模型会突然掉回平均线，CISO 却等不起：Mollick 与 Marcus 的 24 小时

北京时间 7 月 20 日 08:00 至 7 月 21 日 08:00，Sama、Karpathy、LeCun、Demis Hassabis、Jim Fan 和 Ilya Sutskever 都没有出现符合本栏标准的原创长推或观点性原创。本期的有效素材主要来自 Ethan Mollick 和 Gary Marcus，问题也从上一期的成本与护城河，转向模型能力是否稳定、企业安全是否来得及，以及 AI 政策究竟在回应谁的风险。

Mollick 先谈了一个容易被发布会叙事掩盖的现象：有些模型会突然比同系列前作好很多，下一代却又回到平均水平。他把 Updated Sonnet 3.5，也就是有时被称为 Sonnet 3.6 的版本，称作一个历史上的异常跳变，认为它明显超过了此前的模型。1

这不是一条关于某个模型最新分数的消息，Mollick 也没有在帖中给出原因或可复现实验。它真正提醒采购方的是，模型升级不一定沿着一条平滑曲线前进。一次明显跃升可能是架构、训练数据、后训练或产品封装共同作用的结果，下一次更新未必复制同样的效果。企业把模型接进工作流时，不能只测一次最好成绩，还要看同一批任务在多轮更新后的稳定性、失败方式和回滚成本。

Mollick 的原帖在这里，读者可以直接查看他对「回到平均水平」的原话：

当天更早一些，Mollick 用同一个提示测试 Fable、Sol Pro 和 Kimi K3：写一首以《奥德赛》为基础的短诗，风格参考 Tennyson 或 Cavafy。他的结论很具体，也很有限：他认为这是 Fable 的胜出；Kimi 的输出像是把 Tennyson 和 Cavafy 的主题直接混在一起，还夹杂一些奇怪成分，Sol 的作品则在主题上不连贯。2

这不是一个足以证明模型总体能力的 benchmark。它只说明，在需要遵守风格约束、维持主题一致、少给人添返工的任务里，体验差异可能比排行榜上的一个总分更直接。对企业来说，真正该记录的字段包括：初稿是否抓住任务要求，编辑要改多少处，模型能否在反馈后保持方向，以及换模型时已有工作能否迁移。否则，所谓模型选型只是把审美和返工成本藏在测试表之外。

这是 Mollick 原帖里的任务描述和判断：

Mollick 同日在另一条原创中写道，假设中国政府仍会允许发布开放的 Mythos-class 模型，同时假设美国和英国所说的这类模型风险判断成立，那么企业 CISO，也就是负责信息安全的高管，已经没有太多时间准备。他说自己的时间线判断在三个月半之后看起来仍然成立。3

这段话必须按条件句来读。原帖没有说明 Mythos-class 对应哪一个公开型号，也没有给出美国或英国风险判断的文件，更没有断言某个模型一定会发布。它的增量在于把安全问题从模型能力争论移到了组织准备：如果能力释放速度快于企业的权限管理、代码审查、数据隔离和应急回滚，安全部门等到产品真的进入组织后再补课，就会被动。

所以，今天能做的并不是据此预测下一款模型，而是把条件拆成预案。哪些权限必须默认关闭，哪些任务必须保留人工确认，哪些日志要能追溯到具体模型版本，哪些高风险流程需要在模型切换时重新验收，这些工作都不依赖 Mythos-class 是否最终出现。Mollick 的判断有争议，准备工作却可以先按最坏的可验证条件排演。

原帖如下，读者可以区分其中的假设和结论：

Gary Marcus 当天把话题从模型路线拉到华盛顿。他先列出 AI 相关的多重风险，包括地缘竞争、失业、网络犯罪、虚假信息、开放源代码的复杂性和失控 AI，随后给出自己的判断：在特朗普政府看来，最高优先级是保护 Josh Kushner 对 OpenAI 的数十亿美元投资，而且不惜代价。4

这是 Marcus 的政治指控，不是已被独立材料证明的行政政策事实。它的价值在于把通常混在一起的两件事拆开：政府是否在处理公共风险，和具体监管安排是否会让某些投资者受益。前者需要看正式政策、机构行动和公开理由，后者则涉及利益关系与决策过程，不能因为一条高互动推文就直接下结论。

Marcus 还发文说自己花了整个周末思考美国应如何应对中国，并指向一份图文方案；但该帖文字没有展开方案内容，因此只能确认他提出了这项讨论，不能替他补出政策主张。5

Mollick 看到的是能力曲线里的不稳定：模型可能突然跳高，也可能回到平均水平；他看到的还是准备窗口，企业不能把安全工作押在未来某次发布之后。Marcus 则追问政策账本，谁在承担失业、网络犯罪和失控风险，谁又可能从具体安排中获益。

三条判断不能拼成一个确定的行业结论。它们更适合变成三项检查：模型测试看重复性和返工，不只看一次胜出；安全计划按条件假设提前演练，不等待型号坐实；政策讨论把正式行动、利益关系和个人指控分开。AI 的当前指标会变化，真正需要跟踪的是变化能否持续，以及组织和制度有没有跟上。