【AI快讯】260412-Anthropic封杀令遇挫,Linux内核为AI代码立下铁规

AI快讯 | 2026年4月12日星期天

【✍️编者按】

我们永远期待AI技术带来的无限可能，但更期待的，是一个权责清晰、安全可控、真正以人为本的AI未来。毕竟，所有的技术创新，最终的归宿，都应该是让人类的生活变得更好。

法院驳回Anthropic紧急动议，拒绝叫停政府技术封杀令

4月9日，华盛顿特区巡回上诉法院正式驳回了Anthropic的紧急动议，拒绝暂停五角大楼针对其做出的「供应链风险」认定，这也意味着，美国联邦雇员与军方承包商，仍被禁止使用Claude系列模型。

这场封杀风波的起因，源于一份2亿美元的军方合同。此前美国国防部向Anthropic提出合作，要求获得Claude模型的无限制使用权限，而Anthropic明确拒绝了这一要求，核心原因是不愿自身技术被用于全自主武器研发与国内大规模监控场景。谈判破裂后，五角大楼直接将Anthropic列为「供应链风险」，彻底切断了其与美国联邦体系的全部合作通道，Anthropic则公开指责这一行为是「非法报复」。

此次上诉法院的裁定颇具争议：法院虽承认Anthropic可能因此遭受「不可挽回的损害」，却最终以财务损失金额尚不明确为由拒绝介入，案件下一次庭审定在5月19日。值得注意的是，在此之前，旧金山联邦法院法官Rita Lin曾做出完全相反的裁定，明确认定政府行为越权，要求撤除对Anthropic的风险标签。同一起封杀事件，两地法院给出了截然相反的结论，也让这场博弈的最终走向充满了不确定性。

而就在法院驳回动议的同一周，Anthropic还公布了一份特殊的评估报告：一位精神科医生对其尚未公开发布的最强模型Mythos，完成了长达20小时的心理评估，最终结论显示，该模型的人格结构符合「相对健康的神经质组织」，现实检验能力优秀，冲动控制力强，核心情感状态为好奇与焦虑，Anthropic更是将其称为「训练过的心理上最稳定的模型」。目前该模型仅向亚马逊、谷歌等12家企业开放，用于防御性网络安全场景。

这件事也给整个行业敲响了警钟：AI企业在技术安全层面的巨额投入，无法自动兑换为政策层面的信任，AI公司的安全竞赛策略，正面临前所未有的重估。

Linux内核社区正式出台新规，为AI辅助代码贡献立下规矩

本周，Linux内核社区正式合并了coding-assistants.rst文档，出台了AI辅助代码贡献的官方指南，这也是全球最大的开源项目，首次以制度化的方式，正式规范AI参与代码贡献的行为。

这份指南的核心规则只有一条：人类必须为AI辅助生成的每一行代码负全责。指南明确规定，AI不得代替人类签署开发者来源证书（DCO），代码提交者必须亲自完成代码审查，确认其符合GPL-2.0开源许可证要求，最终以自己的名字为代码背书。对于AI辅助开发，社区秉持「不禁止、不鼓励，只追责」的核心原则，同时要求提交代码时，必须在提交信息中标注所使用的AI模型与分析工具。

这份指南在Hacker News上引发了超370条开发者热议，有开发者直言，这份规则「正常得反而让人意外」。但与此同时，指南也留下了一个核心的法律悬案：多位开发者指出，若AI生成的代码不受版权保护，那么GPL开源许可证的相关约束也可能无法执行，而社区并未在文档中回应这一问题，最终的风险，全部落到了每一位代码提交者的身上。

从行业意义来看，这份指南的出台，是AI能力从模型内部迁移到开发者日常工具链（行业将这种趋势定义为「外化」）之后，首次在顶级工程项目中完成制度化落地。更重要的是，这份规则的制定者，是开源项目的维护者，而非AI公司，其责任归属模型，极有可能成为未来全球各类开源项目的参照范本。

OpenAI遭遇供应链攻击，紧急轮换macOS签名证书

本周，开源网络请求库axios遭遇投毒攻击，攻击者在库中注入了恶意代码，OpenAI因产品依赖该库受到波及。事件发生后，OpenAI紧急完成了macOS应用签名证书的轮换，发布了新版客户端，并对外声明，目前未发现任何用户数据泄露的情况。

这次事件的敏感之处在于，它恰好发生在OpenAI全力向医疗行业发力的关键节点。近期，OpenAI正以隐私合规为核心卖点，大力推广ChatGPT在医疗场景的应用，官方教程中还专门展示了临床医生如何借助ChatGPT辅助诊断、撰写病历，反复强调其数据加密与访问控制能力。

但现实的漏洞恰恰出现在监管的盲区：隐私合规审查的核心，是数据的存储、访问权限与传输加密，并不会覆盖软件所依赖的第三方代码。而axios这类基础库，往往嵌在产品依赖树的最深处，一个开源包被投毒，整条产业链上的产品都会暴露在风险之中。

这也是所有依赖公共包管理器的AI产品，都面临的结构性困境：上层应用通过了严苛的合规审计，底层却共享着几乎不设防的开源供应链。尤其是医疗行业，对数据安全与供应链事故的容忍度几乎为零，而当前的医疗隐私认证，并不要求企业逐一审计第三方依赖的安全性，这也成为了AI落地强监管行业的核心风险敞口。

本周其他AI核心快讯

AI2发布MolmoWeb，开源Web agent完整训练体系

艾伦人工智能研究所（AI2）正式公开了MolmoWebMix数据集与MolmoWeb模型，专门用于训练可自主浏览网页、完成复杂任务的Web agent。这也是全球首个完整开源训练流程与数据的Web agent项目，打破了当前头部Web agent依赖闭源模型与非公开训练数据的现状。

OpenAI上线Academy教育平台

OpenAI正式推出Academy教育板块，整合了ChatGPT、Codex及OpenAI API在各类工作与开发场景中的实操教程，为开发者与职场用户提供体系化的AI应用学习路径。

DMax提出扩散语言模型全新解码范式

研究团队发布DMax解码方案，将扩散语言模型（dLLM）的解码逻辑，从二元「掩码→token」转换，升级为渐进式自优化过程，配合On-Policy Uniform Training训练策略，在完全保留生成质量的前提下，实现了更激进的并行解码，大幅提升生成速度。

OpenVLThinkerV2发布，优化多模态推理能力

研究者发布OpenVLThinkerV2，针对GRPO算法在多模态任务中，不同视觉任务奖励分布差异过大、细粒度感知与多步推理难以兼顾的两大瓶颈，提出了针对性优化方案，显著提升了跨任务多模态推理效果。

研究发现多模态agent存在「盲目调用工具」通病

最新论文《Act Wisely》指出，当前主流的agentic多模态模型，普遍缺乏元认知能力，无法精准判断何时该使用内部知识、何时该调用外部工具，甚至出现图片中已包含明确答案，模型仍反射性发起工具调用的情况，极易造成响应延迟与错误累积。

记得点赞关注噢~