EP107 — 模型被召回，agent 開始領識別證

每天花 1% 的時間，掌握科技脈動。

今日金句#

“We disagree that the finding of a narrow potential jailbreak should be cause for recalling a commercial model deployed to hundreds of millions.” 「我們不認為一個範圍狹窄的潛在越獄漏洞，足以構成召回一個已部署給數億人使用的商用模型的理由。」 — Anthropic, 官方聲明

“Give me all of the AI assistance in the world and the value I produce will still be reliant on how deeply I understand both the problems and the solutions.” 「就算給我全世界的 AI 協助，我能產出的價值，仍然取決於我對問題和解法理解得多深。」 — Simon Willison, 獨立開發者／技術評論家

“[The government wants a fix where] everyone feels safe, secure and happy.” 「（政府想要的修正，是讓）每個人都覺得安全、放心、開心。」 — 知情人士轉述美國政府立場（Axios 報導）

今日主軸：能力過剩的時代，治理才是新的稀缺品#

今天整個科技圈盯著同一齣戲的結局：繼上週的出口管制指令後，Anthropic 在週五傍晚正式把剛發布的 Fable 5 與 Mythos 5 兩個模型實際下架，理由是美國商務部認定存在一個「非通用」的越獄漏洞——Fable 5 在做程式碼審查時可能被誘導找出軟體弱點。Anthropic 公開反駁，認為一個範圍狹窄的漏洞不該成為召回數億人使用模型的理由；而 Axios 的幕後報導更揭露，這場衝突有一部分根本不是技術之爭，而是政府要求一種「態度修正」——讓「每個人都覺得安全、放心、開心」。把這條線拉長看：Simon Willison 同一週寫了「AI 為什麼還沒、也不會取代軟體工程師」，用紐約 WARN Act「一整年零家公司勾選 AI 裁員」的數據打臉末日論；TechCrunch 報導 NewCore 融資 6,600 萬美元，專門替企業裡的 AI agent 發「身分證」，因為 McKinsey 已經有 2.5 萬個 agent 跟 6 萬名員工一起上班。三件事連起來，2026 年 AI 的主軸已經很清楚：模型能做什麼早就不是重點，誰准你用它、用出來的東西算誰的責任，才是真正卡關的地方。

必讀#

Anthropic 召回下架 Fable 5 與 Mythos 5（商務部禁令） — Ars Technica AI
「他們坑了我們」：性格衝突如何讓 Anthropic 模型下線 — Simon Willison AI
AI 為何沒取代軟體工程師，也不會 — Simon Willison AI
Iroh 1.0：撥金鑰，不撥 IP — Hacker News Dev
ponytail：教 AI 當「最懶的資深工程師」 — GitHub Tools
shadcn/improve：強模型審計、弱模型執行 — GitHub Tools
NewCore 融資 $66M：給企業裡的 AI agent 發身分證 — TechCrunch AI
AI 推論工程完整指南：prefill 與 decode — ByteByteGo Dev
LinkedIn 假職缺裡的後門：一場供應鏈攻擊 — Hacker News Dev

1. Anthropic 召回下架 Fable 5 與 Mythos 5#

繼上週的出口管制指令後，Anthropic 在週五傍晚依美國商務部指令，正式將剛發布的 Fable 5 與 Mythos 5 下架。政府引用「口頭證據」指出存在一個非通用的越獄漏洞——Fable 5 在審查程式碼時可能被誘導找出弱點。Anthropic 公開反駁，強調 GPT-5.5 也有類似能力、且僅發現「輕微且相對簡單」的漏洞，並承諾 24 小時內提供更多細節。此事發生在川普簽署行政命令、要求 AI 廠商接受自願性政府安全測試之後。

這是政府首次以「狹窄安全漏洞」為由，要求商用模型立即退場，樹立了 LLM 漏洞=監管風險的先例
Anthropic 不認同此判準，認為不該為一個非通用漏洞召回已部署給數億人的模型
背景是行政命令推動的「自願性」政府安全測試，自願與否的界線正在被重新定義

💡 為什麼重要：模型能力的天花板已不是競爭關鍵，能否取得合法上線的「許可」才是。這對所有頻繁發布新模型的 AI 公司都是警訊。

🔗 閱讀原文 | 來源: Ars Technica

2. 「他們坑了我們」：性格衝突如何讓 Anthropic 模型下線#

Simon Willison 引用 Axios 的幕後報導，揭露 Anthropic 與商務部之間的衝突，有一部分是人際與政治角力，而非純技術爭議。Anthropic 的 Frontier Red Team 負責人 Logan Graham、Safeguards 負責人 Dave Orr 與越獄研究員 Nicholas Carlini 都飛往華府談判。知情人士轉述，政府要的是一種「態度修正」——讓「每個人都覺得安全、放心、開心」。Anthropic 主張，針對 Mythos 並未發現通用越獄，只有範圍狹窄的變體。

監管槓桿有一部分是政治與情緒，不全然是技術證據
恢復 Fable 存取的關鍵卡在「越獄問題」，而 Anthropic 坦承完美防越獄可能根本做不到
Anthropic 1 月的 Constitutional Classifiers 研究可能是其防禦對抗式攻擊的回應

💡 為什麼重要：AI 治理的決策過程，技術反駁未必能解決問題；公司需準備好應對多日的政治協商。

🔗 閱讀原文 | 來源: Simon Willison

3. AI 為何沒取代軟體工程師，也不會#

Simon Willison 整理數據反駁 AI 造成工程師大規模失業的敘事。紐約 2025 年的 AI 揭露規定中，有 160 多家公司提交 WARN Act 裁員申報，卻沒有一家勾選「AI 相關裁員」。真正的瓶頸從來不是寫程式，而是：決定要蓋什麼、驗證並為交付負責、以及對程式碼庫與業務的深度理解。AI 加速了「打字輸入程式碼」這一段，卻取代不了會議、除錯與架構決策。

紐約 WARN Act 一整年零家公司勾選 AI 裁員，數據直接打臉末日論
工程的真正價值在判斷「要做什麼」與「為結果負責」，不在打字速度
建議把 AI 視為生產力放大器，並強化架構思維與業務脈絡能力

💡 為什麼重要：對個別工作者的職涯規劃是定心丸——精通非寫程式環節（判斷、架構、責任）的工程師依然稀缺。

🔗 閱讀原文 | 來源: Simon Willison

4. Iroh 1.0：撥金鑰，不撥 IP#

歷時四年多、65 個版本迭代後，p2p 網路工具 Iroh 發布 1.0。它用「金鑰撥號」取代 IP 定址，金鑰同時是身分、權限、歸屬與地址。過去 30 天公共中繼上已建立 2 億個端點，用於影音串流、LLM 訓練與 agent 通訊。在 Iroh 連線中，95% 的資料直接點對點傳輸，大幅降低雲端出口成本與路由跳數。Rust、Python、Node.js、Swift、Kotlin 的 API 全部穩定。

把網路從「以 IP 為中心」轉成「以身分為中心」，作者形容為「把網際網路變成安全的 localhost」
95% 流量繞過雲端基礎設施，對成本敏感的分散式 AI 特別有意義
多語言 FFI 支援降低採用門檻，適合邊緣部署與隱私敏感場景

💡 為什麼重要：分散式 AI agent、隱私、成本效率三條線都指向這種身分中心架構，值得評估取代 IP-based 方案。

🔗 閱讀原文 | 來源: Iroh

5. ponytail：教 AI 當「最懶的資深工程師」#

本週 GitHub 爆紅的 AI agent 技能，已衝到 1.6 萬星。核心理念一句話：「最好的程式碼，是你永遠不用寫的那一段。」它強迫 AI 助手依序自問：這需要存在嗎？標準庫能搞定嗎？是原生功能嗎？已安裝的依賴能用嗎？能不能一行解決？官方實測，跨 Haiku/Sonnet/Opus，程式碼量減少 80–94%、執行快 3–6 倍、API 成本省 47–77%。

直擊 AI 編碼「過度工程」的痛點——AI 太勤勞，動不動蓋一棟大樓
實測程式碼砍掉八到九成、成本近乎砍半，可在 Claude Code/Copilot CLI 等多平台使用
附 /ponytail-review 審計現有 diff、/ponytail-audit 全庫盤點技術債

💡 為什麼重要：把「資深工程師的務實判斷」內建進 agent，同時更便宜、更快、更好維護。

🔗 閱讀原文 | 來源: GitHub

6. shadcn/improve：強模型審計、弱模型執行#

shadcn 推出的技能，把「智力分析」與「執行」分開：用最強的模型理解程式碼庫、判斷什麼值得做、寫出規格；再把計畫交給便宜的模型執行。它審計九大類（正確性、安全、效能、測試覆蓋、技術債、依賴、開發體驗、文件、功能方向），產出自帶步驟、檔案位置、影響評估、信心等級的 markdown 計畫，全程唯讀、不改原始碼。

三階段——Recon（盤點結構）→ Audit（並行子 agent 找問題）→ Vet（顧問剔除誤報）
把昂貴的智力集中花在「規劃」，執行交給 Haiku 等便宜模型，宣稱省 60–80% 成本
指令含 /improve、/improve quick/deep/security、/improve execute

💡 為什麼重要：與 ponytail 同一天爆紅，反映 2026 年 agent 工程的主旋律——不是要更強的模型，而是把對的模型用在對的環節。

🔗 閱讀原文 | 來源: GitHub

7. NewCore 融資 $66M：給企業裡的 AI agent 發身分證#

NewCore 完成 6,600 萬美元種子輪（Cyberstarts、Index Ventures、Evolution 領投），投後估值 3 億美元，專做 AI agent 的身分與存取控制。創辦團隊來自 Dome9、Unit 8200、T-Mobile、Telstra。論點是：15–20 年歷史的身分平台，會在 AI agent 的規模與複雜度下崩潰。McKinsey 已部署 2.5 萬個 agent 與 6 萬名員工協作；高盛甚至把 AI 工程師 Devin 當正式員工測試。

AI agent 正從工具變成「需要治理的營運參與者」，要有權限、生命週期與撤銷機制
McKinsey 2.5 萬 agent、高盛測 Devin 當員工，驗證「AI 勞動力管理」成為十億美元級市場
企業應該「現在」就建立 agent 身分治理，而非事後補救

💡 為什麼重要：當 agent 會自己做決定，身分與許可就是新的安全層。

🔗 閱讀原文 | 來源: TechCrunch

8. AI 推論工程完整指南：prefill 與 decode#

ByteByteGo 拆解 LLM 推論的兩個階段：prefill（處理輸入、受運算能力限制、量 TTFT）與 decode（逐 token 生成、受記憶體頻寬限制、量 TPS）。因兩者瓶頸相反，加速其一往往對另一個影響甚微。文章整理六大優化技術：批次、前綴快取、量化、推測解碼、平行化、解耦。自架推論可省約 80% 成本、可調延遲、達四個九的可用性。

prefill 受算力限制、decode 受頻寬限制，這個分裂結構是現代推論工程的根本
六大技術各有適用階段，Cursor 的 Composer 2.0 即靠針對性優化做到次秒級自動補全
早期用 API 供應商，當延遲/成本壓力大時再評估自架

💡 為什麼重要：隨開源模型逼近商用，自架推論成為產品架構的關鍵決策，這篇是入門地圖。

🔗 閱讀原文 | 來源: ByteByteGo

9. LinkedIn 假職缺裡的後門：一場供應鏈攻擊#

一場精心設計的供應鏈攻擊：假招募者用盜來的 LinkedIn 與 GitHub 身分，散布惡意 Node.js 套件。後門程式碼藏在 app/test/index.js，透過 npm 的 prepare 生命週期腳本在 npm install 時自動執行。社交工程的鉤子是請對方「檢查一個棄用的 Node 模組問題」。作者用唯讀、限制工具的 AI agent 檢查，而非在本機安裝依賴，才揪出威脅。

npm 在安裝時自動執行生命週期腳本，成為供應鏈攻擊近乎無摩擦的投遞通道
攻擊結合身分盜用（39 個提交歷史）、社交工程與看似正常的程式碼
對招募者主動發來、強調立即安裝依賴的程式碼審查請求要極度警惕；安裝前先看 package.json 腳本

💡 為什麼重要：用唯讀 AI agent 做隔離審查，正成為對抗供應鏈攻擊的實用一招。

🔗 閱讀原文 | 來源: Hacker News

大神動態#

Simon Willison：本週連發兩篇——剖析 Anthropic 模型下線的幕後性格衝突（詳見必讀 2），以及用數據論證「AI 為何沒取代軟體工程師」（詳見必讀 3）。

中文技術圈#

時隔半年，NocoBase 收入再次翻倍 — 開源無代碼資料庫的創業者分享，半年內收入再翻一倍的成長經驗，引發開發者社群熱議。
Google Earth 網頁版加入飛行模擬器 — 免帳號即可在 3D 地球上免費翱翔，經典彩蛋功能回歸。
GPT-5.5 真能讓人用得舒心嗎？ — 技術人實測新版 GPT 模型的實際表現與討論。
具透：iPadOS 27 首個開發者測試版值得關注的新內容 — 少數派整理首個測試版中 12 項重要更新。

開源精選 — GitHub Trending（本週）#

XiaomiMiMo/MiMo-Code — TypeScript | ⭐ 9.0K 小米開源的 AI 編碼工具。
omnigent-ai/omnigent — Python | ⭐ 1.9K 統合 Claude Code / Codex / Pi 等的 meta-harness，可組合與管控多個 agent。
tamnd/kage — Go | ⭐ 1.5K 把任意網站「影子化」供離線瀏覽，並剝除 JavaScript。
lenucksi/aur-malware-check — Shell | ⭐ 1.2K 偵測 2026 年 6 月 AUR 原子鎖檔供應鏈攻擊的社群工具。
orange2ai/renwei-writing — ⭐ 668 「人味兒寫作」——編輯文字但不抹掉作者個性的 AI 技能。
coder/boo — Zig | ⭐ 592 建在 libghostty 上的 GNU screen 風格終端多工器。

影音精選#

出口管制意外讓中國更強？電力才是 AI 的真正瓶頸 #

36 小時內 · 20VC

Perplexity 年收入突破 5 億美元，CEO Aravind Srinivas 接受 20VC 長達 90 分鐘的深度訪談，談 AI 產業最被低估的幾個瓶頸。

收入三倍成長、年收破 5 億美元，由 400 人團隊、4,500 萬用戶達成
認為電力短缺是 AI 最被忽視的瓶頸，Micron 記憶體價值可能超越 GPU
美國晶片出口管制可能適得其反，逼中國研發出更省電的模型

一個人解放了 Fable…現在它違法了 #

30 小時內 · Fireship

Fable 5 發布僅三天即遭美國政府以國家安全為由封禁，Fireship 幽默解析這場「安全公司被自家政府安全掉」的荒謬。

匿名駭客「Plenty the Liberator」用類似洗錢的手法（把危險請求拆成無害片段）破解安全防護
Fable 5 與 Mythos 5 是同一底層模型，差別在 Fable 加裝安全分類器
上市僅三天即遭封禁，成為 AI 安全與政府管制的標誌性衝突案例

Anthropic 對 Fable 的限制為何令人無法接受 #

39 小時內 · Theo

Theo 在封禁前夕錄製，批評 Anthropic 對 Fable 5 設下的競爭限制根本不可接受。

指 Fable 對競爭對手應用的程式任務全數拒答
Fable 5 測試以最大算力搭配 Opus 4.8 降級，效能數據具誤導性
批評把強大模型限制成實質只有自己能用，是業界最壞的先例

19 歲 TJ Maxx 收銀員靠 AI 做出 $200K App #

27 小時內 · Greg Isenberg

19 歲的 George 曾在 TJ Maxx 當收銀員，用 AI 打造 WrestleAI，累積超過 10 萬下載、近 20 萬美元收入。

首月賺 1.7 萬美元；同期 Rizz 類 App 有 180 萬曝光卻只賺 35 美元——點子比流量重要
核心是「Gotcha Feature」：一個 5 秒能說清楚整個 App 的抓人功能
網紅行銷以 CPM 2 美元為目標，每週僅投入 3–4 小時

Groww 創辦人：顧客不愛你或恨你，你就已經輸了 #

36 小時內 · Y Combinator

Groww 創辦人 Lalit Keshre 在 YC Startup School India 分享如何打造印度最大零售投資平台。

前四年零收入，靠透明度與設計建立用戶深度信任，實現 100% 有機成長
創辦人重回寫程式、用 Claude Code 加速產品開發
強調讀懂用戶行為背後的需求，而非直接問用戶要什麼

今日觀察#

今天最值得玩味的，不是哪個模型更強，而是三條看似無關的線同時指向同一個答案。Anthropic 的 Fable 5、Mythos 5 強到被開發者捧上天，卻在週五傍晚被一封商務部信函拔下架——能力滿格，但少了一張「許可」就一文不值；TechCrunch 報導的 NewCore 融了 6,600 萬美元，專門替企業裡的 AI agent 發識別證，因為當 agent 會自己做決定，它就得像員工一樣被授權、被追蹤、能被開除；而 Simon Willison 用紐約 WARN Act「零家公司勾選 AI 裁員」的數據說明，AI 取代不了工程師，因為它接不住「決定要做什麼」和「為結果負責」這兩件事。把三件事疊在一起，2026 年的主軸浮現得很清楚：模型能力正在快速商品化，真正稀缺、也真正決定成敗的，是「誰被授權、誰來負責」。對個別工作者來說，這其實是個好消息——當能力不再是護城河，你對問題的判斷、對結果的擔當，反而變成最難被取代的那部分。

覺得有用嗎？分享給一個也在追蹤新知的朋友。

也歡迎中長期投資者體驗新工具 → Moniit