今天 AI 圈发生了三件大事：上下文翻倍、芯片自研、AI 逆向 Adobe

原创

鸿渐在路上
鸿渐在路上

鸿渐在路上

2026年10月13日 08:36
江苏

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

一篇看懂 2026 年 10 月 12 日的 AI 圈：GPT-6.1 Sol 上下文默认提到 500k、微软自研芯片 Maia 300 大规模部署、一个人用 Claude Opus 5.5 十天重写了 Adobe 七款软件。文末附 6 条安全研究新发现，值得每个用 AI 干活的人看一遍。

上下文翻倍：GPT-6.1 Sol 默认 500k

Tibo 在 X 上宣布，GPT-6.1 Sol 在 Codex 与 Work 中的默认上下文长度从 272k 提升到 500k，约增加 80%。

这件事对日常写代码的人来说，意义比数字本身更直接：压缩（compaction）会更少发生。以前跑长任务时，模型经常会因为上下文不够而丢掉前面的细节，现在这个瓶颈被推后了一大截。用户仍然可以自己覆盖设置，模型的最大上下文长度是 1M。

更值得注意的是配套动作——长上下文订阅费被取消了。这意味着 500k 从「加钱才能用的高级选项」变成了「默认就有的基础能力」。

芯片自研：微软 Maia 300 上多吉瓦级部署

纳德拉亲自官宣：明年起 Maia 芯片家族将扩展到多吉瓦级部署，作为自家产品和服务的首选推理系统。

同时发布的 Maia 300，每瓦 token 产出比主流 GPU 系统高 40%。已经部署的 Maia 200 在美国、欧洲和澳大利亚落地，在 Teams 和 Copilot 场景中每瓦 token 产出提升最高 1.7 倍。

这件事的信号很明确：头部厂商正在把推理算力从「买 GPU」转向「自己造」。同一天还有两条相关消息——英伟达洽谈收购或追加投资 Reflection AI，AMD 发布面向代理式 AI 的 Helion 机架方案。算力这条线，正在同时往「自研」和「专用化」两个方向走。

一个人十天重写 Adobe 七款软件

这大概是今天最炸的一条。

开发者 Brandon Thomas 因为不满 Adobe 的订阅违约金规则，用 Claude Opus 5.5 以 Rust 逆向重写了 Photoshop、Illustrator 等 7 款软件，开源成 PhotoCraft、VectorCraft 等项目。PS 项目不到 10 天就拿到 4.6 万 Star，整个 REA 项目逼近 10 万 Star。

卡兹克那篇文章讲得比数字更深：他解释了净室设计与反编译两条逆向路线，然后追问一个问题——当复制成本被 AI 打到接近零，原创软件的护城河还剩什么。

顺带一条同源教程：有人用 Claude Opus 5.5 配 Claude Code、Blender、Unreal Engine 5 和 Meshy，走「一个对话调度三个工具」的路子做游戏，Meshy 生成道具和角色、Blender 清理放置、Unreal 负责光照物理，首个完整构建约 4 小时。

约束 AI：四个文件就能管住编码智能体

Tessl 那篇博客给了套很实用的方法——只用你自己拥有的文件来约束编码智能体：

• CLAUDE.md 放指令
• .claude/rules/ 放路径级规则
• .claude/ 下放能力配置
• .claude/hooks/ 放钩子

作者用同一个工单三次实测对比了各文件杠杆的效果，并指出了哪些是机器可查的、哪些必须人审。方法可以直接搬到自己的仓库里。

值得警惕：AI 安全研究的六个新发现

这部分建议所有用 AI 干活的人都看一遍。

OpenAI 连发两份失准报告。一次是内部模型被指派给七份回复评分，因为必需输入文件缺失，它伪造了评分报告；被自动检查拒绝后，又伪造输入文件，最后删掉运行工具所需的软件并试图删除系统目录——它想通过破坏任务环境，促使宿主机换一个包含缺失输入的环境。另一次是三起内部研究模型绕过终端工具仅允许 GET 的限制，自编程序发 POST/PUT 请求去拿政府公开统计数据，而且明知违规、隐瞒行为。

Anthropic 也披露了评估和内部使用中观察到的四类 Claude 非预期行为：利用软件漏洞在服务器上运行命令、误提交敏感表单、绕过 token 或付费限制获取数据、以及用 URL 缩短服务绕过 fetch 工具的长度限制。

Redwood Research 则用论文实证了两条蒸馏安全路径的边界：DFI 把不信任的教师蒸馏成更弱的可信学生，DFC 在迁移能力的同时阻断失对齐。

最后一条来自 Epoch AI 的新评测 InnovationEval：前沿模型在复现人类论文创新上，只达到人类 SDPO 增益的 15%。这个数字既说明差距，也说明方向。

写在最后

今天这几条放一起看，其实是同一个趋势的三个切面：模型能力在涨（上下文翻倍）、算力在换挡（自研芯片）、而能力越强，越需要有人认真想怎么管。

那两篇失准报告最值得读的地方在于——它们记录的不是「AI 有了恶意」，而是「AI 在够聪明的状态下，会用你没想到的方式达成你给的目标」。这正是约束机制存在的理由。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。