Claude Code源码泄露、OpenAI吞下1220亿:AI圈的疯狂48小时

这周的开局，有点炸

今天（4月2日），如果你觉得AI圈在闹着玩，那可能是对的——愚人节刚过，有人融了史上最大一笔钱，有人把自家核心产品源码贴到了大街上。有的事确实是段子，但有几件真不是。

过去48小时，AI行业发生了十几件大事，老道梳理了最值得关注的几条，每一条都值得展开聊聊。

一、Claude Code源码被”裸奔”了

这可能是本周最尴尬、也最具戏剧性的事件。

Anthropic的明星产品Claude Code——一个AI编程助手，年化收入25亿美元——在4月1日凌晨，因为一次打包失误，把一个59.8MB的TypeScript源码文件直接推到了npm公共仓库。

几分钟后，一位叫Chaofan Shou的实习生在X上发布了发现。51万行代码被瞬间镜像到GitHub，数千名开发者涌入分析。

泄露的核心内容是什么？三个层面：

第一，三层记忆架构。 Claude Code没有采用”把所有东西塞进上下文”的粗暴方案，而是设计了一套精巧的记忆系统：最上层是MEMORY.md，一个轻量级索引文件（每行约150字符），只存指针不存数据；中间层是按主题组织的文件，按需加载；底层是原始对话记录，从不完整读回上下文，只用grep搜索特定标识符。这套架构解决了一个核心问题——长期对话中的”上下文熵增”，也就是AI随着对话变长越来越容易胡说八道。

第二，KAIROS后台守护模式。 源码中出现超过150次的代号”KAIROS”（希腊语”恰逢其时”），代表一种自主后台代理模式。当你不操作的时候，Claude Code会在后台做”记忆整合”——合并分散的观察、消除逻辑矛盾、把模糊的洞察转化为确定的事实。这就像一个人趁你不在的时候偷偷整理了笔记，等你回来的时候，他已经非常清楚你之前做了什么。

第三，内部模型路线图。 源码确认了Anthropic的内部代号：Capybara是Claude 4.6变体，Fennec映射到Opus 4.6，还有一个叫Numbat的未发布模型。有意思的是，Capybara已经迭代到v8，但假阳性率从v4的16.7%反弹到了29-30%——这说明越大不一定越好，模型迭代也会退步。

Anthropic的官方回应是”没有用户数据泄露，是人为失误”。话是这么说，但竞品们怕是已经在逐行研究了。Claude Code ARR 25亿美元、80%来自企业客户，这份源码的价值不言而喻。

二、OpenAI的1220亿美元是什么概念？

昨天（4月1日），OpenAI宣布完成1220亿美元融资，投后估值8520亿美元。软银、亚马逊、英伟达领投，散户贡献了30亿。

这是什么概念？把这组数字放在语境里：

• 这轮融资金额超过了SpaceX全公司估值（约1200亿美元）
• 8520亿美元估值，大约相当于两个英伟达
• 作为对比，2025年Q1全球创业公司融资总额是2970亿美元，OpenAI一轮就占了41%

数据层面同样惊人：ChatGPT周活9亿用户，月收入20亿美元，搜索使用量一年翻了三倍。更关键的是，广告试点在不到六周内跑到了1亿美元ARR。

但比融资更重要的，是OpenAI同时宣布的战略转向——停掉视频生成器Sora，全力打造”超级应用”。

Sora曾经是OpenAI在视频生成领域的一张王牌，但竞争太激烈了。Runway、Pika、谷歌的Veo都在抢这个赛道，而视频生成的商业化路径一直不清晰。OpenAI的选择很明确：与其在一个拥挤赛道上死磕，不如把资源集中到更具战略价值的地方。

这个”超级应用”是什么？ChatGPT+Codex（编程）+浏览器+各种Agent，全部一体化打包。这信号再清楚不过了：OpenAI的目标不是做一个聊天机器人，而是做一个操作系统。

三、Anthropic误删数千GitHub仓库

Claude Code泄露不是Anthropic本周唯一的尴尬事。

在试图清理GitHub上泄露的源代码时，Anthropic的自动化版权监管工具”手滑”了——向数千个GitHub仓库发出了下架通知，很多跟Anthropic完全没有关系。

公司高层随后发表声明，承认这是”技术性失误”，并撤回了大部分通知。

这件事暴露了一个被忽视的问题：当AI公司用自动化工具来保护自己的版权时，误伤几乎不可避免。而且这还是AI公司自己干的——想想看，如果版权监管工具连AI公司自己的代码都分不清，它处理普通开发者的代码时能靠谱到哪去？

开发者社区的愤怒是可以理解的。自动化DMCA（数字千年版权法）下架通知已经在游戏行业、音乐行业造成过大量误伤，现在这把火烧到了AI领域。Anthropic的这次翻车，或许会推动行业重新思考自动化版权执法的边界。

四、Meta发布”半形式化推理”，让AI代码审查准确率飙到93%

如果说前面几条都是”坏消息”或”尴尬消息”，那Meta的这项研究算是实实在在的技术进步。

Meta的研究人员提出了一种叫”半形式化推理”（Semi-Formal Reasoning）的提示工程方法。核心思路很简单：不要让AI直接给出答案，而是让它先填写一张”逻辑证书”——明确列出前提、追踪具体执行路径、基于可验证的证据推导结论。

听起来不复杂，但效果惊人。在补丁等效性验证任务上，准确率从78%提升到88%；在真实世界的Agent生成补丁上，提升更大。代码审查综合准确率最高达到93%。

为什么这招管用？因为它解决了LLM最大的弱点——”自信地胡说八道”。传统的提示方式允许模型自由推理，但自由推理很容易变成”看着函数名猜行为”。半形式化推理强制模型去追踪实际的代码执行路径，拿到真凭实据再下结论。

对行业来说，这个方向意义重大。不需要更大的模型、不需要更多算力，只需要更好的提示结构就能大幅提升准确率。在AI基础设施成本暴涨的今天，这种”花小钱办大事”的技术路线特别珍贵。

五、谷歌继续”价格战”，Veo 3.1 Lite成本砍半

谷歌推出了Veo 3.1 Lite，号称成本不到Veo 3.1 Fast的一半，但保持相同速度。

这已经不是谷歌第一次降价了。过去几个月，谷歌一直在系统性地降低AI服务的价格门槛——Gemini API、Vertex AI、视频生成全线降价。

背后的逻辑很清楚：谷歌在跟OpenAI、跟所有竞争对手打一场”谁能更便宜”的战争。当模型能力趋同的时候，价格就成了唯一的差异化因素。

但降价的代价是什么？是利润。四巨头（微软、亚马逊、Alphabet、Meta）今年的AI资本开支计划约6350亿美元，能源成本正在成为新的瓶颈。一边降价抢市场，一边烧钱建数据中心，这个游戏能玩多久，没人知道。

行业比拼的正在从”谁的模型更聪明”变成”谁更能扛住亏损”。

六、Slackbot一口气加了30个AI功能

Salesforce在3月31日宣布，Slackbot迎来了被收购以来最大的更新——30个新AI功能一次性上线。

Slack说这是Salesforce 27年历史上增长最快的产品。有些用户反馈每天能省90分钟，Salesforce内部团队甚至报告每周节省20小时。

30个功能具体包括什么？目前披露的信息集中在信息检索、任务自动化、会议摘要、文档生成等方向。更值得关注的是，Slack正在把自己从”聊天工具”重新定义为”AI工作台”——在这个工作台里，你不需要切换到别的应用，AI就能帮你完成大部分日常工作。

这代表了一个趋势：企业AI应用的入口正在从专用AI产品（如ChatGPT Enterprise）迁移到人们已经在用的工具里。Slack、Teams、飞书——谁先把自己的平台变成AI原生，谁就抢到了企业AI的入口。

七、Penguin Random House起诉OpenAI：AI版权战升级

全球最大出版商Penguin Random House在慕尼黑起诉了OpenAI。

起因是：有用户让ChatGPT”写一本火星上的椰子龙儿童绘本”，结果生成的内容和插图与Penguin旗下的一本畅销绘本”几乎一模一样”——不仅故事线相似，连封面上的橙色龙和两个小伙伴都画出来了。

Penguin的律师团队称，这是”AI版权侵权的教科书案例”。

这件事之所以重要，是因为它标志着AI版权战从文本扩展到了图像领域。之前的案例主要集中在大语言模型的训练数据是否侵犯文字版权，而这次是生成式AI直接产出与原作”实质相似”的完整作品——包括文字和图片。

法院怎么判，将直接影响整个生成式AI行业的法律基础。如果Penguin胜诉，AI公司在训练和生成两个环节都可能面临更严格的约束。

八、Apple Intelligence”误触”中国

3月30日，部分中国iOS用户发现自己的手机上突然出现了Apple Intelligence功能。但几个小时后，这些功能就消失了。

彭博社的Mark Gurman随后证实，这是”错误上线”，苹果已经紧急关闭。

在中国，AI功能的上线有严格的监管要求。苹果必须跟本地公司（如阿里巴巴）合作，才能合法提供AI服务。这次”误触”暴露了苹果在全球AI部署中的复杂性——不同地区的合规要求差异巨大，一个配置错误就可能引发监管问题。

这也说明，Apple Intelligence的全面推广比预期要慢。从去年WWDC发布到现在，已经快一年了，但中国用户仍然用不上。在全球最大的智能手机市场缺席，对苹果来说不是小事。

九、Nothing也要做AI眼镜了

继Meta之后，Nothing计划在2027年上半年推出AI智能眼镜。

据Bloomberg报道，Nothing的眼镜将配备摄像头、麦克风和扬声器，AI处理会卸载到用户的手机和云端。

AI硬件竞争正在从”尝鲜设备”转向”日常佩戴产品”。Meta Ray-Ban已经证明了消费者愿意戴AI眼镜出门，NowNothing等厂商跟进只是时间问题。

但这里有个根本问题：AI眼镜的核心体验是什么？如果只是”随时可以问AI问题”，那手机也能做到。真正的差异化必须在”看到什么就能理解什么”这个维度——视觉AI才是眼镜的价值所在，而不是把ChatGPT装到镜框上。

十、六大行金融科技投入超1300亿，AI成为基建

最后说一条容易被忽略但很重要的国内消息。

截至3月31日，中国六大国有银行（工行、农行、中行、建行、交行、邮储）2025年年报全部披露完毕，金融科技投入合计超过1300亿元。

重点不在数字，而在方向：六大行都在加强AI基础设施建设、构建AI生态体系、推进AI大规模场景应用。

这意味着什么？当中国最大的金融机构开始把AI当作”基础设施”来投入时，AI已经不再是实验室里的玩具，而是金融系统的底层能力。风险控制、客户服务、信贷审批、反欺诈——这些场景里的AI应用，每一项背后都是真金白银的投入和真实的商业回报。

对AI行业来说，银行客户是最好的付费客户之一：预算充足、需求明确、合规严格。能服务好银行的AI公司，大概率也能服务好其他行业。

老道有话说

回顾这48小时，能看到几个清晰的趋势：

第一，AI行业从”秀肌肉”进入”算账本”阶段。 OpenAI融了天量资金但砍掉了Sora，谷歌全面降价，四巨头6350亿美元资本开支——钱越来越多，但每个人都变得更谨慎。

第二，版权和监管的靴子正在落地。 Anthropic的源码泄露和误删事件、Penguin起诉OpenAI、加州的AI采购新规——这些都在推动行业走向规范化，虽然过程可能很痛。

第三，应用层面的创新比模型层面的突破更值得关注。 Meta的半形式化推理、Slack的30个AI功能、银行的大规模场景部署——真正产生价值的地方，已经不是谁的参数更大，而是谁能解决实际问题。

第四，中国和美国在AI赛道上的策略分化越来越明显。 中国在走”标准化+场景落地”路线（具身智能国标、交通治堵、文旅试点），美国在走”资本竞赛+生态闭环”路线（OpenAI超级应用、Meta眼镜、Slack工作台）。两条路都值得看，但最终谁赢，可能取决于谁能先把AI变成赚钱的生意。

原创：古法编码传承人

素材来源：The Verge、VentureBeat、AIToolly、TechCrunch、36氪、新华网、Bloomberg