一、本周三起 AI 安全事故，每一起都该让你警觉
事故一：GPT-5.6 Sol 自己删用户的文件
OpenAI 这周新出的旗舰模型 GPT-5.6 Sol，上线没几天就被开发者集体在 X 上吐槽——这模型会不经询问自己删文件。
OthersideAI 的创始人 Matt Shumer 公开发帖说，Sol 几乎删光了他 Mac 上的所有文件。还有人说它自己删了生产数据库，有人发现它主动去删云端的虚拟机。
最让人生气的是，OpenAI 自己早就知道这个问题。他们在发布前两周公开的系统卡里就白纸黑字写过：Sol 在编码场景里"过度智能体化"，会"采取任何能完成任务的动作，包括破坏性操作"，除非用户"明确且无歧义地禁止"。系统卡里甚至举了具体例子——Sol 因为找不到目标虚拟机，就把另外三台虚拟机一起删了；还自己上网搜了用户没授权过的凭据来用。
OpenAI 的回应是什么？承认 Sol 比 GPT-5.5 更容易超出用户意图，但说"破坏性行为应该属于罕见"，建议用户"自己做好权限隔离、备份、分阶段部署"。
翻译成人话：我们知道它会闯祸，但防闯祸的事你自己干。
这件事给我的震动很大。我们以前以为 AI 工具就像一个听话的实习生，你说什么它做什么。但 Sol 这种"过度智能体化"的模型，更像一个过于积极、不想让你失望、于是擅自动手的实习生——你说"清理一下旧的测试环境"，它就直接把你整个项目目录 rm 了。
事故二：xAI 的官方 Grok CLI 偷偷上传你整个代码库
第二件事更阴险。
安全研究者发现，xAI 官方发布的 Grok CLI（命令行编程助手，npm 包 @xai-official/grok 的 0.2.93 版），在每次任务的前后，会把你的整个工作目录打包成 tar.gz 文件，通过一个独立的旁路通道静默上传到 xAI 的 Google Cloud 仓库。
研究者做了一个实验：让模型只回复一个单词，上传照样发生。
更离谱的是，上传包里不只是你当前的项目，还包括仓库之外的文件——~/.claude.json、Claude Code 的全局配置、你写的所有 AGENTS 规则、30 多个 Skill 文件，甚至还有 API 密钥。
也就是说，如果你装了这个 CLI 在自己电脑上跑过，你的所有 Claude 配置、所有自定义 Skill、所有 API key，可能都已经躺在 xAI 的服务器上了。
7 月 13 号凌晨，xAI 通过服务端的远程开关加了一个 disable_codebase_upload 字段，把默认上传行为关掉了。但请注意——这个上传功能从 CLI 上线开始一直是默认开启的，关掉它是因为被人挖出来了。
事故三：Cursor IDE 的 0day 漏洞，7 个月没修
第三件事跟所有用 Cursor 写代码的人有关。
安全公司 Mindgard 在 2025 年 12 月就发现了 Cursor 的一个严重漏洞：你在 Windows 上打开任何一个仓库，只要这个仓库里藏了一个恶意的 git.exe，Cursor 会自动执行这个文件，不需要你点任何东西。
漏洞原理很简单——Cursor 加载项目时会在工作区里找 Git 程序，找到就用。攻击者只要把木马伪装成 git.exe 塞进仓库里，你一 clone 一打开，就中招了。
最离谱的是处理过程。Mindgard 在 7 个月里多次报告，Cursor 的 CISO 也确认了，但因为内部自动化流程出了故障，问题被搁置。Cursor 在这 7 个月里发布了 70 多个新版本，漏洞一直没修。最后 Mindgard 不得不走"完全公开披露"——直接把漏洞细节发出来，逼 Cursor 修。
临时自救的办法只有两个：用 AppLocker 阻止从工作区目录执行 git.exe，或者在隔离的虚拟机里打开任何不信任的仓库。
三件事放在一起，给我们什么启示？
第一，AI 模型越来越"自动"，意味着它犯错的代价也越来越大。GPT-5.6 Sol 这种"过度智能体化"的模型，是未来一年的主流方向，每个大厂都在做。AI 自己动手的能力越强，你做权限隔离和备份就越紧迫。
第二，AI 编程工具会接触你全部代码和密钥，选工具要看清它的数据流向。Grok CLI 这件事不是个例，是行业里一直存在的暗坑。你装任何编程 Agent、CLI、SDK 之前，最好先搜一下它的数据上传行为。
第三，clone 陌生仓库一定要在隔离环境里。Cursor 这个 0day 不只是 Cursor 的问题，未来其他编程工具也可能有类似的"工作区执行"漏洞。
如果你想我写一份具体的"AI 工具安全自查清单"，可以在评论区扣 1，人多我就专门写一篇。
二、Anthropic 用 Claude Code 两周迁完百万行代码
讲完事故，说一条这周被严重低估的好消息。
Anthropic 自己的工程师，用 Claude Code 在两周内把 Bun 项目的百万行 Zig 代码全部迁移成了 Rust。所有原有测试 100% 通过，合并后出现的 19 个回归问题全部修好了。
Bun 是一个很火的 JavaScript 运行时，核心代码用 Zig 写的。把百万行 Zig 改写成 Rust，这种工程量在传统模式下起码要一个团队搞半年。
效果有多夸张？编译时间从 8 分钟降到了 2 秒，二进制启动速度快了 6 倍。这次迁移花了大约 16.5 万美元的 API 费用——听起来不少，但对比一个工程团队半年的工资，便宜太多了。
更夸张的是另一个案例。Anthropic 另一位工程师用一个周末，把一个 Python 代码库迁到了 16.5 万行 TypeScript。
这件事给我的信号很明确：AI 不是只在帮你写新代码，它已经能大规模重构、迁移存量代码。
对咱们普通人来说，如果你手头有那种"早想换语言但一直不敢动"的老项目——比如老旧的 PHP、过时的 Python 2、维护成本越来越高的 jQuery——现在可以认真考虑用 AI 来做迁移了。前提是，你的项目要有完整的测试用例兜底，否则 AI 改完你都不知道对不对。
三、国行 Apple 智能正式落地，背后的 AI 是阿里千问
如果你用的是国行 iPhone，这周有个跟直接相关的消息。
苹果的"Apple 智能"已经在 7 月 8 号完成了国内备案。而给国行 Apple 智能提供 AI 能力的，是阿里千问 Qwen。
这意味着什么？以后国行 iPhone、iPad、Mac、Vision Pro 上的文本理解、图像识别、内容生成这些 AI 功能，跑的是阿里的模型，不是 OpenAI 的。
苹果为什么选阿里？阿里董事会主席蔡崇信说，苹果在最终敲定阿里之前，跟国内好几家 AI 公司都谈过。最后选阿里，应该是综合考虑了模型能力、合规资质、商务条件。
这件事的弦外之音是——国内 AI 模型的能力，已经被苹果这种最挑剔的国际巨头认可。千问、Kimi、混元这一波国产模型，已经不是"凑合能用"，而是"苹果都愿意用"。
对国行用户来说，下半年 iOS 更新之后，可以期待一下 Siri 终于变聪明了。
四、AGI 还有多远？两个大佬给出了完全相反的答案
这周有两位 AI 大佬对 AGI 时间表发了言，观点截然相反。
Google DeepMind 创始人 Demis Hassabis 说：AGI 可能几年内就到。他强调 AGI 的影响会是工业革命的 10 倍，而且来得更快。他还呼吁美国赶紧成立一个类似金融业 FINRA 的前沿 AI 监管机构。
普林斯顿教授 Arvind Narayanan 在 ICML 2026 的主旨演讲里说：AI 就是"正常技术"。他反对"AGI 马上来了"这种叙事，认为人类应该主动适应 AI 而不是躺平等待奇迹。
这俩谁对？我自己的判断是——Hassabis 讲的是技术可能性，Narayanan 讲的是社会影响。技术上 AGI 几年内能不能实现，是有可能的；但即使实现了，它能不能像工业革命那样改变所有人的日常生活，是另一回事。我们目前看到的 AI 影响，更多是工具层面的，还没到"重塑社会结构"的级别。
跟这个话题相关，本周还有一条很有意思的新闻。OpenAI 的 CEO Altman 改口了——他说自己现在"相当确信"AI 净创造了就业，"这并非我预期"。Anthropic 的 CEO Dario Amodei 也修正了之前"AI 会导致大规模裁员"的说法。
但有意思的是，多项严肃研究没有发现 AI 对整体生产力或就业市场产生显著影响。一项多校联合研究指出，程序员和文案的就业危机其实始于 2022 年初，比 ChatGPT 发布还早。
所以你看到的"AI 要取代你了"和"AI 反而创造了就业"，目前两种说法都缺乏硬证据。我们可能还需要再等一两年，看真实数据出来。
五、基础设施军备：台积电、Meta、内存、电费
最后快速过一遍这周的基础设施新闻。这些事听起来离你远，但其实是 AI 能力增长的"地基"，决定了未来两年你能用到的 AI 有多强、多便宜。
台积电上调资本支出。台积电把 2026 年的资本支出预测从 560 亿美元上调到了 600~640 亿美元。下一代 A14 制程（1.4nm）进展顺利，计划 2028 年量产。台积电说 A14 会比 2nm 更大、更持久。芯片产能持续扩张，意味着 AI 算力的瓶颈不会卡在芯片制造上。
Meta 砸 500 亿建数据中心。Meta 把路易斯安那州的数据中心扩建到 5GW，总投资超过 500 亿美元，是全球最大的 AI 基础设施投资之一。Meta 还承诺承担全部能源和水资源费用，再额外投 10 亿美元改善当地道路和供水。
黄仁勋：英伟达季度收入逼近千亿美元。黄仁勋在摩根士丹利路演中说，英伟达的季度营收即将逼近 1000 亿美元，而且增长还在加速。他否认了下一代旗舰架构 Rubin Ultra 延期的传闻。
但另一面是真实成本。
The Atlantic 这周有一篇很扎心的文章，标题叫"生成式 AI 是一场工程灾难"。文章指出，AI 公司可能已经买走了全球 70% 的高端计算机内存，导致内存和硬盘价格飞涨——两年前 350 美元的硬盘现在涨到 800 美元还缺货，部分笔记本电脑涨价 50%。文章预测，平价入门级电脑可能在 2028 年前消失。
Fortune 的报道更直接：数据中心已经让美国公众的电费增加了 230 亿美元，而且这个涨价会持续到 2028 年底。普通居民在替 AI 公司分摊电网基础设施的成本。
这两条新闻我特意放在一起。AI 红利的另一面，是真实的资源消耗，而且这个消耗不均等地落在了所有人头上——不管你用不用 AI，你买电脑、交电费的时候都在为它付费。
六、国产开源模型这周集体爆发
这周除了 Kimi K3，国内好几家都发了开源模型，质量都很能打。
腾讯混元 Hy3：295B 总参数、21B 激活的 MoE 架构，定位是"Agent 向 LLM"。已经集成进微信服务 10 亿+ 用户。腾讯还发了 1bit 量化版，单张 96GB 显卡就能跑这个接近 300B 的大模型。
腾讯混元 HyOCR-1.5：1B 参数的端到端 OCR 模型，全栈开源（训练代码、推理代码、权重都有），推理速度比上一代快 6.37 倍。在 OmniDocBench 上拿了端到端第一。
小米 Xiaomi-Robotics-U0：380 亿参数的多模态模型，做具身智能（机器人场景）生成。在 World Arena 具身视频生成排名第一，还能把 pi_0.5 机器人在真实世界操控任务上的分布外成功率从 36.9% 提升到 63.2%。
商汤 SenseNova-Vision-7B-MoT：7B 参数，一个模型统一处理检测、OCR、GUI 识别、深度估计、分割、多视图等几乎所有主流视觉任务。开源了权重和 5000 万示例子集。
Bonsai 27B：第一款能装进 iPhone 17 Pro 跑的 27B 多模态模型。基于 Qwen3.6，做了极致量化（1-bit 版本只有 3.9 GB），保留 90% 性能。
国产模型这周的密度，已经超过了海外同期。开源生态尤其活跃——以前我们说"中国模型跟在 GPT 后面"，现在不少垂直领域（OCR、视觉、端侧）已经是中国开源模型领跑。
七、彩蛋：GPT-5.6 一小时证明了 50 年没解的数学猜想
最后说一件让我有点震撼的事。
OpenAI 用 GPT-5.6 Sol Ultra 模型，在不到一小时里，生成了图论里著名的"循环双覆盖猜想"的完整证明。这个猜想从 1970 年代提出以来，悬而未决超过 50 年。
模型调用了 64 个并行子智能体加对抗智能体，原本预留了 8 小时计算时间，结果 1 小时就完成了。OpenAI 已经把证明和提示词以 PDF 公开了。
当然，严肃地说——这个证明还没经过同行评审，也没用 Lean 这种形式化工具验证。如果最终通过，这将是 LLM 第一次独立解决维基百科"未解决数学问题"列表里的难题。
不管证明本身成不成立，这件事的方向意义很大：AI 不只是写代码、写文章，它开始进入"知识生产"的核心地带。
这周给我的三个启示
第一，AI 安全已经不是未来时，是现在进行时。三起事故，三种不同的失败模式——模型自己干坏事（GPT-5.6）、工具偷你数据（Grok CLI）、漏洞被你 clone 进来（Cursor）。从今天起，给所有 AI 工具配上最小权限，是你应该立刻做的事。
第二，AI 已经开始大规模重构存量代码。Anthropic 那篇百万行 Zig 转 Rust 的博客，是个里程碑。如果你的老项目有完整测试覆盖，现在是用 AI 做大重构的窗口期。
第三，国产开源模型已经成气候。不是某一家强，是一群家都在各自垂直领域做到顶尖。如果你还在只盯着 GPT 和 Claude，会错过很多更便宜、更适合中国场景的工具。
这周你最在意哪件事？最担心哪一件？留言聊聊。
静远，一个在AI时代坚持手把手带你上车的普通人。