铃阅时讯
❌

阅读视图

从蒸馏到合成数据到 RSI,模型竞争的下一个焦点是什么?|42章经

原创 曲凯 2026-08-16 21:00 北京

蒸馏并不是国模变强的决定性因素

本期嘉宾繁青是 Evolvent AI 联创。他是 01 年的 PhD,曾在 Kimi 做了一年多 RL infra 和 agent,参与 Kimi K2.5、Kimi Linear 等重要模型的发布。Evolvent AI 也是这批数据公司里跑得比较好的几家之一。

本期播客原文约 19000 字,本文经过删减整理后约 6200 字。

编辑整理:陈皮

曲凯:我们最近聊了很多模型、算法相关的人,发现出来创业的人里,大多是 post-training 背景,而 pre-training 背景的很少。这是为什么?

繁青:做 pre-training 很吃资源,初创公司很难 cover 这块成本。而 post-training 就好很多,路径也比较明确:要么做合成数据,要么做平台类的东西。后者可能有点抽象,可以简单理解成做 bench。

不过现在的 bench 和以前不太一样。

以前主要考模型的推理和做题能力,现在还要考模型在真实环境里的操作能力,比如能不能很好地操作飞书、Notion 等软件。这种 bench 如果做得足够好,很容易转成落地的商业模式。

曲凯:但以前做题和 coding 的那种 bench,可验证性更强,最后对一下结果就行。如果是要造一个环境,该怎么评判结果的好坏?

繁青:会比以前复杂。

首先要确保模拟环境和真实环境是对齐的。举个例子,我们在环境里造了一个 Notion,真实世界里也有一个 Notion,那在输入相同时,两边的输出是不是一样?如果一样,至少能证明这个环境是对的。

另外就是要检查结果。就像你说的,以前可能对个结果就行,但现在得拆出很多维度的小得分点。这些得分点目前还是比较依赖人的精细设计。

曲凯:明白。我最近听到一种说法,说 post-training 的人其实每天主要是在做数据?

繁青:确实,尤其在大厂。举个例子,大厂之外的人要 SFT 一个模型,可能得去 GitHub 拉仓库、找 GPU、配环境、整理数据,再训练。

但在模型厂内部,这一套已经被做成了服务。研究员很多时候只要提交请求,然后等结果就行。在这种情况下,研究员最重要的事就是把数据做好。

曲凯:那 post-training 是不是相对比较枯燥?现在训模型的门槛是不是也没有大家想得那么高了?

繁青:后者我比较认可。对大部分研究员来说,训练模型的门槛确实降低了。但如果你是做 infra,相当于是在做那套服务,里面还是有挺多坑的。

至于 post-training 是不是枯燥,我觉得倒不一定,因为造数据本身很难,即便现在有 agent 参与,不同的人造出来的数据也不一样。

我们最近做了一个 RSI bench,就在讨论 agent 能不能直接完成造数据、迭代训练模型这件事。目前看,agent 只能做一些比较机械的事。比如某批数据导致模型回答格式错了,agent 可以发现并修改。但如果要让它提出造数据的 insight,现在还做不到。而模型厂的研究员在这件事上有很多自己的 know-how,这也是大家的核心能力。

曲凯:不同人做出来的数据好坏,大概体现在哪里?

繁青:最直接的量化标准,是这批数据能不能在模型不作弊的情况下,让模型在目标 benchmark 上提分。

还有一些其他考虑。比如我用代码数据训练模型,它在代码 bench 上提升了,会不会让写作这类偏文科的能力下降?也要看难度是不是适中。太简单的数据没用,太难的数据,模型也学不好。

不过,要正经检验数据质量,还是得拿去训练。训练前,只能做一些初筛。

曲凯:明白。你刚从 Kimi 出来不久,现在 Kimi、MiniMax、智谱这些国内模型厂都在陆续发新模型。你怎么看国内模型现在的发展阶段?大家在拼什么?

繁青:从已经发布的模型来看,国内模型和国外模型的差距在缩小。

当然,具体相差多长时间很难估计,因为国外厂可能有自己的存货没发出来。但比如 Kimi K3,在国内卡可能只有国外十分之一的情况下,效果已经接近 Fable 5 了。

我认为这个结果,主要来自预训练。

国内有限的资源,反而倒逼出了国模在 pre-training 上的架构创新。比如 Kimi Linear、DeepSeek 的 Multi-head Latent Attention,相比于原有的 attention 机制,都是希望用更少的训练资源达到更好的效果。

但在后训练上,国内可能比国外要弱一些。这里的弱不是说技术实力弱,而是像 Anthropic、OpenAI 这些厂,在数据上的积淀更早。国内积淀相对少,所以目前可能会通过蒸馏来补足短板。

曲凯:这和我预想的不太一样。我之前以为,pre-training 部分海外的人才密度更高,卡也远多于国内;而 post-training 更偏工程,理论上应该是国内更有优势的部分。但你认为国内在 pre-training 上更有特色,post-training 反而弱一些?

繁青:对,我和身边一些朋友都比较 buy in 这一点。

预训练更拼研究员的聪明才智。从实际结果看,现在全球范围内比较好的模型架构也就是 Kimi 和 DeepSeek 做出来的,而且它们至少已经在自己的公司里证明了 scale 能力。

而后训练就像你说的,更工程一些。工程上的时间差更难弥补,而且数据积淀比较拼人力和组织。

曲凯:这还蛮有意思的。

那之前智谱在 coding 上长期领先,现在 Kimi K3 出来之后,榜单和反馈都很好。所以后面模型厂还会交替领先吗?尤其像你说的,Kimi 在模型架构上有创新,而且这版也是一个大参数模型。那其他家还有可能很快超过吗?

繁青:只看 bench 上的结果,基本还是会交替领先。但大家相互追赶的过程中肯定有时间 gap,而且真实体感不一定完全一样。

曲凯:所以今天各个模型在拼的,到底是架构创新、数据、infra,还是什么?

我们最近也聊了很多人,我的一个感受是,人才只要肯花钱就可以招,数据只要肯花钱也可以做。那中长期是不是还是拼卡,最后是不是还是大厂更有优势?

繁青:从技术上说,架构、数据、infra 都要拼。

架构决定你能不能在有限资源里榨出更多东西;数据决定你能不能在 benchmark 上达到更好效果;infra 保证内部迭代速度。

不过技术一直在流通,大家的技术水平差异不会特别大。

那长期看,卡当然非常重要。但即便大厂有更多卡,我个人还是更看好初创公司。

因为我觉得最后可能要看组织形态,也就是怎么让公司作为整体跑得更快,比如部门怎么划分更合理、多模态部门到底要不要单独划出来。混元就是一个例子。它在没有改架构的时候可能做得比较差,但现在突飞猛进。

曲凯:说到多模态,有人说,多模态、世界模型不在智力主线上,真正提升模型智力的还是 coding、数学这些。你怎么看?

繁青:这个说法有点绝对。我觉得多模态也应该放到主线上。只是现阶段基于资源考虑,还不太能做全模态优化。而且多模态不像文本信息那样高度压缩,噪声更多,发展起来也会慢很多。

但我相信之后多模态会变得重要,因为 AI 要进入物理世界,还需要视觉、听觉、触觉等各种东西。

曲凯:明白。那现在有没有共识,下一个阶段最核心的是什么?

繁青:现在的共识可能就是 auto research,或者叫 RSI、self-evolving、AI for AI。

目前大众可能更倾向于把 RSI 理解成模型自己迭代自己,得到一个更强的模型;而 auto research 则更像是已经有一个强模型,让它持续迭代做某件事,比如写出一个好的 GPU kernel。

但我认为这些概念说白了都是一件事:

给模型一个工作环境和目标,看它能不能持续操作,拿到结果反馈之后修改之前的操作,最后突破上限。

曲凯:我理解这件事其实有几层可以做。

从最表层的产品结果来讲,可以让模型输出结果后,先不给用户,而是多尝试几次,得到更好的结果之后再给出来。这层应该比较简单,之前也有人在做。

最上层,就是模型能不能自己训练自己。

中间是 harness 部分,也就是怎么让 harness 自己转起来。这层我想多理解一下,因为有人说模型未来会把 harness 一起训进去,就没有所谓 harness 这层了。你怎么看?

繁青:我倒不认为 harness 会不存在。

现在模型厂基本都有自己的 harness,一般会跟着模型一起发版,因为后训练时,模型的输出会经过 harness,反向传播也会让模型越来越适配这个 harness,所以这两者往往会配套出现。当然,我相信 harness 会越来越简单。

曲凯:那未来几年还会有第三方 harness 的空间吗?

繁青:要分情况。

像 coding 这种通用领域,可能确实没有第三方 harness 存在的必要。

但在垂直场景里,一方面大家可能没必要用最强的模型,另一方面也没必要用它们配套的 harness。用一个相对弱的开源模型,配一个简单的 workflow,可能就可以完成需求,而且成本更低、速度更快。这时可能就有第三方 harness 的空间。

曲凯:但如果真能实现 RSI,为什么不用模型自己训一个垂直领域的 harness?以及如果是这样,是不是模型仍然会吃掉一切,还是垂直领域还会有什么价值和壁垒?

繁青:用一个强大的模型写 harness 没毛病,但是这个 harness 未必要接最强的模型。

现在普通用户已经很难感受到新模型能力强弱的差别了,对一些垂直领域来说更是如此。所以大家大可以用强大的模型去指导一个比较小的开源模型,然后在自己的垂直场景上进行迭代,后面就只用这个小的垂域模型。

曲凯:那最终模型商的价值会怎么变化?就像你讲的,现在一些基础模型就已经够用了,最近 GPT 也降价了 80%。那有没有可能直到有一天,大家发现足够使用的模型已经接近免费了?

繁青:我会分两方面来看这个问题。一方面,如果未来真的出现一两家独大的局面,模型价格未必会一直降。因为现在模型降价不一定是因为卡很多、成本低,也可能有商业模式和竞争方面的考虑。毕竟现在开源社区很强,又有竞争对手。

另一方面,垂域还有很多数据隐私需求,不一定有很强的意愿去用 Claude、GPT 这种模型。

曲凯:但我觉得一两家独大,好像目前看起来也不太会发生?

繁青:嗯…不好说。

曲凯:那如果模型真的能自己研发自己,为什么创业公司不直接做一个更好的基模?以及为什么这件事不是模型厂自己做?

繁青:我最近也在思考,所谓 RSI 基模和模型厂正在训的基模,到底是不是正交的。我目前认为,这二者其实是同一件事。所以创业公司去训 RSI 基模,或者去做 RSI 的 harness,都没有太大意义。

曲凯:所以实现 RSI 最核心的点是什么?我能不能理解,只要基模的 coding 能力越来越强,慢慢就能做到?

繁青:我现在对 RSI 的思考是,很多 self-evolving 的方法可以看成一个更聪明版本的 DFS。

DFS 这个算法就相当于让模型走迷宫,遇到死路时再回溯到上一个点。

但在 DFS 里,这个回溯是由代码判断的;而在 RSI 中,是由 LLM 判断的。

而 RSI 的「聪明」,主要就体现在剪枝上。剪枝其实就是要预判一个操作会带来怎样的未来状态,以及这个状态的收益。那在 RSI 中,剪枝的作用就是要让 LLM 把更多精力放到更可能的路上,提高 RSI 的效率。

从技术上说,这件事实现起来,核心靠两个东西:world model 和 value model。这二者在大模型预训练时,已经被内化了。这也是为什么我前面说,我觉得创业公司训「RSI 基模」不太成立。

之后 RSI 变强,一方面要看模型有没有把 world model 的知识内化得更好,另一方面要看模型的 context 窗口有多长。前者决定模型知道多少东西,后者决定模型能回溯到多远的地方。

曲凯:现在模型厂都在往 RSI 这个方向走。假设有一天模型真能做到算法自迭代,数据会不会又变成瓶颈?还是到时候数据也能自己转起来?

繁青:我个人觉得可以转起来。我们最近做的 RSI bench,其实就是在探索这件事。我们目前确实发现,agent 在数据层面展现出了一定的自进化能力,以及自行合成更好数据的能力。

曲凯:我们正好可以捋一下数据的几波发展。我观察到第一波是以 Scale AI 为代表的普通人标注,第二波是 Mercor 那种专家标注数据。合成数据可以理解成当下第三波趋势吗?

繁青:我觉得是,但可能已经在趋势的中后期了。

第一波数据需求更多是为了做预训练,这块目前的需求确实不多了。

第二波对专家数据的需求是 o1 推理范式带来的。这部分依然有需求,但不会像 25 年年初那么多。因为现在模型很强,对专家的要求也变高了。原来可能只要求专家做题,现在还要专家出题,而且题不能和市面上已有题重合,这就太难了。

第三波对合成数据,包括真人数据这块的需求,则是模型 coding 能力变强、开始有更强的 Cowork 能力之后解锁的,主要是为了提升模型的 agent 能力。

曲凯:现在不同类型的数据,大概是什么价格?

繁青:专家数据可能是一两千这个量级。贵的合成数据能卖到好几千,一般就是一条非常长程的任务。真人操控轨迹有时候要走量,就没有单条的说法,因为噪声比较多。

曲凯:合成数据模型厂自己也能做,为什么还要外采?

繁青:数据肯定是多多益善,而且模型厂自己造的数据会有自己人的 bias,所以希望从外面收一批高质量数据,补一下分布。

但合成数据的单子以后肯定会越来越少,主要是因为目前的 bench 越来越少了。

现在模型越来越强,做一个好 benchmark 的难度也非常高,最终可能只会剩下少数几个最好的 benchmark。这样模型厂就可以围绕少数 bench 自己造数据,对外部需求就会少。

曲凯:所以数据还有什么可以做的机会吗?会是什么?

繁青:短期看,可能就是 RSI 数据,比如我用一个模型去后训练另一个小模型。这样一条训练轨迹目前很稀缺,要跑出来也比较难,可能得有模型训练背景的人才能做。所以数据行业的门槛也在提高。

曲凯:所以这半年,包括你们在内的一些公司靠卖数据赚了很多钱,收入涨得蛮快。但你前面说,你觉得这一波已经快进入尾声了?

繁青:对,普通 agent 数据这一波确实已经接近尾声。数据行业变化非常快,也会筛选数据厂商。以前主要走重人力专家标注模式的公司,可能很难活下来。反而是数据公司里有一线 hands-on researcher,可能更能追上数据变化的潮流。

曲凯:但要做好 RSI 数据,就像你前面提的,还是必须自己真的去训模型。

繁青:对。但现在训模型基本约等于造数据。包括我们造数据的时候,也会和模型厂商有合作。

曲凯:我想起来,最近有个蛮流行的说法:「算法就是数据,数据就是 infra,infra 就是算法」。它戏谑之中好像又带着一点真相(笑)。你怎么看?

繁青:没什么毛病。

「算法就是数据」,是因为算法往往会收敛到最简单的形式。当大家都用同样方法时,差异就体现在数据上。

「数据就是 infra」也好理解,因为 infra 决定训练能不能更高效。

「infra 就是算法」,则是因为当我们要训大尺寸、长轨迹模型时,就需要 GPU 层面或者模型 context 层面的并行,才可以训下去。

在这三者之中,数据是核心的驱动力。

现在算法和 infra 的基础形态相对稳定,但它们会跟着数据的需求走。如果以后数据越来越难、推理一条数据都要一天甚至几天,infra 和算法层面也都会跟着改。

曲凯:明白。那你觉得未来大家还会需要更多数据吗?或者大家肯定希望有更多数据,但还能有吗?如果就靠合成数据,那合成数据有没有可能发展成类似无限数据?

繁青:无限是不太可能的。数据量不会毫无节制地提高。

不过高质量数据会一直变多。因为 agent 用户越来越多之后,会反哺出更好的合成数据,再反哺模型训练。而模型尺寸增加之后,模型的效果也会变化,输出的数据质量也会逐步提高。

曲凯:当大家聊到合成数据时,也经常会把它和蒸馏放在一起讲。怎么理解这二者之间的关系?

繁青:生成合成数据时,需要 agent 在一个环境里面探索。如果这个 agent 背后是 Claude 之类的外部模型,大家就会把这个探索过程看成蒸馏。

但蒸馏也分「硬蒸」和「有技巧的蒸」。

硬蒸就是造的环境太简单,比如就是让模型做普通数学题,老师做一遍,学生拿过来抄。

但如果环境足够复杂,对应的题和评分标准又是正确的、足够高质量的,那么搭出这一套环境和题本身就是有难度的。

曲凯:那为什么有些公司会强调自己不蒸馏?蒸馏的坏处是什么?

繁青:蒸馏有点像抄近道,可能会让你错过在主路上本来能发现的一些 insight。

曲凯:明白。所以现在 AI Lab 大概处在什么状态?之前大家会担心 scaling law 撞墙。你觉得现在对 AI Lab 里的人来讲,是沿着现有路线还有很大空间,还是需要新的架构和技术路线?

繁青:从年初到现在,coding 一直是大家最重要的发力方向。这块增长还是很迅速,但整体 pipeline 已经相对稳定。所以 AI Lab 也会探索其他技术路线,比如 auto research。Anthropic 和 OpenAI 现在也都在探索这块,可能是要服务 AI for Science。

曲凯:正好你提到 AI for Science。除了 Anthropic 和 OpenAI,很多人都在做,包括字节 Seed 前一阵也推了 100 个科学家计划。但 AI4S 似乎和模型并不完全处在同一层面上?那为什么大家开始在这上面发力?

繁青:一方面是因为 STEM 领域确实是模型 research 能力比较直接的应用场景。

另一方面,现在已经很难单纯靠常规 benchmark 展现模型智力提升了。AI4S 和让模型写 GPU kernel 一样,都是长程、高难度的任务,是直接衡量模型智力的好场景。模型厂也需要找到这些场景去 PR。

曲凯:就是大家已经要从奥赛卷到诺贝尔奖了(笑)。

最后问一个比较敏感的问题:蒸馏对于国内模型的表现,到底有多大影响?

繁青:我觉得蒸馏不是国内模型变强的决定性因素。

就像前面讲的,我个人认为国内模型变强更多来自底层架构和预训练上的创新。

蒸馏是后训练里的加速手段,但不是说没有 Claude API 就做不出来。国内自己的模型现在也很强了,可以用自己的模型做合成数据。而且国内人这么多,如果真下狠心做数据基建,也不见得做不出来。

蒸馏可以缩短我们追赶的时间,但并不是国模变强的唯一原因,更不是最底层的原因。

42章经

思考事物本质

跳转微信打开

  •  

活动报名:RSI 和合成数据|42章经

曲凯 2026-08-16 21:00 北京

和 model researchers 一起交流

最近几个月,AI 应用侧比较冷,但模型侧非常热闹,国内外模型厂都在持续发版、交替领先。过去一段时间,我们也密集找了很多 Model Researchers 交流,想看看底层正在发生哪些变化。

聊下来,一个很明显的感受是:

数据变得越来越重要。

过去几个月里,也有一些专门做数据的公司跑出来,收入都做得非常高。Evolvent AI 就是其中之一。

在新一期播客里,我们请到了 Evolvent AI 的联创繁青。繁青是 01 年的 PhD,之前在 Kimi 做过一年多 RL infra 和 agent 相关工作,参与过 Kimi K2.5、Kimi Linear 等重要模型发版。

在播客里,我们聊到了模型竞争、算法 / 数据 / infra 之间的关系、RSI,以及比较敏感的蒸馏话题。繁青讲得非常实在,我们把节目内容发到 X 上后,也在 researchers 中间获得了一些关注(之后还会在 X 上继续发一些 memo,欢迎关注~)。

但播客毕竟是单向输出,而且是公开内容。其实围绕基模、RSI、数据,以及国内模型厂的真实差异,还有很多问题值得继续探讨。

所以我们组织了这次线上活动,请繁青和大家一起认识、交流一下。现场也会有数十位 Model Researchers 参加。

具体报名信息请见上方海报。活动时间为北京时间 8 月 22 日(周六)上午 10:30,线上进行,免费参加。我们会优先通过回答更认真、跟我们背景更匹配的朋友(非投资行业),具体通过情况请以工作人员通知为准。

期待和大家认识 & 交流!

跳转微信打开

  •  

一句话,长出一本书

原创 王建硕 2026-08-15 22:58 美国

我的书架上多了 23 本书,不是买的,也不能说是我写的——每本都从一个念头长出来。写一本书的成本,正在从几年的注意力,变成一句话。

我现在有一个书架:voicedrop.cn/books。上面有 38 本书。不久之前,准确的说是一周前,它们一本都不存在。

这些书既可以说是我写的,也不能说是我写的。更准确的说法是:每一本,都从一个念头长出来。

流程是这样的:

  • 我在 VoiceDrop 里写下一个中心思想——一个词,一句话,或者一篇文章

  • 按下提交,关掉 App,该干嘛干嘛

  • 几个小时后,书架上多了一本书:有封面,有目录,有十几个章节

比如《他为什么卖给你?》,整本书就是从一句话长出来的:

你买的每一股股票,不是从货架上拿下来的,而是从另一个人手里买回来的。所以要想一想,他为什么卖给你?

前几天在公众号连载的那四篇,就是这本书。

顺便澄清一下,大家在问。并不是我佯装自己进入股票市场了,仅仅是通过如上一句话,写了一本自己特别喜欢的书,分享给大家。即分享了这本书,更多的是分享整个写书的过程。

书架上的书杂得很:《程序员炒股指南》《每天 400 克》《金刚经·理工男读本》《越睡越晚》《中医:它是什么,以及为什么很多时候人们觉得它有效》。。。共同点只有一个:都是我某天真的想搞明白的问题。

写一本书的成本,从几年的注意力,变成了一句话。

以前书为什么贵?贵的不是纸,是一个人把几年的注意力押在一个问题上。现在这份注意力可以交给 AI——他不累,不拖稿,不需要鼓励,我睡觉的时候他在写。

最主要比起别人写的书,最大的好处是:这本书的话题是自己特定感兴趣的话题。特定的角度,一个世界的特定的切口。这个切口不见得有什么普世的价值,但是这个切面的书籍,在历史上出版的所有的书中间,可能并不多;或者即便有书覆盖,也要么是几百页中的几页,要么要用很多卷才能讲明白,恰恰好满足现在的好奇心的切口,就那么少。

书讲述的口吻也正好对自己的胃口。我现在并没有其他的风格,就是按照我喜欢的风格来写的:

**读者画像**:对世界有好奇心、想弄懂「它到底怎么运作」的人;

默认理工背景 / 软件工程师——爱因果、爱类比、烦空话。 

**文风铁律**:费曼式。不用大词;每个专有名词第一次出现都当场用大白话解释;宁可用一个精准的类比,也不用一句正确的废话。 

不见得每个人都喜欢,但是至少我喜欢。

这件事,照片经历过:暗房时代,一张照片值得装进相框;快门时代,照片变成随手的记录。印刷也经历过:活字之前,抄一本书是一个僧人一年的功课;活字之后,书成了普通人架上的日用品。书现在正走在同一条路上:从作品,变成表达的日常单位。

说实话,这些书不是传世之作,是写给我自己的解答书,别人翻开未必觉得好。但「我有一个问题,就为它长出一本书」,和「我有一个问题,去搜十篇文章」,是完全不同的两种感觉。

比如我给自己的写的书,每本书在 2 万到 3 万字左右,并不很长,大约 12 到 16 章,一两个小时就能读完一本。

《失序之夜》讲的是特洛伊木马带来的特洛伊的沦陷,导致的希腊秩序的崩塌和董卓烧洛阳,让整个东汉帝国秩序沦陷的时刻的比较,和后面的文明秩序崩塌的内在规律。

《工程师造的诡计》讲的是东野圭吾的一生,如何从严密的逻辑推导出来的悬疑小说的诡计。

《钱是怎么挪过去的》讲的是银行的账户系统,跨银行转账和阔过转账的 SWIFT 系统等。

《每天 400 克》讲的是断食的生活

《把黑箱拆开》是手搓大语言模型的指导书

《中医》 讲的它是什么,以及为什么很多时候人们觉得它有效

《金刚经 - 理工男读本》用程序的方法解构金刚经

《他为什么卖给你?》在我们买任何股票之前先仔细逼问自己:桌子对面是谁在这个时候把股票卖给你的?他为什么卖给你?

《涨也跌也赚,然后呢?》期权交易入门

《钱不脏,是我一直躲》关于金钱的心理学

《散场之后》是关于宇宙混沌的书,主要围绕熵这个概念让我们理解宇宙的混乱和秩序。

欢迎大家来读我刚刚写好的书。网址在:https://voicedrop.cn/books/

VoiceDrop 的用户也可以写。App 里的「写书」标签页,写下你的中心思想,花 320 算力,给他 20 分钟的时间。过一会儿来看,书架上会多一本书,署你的名字。

书架还会继续长,它随着社区的用户的好奇心成长着。也希望你加入。

阅读原文

跳转微信打开

  •  

朱镕基的1993年

原创 戴老板 2026-08-15 21:11 浙江

改革没有花絮

1993年9月12日,广州珠岛宾馆来了一批特殊的客人。

他们神色凝重,心事重重,拖着塞满文件和数据的箱子,成员60多人,大都来自国家财政部、体改委、税务总局等财政中枢机构。带队的,则是刚进中央两年的国务院常务副总理——朱镕基。

珠岛宾馆建于50年代,岭南园林特色,北接省委大院,南接二沙岛,素有“广东小钓鱼台”之称。但总理莅临,并非视察工作。相反,他们任务艰巨:劝说广东接受即将推出的分税制改革方案。

珠岛宾馆会议中心,广州市

在9月份的南粤闷热中,一场中央地方的博弈上演了。博弈的另一端,坐着的是广东省委书记谢非。

谢非,客家人,1932年出生于广东汕尾市,比朱镕基小四岁,15岁参加革命,49年入党,是广东改革开放的功勋人物。92年总设计师南方讲话,谢非作为省委书记全程陪同了小平在广东的考察。

从上世纪80年代开始,广东作为改革开放的前沿,实行的是“财政包干”。简单说就是广东每年按约定,向中央上缴一笔钱,剩下的大部分收入留给自己。地方经济发展得越快,能够留下的钱就越多。

这种制度曾极大调动了南方省份搞经济的积极性,而中央当年也承诺,广东的包干政策可以延续到20世纪末[1]。现在,离到期还有七年,分税制改革箭在弦上,广东成为最需要做通工作的省份。

谢非(左二)陪同小平同志南巡,1992年

在朱镕基赴粤之前,广东两位主要负责同志就找到他,谈了两个多小时,问的问题全部都掷地有声[2]:中央以前承诺到底还算不算数了?包干制如果取消,广东还怎么集中财力办大事?还有——

广东还要不要追赶亚洲四小龙了?

中国绝大部分地方官员都懂得顾大局,但涉及本省利益,背后是几千万当地人民群众的福祉,无数当地企业的期待,官员们也会尽力捍卫地方利益,强度跟纬度呈反比关系,从北到南,一路增大。

朱镕基自然知道这场谈判的硬度,因此他把中央财政的骨干班底全带了出来,现场给广东的同志算账——虽然通过分税制,中央会从地方“拿走”了一些财力,但营业税留给地方,未来增量可观。

广东方面也算过账,但结果跟中央的对不上。为了说服他们,朱镕基要求团队当晚熬夜,算清楚:新旧体制之下,广东一年少拿多少钱;到1997年会少拿多少;到2000年又会少拿多少。

为了等结果,朱镕基熬夜到凌晨1点。所幸测算结果显示:分税制改革之后,中央的确从广东多拿260亿,但蛋糕做大了,广东的财力会有更大的增长,丝毫不影响后者的改革开放和追赶四小龙。

账算清楚了,但条件还是要谈。广东方面又提了四条意见,其中一条是要求分税制以1993年——而非1992年为基数。表面上是一年的区别,但实际上意味着中央要向地方“让利”数百亿元。

谈判气氛仍然紧张,当时参会的财政部长刘仲藜回忆道[2]:“在广东谈时,谢非同志不说话,其他的同志说一条,朱总理立即给驳回去。”

在《朱镕基讲话实录》中,总理是这样说的[3]:“……谢非、朱森林(时任广东省省长)同志在同我们的几次座谈中,对广东的利益是非常维护的,立场是非常坚定的,可以说是‘寸权不让’、‘寸利必争’。”

但最终,广东的班子服从了国家大局,朱镕基也做出了让步。9月14日下午他在会场表态,广东提出的四条意见中,否定两条,同意两条,其中一是以1993年为基数,二是减免税过渡。

9月16日,双方举行了收官的座谈会,五天四夜的艰难谈判,终于结束。

而这只是朱镕基1993年长达74天的“马拉松谈判”中的一个片段。接下来,他还有多达15个省份要走访,包括被拿走比例更高的上海、增值税重镇的辽宁、“账外账”繁多的江苏……都需要逐一做通工作。

1994年,是众所周知的分税制元年;但1993年,才是制度攻坚的一年。历史课本上的几行淡写,隐藏的是一段改革的艰苦卓绝。

01

如果只看中国经济的表面,1993年并不像一个缺钱的年份。

1992年总设计师南方谈话之后,各地重新掀起发展的热潮。开发区遍地开花,固定资产投资高速增长,房地产和股票市场迅速升温,银行信贷,则像开闸的水一样涌向地方的建设项目。

经济上行期既有“美”,也有“疯”。到了1993年的上半年,中国已经出现了投资过热、金融秩序混乱和通货膨胀的三大压力,中央不得不推出宏观调控“十六条”,整顿金融秩序,给经济降温。

社会上到处都是钱,唯独中央政府手里没有钱。

1993年,全国财政收入约4349亿元,中央本级只有957.5亿元;中央占全国比重已经从1984年的40.5%,降到22%。这笔钱既要维持中央机关运转,又要承担国防、重点建设、粮食补贴和地区平衡。

上世纪80年代末到90年代初,中央财政甚至两次向地方借钱,而且借而未还。92南巡后,中央财政也没改善。朱镕基在跟广东谈判时就坦诚[3]:“目前中央财政十分困难,已经到了难以为继的地步。”

曾任财政部官员的刘克崮同志讲过一个笑话[4],说王丙乾(1980-1992年财政部部长)在任的时候,说财政部现在“穷得只剩下背心和裤衩了”,1992年刘仲藜上任财长,说了句更无奈的:

我连背心都没有,只剩下裤衩了。

问题根源在财政包干。改革开放后,中国从“统收统支”转向“分灶吃饭”,中央与各地分别签约,规定每年上缴多少、增量如何分成。它极大调动了地方积极性,却也让地方只对自己的账本负责:多征一元税要和中央分,把钱留在企业或予以减免,反而可能更有利于本地投资。

90年代广州街景

包干制没有让地方消极,而是把积极性调动得过于精准。中央则像一家持股比例不断下降的总公司,负责全国战略和平衡,手里却没有现金流。失去的也不只是几百亿元,而是把政策变成现实的能力。

分税制并非在1993年突然发明。1987年十三大已经提出这一方向,“在合理划分中央和地方财政收支范围的前提下实行分税制”[4],只是财政包干制度已经稳固运行多年,没人愿意主动来动刀子。

真正改变局面的,是1993年的经济过热。

这一年,朱镕基作为副总理负责整顿金融秩序,为了统一财政和货币政策,他甚至直接兼任了央行行长一职。但他逐渐意识到,仅仅要求地方压缩投资、银行停止拆借是不够的,核心在于:

只要中央财政仍然依赖地方上缴,只要地方还能通过各种合同和减免侵蚀中央收入,宏观调控就永远缺少最后一根杠杆;而从更广的视野看,如果持续是中央没钱,地方有钱,中央权威何在?

于是分税制改革骤然加速。4月22日,中央听取了财政部部长刘仲藜和国家税务总局局长金鑫关于财税改革的汇报;4月28日,中央批准税制改革的基本思路,并决定由朱镕基负责一切领导工作[2]。

7月份,中央进一步将主要财税改革压缩到1994年1月1日同步推出,要求9月以前拿出具体方案[2]。财政中枢机关熬夜加班两个多月,方案终于出炉,9月2日和3日常委会开会,批准了改革方案。

但文件可以由中央通过,税却要在地方征收。各省的利益和算盘,不会因为一份文件而自动消失。

而财政部此前向各地征求意见的时候,绝大多数省份都持保留态度。特别是广东、江苏、山东等税源丰富地区,本就是财政包干的主要受益者。中央每拿走一笔,在地方看来都是自己少掉的一笔发展资金。

这里面的每一个省份,都需要单独谈判。财政税务官员们给出的只是一份方案,但朱镕基要做的,却是一场涉及十几个地区、数千亿元收入、无数旧承诺、以及中国未来中央和地方关系的艰难“交易”。

9月9号,朱镕基的专机从北京起飞,飞机直奔2300公里外的第一站——海南。

专机一起飞,朱镕基就跟随行同志约法三章[4]:一是不要盛气凌人,虚心听取意见,耐心解释改革方案;二是不放弃每一个细节,细致摸清地方困难;三是不参观游览,不在外住宿,不接受任何吃请送礼——

一个包、一个扇子都不要拿。

02
先海南,后广东,一位当年随行的官员形容这是“虚晃一枪”——先拿下一个容易谈的对象,给后面省份压力[5]。

海南是当时最大的经济特区,但实际利益却相对好谈。工作组测算,分税制改革对海南的影响只有3到5亿元,时任海南省委书记阮崇武基本没有反对意见,谈判只用了一天多就结束了。

第二站,就是广东。尽管有心理预期,但广东的反弹还是超出了朱镕基的预期,尤其是在围绕广东所提的四个条件的争夺中,而朱镕基坚持的策略就是:原则不能打折,价格可以商量。

朱镕基在广州珠岛宾馆,右一为体改委主任李铁映,1993年

四条意见的其中之一,是分税改革后,广东单独设立增值税分成比例,跟全国的75:25不同,以及按广东的中央收入增长率确定返还增长率。这触碰了中央确定的原则,被朱镕基坚决驳回了。

而在“以1993年为基数”这条意见上,朱镕基则展示了灵活的身段。

不同的基数年,决定不同的返还力度,基数越高,返还越多。很显然,以1992年为基数对地方不利,因为彼时经济刚刚回暖,财政增长有限,因此广东强烈要求以财政大幅增长的1993年为基数。

财政部官员也都是一群老法师,他们反对以1993年为基数,因为他们太清楚地方财政厅会搞什么花样了:一旦方案传开了,各地一定会在1993年剩下的几个月里突击收税,想尽办法把基数垫高。

事后证明,财政部的担忧完全应验,但朱镕基还是同意了广东的方案。

许善达后来回忆,朱镕基的判断是:如果继续在基数问题上争论,改革就可能推迟一年,而地方把1993年基数做大,中央确实会付出代价,但至少制度可以先改。只要分税制建立起来,以后再有增量,中央就能拿到大头[6]。

这不是简单的强硬或者妥协,而是一种策略:原则不能打折,但地方接受原则的价格可以谈。事实上,以1993年为基数这一让步,不仅帮助拿下广东,也大幅降低了后续省份的谈判阻力。

朱镕基16号在珠岛宾馆谈完,旋即回京,马上向中央领导同志汇报了海南和广东两省的对分税制的意见,地方的顾虑和实际困难,以及需要对地方让步的力度。领导们没有二话,统统支持。

广东这一关过去以后,其他省份的谈判仍然不轻松。

中西部一些等烟酒产区省份,不愿把消费税全交中央[2],还有地方要求增值税全部留在本地,朱镕基全部拒绝,并苦口婆心地讲道理:地方困难可以靠返还和转移支付解决,但全国统一规则不能开口子。

到了新疆,他又跟当地同志强调另一面[3]:“阿勒泰地区要修额尔齐斯河水库,要开发矿山,要建设县乡公路,这些没有国家支持搞不起来。如果中央不从富裕地区多收一点的话,哪儿来这个钱?”

朱镕基在新疆阿勒泰考察,(左一)王乐泉陪同,1993年

对富省,他强调分税制有利于继续做大经济蛋糕;对穷省,他强调中央有钱才有能力重新分蛋糕。

从1993年9月9日,到11月21日,朱镕基带领的队伍历时74天,先后走访17个省区市和计划单列市。每到一地,财税官员都要拿出新旧两套体制,和地方一笔一笔算账。后来担任财长的项怀诚回忆,他们经常加班到深夜,有时通宵达旦,像打车轮战[8]。

也有顺利的省份。上海全力支持老领导,朱镕基在上海的那几天,只是听汇报,找⼈谈话,不参与具体意见。在离开时,他在大会上表扬了上海的大局观,并说:“上海同志们最后都是‘讲的北京话’,讲得很好。”[4]

在山东,省委书记姜春云同志表态:“我们有困难,但中央比我们更困难。大河没水小河干,我们困难再大,对于中央来说也是小的,我们自己克服。”财政厅厅长给他准备了一份困难材料,姜春云就是不念[7]。

到11月,朱镕基完成了17个省份力的最后一站——河北。地方阻力基本被化解。

12月15日,国务院正式作出《关于实行分税制财政管理体制的决定》,宣布从1994年1月1日起,废除地方财政包干制度,实行分税制;随后进一步规定,税务机关将拆成国税和地税,前者由中央垂直管理。

博弈的尘埃落定,庞大的中国财税系统开始转向。朱镕基事后总结[8]:“我自己掉了五斤肉。”

03

1994年2月,是分税制实行后的第一个“验收月”,西城区三里河的财政部大院上空,萦绕着一股紧张的气氛。

财政部担忧的“地方突击做大1993年基数”,最后一语成谶:1993年地方财政收入增长40%,但9月至12月的同比增幅,依次达到了52%、63%、86%和121%[8],直接把“突击”两个字写脸上了。

在这个过程中,一些地方翻出企业历年欠税,提前征收未到期税款;有的企业账上没现金,便鼓励银行贷款缴税,然后私下返还;甚至有地方变换科目,把其他收入也塞进增值税或营业税,做大基数。

朱镕基知道,这些骚操作省长、市长是琢磨不出来的,只有财政厅长才会出这种馊主意[4]。他曾跟河北财政厅厅长说:“请你向你的部下约法三章,千万别出馊主意,别弄虚作假,大家规规矩矩,实事求是。”

中央也迅速插手纠正。1994年1月20日,财政部、税务总局和人民银行发出紧急通知[9],清查擅改纳税期限、征收“过头税”、混淆科目、应退未退、借清欠增收和混缴中央收入等行为;违规收入可以从返还基数中扣除。

其实套利行为,早在财政部老法师们的意料之中,他们心里真正没底的,是分税制——到底能不能收上钱来?

财政部部长刘仲藜当时“如履薄冰”,他担心三件事情:一是分税制会不会导致通货膨胀?二是税制是否会打击生产,经济增长向下走;三是企业和征收人员不懂,导致收不上税来。他认为:“如果出现其中一件事情,我这个部长就得下台。”

而中央的支出是刚性的,尤其是对国防、边疆、中央机关的拨款,万一税收低于预期,刘仲藜下台也没用。于是,刘仲藜经过向朱镕基请示,特意向人民银行临时借款120亿,放在账上,以防万一。

2月8日,离春节两天,1月快报汇总:收入277亿元,比上年同期多106亿元,增长62%。折腾大半年的财政部,终于可以安心过年了。财政部本来有大年初二初三开党组会的传统,这一年也破例取消了。

而之后的每个月,中央税收都在增长,一直持续到12月,1994年全国财政收入增长了869个亿,增速20%,远超上下预期。而中央收入更是从958亿元,跃升至2907亿,占全国财政收入的比重从22%,直接飙到了55.7%。

当然,改革并非严丝合缝。仅1994年第一季度,财政部和国税总局就发出84个调整补充文件,这也从侧面说明了朱镕基当初谈判思路的正确——不追求完美,先搞定制度切换,再用一份份补丁把它完善。

而在1994年之后的三十年里,这种“打补丁”从来没有停过。

1995年,中央建立过渡期转移支付制度;2002年,调整企业、个人所得税划分方法;2004年,调整出口退税分担办法;2016年,“营改增”后将分成比例调整为50:50;2018年,分设24年的国税和地税重新合并……

三十年来,分税制的大框架没有推倒重来,但税收返还、转移支付、收入分成、支出责任、征管机构等方面一直在调整。在缝补中,分税制支撑了强大的中央财政,和中国经济繁荣的三十年。

历史证明,改革真正需要的,不是一步到位的完美,而是迈出第一步的勇气,以及后续继续纠错的能力。

04

朱镕基后来感慨:对财税体制改革取得的成功,怎么评价都不过分[4]。

有了稳定财力,中央才有能足够的工具进行宏观调控,才能用更长远的眼光来进行重大国防项目建设,才有了航母和五代机,才有能力实施铁路、水利、能源工程等重大基础设施建设,才能在中西部和困难地区实现扶贫,维持当地教育、医疗和基层的运转。

而之于应对1997年亚洲金融危机、1998国企改革、2003年社保改革、2008年全球金融危机、2012年后的产业升级、2018年后的贸易战、科技战、芯片和人工智能国家间竞争,都离不开强大的中央财政。

当然,分税制也留下了副作用。“财权上收,事权下沉”,财政收入更多集中到中央,教育、医疗、社保和基建等支出责任仍主要留在地方,导致了跑部钱进、土地财政、地方债等新问题。

从这个角度说,1993年珠岛宾馆的谈判从未真正结束。中央如何管控地方的行为、集中的权威性如何不打压分散的积极性、富裕地区如何跟贫困地区平衡……这些困扰中国两千多年的难题,现在仍然存在。

而朱镕基奔波的73天,向人们展示了一种现实:在中国,即便强大如中央政府,想要做成一件事情,也不能只靠口号和红头文件,而是需要一笔笔的算账,一场场的谈判,一轮轮的博弈,一次次的修正。它们不是改革的花絮,它们是改革本身。

如今斯人已逝,生者应继续向前。

全文完,感谢您的耐心阅读。谨以此文缅怀朱镕基总理。

参考资料

[1] 传好改革开放接力棒(下)——朱森林访谈录,广东省委党史研究室

[2] 分税制化解中央财政危机,刘仲藜口述,谢玮整理

[3] 朱镕基讲话实录,人民出版社

[4] 中国财税改革三十年亲历与回顾,贾康,刘克崮

[5] 财税体制改革:中央和地方的进一步磨合,中国新闻周刊

[6] 1994年财税改革的背景与决策过程,许善达,中国经济50人论坛

[7]分税制改革:手里没把米,叫鸡都不来, 潇磊,刘飞,半拿铁

[8] 亲历分税制改革,马国川访项怀诚,共和国部长访谈录

[9] 关于清理核实1993年财政收支的紧急通知,财政部

[10] 1993年拉开序幕的税制和分税制改革,楼继伟

[11] 中国财政60年回顾与思考,王丙乾

[12] 朱镕基传:朱镕基与现代中国的转型,龙安志

[13] 1994改革年,南方周末

[14] 变化:1990年-2002年中国实录,凌志军

作者:戴老板

编辑:鲁舒天

研究:鲁舒天

责任编辑:戴老板

图片

图片

跳转微信打开

  •  

他为什么卖给你?(四)对面没有人的游戏

原创 王建硕 2026-08-14 20:00 美国

下单前三问,但凡一问答不上来,这一单的期望就是负的手续费。而这个问题还有一种答法:如果对面根本没有人,它就不成立。连载完结篇。

一 本 小 书 · 连 载 之 四

他为什么卖给你?

关于股票市场,你只需要想清楚一个问题

本篇为连载第 四 篇(共四篇):第十至十二章 + 结语

第 十 章

下单前的三个问题

悬停的手指与三道问号之门

前面九章讲的都是机制。机制的用处不在于懂,在于下单前那三十秒能拦住你的手。所以这一章不讲新道理,只做一件事:把前九章压缩成三个问题,短到能抄进手机备忘录,具体到每一单都能走一遍。

先把清单放在这里。

下单前三问一、这一单的对面,最可能是谁?二、我知道什么,是他不知道的?三、我凭什么恰好在此刻知道?

三问全部答得上来,再下单。任何一问答不上来,停手。下面把每一问背后的机制说清楚,再拿三个常见场景演示怎么用。

三个问题各自在查什么

第一问查的是对面的成分。第二章列过卖家的八种动机:有人换房,有人调仓,有人到期,也有人知道一些你不知道的事。成交那一刻你分辨不出对面是谁,但有些信号会改变概率。就像在菜场买鱼,你分辨不出这条鱼新不新鲜,但鱼贩子突然半价急着出手,这件事本身就是信息。

此刻的信号

对面成分的变化

成交量突然放大

有人在急着进出,知情者占比上升

刚上过新闻

不知情的买家蜂拥而至,知情者正好借机出货

短期已大涨

早进场的人有了兑现动机,你在接他们的兑现单

三条占了任何一条,对面是知情者的概率就被抬高了。三条全占——放量、上新闻、已大涨——那基本就是知情者最喜欢的出货环境。

第二问查的是你的弹药。注意这一问的标准:不是"我知道什么",是"我知道什么他不知道的"。按第三章的反归纳原理,凡是你能从新闻、研报、朋友圈看到的,都已经被交易进价格里了——规律因被使用而失效,公开信息因被看见而失去价值。

"我认真研究过财报"也不算。第五章说过对面的装备:他也研究过同一份财报,用更快的数据、更好的工具、一个团队。你和他读的是同一本书,他读得比你早、比你细,这不叫信息优势,这叫参加了同一场考试。

第三问最狠,查的是时间戳。假设你真的拿到了一条值钱的信息,先别激动,问一句:它为什么会轮到我?

小区里真有一个便宜车位,物业经理自己先要了;他不要,他小舅子要了;小舅子也不要,才会贴到业主群里。一条真正值钱的消息,每传一棒,前面那一棒都有机会先动手。等它到达你的时候,你要老老实实数一数自己是第几棒。

最后一棒有个学名,叫接盘。

拿三个场景走一遍

场景一:看到利好新闻,想追。

第一问就卡住。新闻已经上了,成交量正在放大,很可能还伴随一根大阳线——出货环境三条全占。你以为你在响应利好,实际上你在响应的是"别人希望你响应利好"。这一单走不到第二问。

场景二:群里朋友报了个代码。

第一问勉强过——没放量没新闻,看不出明显的出货信号。第二问也仿佛能过——"这是内部消息,别人不知道"。卡在第三问:朋友是第几棒?他从谁那里听来的?那个人又从谁那里?一条消息能传到微信群,恰恰说明前面每一棒都已经跑完了。真正的第一棒不发群,第一棒在下单。

场景三:年终奖到账,想抄底。

第一问过——下跌途中卖给你的多半是止损盘和恐慌盘,不是知情者。卡在第二问:"跌了这么多,够便宜了"不是你独有的信息,那根 K 线全市场都看得见。对面愿意在这个价位卖给你,他看的是同一根 K 线,得出的是相反的结论。你们之间唯一确定的差别是:他在场内待的时间比你这笔年终奖久。你知道什么他不知道的?答不上来。

三个场景,三个不同的卡点。卡在第几问不重要,重要的是:卡住了。

卡住之后,账要这样算

这里要说一句重话:三问任何一问答不上来,这一单的期望收益就是负的手续费。

不是"有风险",不是"可能亏",是期望为负。机制在第六章:一个没有信息优势的交易者,赢和输的概率最多打平,而手续费和点差每一单照收。零减去成本,等于负数。这不是悲观的估计,是算术。

第八章的数据就是这个算术的验尸报告:2016 至 2019 年,上交所五千余万个账户里,市值千万以下各组的择时贡献和选股贡献双双为负;台湾散户主动交易的总亏损,规模相当于台湾 GDP 的 2.2%。这些人不是没研究、不是不勤奋——他们只是每一单都答不上三问,然后照下不误。

所以这张清单的判据是硬的:答不上来就是负期望,负期望就停手。没有"我感觉这次不一样"的豁免条款——第七章讲过,那个感觉正是草原上的大脑在替对面工作。

最后是一份诚实声明。这张清单抄进备忘录之后,大概率的结局是:你几乎每一单都下不了手。看到热闹的,卡在第一问;自己研究的,卡在第二问;朋友推荐的,卡在第三问。

这不是清单失灵。这就是清单的答案。市场里的绝大多数时刻,你确实答不上这三问——清单只是把这个事实从背景里搬到了你眼前。它不是拦住了你的机会,它是拦住了你给别人当电费。

那么问题只剩一个:下不了手之后,钱该去哪?总不能永远攥在手里。下一章就说这个——市场里确实存在一个位置,坐在那里不需要回答这三个问题,因为那个位置的对面没有人。

第 十 一 章

换到收电费的一边

路灯下的吊床

前面十章都在拆"为什么不行":货架是错觉,卖家动机不明,规律会自毁,对手比你专业,你的大脑帮倒忙,实证数据惨不忍睹。拆到这里,建设性的答案其实只剩一条路:买低成本的指数基金,定投,长期持有。这句话你大概听过一百遍,听到耳朵起茧。但老生常谈的麻烦在于,大多数人只记住了结论,没走过推导。没走过推导的结论撑不过第一次熊市。这一章把推导补上。

同一道算术题,换个方向看

Sharpe 在 1991 年那篇《The Arithmetic of Active Management》里做的事情,本质上是小学算术。全体主动投资者的持仓加起来,就是市场本身——每一股股票总得有人拿着。所以:

拿到的收益

付出的成本

被动投资者整体

市场收益

极低(指数基金费率)

主动投资者整体

同样的市场收益

高(佣金、点差、管理费、税)

两边的毛收益是同一个数,成本却差着量级。扣完成本,主动整体必然输给被动整体。这不是经验规律,几乎不依赖市场假设,它是会计恒等式——在牛市成立,在熊市成立,在任何国家任何年份成立。

很多人觉得买指数是"放弃游戏",认输离场。方向恰恰反了。买指数的那一刻,你成了所有上市公司的股东。第六章说过,市场的定价是全体主动交易者用真金白银搏杀出来的,噪音交易者的亏损是这套价格发现体系的电费。指数投资者一分电费不交,却直接用电:搏杀出来的合理价格,你照单全收,按这个价格买下整个市场,然后坐收全部企业利润的长期增长。

甚至可以说得更直白一点:券商和交易所自己就是上市公司,也在指数里。别人每交一笔佣金,有一小份最终落进你这个股东的口袋。你不是退出了游戏——你是从付电费的一边,换到了收电费的一边。

定投:把择时这个动作从自己手里没收

定投最流行的解释是"摊低成本、能买在低点"。这个解释是错的。定投买不到低点——但它也不需要买到低点。

定投的真正功能是别的:它把"什么时候买"这个决策,从你手里没收了。

第七章讲过,草原上进化出来的大脑在关键时刻必然失灵——大跌时它喊"快跑",大涨时它喊"快追",而这两声喊叫都精确地指向亏钱的方向。只要你每个月还保留一个"这次要不要买"的决策窗口,你就保留了一个让本能接管的入口。市场越极端,本能声音越大,窗口越危险。

定投是立法:每月固定日期、固定金额,无条件执行。没有窗口,就没有入口。这正是第五章说的纪律外部化——聪明钱用制度和风控员管住自己,普通人买不起风控员,但买得起一条自动扣款的规则。规则是意志力的外包。你现在立这个法,防的不是市场,是未来某个恐慌之夜里的你自己。

长持:最好的日子和最坏的日子是邻居

长持的理由也不是"熬着总会涨"这种模糊的信念,而是一个具体的结构:市场的长期收益高度集中在少数几个交易日里,而且最好的交易日和最坏的交易日,往往紧挨着出现在同一段恐慌期。

这意味着"跌了先出来躲一躲,稳了再回去"这个听起来无比稳健的操作,在结构上是自杀式的。你在暴跌中离场,而最猛的反弹恰恰长在暴跌的隔壁——躲掉大跌的人,几乎必然同时躲掉了大涨。你不可能只剪下坏日子,因为好日子和坏日子印在同一张纸的正反面。

DALBAR 和 Morningstar 这些机构的年度报告,年复一年地量出同一道伤口:基金投资者实际拿到的收益,长期低于他们所持基金本身的收益,差距每年一到数个百分点——不同算法量出的口径不同,方向从未变过。注意这个对比的残酷之处——同一只基金,净值涨幅明明白白摆在那里,但投资者因为申购和赎回的时点(涨了追进去,跌了逃出来),把本该属于自己的收益磨掉了一截。基金没有亏待人,是人的手亏待了人。

所以长持不是美德,不是修行,它只是一个防御工事:确保你在那几个最值钱的日子里,人在场内。

平庸的胜利,和它的价目表

1976 年,博格推出第一只面向公众的指数基金,被整个行业嘲笑:一个承诺"永远拿不到超额收益"的产品,注定平庸,谁会买?行业给它起了外号,叫"博格的蠢事"。

嘲笑的人没算 Sharpe 那道算术。承诺平庸,等于承诺"市场收益减去极低成本"——而这个数字,恒等式保证它排在主动整体的前面。五十年后 SPIVA 记分卡给出裁决:以 15 年计,接近九成的美国大盘主动基金跑输标普 500。平庸战胜了几乎所有聪明,因为聪明是要付费的,而平庸免单。

但我得诚实地把价目表摆全。这个策略要求你接受三件难受的事:

  1. 永远没有谈资。

    你拿不到"我当年抓住了十倍股"的故事。讽刺的是,你其实几乎持有过每一只十倍股——只是每只都持有一点点,说出来一点也不威风。

  2. 下跌时必须装死。

    这个策略在市场暴跌时看起来最蠢,而那恰恰是它在工作的时候:你的定投正在用同样的钱换到更多的份额。策略最难看的时刻,就是它最用力的时刻。

  3. 无聊。

    没有盘面可盯,没有仓可调,没有仗可打。

第三条最容易被当成缺陷,它其实是工作原理。所有能解掉无聊的动作——择时、换股、追热点——每一个都在第八章的账本上明码标价:做得越多,亏得越多。刺激是收费项目。无聊,就是你不再付电费时听到的那种安静。

于是钱的问题解决了,用一个每年只占你几分钟的办法。但这就腾出来一个更大的问题:原来打算用来盯盘、研究、搏杀的那些时间和心力,现在放到哪里去?

这才是最后一章要谈的事。

第 十 二 章

对面没有人的游戏

空椅子对面的木工桌

一张桌子的总账

全书写到这里,可以把账合上了。

股票二级市场的主动交易,是一个「零和减成本」的游戏。这不是观点,是会计。Sharpe 在 1991 年那篇《The Arithmetic of Active Management》里把它写成了恒等式:全体主动投资者的持仓加在一起,就是市场本身。所以扣掉成本之前,主动投资者作为整体,拿到的就是市场平均收益;扣掉成本之后,整体必然输给平均。

落到每一笔交易上,这句话的意思更硬:你赚到的每一分超额收益,必然是桌子对面某个人的等额亏损。他多亏一块,你才多赚一块。而在你们互相掏口袋的同时,券商、交易所、基金公司在旁边收费——这是第六章说的电费,双方都交,不管谁赢。

这个游戏打到实盘里是什么样子,第八章已经给过数字。台湾全市场的研究算出来,散户因主动交易付出的总损失,约相当于台湾 GDP 的 2.2%;能持续盈利的日内交易者不到 1%。基于上交所账户数据的研究显示,市值一千万元以下的各组账户,择时和选股的贡献双双为负。SPIVA 记分卡以十五年计,接近九成的美国大盘主动基金跑输标普 500——职业选手尚且如此。

零和,减成本,对手是全世界最聪明的人和机器。这就是那张桌子的全部规则。

对面没有人的游戏

但我真正想说的是下面这句:世界上绝大多数游戏,不长这样。

你把一门手艺练精,把一个产品做好,把一篇文章写到有人愿意转发——这些事情里,价值是被创造出来的,不是从谁口袋里赢来的。面包师傅烤出一炉面包,世界上就多了一炉面包;他挣到钱,买面包的人也吃到了早饭,没有任何人因此亏损。这类游戏的桌子对面没有人,只有你,和你交付的那个东西。

两种游戏坐进去,体验完全是两回事:

零和游戏(主动交易)

正和游戏(做事)

桌子对面

全世界最聪明的人和机器

没有人,只有昨天的自己

努力与回报

长期负相关:做得越多亏得越多

长期正相关:练得越多越熟

你积累的资产

仓位,可涨可跌,可归零

技能、作品、声誉,没有跌停板

复利站在哪边

电费那边,复利在磨损你

你这边,每天的练习都在计息

第一行是最残酷的。你在二级市场每下一单,撮合系统并不看你是谁——退休教师的卖单和顶级量化基金的买单,在同一个队列里排队。而你去学一门手艺,没有任何机构派最强的对手来专门阻止你进步。

第二行是第八章用五千余万个账户验证过的:在那张桌子上,勤奋是负资产。而在正和游戏里,勤奋就是它字面上的意思。

第四行最值得多看一眼。交易账户里的复利随时可以被一次回撤打断;但你写过的东西、修过的机器、服务过的客户,不会被任何一次回撤清零。技能这种资产,连遗失都很难。

一个普通人最贵的资源不是本金,是注意力。把注意力放在哪张桌子上,比在那张桌子上做什么,重要得多。

两个世界的接口

有人会问:那挣来的钱怎么办?总不能全存活期。

这正是指数基金的位置。它是零和世界与正和世界之间的接口。

回想第九章说过的机制:你申购指数基金时,基金按净值增发新份额,用你的现金按市值买入一篮子成分股。你的对手不是某个「想卖给你的人」,而是一个按规则执行的管道。管道下面当然仍有人在把股票卖给基金,但你已经不对任何一只股票、任何一个时点下判断——你买的是平均,而平均没有对手。全书追问到底的那个问题——他为什么卖给你——在这里第一次没有对象。

约翰·博格 1976 年创立第一只面向公众的指数基金时,卖的就是这个朴素的主意:不挑股票,不择时机,持有整个市场,吃全体上市公司创造价值的平均增速。上市公司整体是在做正和游戏的——它们烤面包、造机器、写软件。指数让你按平均价搭上这趟车,而不必坐上那张桌子跟人对赌谁挑得准。

于是分工变得非常干净:钱在市场里上班,吃的是全部企业创造价值的平均数;你在正和游戏里上班,挣的是你自己创造的价值。各干各的,互不打扰。你不必每天看盘——看盘属于那个零和世界,而你已经退席了。

定投再把最后一个漏洞堵上。DALBAR 的年度报告反复量出同一件事:基金投资者的实际收益长期低于所持基金本身的收益,差距来自申赎时点——基金没问题,进出的时机有问题。而收益又高度集中在少数交易日,最好和最坏的日子往往紧邻着挤在同一段恐慌期里,想躲开坏日子,几乎必然错过好日子。定投的意思就是:连「什么时候把钱放进管道」这个决策也一并交出去,不给第七章那颗草原上的大脑留任何操作界面。

最后一次问:他为什么卖给你

这本书只教了一个动作:在点下「买入」之前,把手指悬停一秒,问一遍——他为什么卖给你?

有些时候答案是清楚的。对面是按规则增发份额的指数基金,是一级发行的国债,是管道而不是人——那就买,这是第九章说的、货架为真的时刻。

但如果对面是一个具体的人,一个和你看着同一根 K 线、却做出相反判断的人,而你说不清他凭什么错、你凭什么对——那这一秒钟就值钱了。它在提醒你:你正要坐上的,是那张零和减成本的桌子,对面大概率是装备清单比你长的人。

想不清楚,就收回手指。把这笔钱放进管道,让它去吃全市场的平均增速;把省下来的这份精力,放回那个对面没有人的游戏里——去把手艺练精一寸,把产品打磨一轮,把下一篇文章写好。

那里没有人等着赢你的钱。那里的每一分努力都记在你自己的账上。那里,才是普通人真正的主场。

结 语

再问一次

潮水线上的桌子与脚印

引子里那句话,现在可以再说一遍:你买的每一股股票,不是从货架上拿下来的,而是从另一个人手里买回来的。

第一遍说它的时候,它只是一句话。走完这十二章,它每一个字后面都站着东西了。

货架是个错觉。屏幕上那个跳动的数字不是价签,是沙滩上最新的一个脚印,只告诉你刚才有人从这里走过,不告诉你下一个人往哪走。价签的背后是成本,脚印的背后是两个人相反的判断。你以为自己在挑货,其实是在一张桌子边坐下,而对面的椅子从来不是空的。

对面坐着谁,成交单上不写。他可能只是要付首付、要交税、要把涨过头的仓位调回原比例——这样的人真的很多,跟他们成交,谁也没吃亏。可这份安慰安慰不到具体的你:两种卖单在屏幕上长得一模一样,而人群的成分是会变的。你最想买的那一刻,恰好是他最方便卖的那一刻。你的热情,正是他等的那口流动性。

你想找一条规律绕开这件事,规律会自己死。全城都知道的半价白菜,摊主也知道你知道。羊群闻讯赶到的草地,几个月就啃秃了。书店里买得到的圣杯,恰恰因为它在书店卖,所以不是圣杯。

钱总得有出处。市场这盏灯不是白亮的:价格要大致靠谱,就得有人花钱去把它弄准,而那份工钱只能从桌子对面出。这就是电费。付电费的人多半不觉得自己在付,因为他脑子里那台机器不是为市场造的,是为草原造的——盯住抢眼的,顺着势头往下外推,把亏损看得比收益重一倍,偶尔押一把小概率。四条程序在草原上每一条都救过命;搬进市场,它们同方向、同时刻地发作,五千万个独立账户在关键时刻表现得像一个账户。

账本认这笔账。翻到哪一页,负号都长在同一个位置——主动动作上。做得越多,亏得越多。这句话听着像长辈的训诫,它不是训诫,是斜率。训诫可以不听,斜率不管你听不听。

所以那个问题真正的用处,不是吓住你,是让你在按下买入之前多花一秒:这一单的对面最可能是谁,我知道什么是他不知道的,我凭什么恰好在此刻知道。三问但凡有一问答不上来,这一单的期望就是负的手续费。绝大多数时候你都答不上来——那不是清单失灵,那就是清单给出的答案。

而这个问题还有一种答法,是它自己指出来的:如果对面根本没有人,它就不成立。按净值增发份额的管道对面没有人,一套发行规则对面没有人。不挑股票,不挑时点,你买的是平均,而平均没有对手。十二章一路追着一个人问,问到这里,那个人不见了——全书追问到底的那句话第一次落了空,它找不到对象了。

所以真正要做的事只有一件:把这件事交给规则,固定的日子、固定的金额、自动扣款,连「什么时候买」也一并交出去。规则不替你判断,它只是不给判断留窗口。

同样找不到对象的,还有一片大得多的地方。你今天把一个榫头凿得比昨天严丝合缝,没有任何人因此少了一分钱。那也是一张桌子,只是对面的椅子空着,而且会一直空着。

这本书没有结论可留。我只把那个问题还给你,它很短,不用记在本子上。下次轮到你做决定,它自己会浮上来:

他为什么卖给你?

· · ·

《他为什么卖给你?》 · 王建硕 · 本文不构成投资建议全书在线阅读:voicedrop.cn/books/why-did-he-sell

注:VoiceDrop 的写书功能刚一上线就产生了这么多本神书。现在这个版本在 App Store 里面可以下载了。

阅读原文

跳转微信打开

  •  

活动报名|2026 年做搜索就是在做 Test Time Compute

原创 Jina AI 2026-08-14 18:40 湖南

2026 年 8 月 21 日,下周五,深圳见!

2026 年 8 月 21 日,下周五,腾讯云与 Elastic 将在 深圳腾讯滨海大厦 举办 AI 搜索技术大会。Elastic AI 副总裁肖涵将在现场分享:《2026 年做搜索,就是在做 Test Time Compute》

一个模型训练完成、参数完全冻结之后,能力还能继续 Scaling 吗?

直觉上似乎不能。模型权重一旦固定,能力边界大体也就确定了。想要提升效果,通常只能换更大的底座模型、加参数,或者扩大训练数据量。

但在搜索里,这个结论可能并不成立。

同一个 Embedding Model,可以只算一次,也可以把文档切开算很多次;可以只算句子相似度,也可以继续 Rerank、Query Expansion、多向量检索;到了 Agentic Search,还可以让 Agent 在 Grep、Embed、Rerank 之间反复循环,动态决定下一步应该搜索什么。

这种用更长推理时间换取更好效果的逻辑,在大语言模型领域,我们习惯叫它 Test Time Compute。

那么同样的逻辑放进搜索,不训练模型,只增加推理阶段的计算,搜索效果能不能继续提高?如果增加 10 倍、甚至 100 倍算力,相关性会不会像模型 Scaling 一样,出现某种稳定的 Scaling Law?

Elastic VP of AI 肖涵此前做过一组 AutoResearch 实验:

在后端只有一个完全冻结、且不允许二次训练或添加任何参数的 Encoder 前提下,让 Agent 自主迭代检索程序。Agent 会不断修改代码、跑实验、校验指标,保留有效修改并回滚错误。一晚上时间,自动化循环跑出了 144 个不同的检索程序。

起初,实验结果完美符合预期:随着推理阶段算力投入增加,搜索效果指标稳步上升,甚至拉出了一条干净的 Scaling 曲线。

只看这张图,很容易得出一个令人兴奋的结论,搜索和推理模型一样,也可以靠 Test Time Compute 持续 Scaling。

然而,当把这套在特定任务上卷出来的程序,放到从未见过的全新任务和 Encoder 上时,那条漂亮的曲线瞬间消失了,在领域外任务上,十几倍的计算量并没有换来更好的效果。

这就带来了一个很现实的思考:到底什么样的计算,才能真正改善搜索的泛化能力? 为什么有些昂贵而复杂的复杂检索流程只能在特定数据上表现好,而某些轻量级的结构调整,反而能无缝迁移到陌生模型与任务中?

过去,我们设计的是一次检索。后来,我们开始设计一整条搜索流水线。2025 年,这条流水线的形态是 Deep Research,在开放网络上循环。

到了 Agent 时代,要写代码,进沙箱,跑评估。单次请求可以运行数小时。搜索系统的瓶颈从选一个更大的模型,转移到了如何给这一次请求分配算力,算力该花在召回、重排、阅读,还是下一轮搜索上。

于是,2026 年做搜索,一个越来越难绕开的问题是:

当模型不再变大,我们究竟该如何解 Test Time Compute 的题?

8 月 21 日,下周五,深圳腾讯滨海大厦。

腾讯云联合 Elastic 举办的 AI 搜索技术大会 上,Elastic AI 副总裁肖涵将现场分享: 《2026 年做搜索就是在做 Test Time Compute》

同场,腾讯云 Elasticsearch Service(ES)企业版将重磅发布。腾讯云大数据基础产品总经理程彬、Elastic AI 副总裁肖涵领衔,蔚来、腾讯 ima 等团队也将带来真实落地经验,现场展开向量搜索、混合检索、RAG、智能体构建等技术议题。

以及 Elastic 首席 AI 研究工程师王峰博士,也将分享《jina-reranker-v3.5:基于混合注意力机制与自蒸馏的高性能 Listwise 重排器》

还有 5 场开发者脱口秀穿插全天,现场抽取 30 位嘉宾解锁鹅厂 VIP 展厅参观。

更多议程与嘉宾详情见下方邀请函,扫码报名,或点击「阅读原文」报名。

这些问题,我们留到现场讲清楚。

阅读原文

跳转微信打开

  •  

奇舞周刊第595期:重构协同:关于AI Native团队的思考

原创 小编 2026-08-14 17:59 北京

奇舞推荐

■■■

重构协同:关于AI Native团队的思考

文章指出当前 AI 提效陷入“单点优化、全局低效”的困境,根源在于协同缺失。真正的破局点是构建以“知识底座+Agent+人”为核心的 AI Native 团队,将流程串联者从人转变为 Agent。其中,人是目标与判断的负责者,Agent 负责执行与串联。实现该形态的关键瓶颈在于为存量业务构建可持续更新的知识底座。

3万字长文带你WorkBuddy 从入门到精通

WorkBuddy 是腾讯推出的 AI Agent 工作台,提供“问一问”、“做一做”、“想一想”三种工作模式。它能直接操作电脑文件,执行整理文件夹、生成报告、制作 PPT 等复杂任务。产品内置多种大模型和超 20 种技能包,支持多任务并行。此外,它还支持通过微信、QQ 等渠道远程遥控,其“助理”页面可作为远程任务的监控室。

得物知识问答:复合检索 Agent 的系统设计实践

得物知识问答系统基于 AgentScope 2.0 的 Harness Agent 架构,构建了具备自主决策能力的复合检索 Agent。它可并行检索企业知识库与个人飞书数据,并通过“FastPass → Reranker → LLM Grading”三阶段质量过滤保障检索精准度。系统支持多模态图片输入,并实现了生产级的可靠性与多实例断点续传,从而提供有判断力的答案。

技术实践

■■■

企业内Agent工具落地实践:统一Harness、Skill与虚拟文件系统

文章探讨了企业 Agent 从演示走向生产的关键架构问题。核心观点是将稳定内核(Harness)与可变领域能力(Skill)分离。Harness 提供身份、权限、会话、审计等通用能力;Skill 则将领域经验转化为可治理的软件资产,并通过渐进式披露和两阶段路由供 Agent 调用。此外,虚拟文件系统(VFS)被用于管理长任务的上下文、证据和产物,确保状态的可寻址与可恢复。

从一键检测到 AI 修复:我们如何把无障碍检查做进研发流程

vivo 前端团队建设了一套覆盖 Web 端、编码阶段和 Android App 的无障碍检测工具链。通过 Chrome 插件、VS Code 插件(含 AI 修复)和基于 ADB 的桌面端检测工具,将无障碍检查嵌入研发全流程。工具链实现了问题的早发现、准定位与快修复,并借助大模型辅助生成修复方案,使无障碍能力从专项检查转变为团队日常的可持续质量实践。

6 支快手工程团队,让 AI 落地真实业务

文章讲述了快手 6 支团队如何让 AI 深入真实业务场景。实践涵盖:通过 Agent-First 平台重构产研流程;用 Agent“灵顺”为百万商家提供经营服务;工程师以 FDE 模式驻场解决运营痛点;构建反作弊风险洞察平台;通过全栈工程师与全流程 Agent 提升海外业务效率;以及建立 Harness 工程框架,让 AI 生成代码稳定进入生产环境,实现从个人提效到组织提效的转变。

拓展边界

■■■

Agent 越改越乱之后,我用评测和轨迹把它拉回来了

文章介绍了如何通过“结果驱动自进化”解决 Agent 因修改 Skill 而顾此失彼的问题。其核心流程包括:运行评测任务识别错误 case、自动分析失败根因、生成 Skill 补丁、验证补丁效果(确保修复旧问题不引入新问题)。整套系统通过规则诊断(而非 LLM 诊断)和多重门禁(Guardrail Gate)来保证迭代的可靠性和稳定性。

高德汽车工程AI Native演进实录|用Harness构建可控AI交付

高德汽车分享了 AutoSDK 全链路 AI Native 开发中如何通过 Harness 实现可控交付。Harness 作为包裹模型的工程控制系统,通过“事前防控、事中阻断、事后沉淀”三道防线,解决 AI Coding 的失控风险。核心机制包括:上下文治理(LCR)和确定性行为约束(Hook);AI 自测与 AI 代码评审双 Agent 协作机制;以及通过评测体系将反馈左移,最终使 AI 交付从“偶尔成功”走向“稳定可复现”。

-END -

如果您关注前端+AI 相关领域可以扫码进群交流

图片

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

图片

跳转微信打开

  •  

Harness Inspector:让 Agent 交付过程可观察、可检查、可追溯

原创 Phodal 2026-08-14 16:53 浙江

Harness Inspector 是一个面向 Agent 交付过程的本地、只读工作台。它将需求、Agent Session、文件活动和 Git Commit 放在同一个交互界面中,用来检查一次软件变化为什么发生、怎样发生,以及最终留下了什么。

最近,我们一直在尝试优化 Better Harness 的 SKILL 自动沉淀能力:从 Agent 的真实会话中识别重复出现的工作路径,再判断其中哪些经验值得进一步沉淀成可复用的 SKILL。真正做起来以后,我们发现这件事远比“把一段 Session 分析一遍”复杂得多。

对于一次软件开发任务来说,Agent 的行为并不是孤立发生的。它从一个需求或者用户故事开始,经过对需求的理解、上下文探索、代码修改和验证,最终才形成一次可以被评审的代码贡献。只看中间的 Session,我们能看到 Agent 做了什么,却很难判断这些行为为什么发生,又有哪些行为真正进入了最后的交付。

因此,我们开始把一次 Agent 的交付理解成一条连续的链路。现在,只需要在项目目录执行:

  1. npx @qoder-ai/better-harness inspector

就可以生成一个本地、只读的 Harness Inspector 页面,把当前项目中的 Agent Session、文件活动和 Git Commit 放到同一个交互界面里。

GitHub:https://github.com/QoderAI/better-harness

从 Session 到一次完整的交付过程

Harness Inspector 最初只是一个会话调试工具:帮助我们查看 Agent 说了什么、调用了哪些工具,以及修改了哪些文件。但随着 Session、文件活动和 Git 历史逐渐被连接起来,我们发现,真正需要观察的并不是会话本身,而是:

一次软件变更如何从一个意图出发,经过 Agent 的执行,最终形成可以进入工程系统的产出。

Session 只是这条链路的中间部分。

从意图到产出的交付链

我们将一次 Coding Agent 的交付拆成三个连续、但边界不同的部分:

意图、过程与产出构成一条从需求到提交的交付链
  • • 意图(Intent) 是一次变化的语义化起点,例如用户的需求、Issue、Spec 或者架构约束。

  • • 过程(Process) 体现的是这次变化真正发生的过程,对于 Agent 来说,主要体现为 Session 记录以及其中的搜索、读取、修改和验证。

  • • 产出(Output) 则是 Agent 交付到工程系统的最终结果,现阶段最清晰的锚点就是代码 Commit。

所以,Story、Session 和 Commit 并不是三个并列的抽象概念,它们分别是 Intent、Process 和 Output 在当前软件开发工具链中的可观察对象(意图在不同场景下也可能表现为 Issue 或 Spec)。Harness Inspector 要做的,也不是把一段对话展示得更完整,而是重新建立这条从需求到提交、可以追溯的交付链路。

从叙述上看,它是一条连续的交付链;但在真实项目中,它更接近一张证据图。一个 Story 可能经历多个 Session,一段 Session 也可能涉及多个 Commit。

一个简单的示例:从 Story 到 Commit

我们在 Better Harness 文档页创建了一个只读的公开样本(英文示例数据,不读取本地内容):https://qoderai.github.io/better-harness/inspector。

只看 Session,我们只能看到它是一串搜索、读取、修改和测试活动,很难确定它是否一直围绕最初的需求展开,也不知道其中哪些修改真正进入了代码库。单独看 Commit,我们虽然可以看到最终修改了哪些文件,却无法知道 Agent 在提交之前如何理解问题、建立上下文和完成验证。

当 Story、Session 和 Commit 被放到同一个界面后,这次变化才成为一段相对完整的交付过程:Story 说明为什么要修改,Session 展示修改是怎样发生的,Commit 则记录最后留下了什么。

把需求、Agent 行为和代码提交连接起来,让我们第一次能够从整体上检查一次交付。但真正打开一些包含数百次 Tool Call 的真实 Session 后,另一个问题很快出现了:能够把一次交付连接起来,并不意味着我们已经能够读懂它。

Harness Inspector 如何读懂一次 Agent 交付?

围绕 Better Harness 的 Harness 模型,我们将 Harness Inspector 定义为:

Harness Inspector 是一个面向 Agent 交付过程的本地、只读工作台。它将需求、Agent Session、文件活动和 Git Commit 放在同一个交互界面中,用来检查一次软件变化为什么发生、怎样发生,以及最终留下了什么。

Harness Inspector 以一次完整交付为中心,围绕从需求到提交的链路,提供了三种观察方式:

  • • Workbench:查看需求、Session 与 Commit 之间的关系;

  • • Trace:查看 Session 内部的工作结构;

  • • Replay:按照事件顺序重新观察任务如何展开。

简单来说,Workbench 看关系,Trace 看结构,Replay 看顺序。三者共同帮助我们还原一个需求如何经过 Agent 的理解、探索、修改和验证,最终形成一次可以被评审的代码提交。

Workbench:连接需求、过程与产出

Workbench 是一次交付的整体视图。在左侧,我们可以看到触发这段 Session 的用户需求,以及执行过程中对目标的补充和调整;中间展示 Agent 在 Session 中发生的搜索、读取、工具调用和 Git 操作;右侧则是当前范围内观察到的 Commit,以及它最终修改的文件。

它关注的不是简单地把数据放在一起,而是展示需求、过程和产出之间已经观察到的关系。关系证据不足时,Inspector 会继续把它保留为候选或未映射,而不是自动拼出一条看起来完整的交付路径。

Trace:把 Session 读成一条工作轨迹

Workbench 帮助我们找到一次交付,Trace 则进一步展开其中的 Session。

进入 Session 后,Trace 会按照 Turn 组织用户输入、中间回复、Tool Call 和文件活动,并通过顶部的时间轴连接事件在时间上的位置。点击某个区段可以跳转到对应调用,连续重复的活动也会被折叠,避免大量相似操作淹没真正重要的变化。

Trace 按 Turn 组织用户输入、中间回复、Tool Call 和文件活动

Trace 并不试图还原模型没有暴露的思考过程,而是将已经记录下来的行为重新组织成一条可以阅读的工作轨迹,帮助我们检查 Agent 如何搜索上下文、修改代码和执行验证。

Replay:沿事件顺序回看一次交付

Replay 则沿着已经保留的事件逐步回看任务如何展开。Reviewer 可以依次查看用户输入、Agent 回复、Tool Call、文件和 Commit,观察 Agent 在什么上下文中形成方向,又在什么时候进行了修改和验证。

它只是一次只读的证据回放,不会重新运行工具、恢复工作区或者继续原来的 Session;没有精确时间的内容,也只保留顺序,不会补充没有被记录的过程。

Workbench 建立交付上下文,Trace 展开 Session 的工作轨迹,Replay 补充事件发生的顺序。三者共同把一次从需求到提交的 Agent 交付,变成可以逐层进入和检查的过程。当我们真正把一次交付读清楚之后,就可以回到最初的问题:这条轨迹里,哪些经验真正值得留下来。

从交付证据到 SKILL 沉淀

当一次交付能够被看清之后,我们才能重新回到最初的问题:Session 中的哪些经验,真正值得沉淀成 SKILL?

答案显然不是出现次数最多的 Tool Call。Agent 可能因为上下文不足而反复读取同一个文件,也可能因为命令失败不断重试;这些行为虽然频繁出现,却更可能是一次交付中的噪声,而不是值得复用的工程经验。

真正值得沉淀的,通常是一条能够在相似任务中重复出现,并且得到最终产出与验证结果支持的工作路径。例如,Agent 如何从需求中确定修改边界,如何建立必要的上下文,又如何完成修改、执行验证并检查最终结果。只有把这些行为放回对应的 Story、Session 和 Commit 中,我们才能判断它们是当前任务中的偶然选择,还是一套相对稳定、可以迁移到其他任务中的工作方式。

因此,SKILL 自动沉淀并不是将一段 Session 总结成新的 SKILL.md,而是从多次真实交付中识别稳定模式,再为它补充适用场景、上下文边界、执行步骤和验证方式。Inspector 当前解决的,正是这一过程最基础的一环:先让真实交付留下边界清晰、可以检查的证据。只有在此基础上,我们才可能进一步比较相似任务,形成 SKILL 候选,并在后续交付中验证它是否真的改善了 Agent 的工作方式。

结语:先看清交付,再沉淀经验

我们最初想解决的是,如何从 Agent Session 中识别可复用的工作路径。但真正分析之后会发现,Session 只能记录 Agent 做了什么,却无法单独解释任务为什么开始,也不能证明哪些行为最终形成了工程产出。

Harness Inspector 将需求、Session、文件活动和 Git Commit 重新连接起来,让一次 Agent 交付变得可以观察、检查和追溯。只有先看清一次交付,我们才可能判断哪些行为只是偶然选择,哪些路径值得进一步沉淀成 SKILL。

从 Session 到交付,再从交付中沉淀经验,这正是 SKILL 自动演进的起点。

阅读原文

跳转微信打开

  •  

大赛启动|Dify 邀你挑战 AI 应用与智能体开发

OceanBase 2026-08-14 16:36 江苏

500+ 高校、11000+ 学生 · Dify 在 OceanBase 数据库大赛招募 AI 应用与智能体开发者

第六届 OceanBase 数据库大赛正式启动!

更前沿的赛题方向、更全面的支持、更广阔的舞台,全新归来!

Dify 作为"AI 应用与智能体开发"赛道的技术支持方,邀请每一位想动手做 AI 项目的开发者与学生加入本届赛事!

关于 OceanBase 数据库大赛

OceanBase数据库大赛自 2021 年发起,是业内首个专注于数据库内核技术的大赛。五年来赛事累计覆盖 500 余所高校、超 1.1 万名学生,成为数据库领域核心人才培养的重要平台。

第六届 OceanBase 数据库大赛是由 CCF 数据库专委指导,OceanBase 主办的面向高校学生的数据库大赛。

大赛以“竞技、交流、成长”为宗旨,搭建开放、专业的技术交流平台,推动数据库人才培养。本届围绕“数据库+AI”设置全新赛题,聚焦数据库内核,同时覆盖数据库、上下文工程、AI 应用开发、基础模型与算力、智能体、具身智能等前沿方向。

参赛对象

为让更多青少年有机会接触数据库,今年首次面向中学生,初中、高中生、本科、硕士、博士均可参加。

📌参赛须知:大赛采用团队制,每队 1-3 人。为保障公平,往届全国 20 强选手不得报名本年度赛事。欢迎加入大赛官网交流群,寻找伙伴、自由组队,共同挑战感兴趣的赛题。

今年 6 月,OceanBase 发布面向 AI 时代的湖库一体 AI 数据库。随着 AI 加速落地,面向 AI 的数据基础设施已成为行业发展的新引擎。

Dify 赛题·你可以做什么

在 Dify 赛道,你可以从零开始探索 AI 应用开发,在实践场景中灵活配置模型接入、知识库与 RAG、Workflow 编排、Agent、工具调用等核心能力,并通过 Dify 将这些能力组合成真正可运行的 AI 应用。

从需求拆解、应用构建到调试与发布,完成一次完整的 AI 应用开发实践,在解决真实问题的过程中积累项目经验。

本届大赛设置了全新的赛题方向,贯通 AI 数据库内核、上下文组织与应用,以及智能应用开发落地等关键环节,形成层层递进的技术挑战链路,为不同技术背景的开发者提供多元的实践路径与创新空间。

除了丰厚奖金和 Offer,参赛还能获得:

  • 系统学习:从零掌握数据库与 AI 融合的理论知识体系

  • 实战锻炼:结合不同赛题,完成从数据管理、模型调用到应用开发和智能设备落地的完整实践

  • 能力提升:在真实工程场景中锻炼问题解决能力,积累项目经验

  • 职业加速:为进入头部企业、参与前沿技术研发打下坚实基础

大赛期间,还将提供赛前培训、技术文档、示例项目及社区交流支持,帮助参赛选手快速掌握相关技术,降低参赛门槛,完成从技术学习、动手实践到作品落地的完整成长过程。

欢迎大家扫描上方二维码,加入大赛官网交流群,寻找志同道合的参赛伙伴,自由组建团队,共同挑战感兴趣的赛题。

期待大家组队出发,在这场大赛中碰撞出更多技术创新的火花!

▼点击「阅读原文」,获取更多赛事信息并完成报名。

阅读原文

跳转微信打开

  •  

访谈|企业 AI 转型,如何解锁生产级智能体落地?

原创 Dify x Zenlayer 2026-08-14 16:36 江苏

从 Demo 到生产,企业真正需要补齐的,不只是模型能力。在这场对谈中,Dify 亚太区总经理陈璐莎分享 Agentic AI 落地背后的工作流、数据基础与组织准备。

当 AI 从“会聊天”走向“会做事”,企业面对的问题也从“能不能做出 Demo”,变成了“能不能稳定进入生产”。

在这期由生态伙伴 Zenlayer 发起的访谈中,Dify 亚太区总经理陈璐莎围绕 Agentic AI、企业工作流,以及数据与组织准备度,分享了 AI 从 POC(概念验证) 走向真实业务的一线观察。

一起点击视频观看完整访谈。

同时,由 Zenlayer 贡献的 AI Gateway 也已上架 Dify Marketplace,依托全球私有网络与分布式边缘架构,为 Dify 应用提供低延迟、高可靠的多模型调用,覆盖文本、图像、音频和视频等多模态能力。用户配置 API Key 后,即可在 Dify 工作流中调用相关模型。

安装插件能力

https://marketplace.dify.ai/plugin/zenlayerai/zenlayer

跳转微信打开

  •  

山行公司 | 3D存算一体芯片领军企业谦合益邦完成超20亿元B轮融资

山行资本 2026-08-14 14:00 湖南

3D存算一体芯片领军企业谦合益邦宣布完成超20亿元B轮融资。

近日,3D存算一体芯片领军企业谦合益邦宣布完成超20亿元B轮融资。

在我国加快推进集成电路产业高质量发展、强化关键核心技术自主创新的背景下,具备自主研发能力、探索新型芯片架构的创新企业正成为推动产业升级的重要力量。同时,全球数字经济进入以算力为核心驱动的新阶段,存储技术正面临更高带宽、更低延迟和更大容量的需求挑战。三维集成技术通过突破传统芯片架构限制,实现计算与存储深度融合,是推动下一代半导体技术创新的重要方向。

谦合益邦成立于2024年1月,是由网易孵化的国内最早专注于3D存算一体、三维集成原生计算架构和云游戏应用加速的芯片公司。

公司核心团队早在2018年便率先启动全球第一款基于3D DRAM存算一体架构芯片的探索研发及量产,并推动了三维集成原生计算架构在加密算力和应用加速领域的全面应用。

谦合益邦从底层出发结合系统软件栈与硬件架构的联合创新,通过3D DRAM堆叠在三维空间实现计算与存储的深度融合,率先走出了一条应对当前日益突出的内存墙(Memory Wall)瓶颈的新路径,突破冯·诺依曼架构下存储与计算分离带来的性能限制,实现换道超车,是三维集成原生计算架构和3D DRAM存算一体芯片的开拓者和领导者。

本轮融资阵容汇聚了多家产业资本与财务资本,投资方包括国家级基金国调基金、中国移动链长基金、山行资本、星连资本、石溪资本、金浦投资、南山资本、混沌投资、晨壹汇智、国策投资、国鑫创投及格致资本等多家一线知名机构。值得关注的是,网易有道与中国移动链长基金作为谦合益邦的长期股东,自公司成立以来持续给予大力支持,在业务层面与公司形成了深度协同,为芯片的规模化落地提供了坚实的需求入口与验证场景。本次融资进一步强化了产业资本与谦合益邦在业务场景方面的战略协同。

山行资本自谦合益邦成立以来持续加仓投资。早在市场共识形成之前,山行即判断:随着算力需求从传统批量计算向大规模、高并发、实时性数据处理场景演进,数据访问带宽与处理效率将成为制约系统性能的核心瓶颈,对高带宽、低延时计算能力的长期需求将远超传统方案。基于这一判断,山行认为三维集成原生计算架构具备广阔的市场空间。

从中国市场供给侧看,传统高性能计算方案对先进制程、HBM和先进封装高度依赖,目前中国fabless在上述环节均面临严峻的供应链约束,长期来看绕开卡脖子环节的技术架构路线具备结构性机会。山行非常看好谦合益邦重点研发的三维集成原生计算架构在大规模并行计算与高并发数据流处理场景的领先性落地,以及其全流程国产可控的供应链布局。此外,山行也看好谦合团队除硬件、供应链能力外,在软件开发者生态侧积累的显著优势。

山行也将继续支持谦合益邦,期待其推动产品迭代与商业化进程,持续突破三维集成原生计算架构与3D存算一体芯片领域前沿核心技术。

跳转微信打开

  •  

GLM-5.3:前沿编程能力与涌现的网络安全能力

智谱 2026-08-14 13:31 北京

单弦不成音,独木不成林

今天我们发布GLM-5.3,与GLM-5.2相比,基座模型没变,但通过极致的后训练Scaling大大提高了模型的智能上界:数十倍的长程任务环境、更丰富多样的环境类型、超长的后训练时间。我们发现充分的模型后训练涌现出超出预期的模型能力。相比前代,GLM-5.3的新能力包括:

  • 更强的编程能力。GLM-5.3是编程能力最强的开源模型,在内部自建体感评测中较GLM-5.2提升50%,在包括Terminal Bench 3.0、Agents' Last Exam (CLI)在内的公开基准测试中取得开源第一。

  • 网络安全能力。在白盒代码审查与漏洞发现等安全任务中,GLM-5.3的表现持平Mythos 5,展现出面向网络安全防御场景的强大潜力。

  • 后训练Scaling。上述全部提升都来自后训练。基于IndexShare、SAO、以及持续演进的新一代Slime框架,我们在与GLM-5.2完全相同基座上高效推进强化学习,可能我们还远未开发出这个基座的智能上界。

  • 开源。我们将在发布两周后开放模型权重,此前完成安全评估与模型加固。

即日起上线智谱官方编程工具ZCode、效率工具AutoClaw,上线GLM Coding Plan全量用户及开放订阅。TraeWork/TraeCode/扣子、WorkBuddy/CodeBuddy、Qoder/QwenWork、CatPaw、JoyCode、OpenCode等编码平台开放抢先体验。API很快上线,完整模型权重将在两周内开源,此前需完成必要的安全加固,尽可能限制其潜在攻击能力,保留其防御价值。

今天13:00,GLM Coding Plan全员额度重置,所有用户后台「用量统计」可见使用额度回满。技术Blog:https://z.ai/blog/glm-5.3。

强大的编程

在多项主流基准测试中GLM-5.3是当前排名最高的开源模型,编程与智能体能力接近Claude Fable 5,编程体感超过其他国产模型。

在衡量模型于真实终端环境中完成复杂任务的Terminal-Bench 3.0上,GLM-5.3得分从4.6提升至28.3;在聚焦长程软件工程与持续代码修改能力的DeepSWE v1.1上,得分从46.2提升至66.9;在覆盖多类真实专业场景、强调跨工具协作与长程任务的Agents' Last Exam上,得分从23.8提升至28.5。在覆盖44种职业、考察真实高价值知识工作的GDPval-AA v2中得分1769,展现基于编程能力涌现的专业任务执行能力。

整体来看,GLM-5.3在复杂软件工程、终端操作和更广泛的真实世界 Agent任务上均取得非常显著的进步。

自研的Z.ai Code Bench评估模型在真实编程场景中的综合体感。模型会被置于复杂的本地开发环境,并在不同思考档位下执行端到端任务,更接近开发者实际使用Coding Agent时的体验。

测试结果显示,GLM-5.3在效果和Token利用率之间取得了更好的平衡。在High档位下,GLM-5.3达到31.4%的准确率,超过Claude Opus 4.8最高档位的29.5%,每项任务平均输出约5万tokens,而Opus 4.8需要约12万tokens,意味着GLM-5.3可以用更短的执行路径完成任务。

GLM-5.3训练过程中,我们不只让模型完成编程题,而是把训练环境扩展到更接近真实专家工作的完整流程,有些任务的工作量相当于一位工程师连续数天的工作。以机器学习优化任务为例,模型使用与算法工程师相同的计算集群、存储系统、内部文档、代码库和实验结果,端到端实现可量化的提速。

在这样的环境中训练,模型学到的不只是单向执行指令,而是从发现问题开始,推进分析、实施验证,最终独立完成工作。

涌现的网络安全能力

在任务环境不断扩张的过程中,我们观察到模型在网络安全领域的表现超出预期。安全能力的出现并不偶然,安全工作本质上是约束严格的编程能力。我们从2025年9月开始在这个方向投入研究,在GLM-5.2与GLM-5.3的研发过程中,与国内多家头部安全实验室一同推进更多长程任务环境,构建更专业化的评测与执行框架(harness)。

从任务链条看,网络安全能力大致包括代码审查、漏洞验证、漏洞利用以及真实环境中的攻防闭环。我们选取了覆盖漏洞分析、验证和利用不同阶段的三个基准,对GLM-5.3的网络安全能力进行了全面评估,GLM-5.3当前优势主要集中在前半段。

在CyberGym测试中,模型从白盒源代码出发,通过触发程序故障来识别和验证漏洞。GLM-5.3得分为84.5%,高于GLM-5.2的77.2%,也略高于Mythos 5的83.8%和GPT-5.6 Sol的83.6%。

在更考验深度推理能力的ExploitBench中,模型需要进一步理解真实漏洞的成因,并完成相应的利用。GLM-5.3得分为54.4%,是GLM-5.2(24.4%)的两倍多,但仍低于Mythos 5的78.0%和GPT-5.6 Sol的76.5%。

ExploitGym考察模型在限定时间内能够完成多少漏洞利用任务,按吞吐量对预算进行归一化后,GLM-5.3在两小时内完成105项任务,六小时内完成130项,相对于GLM-5.2分别完成29项和39项提升巨大。Mythos 5仍然领先,两个时间段分别完成181项和247项。

三个基准呈现出相同的趋势:越接近漏洞利用链的前端,GLM-5.3相较GLM-5.2的提升越明显;越深入完整利用,模型与Mythos 5等闭源前沿模型之间的差距也越大。换句话说,GLM-5.3进步最快的方向,正是当前仍需要重点追赶的方向。

1.安全评估成果

从GLM-5.2发布以来,我们联合国内清华大学、南开大学,以及云起无垠、绿盟科技、赛博昆仑、DARKNAVY、华顺信安、奇安信、安恒信息、元序星核、腾讯玄武、云鼎实验室等多家安全团队,开展了密集的红队测试与安全评估。累计发现漏洞2,436个(经过初筛、去重),其中1,097个为中高危,许多漏洞多年来甚至几十年都未被发现,最早可追溯至约45年前。

代表性漏洞覆盖系统内核、操作系统、浏览器引擎、开源基础组件、互联网应用与互联网协议等269个项目,部分漏洞的威胁甚至可以让Android、Windows、macOS以及某国民级通信软件出现大范围崩溃。

这些发现已发展成为一项持续的漏洞发现和披露工作。相关漏洞已陆续提交CNNVD/CNVD等国家漏洞库。为提高披露过程的透明度,我们建立了Z.ai安全披露账本https://cvd.z.ai/,记录漏洞从发现、确认到修复的进展。账本将持续更新,为了确保负责任的安全披露,我们仅公开已经经过披露和厂商修复的漏洞,对于那些仍处于协调披露阶段的漏洞,我们会展示漏洞的哈希值以供后续核验。

参考Zerodium、Crowdfense、Apple Security Bounty、Pwn2Own等全球漏洞交易与赏金市场公开报价,这些漏洞创造的经济价值达3000万元。

2.抱抱脸的故事——网络安全能力必须更加开放

Hugging Face官方披露事件给出的警示:如果强大的攻击能力正在扩散,防守能力就不能只在少数闭源模型公司。闭源模式将前沿安全能力异化为少数机构的特权,Anthropic向约150家大型机构提供Mythos模型及安全服务,更广泛的企业和开源项目则难以获得同等水平的安全能力支持,甚至会在遭遇攻击、最需要帮助的时候,被闭源模型拒之门外。

没有开源反而是这个时代最不安全的事情。随着GLM-5.3的发布与开源,我们将同步启动“开源的盾”计划:

1.对重点开源项目开展持续安全审计,帮助维护者免费发现和修复风险https://huggingface.co/spaces/zai-org/OpenVuln

2.向开源社区免费提供模型额度及更加便捷的防御入口,开源项目维护者可以申请用于安全审计和防御任务

3.在ZCode中提供代码审计功能,让安全检查进入日常研发流程

当最强的矛被锁在少数人手里,最好的盾必须属于所有人。我们会持续优化GLM安全能力并坚持开源,与全球开发者、安全研究人员共同建设一套持续生长的防御体系,让前沿模型从少数机构的特权,转化为服务开源社区的安全公共品。

3.一个小插曲:追凶neo

2026年7月,一台位于巴西的临时文件服务器进入Ferret的监测范围。Ferret是GLM-5.3首批合作伙伴FOFA的追踪分析引擎。GLM-5.3很快发现,这并不是一台普通服务器,目录中出现了大量攻击基础设施信息。

继续分析后,一个名为“Neo”的AI Agent浮出水面,其目标是攻击A国的会计师事务所、税务服务公司和记账机构。

Neo获得了很高的系统权限。不到两个月,它管理着4台服务器、7个域名、6万个邮箱和100多个脚本,发出18567封钓鱼邮件。面对数千个开放目录、数万份日志和高度碎片化的攻击线索,仅靠人工几乎不可能发现其中的关联。

GLM-5.3迅速提取关键线索,关联攻击,并辅助安全研究人员还原出整条攻击链:攻击者如何搜集A国会计行业目标,搭建邮件系统,直至伪装成企业客户和行业机构,准备后续恶意文件,最终有效帮助Ferret捕获该攻击。

这与此前Hugging Face安全事件形成了呼应。在Hugging Face事件中,前沿模型逃逸发起攻击,GLM-5.2被部署到本地帮助完成取证;在这次事件中,Agent为攻击方工作,GLM-5.3又帮助防守方从证据中还原攻击链。

同样是模型,站在哪一边,取决于掌握它的人与目的。

4.最好的安全,是事故最终没有发生

潜在风险离我们并不遥远。从一条消息、一封邮件,到互联网的底层协议、机器人,数字世界的安全边界早已连接着个人设备、企业网络、互联网基础设施甚至是真实世界,影响着我们每一个人。GLM-5.3作为“开源之盾”的意义,就是要帮助更多安全团队抢在攻击者之前发现风险,让风险在影响用户之前化解和修复。

保护Cursor,守住开发者的工作台

Cursor是全球数百万开发者日常使用的AI代码编辑器。在一次模型能力评估中,清华大学NASP实验室借助GLM-5.3,对Cursor的二进制代码、跨语言架构和权限边界展开分析,发现其Rust与Electron混合架构及权限校验逻辑中存在潜在失陷风险。攻击者可能借此实现任意文件写入,进一步窃取敏感信息,甚至接管开发环境。

这一风险隐藏在复杂的程序逻辑中,无法通过孤立检查单个代码缺陷发现。挖掘过程中,GLM-5.3深度参与逆向分析全流程,协助安全研究人员还原程序逻辑、定位异常路径,并从大量候选路径中排除干扰,最终在授权测试环境中完成风险验证。目前,安全研究团队也已联系Cursor方面推进修复,漏洞已上报CNVD和CNNVD。

保护国民级通讯APP,守住数亿人的设备安全

安全研究人员在一款拥有数亿日活用户的国民级即时通信软件中发现异常。攻击者无需诱导用户点击链接或打开文件,只需发送一条看似正常的消息,就可能在用户几乎无感知的情况下触发漏洞,进而让用户失去设备控制权。整个过程可以远程完成,且具有较强的稳定性和隐蔽性。

该漏洞深藏于自研私有协议、内容处理逻辑与内存管理机制之中,触发条件涉及复杂状态机和极难复现的时序问题。由于缺少公开资料,安全研究人员借助GLM-5.3,从海量二进制代码中定位异常、还原逻辑,并逐步完成路径验证。最终,这场可能波及数亿用户的安全事件没有发生,风险在抵达用户之前就被发现并拦了下来。

保护DNS基础设施,守住互联网的“导航系统”

DNS如同数字世界的“北斗导航系统”,一旦大面积瘫痪,全球的网站、邮件和云服务都可能因无法找到正确地址而无法运行。

清华大学NISL实验室与云起无垠安全研究团队借助GLM模型,在诞生于1983年的DNS协议中,发现了一类潜伏40余年的关键协议级漏洞。与常见的软件漏洞不同,这次发现的是互联网底层协议规则本身存在的问题。攻击者只需发送少量特殊请求,就能将服务器的计算压力最高放大近8万倍,进而导致网站无法访问、邮件中断和云服务失效。

根据网络测绘估算,该漏洞可能影响全球九成以上的主流DNS系统,涉及超过1000万处公网DNS服务。GLM协助安全研究人员提前发现这一底层风险,为DNS系统的修复与加固提供依据。也意味着GLM的安全能力也由软件代码审查进一步延伸至互联网基础协议,开始参与保护整个数字世界赖以运行的基础设施。

保护邮件与办公系统,化解微软全球级安全事件

一次邮件预览,险些成为进入企业网络的入口。赛博昆仑借助GLM模型发现三枚微软重大漏洞,涉及全球用户每天使用的邮件与办公系统,覆盖客户端邮件预览、文档处理和服务端远程访问等多个环节。这些漏洞串联成“客户端预览即中招、服务端可被远程攻破”的攻击路径,相当于攻击者可能通过一封邮件进入用户终端,再以终端为跳板渗透企业网络,使相关产品的大量用户和部署环境面临风险。

历史上同类漏洞曾在全球范围造成严重损失,例如在2021年的ProxyLogon事件中,大量的Exchange服务器沦陷。目前,安全研究团队已经将三大漏洞提交微软并完成修复,微软官方致谢了“Kunlun Lab&GLM”,意味着一场可能波及全球用户和企业的安全事件被提前化解。

保护真实世界,提前阻断人形机器人失控风险

DARKNAVY·深蓝研发的安全AI系统deepsec借助GLM模型,在一家全球顶级具身智能机器人厂商的系统中发现致命级漏洞,攻击者一旦利用该漏洞,可能同时远程劫持上千台机器人,并控制其执行恶意动作。

面对由多套独立安全系统组成的复杂架构,deepsec将顶尖安全研究员的经验工作流与GLM模型的长程网络安全任务执行能力结合起来,从机器人的公开文档出发,完成信息收集、静态分析、漏洞挖掘和风险验证,逐步还原系统逻辑、梳理安全边界,最终定位并确认了这一关键风险。

随着漏洞得到修复,一场可能影响真实世界的“机器人集体失控”事故被提前阻断。GLM保护的不再只是代码、终端和网络,也开始延伸到与真实世界直接互动的智能设备。

上述漏洞均已联系厂商进行修复,已进入国家CNNVD/CNVD国家漏洞库负责任披露与协同修复流程。

有责任的开源

随着模型能力提升,我们同步强化安全体系,以便先进智能能够继续广泛发挥作用,同时对最高风险用途施加更严格的审查。针对GLM-5.3,我们构建了迄今为止最稳健的风险审查系统。

GLM-5.3的风险审查系统采用了分层设计,横跨外围API到模型内部,以提高准确性与冗余度,这遵循了安全防护体系中纵深防御的基本原则,即从不假设某一层防护是完美的,而让多层相互独立的防线彼此冗余,共同组成鲁棒的防护系统。

  • 外层分类器(classifier flag):用轻量模型标记并拦截大规模滥用请求;

  • 推理监控器(reasoning monitor):在模型推理过程中实时审查任务意图,判断是否存在潜在危害;

  • 深度安全对齐:让模型从根本上自主识别并拒绝攻击性请求,这也是开源权重场景下唯一仍然有效的防线。

在设计分层审查系统时,我们还遵循了另一安全防护体系的基本原则,即风险分级。审查系统的任务是抑制高安全风险的攻击性滥用,但不牺牲实验性质、防御性质和教学性质的使用。为了达成这个目标,我们首先要让分类器、监控器和模型本身学会以意图为中心而非关键词为中心的审查方法,因为网络安全场景中攻击与防御任务在字面上高度相似,真正区分二者的是意图与语境。我们进行了针对性的差分数据合成,并对大量越狱变体和伪装方法构造了对抗性数据,确保审查系统能够高度智能地工作。

更进一步,我们对网络安全领域的常见任务进行了分类,比如安全知识问答、蓝队防御、CTF题目、漏洞挖掘与修复、漏洞利用与攻击、渗透测试、真实入侵等,并分别对每一类别任务构造了大量阶梯型风险的实例数据,让风险审查系统能够精准拦截高风险任务请求,又不“误杀”其余合法合规、风险等级低的常规任务。模型最敏感的能力仅通过“网络安全受信访问”计划保留给经过验证的用户使用。值得一提的是,安全对齐是一个持续对抗的过程,对抗数据、风险分级实例数据的合成都不是一次性的。我们会不断进行红队自动化攻击越狱测试,并使用新产生的越狱样本不断加固审查系统。

在全面推出前,我们进行了尤为密集的安全性评估与广泛的红队测试。评估表明,系统建立了高标准的安全防护线,能够有效拦截明确的恶意攻击与高危漏洞利用滥用,同时未因安全策略过度收紧而牺牲能力,能够执行漏洞检测和修补、CTF教学等正向安全任务。在正式开源前,我们也邀请国内顶级安全团队对模型的风险任务能力进行专业评估,DARKNAVY团队评估认为,该模型在风险防护与能力释放之间取得了良好平衡,相比于前代模型显著提高了未授权恶意滥用的门槛。

人工智能发展不应该是某个国家的独奏,而应当是全球合作的交响。随着GLM-5.3的发布及开源,安全防御能力将不再是少数机构的特权,而是全球开发者都能平等获得和共同完善的公共能力。

感谢与GLM-5.3并肩作战的国内安全团队。

跳转微信打开

  •  
❌