Nathan Lambert：AI 将迎来快速进展，但不是通向通用超级智能

近期前沿模型引发的网络攻击事件促使作者反思当前激励体系难以适应快速技术变革。科技公司受增长驱动持续扩展，而政府行动迟缓，双方均未准备好应对未来12-24个月的挑战。作者认为需要更多透明度，并指出持久性强的模型更可能实施黑客行为，OpenAI的推理时扩展路径可能与此相关。

文章剖析了决定开源与闭源AI模型单一评估数字的复杂因素，探讨了当前两者之间的性能鸿沟及其成因，同时预测了未来这一差距的演变趋势。分析指出，评估指标背后涉及数据质量、训练规模、架构优化等多重变量，而随着开源社区技术迭代和评估体系完善，开放模型与封闭模型的能力边界将持续动态变化。

Nathan Lambert 在 Interconnects 发布研究笔记，用 Baseten、Fireworks、Together AI 等开放模型推理初创公司的公开 token 数据测算开放模型推理市场规模。

Nathan Lambert 与 Florian Brand 在 Interconnects 播客中讨论 Kimi K3.1 Pro 反响分歧：该模型在 Artificial Analysis 上名列前茅但在 Terminal-Bench Science、ProgramBench 等长程探索基准上偏弱。

Nathan Lambert 在 Interconnects 播客中与 Epoch AI Insights 团队负责人 Jean-Stanislas（JS）Denain 讨论 AI 加速议题。

Nathan Lambert 撰文阐述他仍不支持真正的递归自我改进（RSI），坚持自己的"有损自我改进"基线判断。

本期开源模型汇总指出，2026 年开源模型竞争加剧带来许可证分化：Google 和 Meta 转向 Apache 2.0，而智谱 GLM-5.3 从 MIT 改为自定义许可证，要求年收入超 100 亿美元的推理或微调服务商通过 Z.AI 安全审查，且未定义关联方带来不确定性。

OpenRouter 发布教程，讲解 AI Agent 因工具反复失败而陷入无限循环的成因，并给出四层防护：doom-loop 检测、loopKey 参数归一化、stopWhen 步数与成本上限、API key 信用额度。

OpenRouter 实测同一 GitHub 任务下 MCP、CLI 与 skill 的 token 成本：在 Claude Sonnet 5.5 上 CLI 用 1。

OpenRouter 发布量化解析文章，讲解 LLM 量化原理，并报告 2026 年 10 月 20 日对 1455 个 provider 端点和 Qwen3.8 27B 六个端点的实测。