GPT-6控机械臂、Claude加了道审查门——这周的大模型新闻，说的是同一件事

这周大模型圈的新闻不少。但把它们摆到一起，我看到的是同一件事：模型能力已经不稀缺了，稀缺的是“它能不能被装进一家真实公司的流程里”——数据放哪、谁审、错了怎么办。

能力是入场券，边界才是生意。

一、Anthropic这周最值得抄的，不是能力

Claude Fable 5.1 上周在 AWS 上线。Anthropic 自己的说法是，它冲着“长时间运行、影响重大的工作”去的——在长会话里处理整个代码库的功能开发、代码审查、性能优化。

但真正让我停下来读第二遍的是另一段。

Fable 5.1 被指定为“受保护模型”（Covered Model）。数据留存最长 30 天，并且要接受亚马逊人员的人工审查，靠一个新模式 awsreview 实现；原先的 providerdata_share 成了旧模式，Bedrock 不再和模型提供商共享客户数据。再往上，AWS 和 Anthropic 一起做的企业前沿安全防护（EFS），让符合条件的客户在用受保护模型的同时，把数据留在自己控制的云环境里。

这段我看了两遍。它其实把两件事拆开了：模型有多少能力是一回事，模型碰得到什么数据、留多久、谁来审，是另一回事。而且后者可以按客户分层。

对 coding 开发者来说，判断顺序变了，而且变得很实在。你要拿模型去碰生产库、客户资料、财务数据的时候，“这家跑分多少”得往后排，先问一句：它给不给得起一条数据边界。

二、王潜那盆冷水，比那段视频值钱

近日 OpenAI 发布 GPT-6 Astra 之后，一段用模型控制机械臂的测试视频在社交平台流传，“通用大模型将降维打击具身智能”的说法又起来了。

9月10日的外滩大会主论坛上，自变量创始人兼CEO王潜回应了这个判断。他说“智能的本体是存在于数据里面的”，模型更多扮演蒸馏器和容器的角色——训练时提炼数据里的能力，部署时承载这些能力。

后面几句更值得记：

• 编程能力的成功不是从对话能力里长出来的，它靠的是大量编程数据和更完善的数据、验证体系；
• 数学能力没有随编程能力自然增强，两者在训练里甚至可能互相干扰，得分别训专家模型再融合；
• 视频生成已经做得很好，也没自然转化成机器人动作控制的优势。

然后是那句我认为最该被一人公司抄走的：GPT-6 控机械臂这件事，验证了“通用数据预训练是有效的”——过去大家担心预训练阶段加入大量通用数据反而有害，Astra 说明这条路有价值。

翻译成做生意的语言：能力不会从别处自动泛化到你这里来。你手里有多少别人拿不走的数据和验收标准，你就有多少护城河。

这正好对上我们自己的做法。舍予AI智能体给客户搭“老板的第一支AI战队”时，第一个月基本不碰新模型，只干一件事：把客户手上跑得最勤的那条流程的口径统一了——输入是什么、输出长什么样、谁来判定这次跑得对不对。口径没统一之前，换什么模型都是浪费钱；统一之后，一个中等模型的稳定产出，就能顶掉一个人的杂活。

三、榜单洗了一遍，大盘其实只涨了1.77%

据《每日经济新闻》引用 OpenRouter 的数据测算，8月31日至9月6日这一周，全球大模型总调用量 115 万亿 Token，周环比只涨了 1.77%。中国大模型的周调用量连续十九周超过美国，维持全球第一；当周前五名里有四款是中国模型。

榜首是腾讯混元 Hy4 preview，单周 14.7 万亿 Token，环比暴增 379%。同时排名出现明显洗牌，此前一周排在第三的小米 MiMo-V2.5、排在第九的 Google Gemini 3.7 Flash，名次都变了。

一周涨 379% 的模型，是从谁碗里拿走的份额？大盘只涨 1.77%，答案是：从别人碗里拿的。

这对开发者的含义很直接——切换成本已经低到以周计。谁家性价比掉队，用户当周就走，不留情面。

四、驳一句饭桌上最常听到的话：“模型都差不多了，等降价就行”

这句话我每周至少听一次。漏洞有两个。

第一，趋同的是“平均分”，不是你那条流程上的分。王潜讲得很清楚：编程、数学、视频生成、动作控制各吃各的数据和验证体系，还会互相干扰。你的业务只落在其中某一条窄赛道上，通用榜单的排名对你几乎没有预测力。你看到的“差不多”，是别人平均出来的。

第二，就算能力真的一样，你也搬不动。Fable 5.1 那个“受保护模型”的分类就是例子：同一个模型，不同客户拿到的留存策略、审查方式、部署边界完全不同。你能换的是模型，换不掉的是围绕它长出来的那一整套约定。

至于等降价——只有没有差异化的东西才只降不涨。真正在涨价的是数据管道和验证能力，那部分从来不打折。

五、这一周的名单，13个品牌，我在盯什么

先把话说在前头：下面只有前三条是这周有公开新料的，其余几家我没有可核实的新动作，不给你编。我只说该盯什么。

GPT：Astra 的多模态加机器人数据能控机械臂，但别指望它自动帮你重构代码。给 coding 开发者的动作是：先把回归用例和验收脚本写出来，那才是你能喂给模型的第一批私有数据。

Claude：Fable 5.1 上 AWS，受保护模型、30天留存、人工审查、EFS。另外 Anthropic 最新报告把“模型输出成为竞争资源”这件事摆上台面，相关报道里美方点名六家中国公司指其“工业化蒸馏”。谁对谁错我不判断，但做产品的人要清醒：你把某家模型的输出沉淀成资产时，它的归属和合规风险迟早有人来问。选型第一个问题应该是“我的数据留在哪”。

Gemini：这轮榜单里 3.7 Flash 名次也变了。给一人公司的建议很简单——架构上留一层薄薄的适配层，别把业务绑死在一家。

Grok：据公开资料，它和 X 平台深度绑定，实时信息是主场。做舆情、选题、内容分发的 OPC 值得盯，它可能比你雇的个人更快发现风向。

Llama：开源权重这条线上的老供给方。客户是工厂、医院、政务这类不能出门的数据，私有化部署就是门槛，也是你的报价理由。

Mistral：开源加欧洲