运行仍会继续读记忆直到结束。

Peter Yang 给个人智能体排了个座次

• Muse 可能成为领先者。 他的理由是应用本身好用，Meta 又在全平台猛推；用过之后会发现，智能体住在 iMessage 这类既有的聊天应用里并不合理。除非 Meta 算力不够，他认为这会是 Meta 在 Facebook 之后最成功的自研应用，比 Threads 大得多。
• ChatGPT 大概还是这个赛道的领导者，因为它已经有 10 亿以上用户，模型、电脑操作与语音按功能逐项比可能还更好。难处在于一个产品同时服务工作与个人，以及用同一套体验同时服务企业与消费者。他自己就是因此转向 Grok Bot 的——他觉得 Work 与 Codex 的切分太乱。他预期几周内会看到 OpenAI 有像样的动作。
• Grok Bot 算不上 Muse 的对手，因为它面向工作。他认为多机器人天然适合团队的知识工作，对 Grok Bot 的乐观情形是「再补几个功能就成了同时服务机器人与人的多人智能体 Slack」。
• Google 是黑马。 所有个人智能体都吃 Gmail、Google 日历与 Google 应用里的数据；Google 自己的个人智能体 Spark 在他上一次看时还只是 Gemini 里的第二个标签页。他认为 Google 需要更激进地把 Spark 变成主体验，但 Google 在「多人 AI」上的过往记录一般。
• 多人协作这一块还没有人做出来。 他没法方便地把配偶加进一个 Muse 会话去规划假期，也没法把同事拉进 ChatGPT 或 Grok Bot 的线程；今天的「多人 AI」大半只是往 Slack 里 @ 一个机器人。他认为这是下一个大解锁。

一个让模型打《星际争霸》的基准，171 局后没有模型打过新手

• Grok 大部分时间花在两次动作之间。 它也打得很差，但方式不同：频繁产出很长的推理、极少的指令批次。报告举的一局里，xhigh 档在 43 分钟里记录到 11138 个推理 token、只发出六批指令，始终没有造出一个战斗单位。作者说这不像是策略差，更像是没能维持「观察—行动」的循环。
• Codex 先学会的是骚扰，不是运营。 它常派一个探机穿过地图去骚扰敌人，效果出奇地好，因为对手要花几十秒思考拿这个探机怎么办。同一批系统在持续生产上弱得多，会延迟科技、把一两个基础单位送进有防守的基地。作者还注意到 Codex 会分出分别管经济、生产与部队的子智能体，彼此沟通很少，于是部队智能体把每个新单位单独送去进攻，不知道另一个智能体在攒兵——这是典型的新手错误。作者自己下场指挥时，Codex 就明显更会组织一次成型的进攻。
• Claude Fable 是最认真在玩的那个。 它通常会先做经济、爬科技树，而不是停在第一个能造的单位上；一局里它造出了飞龙并赢下比赛，另一局它依次补上机器人工厂、圣殿档案馆与天文台。但野心不等于执行力，同一批对局里它也被 Opus 5 反推过。
• 旧模型把即时战略当回合制游戏。 它们在「思考」的时候被打死。新模型有时也掉进同一个陷阱，这也许能解释为什么一些低投入档位反而打得更好——它们更清楚思考是花钱的。

短信号

核心信号对比与读者检查点

读者落地检查点

1. 「凭据被保存」这句话要找到出处再用。 它是亚马逊一方的指控，Meta 的说法正好相反；两家都没有交出第三方验证。
2. 亚马逊这次引的是合同，不是反入侵法。 第九巡回已经认定访问者是用户，所以真正的争点在服务条款怎么解释、以及商家能不能拒绝不表明身份的智能体。
3. 0 严重不等于没风险。 那 27 份通告里 16 份是中危，而且四类问题都属于「边界画在了错的时刻」，这类问题不会因为一次审计就消失。
4. 榜单要看成本列。 同样的胜率档位，每局成本可以差二十倍以上；选模型时把这两个数放在一起看，比只看排名有用。
5. 别把个人判断当产业结论。 个人智能体那一整节的排序出自一位产品作者的手感，他自己的产品栈也说明这些工具在他手里是可以换的。
6. 被智能体访问过的统计量已经不可比。 遇到「某系统份额上涨」类图表，先确认口径里有没有机器流量。
7. 把「责任在谁」写进自己的设计。 如果责任在你，那就该由你决定哪些动作需要人类点头——Meta 的流程里那一步是 Deny / Allow，亚马逊要的是它一开始就知道来人是谁。