教授质疑OpenAI接触未公开研究成果。本周，纽约大学教授Tristan Buckmaster公开披露了他与OpenAI之间一段充满疑点的交涉。过去一年，Buckmaster与其合作者——Anthropic内部数学家Levent Alpöge——利用OpenAI的Codex等大语言模型，研究流体力学中极为小众的“光滑强迫”方向，并在模型会话中存放项目草稿。今年8月取得关键突破后，Buckmaster于9月3日联系OpenAI，得知该公司内部模型竟在同一方向上取得了类似成果。
成果发布提议引发伦理争议
OpenAI研究员Sebastien Bubeck提议协调双方成果发布时间，甚至建议由Buckmaster单独宣讲OpenAI的研究结果，但要求排除Alpöge（因其任职于竞对公司Anthropic），仅口头承认二人“配得上100万美元的克雷奖”。Buckmaster拒绝该方案并威胁公开事件，据称对方反问：“你为什么要毁掉自己的职业生涯？”OpenAI否认直接访问其未发表内容，但承认无法完全排除用户去标识化数据对模型优化的潜在影响。
数据信任危机推动隐私推理市场崛起
尽管Buckmaster未指控剽窃，但研究方向的高度重合、模糊的数据使用政策及可疑的合作提议，加剧了学术界与公众对前沿AI实验室的不信任。在此背景下，主打隐私保护的推理平台Venice受到市场热捧，其治理代币$VVV单日飙升约40%，创历史新高。
开放推理市场提供新选择
Venice并非孤例，它属于快速增长的“推理市场”生态。这类平台基于如x402协议等基础设施，允许用户按需调用不同AI模型，避免绑定单一服务商。其中，BlockRun已成为x402协议内交易最活跃的商户，而Surplus Intelligence昨日请求量达历史峰值。
匿名支付与隐私技术成关键卖点
链上推理市场的一大优势在于匿名性：用户通过加密钱包支付，无需提供邮箱、银行卡或KYC信息，从而在请求者与AI服务商之间建立隔离层。部分平台如Venice更进一步，采用数据零留存、可信执行环境（TEE）或端到端加密模型以增强隐私保护。
能力与隐私的两难权衡
然而，当前最强的前沿大模型（如来自OpenAI、Anthropic、谷歌的模型）通常不支持最高级别的隐私保障。用户不得不在顶尖AI能力与数据控制权之间做出取舍。随着输入给AI的信息价值持续攀升，这种隔离机制的重要性日益凸显。开放推理市场被视为迈向可控、可选、隐私优先AI访问的关键早期尝试。