yii.
← Digest
EP136 · 2026年7月17日 星期五 · 12 min read

「AI 有沒有用」的辯論結束了，接下來是帳單

開源模型摸到前沿的同一天，Linus 把爭論關掉

每天花 1% 的時間，掌握科技脈動。

今日金句#

“AI is a tool, just like other tools we use. And it’s clearly a useful one.” 「AI 就是個工具，跟我們用的其他工具一樣。而且它顯然很有用。」 — Linus Torvalds, Linux 核心創造者與最高維護者 · 來源

“If you have nothing, nothing comes out, very fluently.” 「如果你腦袋裡什麼都沒有，那出來的也是什麼都沒有，只是非常流暢。」 — Jeremy Theocharis, 開發者、《The LLM Critics Are Right》作者 · 來源

“As a precautionary measure, all user data that was uploaded to SpaceXAI before now will be completely and utterly deleted.” 「作為預防措施，所有先前上傳到 SpaceXAI 的使用者資料，將被徹底完全刪除。」 — Elon Musk, xAI 共同創辦人 · 來源

今日主軸#

今天最值得注意的不是哪個模型更強，而是三件事同時指向同一個轉折。Kimi K3 用 2.8 兆參數證明開源模型能摸到前沿，7 月 27 日就要放權重；但 Simon Willison 實測發現它回答一個簡單提問要燒掉 1.3 萬個推理 token、換算約 25 美分，等於開源追上來的同時，把帳單也一起帶上來了。Linus Torvalds 則在核心郵件論壇上把話講死，說 Linux 不是反 AI 專案、不服可以去 fork，並直言「是否有用」已經不再是個問題。而 Jeremy Theocharis 那篇被開發者社群推爆的文章，標題就叫「批評 LLM 的人是對的，但我照用」，他承認版權、環境、地緣風險全部成立，卻還是在 6 月燒掉近一萬美金的 token。三個人立場完全不同，講的卻是同一件事：能力已經不是爭點，成本、責任、以及你願不願意承擔它，才是。

必讀#

  1. Kimi K3: Open Frontier Intelligence — Hacker News AI
  2. Grok CLI 被抓包擅自上傳用戶本機檔案 — The Pragmatic Engineer AI
  3. Linus Torvalds：Linux 不是反 AI 的專案 — Simon Willison News
  4. How Our Rust-to-Zig Rewrite Is Going — Hacker News Dev
  5. Inkling：Thinking Machines 首個開源權重模型 — Latent Space AI
  6. Codex 刪檔 bug，元凶是誤改 $HOME — Simon Willison AI
  7. Microsoft Comic Chat 開源 — Hacker News Open Source
  8. NotebookLM 改名 Gemini Notebook — Hacker News Tools
  9. 未來的實驗室應該長得像資料中心 — Latent Space AI
  10. Anthropic 逼近超大型 IPO — TLDR AI Business
  11. Ente 把自家財報全部攤開 — Hacker News Tech
  12. 批評 LLM 的人是對的，但我照用 — Hacker News AI
  13. 多租戶架構全解析 — ByteByteGo Dev

1. Kimi K3: Open Frontier Intelligence#

月之暗面發表 Kimi K3，號稱業界第一個開源的 2.8 兆參數模型，原生支援視覺、100 萬 token 上下文。架構上用了 Kimi Delta Attention、Attention Residuals 與 Stable LatentMoE，896 個專家只啟用 16 個。Terminal Bench 2.1 拿到 88.3 分，貼近 GPT-5.6 Sol 的 88.8，在 Arena.ai 前端程式碼賽道甚至超過 Claude Fable 5，但知識工作 Elo 1547 仍落後 Fable 5。權重預計 7 月 27 日釋出。

  • 2.8 兆總參數、MoE 架構 896 選 16，MXFP4 量化，100 萬 token 上下文
  • 視覺表現亮眼（MathVision 94.3%、OmniDocBench 91.1%），曾用 20+ 並行 subagent 分析 391 個重力波事件
  • Simon Willison 實測發現隱藏成本，一個簡單提問燒掉 13,241 個推理 token 換 3,417 個回應 token，單次約 25 美分；定價漲到每百萬輸入 3 美元、輸出 15 美元

💡 為什麼重要：開源模型第一次在多項前沿評測上跟閉源打平，但代價是推理成本同步飆升。這代表選型標準正在從「誰比較強」轉向「你這個任務下，誰的每次輸出比較划算」。

🔗 閱讀原文 | 來源: Hacker News

2. Grok CLI 被抓包擅自上傳用戶本機檔案#

開發者發現 xAI 的 Grok CLI 在哪個目錄執行，就會把整個目錄上傳到 xAI 的 Google Cloud bucket。有使用者在家目錄跑，結果連 SSH 金鑰、密碼管理員資料庫、文件、照片、影片全部被送上雲端。社群炎上後 xAI 關閉該功能，Musk 承諾徹底刪除所有已上傳資料，幾小時後更以 Apache 2.0 授權把 84 萬行 Rust 的 Grok Build 完整開源。

  • 預設行為是從執行目錄遞迴上傳，使用者事前無明確告知
  • xAI 回應是關閉功能、刪除資料、資料保留預設關閉
  • 開源整個 codebase 被視為挽回信任的手段，讓使用者可自行稽核與本地自架

💡 為什麼重要：閉源 CLI 對使用者是黑盒子，你沒辦法驗證什麼資料離開了你的機器。這件事把「AI 工具要不要開源」從理念之爭，變成了採購與稽核的實務條件。

🔗 閱讀原文 | 來源: The Pragmatic Engineer

3. Linus Torvalds：Linux 不是反 AI 的專案#

有社群成員希望 Linux 核心開發禁用 AI 工具，Linus Torvalds 在 Linux Media 郵件論壇上明確表態，說他願意以最高維護者的身分「絕對把腳踩下去」，Linux 不是那種反 AI 的專案，有意見的人可以去做開源該做的事情，也就是 fork，或者直接走人。他強調「AI 是否有用」在今天已經不再是個問題，一年前或許還不那麼顯然，但現在懷疑的人「顯然沒真的用過」。

  • Torvalds 把 AI 定位成跟版本控制、編譯器一樣的普通工具
  • 他明確區分「AI 有沒有用」（已定案）與「AI 的經濟模式會長怎樣」（仍是開放問題）
  • 沒有指定任何具體工具或政策，這是原則表態而非實作規範

💡 為什麼重要：開源世界最有分量的維護者，親手關掉了「該不該用 AI」這個題目。對其他專案的維護者來說，這等於是一張採用 AI 工具的免戰牌。

🔗 閱讀原文 | 來源: Simon Willison

4. How Our Rust-to-Zig Rewrite Is Going#

Roc 語言團隊花了 487 天，把 30 萬行以上的編譯器程式碼從 Rust 重寫成 Zig，2026 年 7 月達成功能對等。最有感的收穫是增量重建從 Rust 的 3.4 秒縮到 Zig 的 35 毫秒，接近 100 倍差距；binary 也從 60KB 以上降到 31KB。Richard Feldman 誠實指出，18 個月下來 Rust 的借用檢查器實際只會擋掉 2 個 use-after-free bug，理論安全與日常開發體驗之間，他們選了後者。

  • 增量重建 35 毫秒 vs 3.4 秒；冷編譯 46.4 萬行約 32.1 秒
  • Zig 的 allocator-per-variable 與 memory-mapped array 零解析反序列化，跟 Roc 的 arena 配置策略天然吻合
  • Roc 用了約 1,200 個 unsafe block，相較 rustc 在 350 萬行中約 4 萬個

💡 為什麼重要：這篇把語言選型從「誰比較安全」拉回「架構合不合」。同一天 Bun 才宣布反方向從 Zig 搬到 Rust，兩隊對向交錯，說明答案高度取決於專案本身。

🔗 閱讀原文 | 來源: Hacker News

5. Inkling：Thinking Machines 首個開源權重模型#

Mira Murati 創辦的 Thinking Machines Lab 發表 Inkling，975B 總參數、41B 啟用的 MoE 模型，支援 100 萬 token 上下文與文字、圖像、音訊多模態，採 Apache 2.0 授權。架構上刻意偏離業界預設，用相對位置編碼取代 RoPE，混合滑動視窗注意力（5:1 局部對全域），並加入短卷積層。訓練資料 45 兆 token，GDPval-AA Elo 1238 超過 Kimi K2.6 的 1190。

  • 975B 總參數、41B 啟用；另有 Inkling-Small（276B、12B 啟用）主打低延遲
  • vLLM 在 4×GB200 上可達每使用者 380 tokens/sec，Modal speculator 再提升 67% 吞吐
  • 官方坦言並非最強前沿模型，定位是 Tinker 平台微調的強力基礎模型

💡 為什麼重要：美系實驗室選擇釋出完整權重而非 API 閘門，是對中國開源模型攻勢的直接回應。開源與閉源的戰線正在重畫。

🔗 閱讀原文 | 來源: Latent Space

6. Codex 刪檔 bug，元凶是誤改 $HOME#

OpenAI 的 Thibault Sottiaux 說明近期回報的 GPT-5.6 Codex 誤刪檔案事件。主因是在完整存取模式、且未開啟沙盒保護、自動審查也被關閉的情況下，模型嘗試覆寫 $HOME 環境變數來建立暫存目錄，卻誤判目標路徑，把整個家目錄刪掉。官方定調為非惡意的模型判斷失誤。

  • 需要同時繞過多層防護（full access、無沙盒、關閉自動審查）才會觸發
  • 問題出在模型的決策而非傳統程式 bug，模型「決定」要覆寫 $HOME
  • 與 Claude web_fetch 外洩事件同屬一類，都是工具組合的對抗性威脅建模缺口

💡 為什麼重要：多層防護不是可有可無的裝飾，它們是縱深防禦。一次關掉三層，風險不是相加而是相乘。

🔗 閱讀原文 | 來源: Simon Willison

7. Microsoft Comic Chat 開源#

微軟把 1990 年代的 IRC 客戶端 Comic Chat 開源了。這個 1996 年隨 IE 3 發行、後來搭進 Windows 98、被在地化成 24 種語言的軟體，會即時解讀對話語氣，自動幫你挑姿勢、表情、手勢與分鏡，把純文字聊天變成漫畫。它也是 Comic Sans 字型的誕生源頭（Vincent Connare，1994）。由微軟研究院 Virtual Worlds Group 的 David Kurlander 主導，視覺設計出自漫畫家 Jim Woodring 之手，並曾發表於 SIGGRAPH ‘96。

  • 用 Visual C++ 4.0 加 MFC 開發，1996 年隨 IE 3 發行
  • 核心創新是即時解讀對話線索，自動選擇姿勢、表情與分鏡排版
  • 頭像、表情反應等概念，如今是現代通訊軟體的標配

💡 為什麼重要：三十年前那些「聽起來很不合理」的點子，反而定義了今天的聊天介面。保存這種軟體史，比保存一個能跑的執行檔更有價值。

🔗 閱讀原文 | 來源: Hacker News

8. NotebookLM 改名 Gemini Notebook#

Google 把 NotebookLM 更名為 Gemini Notebook，同時深化與 Gemini 生態的整合，可從 Gemini app、Google Search 的 AI Mode 與獨立網頁三處存取。新增的 Secure Cloud Computer 讓你能在筆記本內直接執行程式碼，做以來源素材為依據的複雜資料分析。目前開放給 Google AI Ultra 與 Workspace 商務客戶，Pro 使用者網頁版陸續推出。

  • 自 2023 年以 Project Tailwind 起步，至今累積 3,000 萬以上使用者、60 萬個以上組織
  • Secure Cloud Computer 支援筆記本內原生程式碼執行
  • 跨 Gemini app、Search AI Mode、網頁三平台同步

💡 為什麼重要：把研究彙整跟資料分析接在一起，等於讓筆記本變成一個有來源依據的 IDE。這是 Jupyter 加 LLM 這條路線的正面競爭者。

🔗 閱讀原文 | 來源: Hacker News

9. 未來的實驗室應該長得像資料中心#

Latent Space 專訪 Lila Sciences 的 Andy Beam 與 Rafa Gómez-Bombarelli。他們把實驗室當成分散式系統的運算節點來編排，用磁浮板在儀器之間運送樣本，並用視覺語言模型去操控跑 Windows 95 的老舊實驗設備。核心論點是「網路已經被榨乾，科學是下一個」，因為實驗室能持續生出資料，而大自然本身就是驗證器，這是網路文字給不了的稠密回饋訊號。

  • 已累積超過 10 兆個經實驗驗證的科學推理 token；氣體吸附測量加速 2,500 倍
  • 從初始工作到非人靈長類的 in vivo CAR-T 資料只花 6 個月（AbbVie 曾為類似的臨床前資料付出 21 億美元）
  • 跨學科廣度（生物、化學、材料）的表現優於單一領域專精模型

💡 為什麼重要：如果訓練資料的下一個前沿是「自己動手做實驗生出來的」，那 AI 就從模式比對走向真正的發現。對藥物與材料開發，這可能是時程壓縮的關鍵。

🔗 閱讀原文 | 來源: Latent Space

10. Anthropic 逼近超大型 IPO#

CNBC 報導 Anthropic 已與多家主要銀行接洽，安排投資人會議，為 IPO 鋪路。此前公司完成 650 億美元募資輪，估值來到 9,650 億美元。這將是 AI 產業規模最大的公開發行之一。

  • 銀行團已在安排投資人會議，IPO 準備進入實質階段
  • 前一輪募資 650 億美元，估值 9,650 億美元

💡 為什麼重要：前沿實驗室進入公開市場，代表營收品質與燒錢速度將被季度財報攤在陽光下。對整個產業的定價與獲利模式，這是第一次真正的壓力測試。

🔗 閱讀原文 | 來源: TLDR AI

11. Ente 把自家財報全部攤開#

端對端加密相簿服務 Ente 把營收、付費客戶數、註冊帳號數全部公開在網站上，每月更新。2026 年 1 月的資料是營收 780,996 美元、付費客戶 12,018 人、累計註冊帳號 290,703 個。這個開源專案在 GitHub 上有 2.7 萬顆星。

  • 營收 780,996 美元、付費客戶 12,018 人（2026 年 1 月）
  • 累計註冊帳號 290,703 個，圖表同時標出 2026 年度的預估區間
  • 指標每月更新，公開透明作為信任與差異化的手段

💡 為什麼重要：訂閱制公司極少公開真實數字。對使用者來說，這讓「這家公司會不會倒」從猜測變成可查證的事實。

🔗 閱讀原文 | 來源: Hacker News

12. 批評 LLM 的人是對的，但我照用#

Jeremy Theocharis 承認針對 LLM 的批評（版權、環境衝擊、地緣風險）全部成立，卻仍主張有紀律地使用是理性的。他的核心論點是 LLM 只會放大你既有的東西：有想法，出來的會更銳利更快；沒想法，出來的就是非常流暢的空話。他 6 月在 token 上花了 9,838.85 美元，主要用 Opus 4.8 與 Fable 5。

  • 主張用 LLM 做既有想法的迭代打磨，而非從零生成
  • 具體工作流包含 grill-me（系統性質問）、三句話問題陳述、對抗性測試
  • 他指出「AI slop」與「好文章」的差別在於背後有沒有人真的思考過，但這件事從外面看不出來

💡 為什麼重要：這篇正面處理了很多工程師的認知失調，你可以在原則上批評它，同時在實務上依賴它。它把辯論從二元的接受或拒絕，推向有條件、有紀律的使用。

🔗 閱讀原文 | 來源: Hacker News

13. 多租戶架構全解析#

ByteByteGo 拆解多租戶系統設計。每個客戶開一套獨立系統簡單但貴，共用系統便宜卻帶來一連串技術難題。最關鍵的風險是資料隔離，一旦洩漏就是把 A 客戶的資料秀給 B 客戶看。其次是吵鬧鄰居問題，一個租戶跑重度報表就會拖垮所有人。第三是單一次錯誤部署會同時影響全部客戶，而不是只炸掉一個實例。

  • 資料層可選共享資料表到每客戶獨立資料庫，光譜兩端各有代價
  • 需要在多個層級設計配額與速率限制，避免資源被單一租戶壟斷
  • 租戶 context 必須貫穿整個系統傳遞，否則隔離會在某處破掉

💡 為什麼重要：多租戶是現代 SaaS 的預設模型。在動手寫第一行之前先想清楚隔離邊界，比事後補救便宜太多。

🔗 閱讀原文 | 來源: ByteByteGo

推薦閱讀#

中文技術圈#

開源精選#

xai-org/grok-build — Rust | ⭐ 11.9K xAI 的 coding agent harness 與 TUI，全螢幕、可滑鼠互動、可擴充。

littledivy/mimic — Python | ⭐ 1.1K 攔截任何 app，然後像函式庫一樣從 Python 呼叫它。

pixel-point/aval — TypeScript | ⭐ 1.0K 網頁互動影片的開源新格式，內建狀態機與影格精準轉場。

mereyabdenbekuly-ctrl/clodex-ide — TypeScript | ⭐ 825 Local-first、零信任的 agentic IDE，主打可驗證的自主開發。

oil-oil/beautify-github-readme — Python | ⭐ 687 用 SVG 標題與可維護 Markdown 設計清晰的 GitHub README 首頁。

tandpfun/wardrobe — JavaScript | ⭐ 604 用 gpt-image 把你的衣服萃取出來並自動整理成衣櫃。

影音精選#

史上最具爭議的重寫剛剛上線了#

2 天前 · Fireship

Fireship

Bun（已被 Anthropic 收購）宣布動用 64 個平行 Claude agent、花費約 16.5 萬美元，11 天內把整個 codebase 從 Zig 重寫成 Rust。修掉 128 個舊 bug、binary 縮小 20%，而且從 6 月起已經悄悄在背後支撐 Claude Code 運作。但 Zig 創造者 Andrew Kelly 反擊，說 benchmark 具誤導性。

  • 64 個平行 Claude agent、約 16.5 萬美元，11 天完成百萬行程式碼從 Zig 移植到 Rust
  • 修復 128 個舊 bug、binary 體積縮小 20%，6 月起已在背後支撐 Claude Code
  • Zig 創造者 Andrew Kelly 反擊：benchmark 誤導，且 Bun 向來排斥 AI 生成的 PR

GPT-5.6 Sol 裝進 Claude Code 竟然比 Codex CLI 還好用#

1 天前 · Theo (t3.gg)

Theo

Theo 原本都在 Codex 裡跑 GPT-5.6 Sol，但對 Codex 這個 harness 越來越不滿，改把 5.6 Sol 塞進 Claude Code 裡跑，結果被打服。他認為關鍵差異不是介面，而是 harness 設計。

  • 同一個模型在不同 harness 裡表現差很多，主因是 harness 設計而非介面美觀
  • 點名 Claude Code 的 sub-agent 機制、system prompt、整合設計是勝出關鍵

$1,000/hour 的一人 AI 顧問生意（完整課程）#

2 天前 · Greg Isenberg

Greg Isenberg

Corey Ganim 公開他靠「999 美元 AI 工具健診」服務起步的顧問生意全流程，不需寫程式、不需受眾。45 分鐘訪談配上 Claude 分析，產出效益與難度矩陣報告，約一半客戶會被轉換進更貴的導入專案。

  • 核心服務 999 美元、45 分鐘健診，用 Claude 分析逐字稿產出報告，附全額退款保證
  • AI Concierge 月費方案（1,200 至 2,000 美元/月），10 天做到 8,000 美元 MRR
  • 提供七種零成本、零受眾的獲客方法

Apple 控告 OpenAI，Zuckerberg 回歸 X 開嗆#

1 天前 · 20VC

20VC

20VC 本週三大新聞：Apple 控告 OpenAI 涉嫌透過離職員工竊取商業機密；Meta 在程式碼模型領域反攻；SK Hynix 以 265 億美元估值申請那斯達克上市。

  • 訴狀指控 Apple 24 年老將慫恿員工把機密硬體帶去 OpenAI，41 頁證據
  • SK Hynix 申請那斯達克上市，估值 265 億美元

你的學位一年後還算數嗎？#

2 天前 · 20VC

20VC

Wix 共同創辦人暨執行長 Avishai Abrahami 表示，若他現在才要念大學會感到恐懼，因為不確定所學知識能撐多久。他不認為現有 LLM 會取代所有白領工作，但警告演算法若再有兩三次躍進，人類的智力優勢可能大幅縮小。

  • 認為現階段 LLM 推理能力仍弱、常犯低級錯誤，擅長的其實是蒐集與重組資料
  • 警告若演算法出現兩到三次重大突破，人類相對優勢可能大幅下滑

社群熱門#

今日觀察#

今天有兩篇文章擺在一起看特別有意思。Bun 團隊宣布動用 64 個平行 Claude agent、燒掉約 16.5 萬美金，11 天把整個 codebase 從 Zig 重寫成 Rust；幾乎同一時間，Roc 語言的 Richard Feldman 發文說他們花了 487 天，把 30 萬行程式碼從 Rust 重寫成 Zig，方向剛好相反。兩隊在同一條高速公路上對向交錯，而且都認為自己走對了路，Bun 要的是生態系與 GC 互通，Roc 要的是 35 毫秒的增量編譯。更有意思的是 Feldman 誠實承認，18 個月下來 Rust 的借用檢查器實際只擋掉兩個 use-after-free，在「理論上的安全」跟「每天的開發體驗」之間，他選了後者。如果連「該用哪個語言」這種吵了十年的題目，答案都是「看你的專案長什麼樣」，那也許我們該少問一點「什麼最好」，多問一點「什麼適合現在的我」。

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