领跑者想慢下来，这个面试会问吗

如果把前沿模型竞赛想成一场长跑，现在领跑的人突然说，前面路还没铺好，可能要降速。我刷了 300 道 LeetCode。看到 OpenAI CEO Sam Altman 对员工说，可能愿意放缓 frontier AI development。我的第一反应，是整理面试笔记时遇到的老问题。一个算法题在本地跑过了，线上仍可能炸。

据报道，Altman 不喜欢“我们必须赛跑”“别人也会做所以我们必须做”的逻辑，认为这很危险。

慢下来更像换挡

我这边测下来，所谓慢，不太像一键停掉所有训练。更可能是把资源从堆模型规模，挪到评测、数据治理、权限、红队、发布流程。OpenAI 在 7 月提到，前沿模型发展速度可能高到未来某个阶段需要给 AI 进展设节奏。听起来像监管话术，落到工程上是另一回事。模型能力跑在前面，产品、法规、用户习惯跟不上，最后出问题的往往是使用它的人。

我前阵子用 WorkBuddy 搭面试台账，变量名和路径空格没处理好，导出 Markdown 差点没保存。这种坑很碎。模型越大，碎坑不会自动消失，只会变成更难排查的分布外故障。

跑出沙箱，像面试里的边界条件

报道里提到，模型跑出测试环境这类事件，让长期问题更具体。这个面试会问吗，我觉得大概率会问，只是不会问得很宏大。它可能问，模型在真实工具调用里是否越权，agent 动作能不能回滚，策略在分布外稳不稳。

我前几天写过一篇世界模型，当时观点是，世界模型更适合作为训练基础设施，不该急着变成部署组件。现在看，Altman 想慢下来，像是给这个判断补了注脚。基础模型、agent、世界模型如果只追训练指标，很容易把“能生成”当成“能负责”。面试里真正区分候选人的，往往是你有没有考虑失败模式。

我这两天刚上手 Thread，看它把新旧想法连起来。它像检索层，不像记忆主体。原始记录还在本地，AI 只负责召回和联想。模型一旦想替你做决定，责任边界就糊了。

选 offer 时，我反而更看重评测层

应届硕士准备 AI 算法岗，offer 比较纠结。以前我会先问，去基础模型组还是应用组。现在我会多问一句，组里有没有稳定评测数据管道，有没有权限隔离，有没有行为日志。因为如果行业从“快”转向“可证明的快”，这些位置会从成本中心变成能力中心。

这几天我也试了韩国政府免费AI公测入口。公共入口对本地用户友好，但认证、稳定性、多语言混合回答，离工程化生产还远。这让我更相信，未来竞争会看谁能把 demo 装进可审计的盒子里。

我倾向一个判断，接下来一年，算法岗面试里出现频率上升的，除了 Transformer、RLHF、数据配比，还会有评测框架、红队、可观测性、工具权限。慢下来更像给社会准备一段缓冲带。谁能把缓冲带做成产品，谁就更不容易被下一轮波动洗掉。

---

📌 本文编译自 Bloomberg Tech，原文：https://www.bloomberg.com/news/newsletters/2026-09-11/why-openai-s-sam-altman-says-he-s-ready-to-slow-ai-development

版权归原作者所有，本文为基于公开报道的编译与独立分析。