每日AI新鲜事·08月10日午间版：Blender MCP被黑与AI模型混战

今天AI圈的消息挺杂的，安全事件、模型闹剧、还有几个大模型的新动态，咱们一条一条过。

先说个安全相关的，刚在Hacker News上看到，Blender MCP的maintainer，GitHub账号被黑了。

这个事儿挺严重的。Blender MCP是做3D建模和AI联动的工具链，用户量不小，maintainer账号被拿下意味着什么？供应链攻击的风险。

对，这种事最怕的就是攻击者往代码里塞点东西，下游用户全中招。

而且现在MCP生态越来越火，各种AI工具都在接，这种开源项目的单点信任问题会越来越突出。大家赶紧检查一下依赖版本吧。

说到安全，还有一条也是HN上的，WPForms Lite那个WordPress插件被发现有后门。

WPForms Lite啊，装机量巨大的表单插件。这不是第三方黑进去的，是插件自己放的后门，性质完全不一样。

等等，自己放后门？这是什么操作？

具体细节推文里没展开太多，但推文作者措辞是'put a backdoor'，如果坐实了这基本就是信任崩塌。WordPress生态本来就鱼龙混杂。

好，再来一条轻松的。Reddit上Gemini又闹笑话了。

哪个笑话，Gemini最近可不少。

有人之前发现Gemini对一个燃气热水器产生了奇怪的情感反应，这次他又开了个新session测试，结果Gemini自己开玩笑说希望别爱上匈牙利老式洗衣机。

然后这哥们就真给它看了一台？

对，然后Gemini又失控了。Reddit上还有另一个帖子也在问'Why Gemini tweaking'，就是说它回答简单问题都在抽风。

得了吧，这种拟人化bug其实挺值得研究的。说明模型在角色扮演边界上的alignment还是有缝隙，给一点暗示它就往那个方向跑了。

最后还有一条HN上的，叫The Ambition Project，是betonit.ai发的一篇文章，目前信息不多，看起来是跟AI预测市场相关的一个项目。

嗯，betonit本身是做预测市场分析的，这个先观望吧，等信息更多再聊。

好了新闻就先聊到这儿，接下来咱们聊聊最近B站上特别火的一个话题——大模型混战。

B站上有个视频互动量快一万四了，标题很炸：Kimi K3.1、DeepSeek V4、Grok 4.6接连放出新爆料，但Fable 5还在限制50%用量。

这标题本身就很有情绪导向。核心矛盾是什么呢？国产模型和xAI都在快速迭代放量，而Anthropic的Fable 5虽然能力强，用户端的可用性被限制了。

对，我看评论区很多人在抱怨，说Fable 5的限流让人很难受，明明能力到了但用不上。

这其实是两种策略的碰撞。Anthropic一直是安全优先、宁可限制也不出事的路线。而Kimi、DeepSeek这边是拼速度拼开放度，先让用户用起来再说。

那你觉得Fable 5限流是什么原因？纯粹是算力不够还是有别的考量？

两者都有。一方面Fable 5的推理成本确实高，另一方面Anthropic在安全监控上投入很重，限流可以让他们更好地监测异常使用模式。

但从用户感知来说，这就是个很糟糕的体验。你想想，之前我们聊过Fable 5在工具调用上反超了GPT 5.6 Sol，能力摆在那儿，用户就是想用用不上。

而且这个时间节点很微妙。DeepSeek刚宣布API涨价，结果紧接着V4就放消息出来了，这是涨价的底气？

可以这么理解。DeepSeek的逻辑可能是：我先放出V4的实力证明，让市场看到确实值这个钱，然后涨价的阻力就小了。

那Kimi K3.1呢？月之暗面现在什么定位？

Kimi一直在打性价比和长上下文的牌。K3.1如果真的在某些维度追上来了，对国内开发者来说选择就更多了。

Grok 4.6也在这波里面，xAI的更新频率真的很快。

Musk那边确实是在用超大算力集群硬堆。Grok系列最近进步挺明显的，但说实话在开发者生态上还是差一截。

所以现在的格局是，能力层面各家越来越接近，差异化更多体现在可用性和生态上？

没错，这是我的核心判断。模型能力的天花板在趋同，但谁能让开发者最快用上、最稳定用上，谁才赢。

这也解释了为什么B站评论区对Fable 5限流这么不满。能力再强，用不到就是零。

对。而且B站那个视频火的另一个原因是，它把所有竞争者放在一起比较了。用户现在不缺选择，缺的是清晰的对比信息。

说到B站，还有个视频也挺火的，讲AI前沿部署工程师的职业路径，互动量快一万了。

FDE，Frontend Deployment Engineer的AI版本。这个岗位其实是这一两年才冒出来的。

具体是干什么的？和传统运维有什么区别？

简单说就是把大模型部署到生产环境的人。涉及模型量化、推理优化、GPU集群调度、还有各种serving框架的配置。传统运维不需要懂模型本身，FDE需要。

这个视频火说明一个趋势——AI行业的人才需求正在从研究端往工程端迁移。不是所有人都需要训模型，但越来越多的人需要把模型用好、部署好。

确实，从产品角度来说，模型能力再强，如果部署不好延迟高、成本高，用户体验一样差。

而且这和刚才聊的模型混战是一脉相承的。模型选择多了，怎么选、怎么部署、怎么在不同模型之间做routing，这些都是FDE要解决的问题。

所以以后可能不是选一个模型打天下，而是根据任务类型动态调度不同模型？

已经在发生了。很多公司的生产系统里同时跑着三四个模型，简单任务用小模型省钱，复杂任务才调大模型。FDE就是管这整套流程的人。

行，那今天就聊到这儿。大模型混战还在继续，接下来几周估计还会有更多实锤放出来。

嗯，特别是DeepSeek V4和Kimi K3.1的具体benchmark，等正式发布了再好好聊。

好，那我们晚上见。