yii.
← Digest
EP129 · 2026年7月13日 星期一 · 9 min read

手藝、黑盒與帳單

當寫 code 的門檻歸零，開發者開始問三個新問題

每天花 1% 的時間，掌握科技脈動。

今日金句#

“AI is something that’s happening mostly due to Moore’s law and general progress in computing, not something that they are doing.”

「AI 之所以在發生，大多是因為摩爾定律和運算的整體進步，而不是那些公司在做什麼。」

— geohot (George Hotz), comma.ai 創辦人 / AI 研究者

“In sufficiently large codebases, everyone operates with an incorrect theory of the program.”

「在夠大的程式碼庫裡，每個人都是帶著一套錯誤的程式理論在工作。」

— Sean Goedecke, 軟體工程師 / 作家

“By maintaining uncertainty around Fable’s long-term availability, Anthropic risks losing users to OpenAI’s more confident approach.”

「靠著讓 Fable 的長期供應保持不確定，Anthropic 正冒著把用戶推向 OpenAI 更篤定策略的風險。」

— Simon Willison, 獨立開發者 / AI 觀察者

今日主軸：手藝、黑盒與帳單#

這一週模型大戰的煙硝還在飄（GPT-5.6 家族登場、Meta 的 Muse Spark 1.1 亂入、Anthropic 又把 Fable 5 的開放期延到 7 月 19 日），但今天開發者圈真正在討論的，不是誰又刷高了分數，而是三個關於「人」的問題。

第一個是手藝：費爾茲獎得主 Terry Tao 花一個下午，用 coding agent 把二十幾個放了很久的老程式整批搬到新語言，全部能跑、只出一個小 bug，還順手抓出原本就藏著的兩個舊 bug。當換語言、寫視覺化這種以前讓人卻步的苦工門檻幾乎歸零，寫程式這件事的重心就整個往上移。

第二個是懷疑：softwaredoug 問「2026 年還要不要自己寫 code」、Sean Goedecke 反過來說「完全搞懂 codebase 本來就是幻想」、geohot 更直接潑冷水，說那些嚇你「窗口要關了、你要被淘汰」的話，很多是想把你趕進昂貴的科技中心。

第三個是帳單：有人實測，Claude Code 在你打字前光開場就送出 33000 個 token，開源的 OpenCode 只送 7000，差快五倍。工具越強、越方便，你越容易忘記它背地裡在燒什麼。門檻降低，不等於成本降低。

必讀#

  1. Old and new apps, via modern coding agents — Hacker News AI
  2. Claude Code 開場先送 33k token，OpenCode 只送 7k — Hacker News Tools
  3. OpenAI 推出 GPT-5.6 三層級模型家族 — TechCrunch AI
  4. Anthropic 延長 Fable 5，OpenAI 趁勢衝上 600 萬用戶 — Simon Willison AI
  5. I love LLMs, I hate hype — Hacker News AI
  6. 把生產級 AI agent 遷到 GPT-5.6：快 2.2 倍、省 27% — Hacker News AI
  7. Meta 帶著 Muse Spark 1.1 殺進 AI 編碼戰場 — TechCrunch AI
  8. Why write code in 2026 — Hacker News Dev
  9. In defense of not understanding your codebase — Lobste.rs Dev
  10. 科技業 AI 情緒調查：一半興奮、一半崩潰 — Lenny’s Newsletter News

1. Old and new apps, via modern coding agents#

費爾茲獎得主 Terry Tao 分享他用 coding agent 把二十多個老舊 Java 小程式在數小時內整批遷移到 JavaScript 並加上圖形強化的經驗。整批遷移只出現一個輕微的拖曳事件 bug，agent 反而幫他找出原始程式碼裡兩個既有 bug。他用的是「vibe coding」：高層設計由人主導，底層實作交給 agent。他甚至做出過去覺得太麻煩的東西，例如 Minkowski 空間的相對論互動視覺化，直接附在數學論文旁邊。

  • 數小時遷移約 20 個 app，僅 1 個輕微 bug，agent 另外抓出 2 個舊 bug
  • vibe coding 模式：高層人類指揮、低層 agent 實作，複雜系統開發成本大降
  • 程式語言轉換的摩擦趨近於零，讓論文能輕鬆附帶互動視覺化

💡 為什麼重要：當「換語言、做視覺化」這類苦工門檻歸零，寫程式的重心就從打字往「要做什麼、判斷對不對」上移，連純數學家都能自己做出過去要工程師才做得出的工具。

🔗 閱讀原文 | 來源: Terence Tao

2. Claude Code 開場先送 33k token，OpenCode 只送 7k#

Systima 用日誌代理精確量測不同 AI 編碼工具的 token 開銷，發現 Claude Code 初始請求基礎成本約 32,800 token，OpenCode 只有 6,900，差 4.7 倍（在 Fable 5 上縮小到 3.3 倍）。差異來自 Claude Code 內建 27 個工具、OpenCode 只用 10 個經典工具，加上快取效率：OpenCode 維持位元相同的快取前綴，Claude Code 卻在單一會話內重寫數萬個快取 token。平行子代理更貴，同樣工作直接做 12.1 萬 token，雙子代理並行要 51.3 萬。

  • 初始 token 開銷 Claude Code 32.8k vs OpenCode 6.9k
  • Claude Code 快取寫入量高達 OpenCode 的 5.9 到 54 倍
  • 平行子代理委派成本可放大 4.2 倍，複雜工作流才划算

💡 為什麼重要：工具越方便，隱藏成本越容易被忽略。大量或高頻使用時，agent 架構的選擇直接決定帳單，值得在正式部署前實測。

🔗 閱讀原文 | 來源: Systima

3. OpenAI 推出 GPT-5.6 三層級模型家族#

OpenAI 推出 GPT-5.6，分成主力 Sol、中階 Terra、預算版 Luna 三檔，主打企業應用、編碼與科學研究。Sol 在編碼任務上 token 效率大幅提升，在 Artificial Analysis Coding Index 拿到 80 分（高於 Fable 5 的 77.2），用約三分之一成本達到前沿表現。網路安全是這代的特色強項，同時推出 ChatGPT Work 企業協作工具。定價清晰：Sol $5/$30、Terra $2.5/$15、Luna $1/$6（每百萬輸入/輸出 token）。

  • 三層級定價，Luna 低到 $1/$6 打進中小企業
  • Sol 編碼 index 80 分、成本約 1/3，token 效率為賣點
  • 網路安全達「邊界級」表現，主打企業場景

💡 為什麼重要：模型持續變便宜變強，token 效率大幅改善意味企業推理成本再降，也讓「接哪家模型」越來越不是護城河。

🔗 閱讀原文 | 來源: TechCrunch

4. Anthropic 延長 Fable 5，OpenAI 趁勢衝上 600 萬用戶#

Anthropic 把 Claude Fable 5 在付費方案的開放期再延到 7 月 19 日，理由是算力吃緊、需要觀察需求；同時維持 Claude Code 週用量上限 +50% 的優惠。同一時間 OpenAI 反向操作，取消 Plus/Business/Pro 的 5 小時用量限制、宣布 GPT-5.6 Sol 效率提升並衝上 600 萬活躍用戶。Simon Willison 認為 Anthropic 應該乾脆讓 Fable 常態開放，否則不確定性會把用戶推向 OpenAI 更篤定的策略。

  • Fable 5 開放期延至 7/19，Claude Code 週上限維持 +50%
  • OpenAI 移除 5 小時限制、GPT-5.6 Sol 衝上 600 萬活躍用戶
  • 兩家在「保留 vs 篤定」策略上分道揚鑣

💡 為什麼重要：前沿模型競爭已從跑分打到「供應確定性」，用戶留存的關鍵正從能力轉向「我能不能穩定用到」。

🔗 閱讀原文 | 來源: Simon Willison

5. I love LLMs, I hate hype#

投入 AI 數十年的 geohot（comma.ai 創辦人）撰文區分「真實進展」與「誇大炒作」。他主張 AI 的價值大多來自摩爾定律與運算進步的自然延伸，而非某家前沿實驗室的獨門魔法；那些「機會窗口正在關閉」「技術性失業階級」的恐懼敘事，其實是把人趕進昂貴科技中心的話術。他呼籲把 LLM 當成編譯器、搜尋引擎那樣的生產力工具，並指出禁止開源的真實動機是防止模型被商品化，而非安全。

  • AI 進步主要來自摩爾定律，非前沿實驗室的專有技術
  • 拒絕末日論與無限奇點兩種極端敘事，務實評估實際能力
  • 開源禁令的真動機是防商品化，不是安全

💡 為什麼重要：在模型發布與失業焦慮交織的一週，一個深度從業者的冷靜視角，幫開發者把「工具進步」跟「壟斷故事」分開來看。

🔗 閱讀原文 | 來源: geohot

6. 把生產級 AI agent 遷到 GPT-5.6：快 2.2 倍、省 27%#

Ploy 把生產環境的 AI agent 從 Claude Opus 4.8 遷到 GPT-5.6 Sol，建置時間從 8 分鐘降到 3.7 分鐘（快 2.2 倍），成本從 $3.06 降到 $2.22（省 27%）。但過程踩了不少坑：GPT-5.6 每次工具呼叫會塞入全部 25 個參數，造成空值填充與檔案讀取失敗（失敗率 52 到 64%），得用 anyOf 語法把可選參數改寫；快取也要從跨組織共享改成工作區作用域鍵，初次快取命中率才拉到 83.7%。三分之一的初期失敗其實來自評估流程的隱性假設，跟模型能力無關。

  • 實測快 2.2 倍、省 27%，但省的主要來自快取最佳化
  • 工具呼叫塞滿 25 參數導致檔案讀取失敗率 52 到 64%，需改 schema
  • 快取鍵改工作區作用域後首次命中率 83.7%

💡 為什麼重要：「換模型」不是改個 API key。真實的遷移成本藏在工具 schema 與快取架構的行為差異裡，這篇是難得的實戰除錯清單。

🔗 閱讀原文 | 來源: Ploy

7. Meta 帶著 Muse Spark 1.1 殺進 AI 編碼戰場#

Meta 正式上市 Muse Spark 1.1，Zuckerberg 三年來首次在 X 發文宣布這款「高效能、低價的 agentic 編碼模型」。主打多步推理、企業工作流編排、大規模程式碼遷移與工具/電腦使用。定價 $1.25 輸入、$4.25 輸出（每百萬 token），直接對標 Claude Haiku 4.5 與 GPT-5.6 Luna，正逢 Grok 4.5 與 GPT-5.6 密集發布期，打破 OpenAI 與 Anthropic 的雙寡占。

  • 企業級 agentic 編碼模型，主打工作流自動化與程式碼遷移
  • 定價 $1.25/$4.25 對標 Haiku 4.5，殺價競爭
  • Zuckerberg 暗示後續還有更多模型

💡 為什麼重要：第三家大廠以低價切入企業編碼市場，逼迫定價再往下，企業選型的替代選項變多。

🔗 閱讀原文 | 來源: TechCrunch

8. Why write code in 2026#

softwaredoug 反問，在 coding agent 快速成熟的時代，人為什麼還要親手寫程式。他的答案是：親手寫能在真實執行環境裡思考，而不是隔著英文描述跟 agent 溝通；手工編碼會暴露 agent 容易忽略的脆弱點與架構問題，也建立「所有權感」，避免不良模式默默累積。他把 agent 定位成「新進實習生」而非編譯器，主張人類判斷與架構思維不可取代。

  • 親手寫 code 才能在真實執行環境思考、連結架構
  • 主動編碼比被動審查 agent 產出更能建立所有權
  • 把 agent 當實習生，不是當編譯器

💡 為什麼重要：跟 Terry Tao 的樂觀形成張力，一邊說門檻歸零、一邊提醒別把架構判斷也外包出去，兩篇合起來剛好是今天的核心辯論。

🔗 閱讀原文 | 來源: softwaredoug

9. In defense of not understanding your codebase#

Sean Goedecke 主張，在夠大的系統裡，完全理解程式碼庫本來就是幻想，部分理解才是企業開發的現實最佳解。他認為 Peter Naur 1985 年「程式即理論」的觀點已過時：大型系統含數千個邊界情況，實務上無法從零重建。他分享自己接手棄置 codebase 的方法（從端到端流程切入、逐步擴展），並指出協作、安全補丁、依賴升級、法規遵循等現實需求，往往比「完全理解」更優先。

  • 夠大的 codebase 裡，人人都帶著一套不完整的程式理論工作
  • 完全重建大型系統不可行，Naur 的「重寫優於維護」已過時
  • 用端到端流程追蹤逐步理解，優先業務目標與穩定性

💡 為什麼重要：這個觀點替 AI 時代解套，連人類都無法完全理解複雜系統，那把部分工作交給 agent 反而更合理，也重新定義了程式碼的所有權與責任。

🔗 閱讀原文 | 來源: Sean Goedecke

10. 科技業 AI 情緒調查：一半興奮、一半崩潰#

Lenny 與研究員 Noam Segal 公布第二年度「科技業心理狀態調查」，發現 AI 把從業者分成兩派：一半如魚得水、一半焦慮動搖，並歸納出四種情緒原型（積極、矛盾、迷失、憤恨）。過去一年職業倦怠指數暴增 11 個百分點，而主管是否給予支持，成為員工身心健康最大的槓桿。

  • AI 讓科技從業者情緒兩極分化，四種原型
  • 職業倦怠年增 11 個百分點
  • 主管的支持是員工幸福感最大變數

💡 為什麼重要：技術狂飆的另一面是人的心理負荷。這份調查提醒團隊，工具導入的成敗，往往不在模型而在管理。

🔗 閱讀原文 | 來源: Lenny’s Newsletter

推薦閱讀#

社群熱門#

中文技術圈#

開源精選#

op7418/guizang-material-illustration — ⭐ 585 歸藏的材質插畫 skill：生成帶字解釋圖、圖表美化與參考輔助配圖。

gostonx/uninstally — Swift | ⭐ 413 乾淨的原生 macOS 反安裝工具，靠 bundle-id 智慧偵測，連 app 殘留檔案一併清除。

Nanako0129/pilotfish — ⭐ 384 Claude Code 多模型編排層：前沿模型負責規劃、便宜模型負責執行、驗證守住品質，一句話安裝。

Raymondhou0917/speak-human-tw — ⭐ 379 「說人話」：繁體中文的去 AI 味改寫 skill，抓 38 種 AI 寫作痕跡，順手校正中國用語與半形標點。

Doriandarko/texts-to-transformer — Python | ⭐ 366 用你的 iMessage 對話紀錄，完全在自己的 Mac 上從零訓練一個小型 Transformer。

影音精選#

GPT-5.6 深度評測：Soul 模型跑分完勝 Fable，成本卻砍半#

Theo (t3.gg)

Theo

Theo 用實測數據而非個人感受評測 GPT-5.6，涵蓋 Soul、Luna、Terra 三種版本與 Ultra/Pro 等推理等級的選擇建議。這集把模型能力與成本攤開來比，也反映社群對 GPT-5.6 兩極的評價。

  • 在 DeepSWE 基準測試中，5.6 Soul（Max 設定）拿下史上最高的 73% 分數
  • 每個任務成本僅約 22 美元，遠低於 Fable Max 的 839 美元
  • 社群評價兩極：有人認為徹底改變寫程式方式，也有人覺得 Fable 更好

Theo 直呼「這工具好到有點惱火」#

Theo (t3.gg)

Theo

Theo 開場就說有件事要跟大家聊，標題暗示他測到一個表現好到讓自己意外、甚至有點不甘心的工具。內容延續他近期密集的 AI 開發工具實測系列。

  • 標題主打「好到惱火」的反差情緒，適合了解最新工具口碑
  • 延續 Theo 以實測為主的評測風格

Glean 創辦人：OpenAI 和 Anthropic 贏不了應用層戰爭#

20VC

20VC

企業 AI 公司 Glean 創辦人 Arvind Jain（曾共同創辦已上市的 Rubrik、Google 傑出工程師）指出，超過九成的企業使用情境已能由多種模型完成，前沿模型公司對非訓練型 AI 公司其實是資產而非威脅。

  • 逾九成企業場景已能由包含開源在內的多種模型完成
  • 前沿模型正快速商品化，非模型公司該把它當可替換的水電
  • 訪談也談到 AI 代理的權杖浪費，以及月花百萬美元的 agent 如何取代 15 名工程師

今日觀察#

把今天的必讀擺在一起，會看到一個安靜的錯位：模型端的新聞全在講「更快、更便宜」（GPT-5.6 用三分之一成本打到前沿、Meta Muse Spark 殺價、Fable 5 延期搶用戶），但開發者端最熱的討論卻全在講「代價」與「判斷」。Terry Tao 證明手藝門檻可以歸零，softwaredoug 和 Sean Goedecke 隨即反問「那還要不要親手寫、要不要真的搞懂」，而 Systima 那篇 33000 對 7000 token 的實測，等於把「方便」翻面秤了一下重量。geohot 的金句把這個錯位講得最白：真正在推動 AI 的是摩爾定律，不是哪家公司在變魔術，所以別讓「窗口要關了」的敘事替你做決定。對每一個開發者、甚至每一個用 AI 工作的人來說，今天真正該練的能力，不是打字打得多快，而是看得懂自己按下去的每一步，究竟省了什麼、又換走了什麼。

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