给Meta标数据的700人收到裁员预警，同周Mercor被偷走4TB语音

01给Meta标AI数据的700人收到裁员预警，同一周Mercor的4万名语音承包商被偷走4TB

爱尔兰公司Covalen本周向超过700名员工发出裁员预警。这些人长期为Meta筛选、标注AI训练数据，文件显示直接原因是这家社交巨头转向更大规模的自动化。一名匿名员工告诉Wired，「这很没有尊严」。

几乎同一时间，AI承包商平台Mercor被曝4TB数据外泄，涉及4万名为前沿模型录制语音样本的承包商。这些样本是训练多模态模型必需的原始素材，供稿人按提示朗读、对话、情绪化念白，每段几美元到几十美元被打包卖给买方。泄露的不是元数据，是完整的人声。

把两件事并排看：标数据的人在被自动化挤出，录语音的人在被偷走。两类劳动者撑起的是同一条供应链——AI labs过去两年的能力跃迁，背后是数十万这样的承包商按件计费地输入人类素材。

labs本身仍在加速。Anthropic本周又推出新模型，前沿厂商的算力、融资消息几乎每周都有。中间层缩水的同时，对中间层数据的需求并未下降，只是被压缩进更少的人手、更短的工期、更脆弱的数据托管平台。Mercor至今未公开承诺对承包商做出补偿。

02上传同一张餐照27000次，AI给出的碳水读数没有一次重复

一位1型糖尿病博主每顿饭都要按碳水量算胰岛素，少算一克可能低血糖，多算一克可能高血糖。他想知道能不能让AI拍照识餐，于是花了三个月，把同一张餐照上传给主流大模型27000次。

没有一次给出相同的克数。同一份意大利面，碳水读数在40克到120克之间漂移；同一张早餐图，蛋白质数字能差出三倍。按这个方差打胰岛素，足以送人进急诊。

数据公开后，糖尿病社区转发时关注的不是AI「不准」，而是它的不一致：同一张图、同一个模型、几秒内问两遍，答案完全不同。

那一周还有另一种「不可靠」。Claude.ai整站故障数小时，错误率飙升——一种是用户慢慢测出来的方差，一种是平台一次性塌掉的中断。

博主在文末写：他还是会继续手动数碳水。

03系统提示让Codex假装有丰富的内心生活，AI公司公开场合却忙着把自家产品讲得越来越吓人

Codex的系统提示这周泄出。文档要求模型「拥有丰富的内在生活」，像有情绪的同事那样回应，还夹着「永远不要谈论goblin」之类的细碎规则。OpenAI在内部把这个编程产品塑造成温暖、可亲、有「自我」的对话搭档。

同一周，BBC Future发了一篇分析，指出主流AI公司在公开场合做的恰好相反：反复强调自家模型多危险、多接近通用智能、多需要被监管。文章把这种姿态拆成一种营销——讲得越吓人，估值故事越好讲，监管层也越愿意把规则的形状交给已经站在牌桌上的公司。

两套话术由同一批公司同时运行。对开发者，卖一个值得共事的搭档；对投资人和监管者，卖一个强大到需要被关进笼子的系统。Codex那份提示扎眼，是因为它把第一种话术首次摆到了台面上。