yii.
← Digest
EP129 · 2026年7月10日 星期五 · 12 min read

一週之內，三個工具的地基被重寫了

大家在吵誰的模型聰明，真正的地震發生在下游：Bun 用 11 天 / 16.5 萬美金被 AI 重寫成 Rust，Postgres、TypeScript 同週跟進

每天花 1% 的時間，掌握科技脈動。

今日金句#

“compiler errors are a better feedback loop than a style guide.” 「比起風格指南，編譯器的錯誤訊息才是更好的回饋迴圈。」 — Bun 工程團隊，談把 Bun 從 Zig 改寫成 Rust

“It’s not the model, it’s the harness.” 「重點從來不是模型，是那層 harness。」 — Claire Vo，Product Strategist（How I AI）

“AI was writing change descriptions that were worse than useless to me as I tried to review PRs.” 「當我在審 PR 時，AI 寫的變更說明對我來說比沒有還糟。」 — Kenton Varda，Cloudflare 工程師

今日主軸：測試套件成了地基的錨#

這一週表面上是四個模型開戰：OpenAI 推出 GPT-5.6（Luna / Terra / Sol 三檔）、xAI 的 Grok 4.5 打進 Cursor、Meta 開放 Muse Spark 1.1 的 API、對上 Anthropic 的 Fable 5，各家都在刷「能取代人類工程師」的分數。但真正的訊號在下游：同一週，三個開發者每天在用的工具被人整個重寫了地基，而且都通過了自己的完整測試。Bun 把 JavaScript runtime 從 Zig 改寫成 Rust，用 AI 主導、11 天、約 16.5 萬美金 API 費用，跨三平台跑過逾一百萬次 expect()；有人把 PostgreSQL 用 Rust 重寫，46,000 個回歸測試輸出全對；微軟把 TypeScript 編譯器改用 Go 重寫，編譯快了近 12 倍。共同的鑰匙不是「更聰明的模型」，是那套完整的測試，它變成一致性的錨，讓 AI 敢動地基。這也解釋了為什麼同一週 Cloudflare 禁止 AI 寫 PR 說明、而 PostHog 卻放手讓 agent 自動審查：能被測試驗證的交出去，需要人類意圖的守住。

必讀#

  1. GPT-5.6 家族登場：Luna / Terra / Sol 三檔定價全翻盤 — Simon Willison / HN AI
  2. Bun 用 Rust 重寫：AI 主導、11 天、16.5 萬美金 — Bun / Pragmatic Dev
  3. TypeScript 7.0 改用 Go 重寫，編譯快近 12 倍 — Microsoft Dev
  4. Grok 4.5 打進 Cursor：Opus 級能力、成本殺手 — Latent Space AI
  5. Postgres 用 Rust 重寫，46,000 個回歸測試全過 — GitHub / HN Dev
  6. Cloudflare 禁止 AI 寫 PR 說明 — Simon Willison Dev
  7. PostHog：別再當 code review 的瓶頸，讓 agent 審 — PostHog Dev
  8. Meta Muse Spark 1.1 首次開放 API — Simon Willison AI
  9. 什麼是 Harness？用 Claude Agent SDK 打造除錯系統 — Lenny Tutorial
  10. ChatGPT Work：OpenAI 想把 agent 變成你的作業系統 — Simon Willison AI
  11. AI agent 自己跑完 1 億美金募資（Lyzr） — TechCrunch Startup
  12. The Harness Effect：agentic AI 的 token 經濟學 — arXiv AI
  13. Fidji Simo 卸任 OpenAI 二號人物 — TechCrunch News

1. GPT-5.6 家族登場：Luna / Terra / Sol 三檔定價全翻盤#

OpenAI 一口氣推出 GPT-5.6 三檔模型，把定價階梯拉開：Luna 每百萬 token 輸入/輸出 $1/$6、Terra $2.5/$15、旗艦 Sol $5/$30，全支援 100 萬 token context、最大輸出 128k、知識截止 2026-02-16。旗艦 Sol 在「Agents’ Last Exam」拿 53.6 分，領先 Anthropic Fable 5 達 13.1 分；中階 Terra 更以約六分之一成本超越 Fable 5 的推理表現。這則在 Hacker News 衝上逾千分，是全日最高熱度。

  • 三檔定價把「小模型便宜、旗艦貴」的階梯拉得更開，推理密集應用可能改用 Terra 省成本
  • Sol 在長流程 agent 推理上領先 Fable 5 逾 13 分，代表 OpenAI 在推理路徑搜尋上有突破
  • 但 SWE-Bench Pro 程式測試 Sol 只有 64.6%，仍落後 Fable 5 的 80%——不同任務需要不同模型

💡 為什麼重要：模型戰場正從「單一最強」轉向「按任務選模型 + 論成本」，這會逼 Anthropic 在定價或效能上出招。

🔗 閱讀原文 | 來源：Simon Willison

2. Bun 用 Rust 重寫：AI 主導、11 天、16.5 萬美金#

Bun 團隊把整個 JavaScript runtime 從 Zig 改寫成 Rust，用 AI（Claude Fable 5）主導，11 天完成原本估計要 1-2 年的工程，API 成本約 16.5 萬美金。關鍵是把既有的 TypeScript 測試套件當一致性錨：跨三平台跑過超過一百萬次 expect()（Debian 138.7 萬、macOS 126 萬、Windows 100.8 萬），零測試被跳過或刪除。手動記憶體管理的 use-after-free、記憶體洩漏被編譯器強制清除，效能提升 2-5%、HTTP 吞吐 +2.8-4.8%、二進位縮小約 20%、v1.4.0 順手修掉 128 個 bug。Zig 作者 Andrew Kelley 也公開回應了這次「出走」。

  • 完整測試套件是這種大遷移的前提——「a thoroughly-tested project is required to pull it off」
  • 編譯器強制的記憶體安全，比人工風格指南更能杜絕複合錯誤
  • 11 天 vs 1-2 年，證明 AI 已從「輔助」升級為「主導」大型系統重構

💡 為什麼重要：AI 輔助工程的門檻不在模型多聰明，而在你有沒有一套能自動驗證的測試——測試變成敢不敢動地基的分水嶺。

🔗 閱讀原文 | 來源：Bun / Pragmatic Engineer

3. TypeScript 7.0 改用 Go 重寫，編譯快近 12 倍#

微軟把 TypeScript 編譯器從 JavaScript 整個改寫成 Go（不是 JIT 或執行期最佳化，是語言層級的移植），帶來 8-12 倍編譯加速。VSCode 全量編譯 125.7 秒 → 10.6 秒（11.9 倍）、Sentry 139.8 → 15.7 秒、Playwright 12.8 → 1.47 秒；編輯器開檔延遲 17.5 秒 → 1.3 秒，記憶體用量降 6-26%。

  • 打破「JS 工具鏈用 JS 寫最方便」的老假設，改用系統語言重鑄
  • 編輯延遲從十幾秒降到一秒級，是開發體驗的質變不是量變
  • 可能促使 Babel / Webpack / Rollup 等工具鏈重新評估技術棧

💡 為什麼重要：和 Bun、Postgres 一樣，這是同一週第三個「地基重寫」案例——重鑄工具鏈正在成為顯學。

🔗 閱讀原文 | 來源：Microsoft

4. Grok 4.5 打進 Cursor：Opus 級能力、成本殺手#

xAI 推出首個專為程式與 agent 訓練的 Grok 4.5（1.5T 參數，Grok 4.3 的三倍），定位不是刷榜而是性價比：輸入 $2 / 輸出 $6 每百萬 token，快取命中 75% 折扣，500k context（下週可擴至 1M）。智能任務平均只用 1.9M token，對比 Fable 5 的 7.2M；輸出 token 比 Opus 4.8 少 60%，單任務成本約 $0.31。Artificial Analysis 綜合排名第 4（次於 Fable 5、GPT-5.5、Opus 4.8），並深度整合進 Cursor。

  • 能力對標 Opus 級，但 token 效率與價格是最大賣點（成本優勢逾 60%）
  • Cursor 深度整合保證真實採用動能，不是紙上分數
  • 模型採購指標正從「跑分」轉向「每單位能力的成本」

💡 為什麼重要：這是第四個一週內開戰的前沿模型，把「模型商品化」的趨勢又往前推了一步。

🔗 閱讀原文 | 來源：Latent Space

5. Postgres 用 Rust 重寫，46,000 個回歸測試全過#

pgrust 是 PostgreSQL 的完整 Rust 重寫版本，目標相容 Postgres 18.3，已通過 46,000+ 回歸測試且輸出與原版完全相符，能從既有 Postgres 資料目錄直接啟動。目前功能完整但尚未生產就緒、也還沒做效能最佳化。專案核心理念是「keep the behavior Postgres-shaped to make Postgres easier to change from the inside」——先精確複製行為，再用 Rust 為多執行緒、連線池、JSON 最佳化等現代改動鋪路。

  • 46,000 個回歸測試全過，證明 Rust 型別系統可精確複製複雜 C 代碼的行為
  • 先保行為相容、再談效能，降低大型遷移風險
  • 資料庫引擎也加入「用 Rust 重寫」的浪潮，預示核心基礎設施的語言遷移潮

💡 為什麼重要：連最保守的資料庫核心都開始被重寫，說明「測試套件當錨 + 系統語言重鑄」的模式正在往基礎設施深處擴散。

🔗 閱讀原文 | 來源：GitHub / HN

6. Cloudflare 禁止 AI 寫 PR 說明#

Cloudflare 工程師 Kenton Varda 公開宣布禁止團隊用 AI 生成 PR 與 commit 說明。理由是這些說明鉅細靡遺描述程式碼本身（那些看 diff 就知道），卻缺了審查者真正需要的高層次脈絡與設計意圖。核心張力：AI 擅長描述「是什麼」，但講不出「為什麼」——而後者正是人類該守住的部分。

  • AI 寫的說明「worse than useless」——填滿低層細節、漏掉戰略脈絡
  • 程式碼品質與說明品質同等重要，尤其在規模化審查時
  • 暗示分工——AI 抽取低層細節、人類提供架構背景與專案對齊

💡 為什麼重要：和 PostHog 的放手形成漂亮對照——能被驗證的交出去、需要意圖的守住，這條界線每個團隊都在自己畫。

🔗 閱讀原文 | 來源：Simon Willison

7. PostHog：別再當 code review 的瓶頸，讓 agent 審#

PostHog 工程師 Paul D’Ambra 分享他們的多 agent code review 系統：用四個專門化 agent（QA、安全審計、個人審查、UX 審查）加分級機制，自動批准小於 500 行、涉及 ≤20 個檔案的變更；大型改動則拆成 <400 行的 PR 堆疊獨立驗證。原則是寫程式的 agent 不能同時審自己的程式碼，並混用不同模型/供應商的 reviewer 涵蓋盲點。StampHog 自動批准約 1/3 PR（月處理 1.6K PR），代碼審查自動化削減約 60% token 成本。

  • 多 agent 互審 + 分級門檻，可靠地自動批准小 PR 同時維持品質
  • 把大 PR 拆成 <400 行單位，防止大型變更中複合錯誤累積
  • 關鍵是「觀察執行結果」而非讀推理，在小型可獨立運行的 PR 中驗證

💡 為什麼重要：這是「把重複勞動整個交給 agent」的一端，剛好和 Cloudflare 守住意圖的一端合成今日主軸。

🔗 閱讀原文 | 來源：PostHog

8. Meta Muse Spark 1.1 首次開放 API#

Meta 的 Muse Spark 1.1 是該系列首個開放 API 的模型，官方宣稱在 agentic 工具呼叫與電腦操作能力上大幅提升。評測報告裡還有讓兩個模型互相對話的「自我對話吸引態」實驗，對話內容意外帶點哲學意味。Simon Willison 同步釋出 llm-meta-ai 外掛，讓命令列工具能直接呼叫這個新模型。

  • Meta 從封閉走向開放 API，正式加入前沿 agent 模型戰局
  • 主打 agentic 工具呼叫與電腦操作，對標 coding agent 用途
  • 一發布就有社群外掛（llm-meta-ai）接上，生態反應快

💡 為什麼重要：四大模型（GPT-5.6 / Grok 4.5 / Muse Spark / Fable 5）同週開火，模型層的競爭已白熱化到以週計。

🔗 閱讀原文 | 來源：Simon Willison

9. 什麼是 Harness？用 Claude Agent SDK 打造除錯系統#

Claire Vo 現場示範，用 Claude Agent SDK + Ink（終端機 UI）+ 串接 Sentry / Linear / GitHub / Vercel 的客製 adapter，做出一套能自動蒐證、找根因、產出後續文件的除錯 harness。她的核心主張是「It’s not the model, it’s the harness」——團隊不再逐次手動協調 Claude，而是把領域知識、權限、工具整合編碼成專門系統。推理用 Sonnet 4.6，harness 本身用 Opus / GPT-5.5 寫。

  • Harness = 把權限、整合、領域邏輯封裝成持久的自動化系統
  • 從「臨時 prompt」升級到「架構化自動化」，強調能力邊界勝過模型原始能力
  • Sentry bug 分類 harness 實例——無需手動提示，團隊直接消費結構化結果

💡 為什麼重要：呼應今日金句——真正的槓桿在你給 agent 的那層 harness，而不是模型本身。

🔗 閱讀原文 | 來源：Lenny’s Newsletter

10. ChatGPT Work：OpenAI 想把 agent 變成你的作業系統#

OpenAI 推出 ChatGPT Work，主打長時任務與排程自動化，桌面版可存取本機檔案與應用、雲端版在背景跑。Simon Willison 引官方說明吐槽：桌面版與雲端版的對話不互通、界線講得並不清楚。Greg Isenberg 與 Every 創辦人 Dan Shipper 現場用 Codex Desktop + GPT-5.6 展示卡片式收件匣、把 Slack/會議記錄轉成情境 feed、現場做出一個 SaaS 雛形。

  • agent 從「回答問題」轉向「幫你把整週的事在背景做完」
  • 桌面版可觸及本機檔案與應用，雲端版背景執行，但兩者界線模糊
  • 實測可一次到位約 70%，其餘交人工把關

💡 為什麼重要：介面從對話框變成「作業系統」，會重寫產品對「等待」與「信任」的設計預設。

🔗 閱讀原文 | 來源：Simon Willison

11. AI agent 自己跑完 1 億美金募資（Lyzr）#

Jersey City 的三歲新創 Lyzr 讓自家 AI agent 自主管理這輪一億美金 Series B：回答 130+ 位投資人提問、起草投資備忘錄、追蹤投資人互動數據，最終以約 5 億美金估值完成，總興趣達 4 億美金（矽谷、中東、金融部門）。創辦人幾乎沒離開座位——這輪募資本身就是產品的活體驗證。

  • AI agent 執行任務關鍵型商業流程（投資人分級、溝通、分析）
  • $100M 募資完成，也等於企業級 agent 可行性的背書
  • 開啟一個問題——若 AI 能跑募資，公司還有哪些核心流程能外包？

💡 為什麼重要：agent 從「寫程式」跨到「跑公司核心流程」，把「還有什麼是人類必須親手做」這題往前逼了一大步。

🔗 閱讀原文 | 來源：TechCrunch

12. The Harness Effect：agentic AI 的 token 經濟學#

這篇 arXiv 論文量化了「orchestration 層設計」對企業 agentic AI 成本的影響：好的編排層可降低營運成本 41%、延遲 44%、token 用量 38%，跨多個 LLM 都成立。結論與 Claire Vo 的 harness 主張互相呼應——真正決定成本與效果的，往往是模型外面那層編排，而非模型本身。

  • 編排層設計可省下近四成成本與 token
  • 延遲也隨編排優化下降逾四成
  • 學術數據佐證「harness 比 model 更關鍵」的產業直覺

💡 為什麼重要：把「harness > model」從口號變成可量化的 token 經濟學，對做 agent 產品的人是硬證據。

🔗 閱讀原文 | 來源：arXiv

13. Fidji Simo 卸任 OpenAI 二號人物#

OpenAI 的二號人物 Fidji Simo 在長期病假後卸下職務，時值公司規劃 IPO、與 Anthropic 競爭白熱化之際。這則人事變動在模型大戰的背景下格外受關注。

  • OpenAI 高層在 IPO 前夕出現領導層變動
  • 時間點正逢與 Anthropic 的競爭最激烈階段
  • 組織穩定度成為模型戰之外的另一條觀察線

💡 為什麼重要：模型打得再兇，公司治理與組織穩定仍是投資人與人才在意的底層變數。

🔗 閱讀原文 | 來源：TechCrunch

推薦閱讀#

大神動態#

  • Simon Willison：連發 GPT-5.6、Bun-in-Rust、Muse Spark 1.1 深度筆記，是本日一手分析主力（詳見必讀 #1、#2、#8、#10）
  • Kenton Varda：宣布 Cloudflare 團隊禁用 AI 寫 PR 說明（詳見必讀 #6）
  • Andrew Kelley：Zig 作者公開回應 Bun 出走 Rust
  • Mitchell Hashimoto：受訪談 Ghostty 與 Zig
  • Drew DeVault：主張一個刻意 AI-free 的 Vim

社群熱門#

中文技術圈#

開源精選 — GitHub Trending（本週）#

  • Shpigford/knockoff — JavaScript | ⭐ 1.6K 過濾 Amazon 山寨/偽品牌的 Chrome 擴充，只留下真正的老牌
  • ammaarreshi/Generals-Mac-iOS-iPad — C++ | ⭐ 1.4K 《終極動員令：將軍-絕命時刻》原生跑在 macOS/iPhone/iPad（真引擎）
  • MaximeRivest/riddle — Rust | ⭐ 1.3K reMarkable 上的「湯姆瑞斗日記」，手寫墨水被吸走、AI 以流暢字跡回你
  • 514-labs/dnsglobe — Rust | ⭐ 774 終端機世界地圖，看 DNS 記錄在全球 34 個解析器傳播的 TUI
  • wouterdebie/davit — Swift | ⭐ 733 Apple 平台的原生 macOS UI
  • yynxxxxx/Codex-X — Rust | ⭐ 701 Codex 切換與指令的桌面管理器
  • simonlin1212/Vibe-Research — TypeScript | ⭐ 593 個人投研 Agent（A股/美股/港股）：每日復盤、資訊雷達、持倉
  • nagisanzenin/engram — Python | ⭐ 484 Claude Code 的循證學習引擎，FSRS 排程記憶、可探索的產出
  • oso95/scroll-world — JavaScript | ⭐ 446 把任何品牌變成可捲動 3D 世界的 skill

影音精選#

Grok 4.5 意外地很強，直逼 Opus 與 GPT-5.5#

1 天前 · Theo (t3.gg)

Theo (t3.gg)

xAI 的 Grok 4.5（與 Cursor 合作）在程式碼能力上打平 GPT-5.5、擊敗 Opus 4.8，價格卻只要對手的五分之一。Theo 透過 Cursor 搶先實測，直呼性價比與 token 效率驚人。

  • 程式碼能力打平 GPT-5.5、勝過 Opus 4.8，價格僅約五分之一
  • 透過 Cursor 已可搶先使用，並提供限時折扣
  • Theo 實測後認為表現超出預期，token 效率也優異

GPT-5.6 Sol 上線！用 Codex Desktop 管理工作與生活#

17 小時前 · Greg Isenberg

Greg Isenberg

Greg Isenberg 邀請 Every 創辦人 Dan Shipper，示範用 OpenAI Codex Desktop 搭配 GPT-5.6 管理整個生活與工作：卡片式收件匣、把 Slack 與會議記錄轉成情境 feed、跨工具的內建瀏覽器。

  • Codex Desktop + GPT-5.6：卡片式收件匣、自動摘要與草擬回覆
  • 把 Slack／會議記錄轉成情境 feed，讓 agent 持續帶著上下文工作
  • 現場直播做出一個小型 SaaS，一次到位約完成 70%，其餘交人工把關

Anthropic 發現 Claude 大腦裡的「意識舞台」JSpace#

1 天前 · Fireship

Fireship

Anthropic 發論文，聲稱在 Claude 內部找到一個類似「全局工作空間」的結構 JSpace，模型在說出答案前會先在這裡「默想」。研究團隊能置換其中的想法來反向改變模型答案。

  • 發現 Claude 內部類似「JSpace」的推理暫存區
  • 置換/刪除 JSpace 內容會改變甚至摧毀推理能力（語言流暢度不受影響）
  • 呼應 1988 年的全局工作空間意識理論，但論文本身也被質疑帶行銷動機

Sam Altman 提議讓美國政府持股 OpenAI 5%#

21 小時前 · 20VC

20VC

20VC 主持人 Harry Stebbings 與投資人討論本週重磅：OpenAI 傳考慮讓美國政府持股 5%、DeepSeek 傳自研晶片、Meta 跨入雲端推升股價，以及 Kling 以 180 億美元估值募資 28 億。

  • OpenAI 傳考慮讓美國政府持股 5%，引發後續監管疑慮
  • DeepSeek 傳出自研晶片，Anthropic 據傳與三星洽談
  • Kling 以 180 億美元估值募資 28 億，對比 Sora 表現不如預期

用「點點圖」看懂用戶真實行為#

21 小時前 · Y Combinator

Y Combinator

YC 合夥人 David Lieb 提出「dot plot」：用二維表格記錄每個用戶每天是否做出某個代表價值的關鍵行為，取代會掩蓋個體差異的 DAU/MAU。

  • 聚合指標（DAU/MAU）會掩蓋個別用戶真實使用狀況
  • dot plot：每列一個用戶、每欄一天，標記關鍵事件發生與否
  • 可延伸到留存分析、異常偵測（如 PayPal 詐騙案例）

終端機其實是一種擬物設計的遺跡#

17 小時前 · Theo (t3.gg)

Theo (t3.gg)

Theo 主張終端機被工程師神化，本質上並不是好的互動介面，只是因為習慣與感情。他認為自然語言在終端機裡格格不入，暗示 AI 原生的互動介面才是該走的方向。

  • 終端機被工程師神化，但本質上不是好用的介面
  • 自然語言指令與傳統終端機的互動邏輯本質衝突
  • 呼籲重新思考開發工具該有的介面形態

Gusto 如何十週打造 AI 共同創辦人產品#

2 天前 · Y Combinator

Y Combinator

Gusto 技術長 Eddie Kim 分享他們如何打造「Gusto Cofounder」，一個透過簡訊或 Slack 就能自動處理薪資、請假、提醒填工時的 AI 產品，完全免登入。

  • 小商家普遍只把 AI 當搜尋引擎，缺乏主動代辦能力
  • 用簡訊/Slack 觸發、完全免登入的自動化流程
  • 五人團隊十週內從雛形做出可上線產品

今日觀察#

同一週裡，四家公司在比誰的模型更聰明（GPT-5.6 的 Sol 在推理上贏 Fable 5 十三分、Grok 4.5 用五分之一的成本追平），但更有份量的動作發生在下面一層：三個開發者天天在用的工具被整個重寫了地基，Bun 從 Zig 改成 Rust、Postgres 也改 Rust、TypeScript 編譯器改用 Go，而且各自通過了完整的回歸測試。真正讓 AI 敢動地基的不是哪個模型更聰明，是那套跑過上百萬次的測試，它是一致性的錨。這也剛好解釋了為什麼 Cloudflare 的 Kenton Varda 禁止 AI 寫 PR 說明、PostHog 卻放心讓 agent 自動批准小 PR：能被測試驗證的「是什麼」可以交出去，只有測試證明不了的「為什麼」還握在人手上。對開發者來說，值錢的東西正從「會寫程式」往上移到「握著測試套件與那份意圖」，也就是編譯器永遠檢查不到的那一格。

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 banner

同期還有