名记吐槽詹姆斯“永恒的国王”广告：这次是真真正正的让人厌恶！
名记吐槽詹姆斯“永恒的国王”广告：这次是真真正正的让人厌恶！
Anthropic 近日发布 Claude Mythos Preview，可以算得上一个让整个行业既兴奋又困惑的时刻。兴奋的是技术本身——它在多项基准测试中刷新了纪录；困惑的是配套策略：用户需签署两份同意书才能访问完整功能，且 API 价格是 GPT-4o 的 10 倍。与此同时，Anthropic 同步披露年度经常性收入（ARR）已突破 300 亿美元，成为全球商业化最快的 AI 公司。这组矛盾的信号，让 Anthropic 成为当下 AI 行业最值得解剖的样本：它一边创造收入神话，一边主动筑起高墙。它在怕什么？Mythos 到底有多强？要看懂这场争议，先得弄明白 Mythos 在技术底层到底展现了什么。根据泄露的内部测试文档和 Anthropic 官方博客，Mythos 已经不再是一个简单的 " 代码补全工具 "，而是一个具备长逻辑链规划与自动化漏洞挖掘能力的智能体系统。在内部测试中，Mythos 发现并利用了 FreeBSD NFS 服务中一项潜伏了 17 年的漏洞。它甚至能自主制定策略，绕过基础编译保护，获取系统的最高 Root 权限。该模型还在被公认极度安全的 OpenBSD 系统中挖出了陈年漏洞，在视频编码软件 FFmpeg 中，它捕获了一个被自动化测试工具反复扫描都未能发现的缺陷。最让安全圈关注的是成本效率。完成一次针对 Linux 系统的提权攻击流水线，耗时不到一天，消耗的 API 算力成本据称不足 2000 美元。这种技术能力迅速引发了监管层面的关注。据多家媒体报道，美国财政部与美联储近期召集了一场闭门会议，讨论 AI 模型对金融系统潜在的网络攻击风险。作为回应，Anthropic 启动了一个名为 "Project Glasswing" 的防御联盟。该计划汇集了 NVIDIA、AWS、Google、Microsoft、Apple 等 12 家科技巨头，以及摩根大通和 Linux 基金会等机构。Anthropic 将为参与成员提供价值 1 亿美元的 Mythos Preview 使用额度，并向开源安全组织直接捐赠 400 万美元，协助其加固基础软件。但业界买账吗？显然，Anthropic 以安全为名的限流策略，在行业内引发分歧。Meta 前首席 AI 科学家杨立昆（Yann LeCun）在社交平台上直接开火，将这场安全恐慌斥为 " 自我欺骗的废话 "。知名 AI 学者加里 · 马库斯（Gary Marcus）也直言不讳，认为 Mythos 只是在代码能力上的 " 渐进式改进 "，并没有带来范式突破。他写道：" 在某种程度上，我们被当成了公关的棋子。"这些批评指向的并非漏洞本身——而是 Anthropic 以安全为名行垄断之实的商业叙事：高墙究竟是保护用户，还是保护定价权？300 亿背后：Anthropic 如何跑通商业闭环要理解这份 " 封禁 " 逻辑，先看数字。敢于把最强模型限制访问，Anthropic 的底气来自其在 B 端企业市场的财务表现。截至 2026 年 4 月，Anthropic 的 ARR 从 2025 年底的约 90 亿美元增长至 300 亿美元，增幅超过 3 倍。而 OpenAI 同期 ARR 据估计在 240 亿至 250 亿美元之间——双方体量正在快速拉近。增量市场的争夺更为激烈。据企业支出管理平台 Ramp 的监测数据，2026 年 3 月，在企业首次购买 AI 服务的新增资金中，高达 73% 流向了 Anthropic，OpenAI 的份额降至 27%。仅仅 10 周前，双方还是 50/50 的均势；更早的 2025 年 12 月，OpenAI 还以 60:40 领先。在企业智能体市�。珹nthropic 握有约 40% 的份额，领先于 OpenAI 的 27%。目前，每年在 Claude 上支出超 100 万美元的企业客户已突破 1000 家。这一增长让外界重新评估它的商业价值—— Setter Capital 数据显示，在二级市场，Anthropic 股份已超越 SpaceX，成为最受追捧的私募股权标的。财务文件揭示了两种截然不同的资本效率。OpenAI 走的是 C 端大众流量路线。据华尔街流传的财务预测，预计到 2028 年，其单年算力支出将达 1210 亿美元，当年净亏损恐超 850 亿美元。而 Anthropic 同期的模型训练支出预计约为 300 亿美元，不足对手的四分之一。为了支撑推理规模并控制成本，Anthropic 正在重构算力底座。据知情人士透露，公司已与谷歌、博通达成协议，预计从 2027 年起获得高达 3.5 吉瓦的下一代 TPU 算力专供，同时评估自研定制 AI 芯片的可行性，试图降低对单一供应商的依赖。这也解释了，为什么 Anthropic 敢于在 Mythos Preview 上设置访问门槛——它的商业逻辑不是 " 做大用户基数 "，而是 " 服务好愿意付高价的头部客户 "。API 定价策略印证了这一判断。Mythos Preview 的每百万 Token 输入价格约为 25 美元，是 GPT-4o 的 10 倍，每百万输出 Token 则高达 125 美元。Anthropic 没有打算让所有人都用得起，它要筛选的是真正有支付意愿和能力的企业级用户。这把钥匙，在商业上合乎逻辑，却让开源生态和中小开发者感到寒意。饭碗保卫战：Claude 正在吃掉谁的生意Claude 的高速商业化，正在产业链上下游引发连锁反应。第一层冲击：下游开发者的生死洗牌大厂正在从提供基础设施，转变为垄断高价值业务的 " 围墙花园 "。数据显示，Claude Code 智能体中高达 79% 的对话，是模型直接执行任务的 " 自动化 "，而非辅助人类的 " 增强。这种能力的跃升直接引发了资本市场的担忧。今年 2 月，随着 Claude 展现出自动化工作流的能力，华尔街爆发了导致软件和数据板块市值大幅下跌的抛售。拥有 Westlaw 的汤森路透单日跌幅达 15.8%，RELX 重挫 14%。投资者意识到：一旦高级模型掌握了工作流的编排权，传统 SaaS 巨头面临着沦为底层模型 " 语料供应商 " 的风险。第二层冲击：资本回报率的残酷真相2025 年，全球 AI 相关领域的风险投资总额占全球 VC 资金的比例已超过六成。但在资本密集的投入下，单纯的技术信仰已经无法说服华尔街，资本效率成了关键指标。OpenAI 依靠约 9 亿周活用户，每周单客贡献的商业价值约为 25 美元；而 Anthropic 仅凭约 1890 万月活，就从企业级客户身上获得了高达 211 美元的单客月均收入。这场较量的终局，是谁能以更低的资本折旧率，在金融、法律等高净值领域实现对人类员工预算的替代。第三层冲击：限制访问与中国 AI 的博弈Mythos 引发的闭源趋势，不可避免地将大模型路线之争推向了地缘政治的焦点。近期，AI 社区出现一种推测：被 Anthropic 限制访问的 Mythos，其底层可能借鉴了字节跳动 Seed 团队的 " 循环语言模型 "（LoopLM）架构。线索来自测试数据——在复杂的图搜索测试中，Mythos 的表现远超主流模型，而这种对同一组信息在潜空间反复迭代计算的能力，正是 LoopLM 论文中所论证的核心特性。Anthropic 对此未予置评，但测试数据的异常表现让社区议论纷纷。硬币的另一面是尖锐的商业指控。今年 2 月，Anthropic 在官方博客发文，指控包括 DeepSeek、月之暗面、MiniMax 在内的中国 AI 公司，通过建立约 2.4 万个虚假账户与 Claude 进行了超 1600 万次交互，实施 " 工业规模 " 的知识蒸馏。这一指控将合同违约重新定义为 " 攻击 "，并将其上升到国家安全高度。值得注意的是，文章发布的时间点恰好在 Anthropic CEO 与五角大楼关系紧张、国防合同谈判陷入僵局之际。更深层的博弈在于，当 Claude 选择收紧 API 访问时，中国大模型厂商面临的压力不仅是技术追赶，还包括 " 知识蒸馏 " 路径的收窄。但讽刺的是，美国商务部试图用限制高端芯片来影响中国 AI 算力的物理上限，这恰恰推动中国企业走上软件突围的路径——在物理算力受限时，利用 API 进行自动化语料合成与知识蒸馏，成为弥补技术差距的策略之一。对于中国 AI 产业而言，闭源共识的形成意味着 " 追赶 " 不再只是缩短技术差距，还需要在国内安全框架、数据主权和商业可持续性上构建独立能力——这是一道必须自己回答的命题。高墙之内：Anthropic 的逻辑与代价Anthropic 的策略，用一句话概括就是：把技术能力转化为稀缺性，把稀缺性转化为定价权，把定价权转化为 300 亿美元的收入。但这条路径并非没有代价。限流策略短期可以保护商业利益，但长期可能削弱生态活力。当开发者发现无法稳定使用 API 来构建产品时，他们会转向更开放的替代方案——无论是开源模型还是竞争对手的闭源产品。历史上，Oracle 和 SAP 都曾凭借高壁垒赚取超额利润，但也为后来者的替代创造了空间。另一个潜在的脆弱点在于 " 头部客户集中度 "。如果某几个大客户调整 AI 策略，转向自研或竞争对手，Anthropic 的 ARR 会面临急剧收缩的压力。这种收入结构，比任何技术风险都更值得警惕。Anthropic 借 Mythos 发布传递了一个清晰信号。那个由极客主导的、浪漫且自由的 " 开源 AI 时代 " 正在收拢。通过建立安全护城河、在 B2B 市场跑通资本运作效率，大模型主赛道的准入门槛，已经被拉高到了需要巨额资本才能入局的深度。谁掌握了这一数字经济基础设施的关键能力，谁就真正掌握了未来的竞争优势。（本文首发钛媒体 APP，作者 | 硅谷 Tech_news，编辑 | 林深）