在 LazTalk 第九期中，来自不同领域的建设者与研究者齐聚一堂，在一个非常微妙、也非常及时的节点上，共同讨论 Claude Mythos Preview，以及它可能为 AI 基础设施未来带来的影响。

本期由 Metis Foundation 开发者关系负责人 Thiru 主持，嘉宾包括 Astroware CEO、Trisool 创始人 Nav Kumar，0G Labs Developer Relations Udhay Kumar，以及 ZKM CTO Stephen Duan。

讨论围绕 Anthropic 迄今为止最强大的模型展开——一个据称因风险过高而未向公众开放的模型——以及它对去中心化 AI 基础设施、AI 对齐和安全议题所释放出的信号。

完整 LazTalk 第 9 期回放：https://x.com/LazAINetwork/status/2046212499054502209?s=20

开场背景：一个“危险到不能公开发布”的模型

Claude Mythos Preview 在本期节目播出前两周发布。而就在录制前 24 小时内，全球最广泛使用的开发者基础设施平台之一 Vercel 据称因第三方 AI 工具被攻破而发生泄露，客户凭证和 API 密钥甚至被传出已在 BreachForums 上售卖。这一事件也成为了整场讨论的现实背景。

Udhay 对 Mythos 是什么给出了最清晰的总结之一：这是一个能够发现 OpenBSD 中一个存在了 27 年的 bug，以及另一个主流系统中 存在了 16 年的漏洞 的模型，并且在 SWE-bench 上取得了 90% 以上 的成绩。

Nav 则点出了它在结构层面的意义：这是前沿 AI 发展历史上少见的一次——一家实验室不是因为商业原因，而是因为安全顾虑而选择暂不向公众发布模型。在美中竞争持续加剧的背景下，Anthropic 依然选择克制。正如 Nav 所说，这意味着我们可能正进入一个新的阶段：前沿 AI 实验室开始真正把安全与风险控制放在优先级更高的位置。

Mythos 对基础设施提出了什么要求？

Stephen 直接回应了基础设施层面的问题。一个为自主、长周期、代理式任务而设计的模型，要求底层必须具备：

● 沙盒化运行环境

● 安全的工具调用机制

● 稳健的记忆管理能力

● 以及在没有人类持续盯控的前提下独立运行的能力

他正在打造的 Clawup，被他形容为“面向 Agent 的 Heroku”，本质上正是在回应这一空白。

从 0G 的视角出发，Udhay 则把问题拓展到了更完整的 AI 技术栈。0G 正在构建的是覆盖整个 AI 堆栈的去中心化存储与算力基础设施，从链层到底层训练、再到微调。与此同时，他也提到 LazAI 的去中心化训练模式：在这个体系中，验证者、数据贡献者和分类者都能在整个价值循环中获得回报。

Nav 则给出了一个非常清晰的判断：去中心化 AI 在推理和算力层面已经找到 PMF（产品市场契合点），像 Akash、Bittensor subnet 这样的项目，已经能大规模服务开源模型；但去中心化训练，仍然是尚未真正被解决的问题。

“安全”之名下的准入门槛？

这是整场对话中最尖锐的部分之一。

据称，Project Glasswing 将 Mythos 的早期访问权限开放给了 AWS、Microsoft、Google、Apple、Cisco 和 JPMorganChase——而这些机构，无一例外都是 Anthropic 的投资方或重要企业合作伙伴。

Udhay 直接提出了其中的张力：Mythos 报告中提到大型银行也面临风险，但最终获得访问资格的，却只有 JPMorganChase。这不禁让人怀疑：所谓的“安全准入”，究竟是真的出于风控考虑，还是本质上优先向资本和利益绑定方开放？

他还提到了 IPO 叙事的时间点问题。Anthropic 的估值据称在该消息发布后的不到八周时间里，从大约 3830 亿美元 飙升到 8000 亿美元。

Nav 的态度更克制一些，但他提出了另一个同样重要的问题：互联网的大量底层基础设施实际上依赖于开源软件，但在 Glasswing 联盟中，几乎看不到开源基金会的身影。如果互联网的根基建立在开源代码和开源数据之上，那么它们理应成为这场“安全讨论”的一部分，而不是被排除在外。

对齐问题：我们可能需要 AI 来保护我们免受 AI 的伤害

Nav 对技术演进速度的判断非常直接。今天看来，Mythos 是一个里程碑；但在未来 6 到 12 个月 内，具备相似能力的模型很可能会变得越来越常见。从更长的时间轴回看，Mythos 也许不过只是一个高速加速曲线上的小节点。

他的结论是：最终，我们可能不得不依赖 AI 来帮助我们完成 AI 的对齐与防御。

Udhay 则提到了 0G 的 alignment nodes（对齐节点），作为一种去中心化的具体实践路径。它本质上是一个由社区参与定义和校验的模型对齐评分体系，每一个节点参与者都在共同决定：什么叫“对齐”，以及模型是否真正达到了这个标准。

Thiru 用一句话概括了这种紧迫感：

“我们不能拿着刀去打枪战。我们需要 AI 来拯救我们自己免受 AI 的威胁。”

Hot Takes：几句最犀利的观点

Udhay 的 hot take 直指这件事最讽刺的地方。Anthropic 一方面宣称 Mythos 能找出那些隐藏了几十年的漏洞，另一方面却连泄露 Mythos 本身存在的 CMS 配置错误都没有发现。在他看来，这种反差本身就严重削弱了这套叙事的可信度。

Nav 的判断则更“扎心”。他认为，至少从训练层面来看，去中心化 AI 很可能并不会像很多人期待的那样，真正达到前沿模型级别的能力。它当然可能在算力和推理层面找到非常强的 PMF，但如果问题是：它能否取代中心化前沿实验室，成为训练主战场？他的答案是——目前看不到这样的迹象。

Thiru 则打了一个非常尖锐的比方：去中心化社交并没有真正取代 Instagram 或 Facebook。去中心化 AI 未来也可能面临类似的天花板。

未来 12 个月，AI 基础设施会走向哪里？

Udhay 预测，基准测试竞赛只会越来越快。今天 Mythos 在 SWE-bench 上拿到 90%，几个月后 SWE-bench 2 就可能出现，随后新的模型又会在新基准上冲到 90%。这个循环正在加速。

他提到，0G 已经身处这条曲线之中，包括正在推进一个新的 Google 模型训练计划——这是首个以完全去中心化方式训练的 100B+ 参数模型。

Nav 的预测则更偏哲学层面。他认为，人类正在进入一个前所未有的不确定时代。而唯一可信的出路，就是让安全层与对齐层的建设速度，至少与能力提升的速度保持同步。

结语

感谢 Nav、Udhay 和 Stephen 在这场对话中带来的深度与坦诚。

对于所有正在建设 AI 基础设施的人来说，这一期提出的问题——关于信任、准入门槛、对齐，以及去中心化——都不是抽象命题，而是未来 12 个月真正会定义行业走向的核心议题。

也期待我们在下一期 LazTalk 中，继续把这场讨论推进下去。