yii.
← Digest
EP143 · 2026年7月24日 星期五 · 18 min read

公地的帳單

前沿 AI 的錢是借來的，便宜的路是開源的，而開源的公地正在被爬垮

每天花 1% 的時間，掌握科技脈動。

今日金句#

“But what if one of these companies was a house of cards and was propping itself up with this accounting treatment? To me, that’s the risk.”

「但如果其中一家公司其實是紙牌屋，靠這種會計手法在撐著自己呢？對我來說，那才是風險。」

— Tom Selling, 技術會計顧問 · 來源

“Tests give you feedback in seconds, but the cost function of bad architecture is measured in weeks, months, maybe even years.”

「測試幾秒鐘就給你回饋，但爛架構的代價要用幾週、幾個月，甚至幾年來計算。」

— Dex, HumanLayer 共同創辦人 · 來源

“It was really clear that we couldn’t just put that server up again, because it would inevitably be brought down again, possibly within minutes.”

「事情很清楚，我們不能就這樣把伺服器再開起來，因為它一定會再被打掛，可能只要幾分鐘。」

— Bruce Nash, The Numbers 創辦人暨執行長 · 來源

今日主軸：帳單寄到了公地#

今天技術圈最熱的幾篇文章，拆開看是財經、政策、開源三個不相干的主題，連起來卻是同一條供應鏈。

第一段是錢：Nikkei Asia 調查發現 Alphabet、Microsoft、Amazon、Meta、Oracle 五家把約 1.65 兆美元的 AI 資料中心債務藏在資產負債表外，比它們帳面上申報的 1.35 兆還多，手法是 SPV 特殊目的公司，會計顧問直接拿 Enron 來比。

第二段是路：一群美國新創創辦人聯名請願，要政府別關掉中國開源權重模型，因為那是他們唯一負擔得起的推論成本；同一天 Hacker News 上一篇〈反對開源 AI 的論點都很爛〉拿 1990 年代加密技術出口管制當前例，而一個叫 Echo 的 Show HN 專案宣稱把 GLM-5.2、Kimi K2.7 這類開源權重模型混搭起來，用三分之一的成本達到 Fable 級的結果。

第三段是帳單：養活這一切的開源公地正在被榨乾——三十年歷史的電影票房資料站 TheNumbers.com 被爬垮，只有 10% 流量是真人，Cloudflare 的數字是 Anthropic 每爬 38,000 頁才送回一個訪客；Codeberg 的會員以 358 比 144 票通過，禁止拿使用者程式碼訓練 AI，並勸退 vibe-coded 專案，理由裡包含一顆硬碟從 700 歐元漲到 3,700 歐元。

前沿的錢是借的，替代的路是開源的，而開源的地基正在被自己餵養的東西啃掉。

必讀#

  1. 手寫對你的大腦有好處 — Hacker News News
  2. 新創創辦人請願：別關掉中國開源權重 AI — Politico AI
  3. AI 公司正在藏起驚人規模的債務 — Futurism Startup
  4. 為什麼軟體工廠會失敗（harness engineering 還不夠） — GitHub Dev
  5. TheNumbers.com 發生的事，該讓我們所有人擔心 — Hacker News News
  6. Show HN: Echo — 用開源權重模型做到 Fable 級結果、1/3 成本 — Hacker News AI
  7. 反對開源 AI 的論點都很爛 — Hacker News AI
  8. 500 行 C++ 從零寫一個軟體渲染器 — Hacker News Dev
  9. Codeberg：保護我們的 FLOSS 公地不被 LLM 吞噬 — Lobste.rs Dev
  10. 我檢查了 take-home 面試專案，那是一整套攻擊行動 — Lobste.rs Dev
  11. Namecheap 把我的帳號交給未驗證的第三方 — Hacker News News
  12. DARPA 與美國空軍首飛 AI 操控的 F-16 — DARPA AI
  13. Etched 逆勢達到 103 億美元估值 — TechCrunch Startup
  14. PyPI：發布滿 14 天的版本禁止再上傳新檔案 — PyPI Dev

1. 手寫對你的大腦有好處#

科幻作家 Neal Stephenson（《雪崩》《潰雪》作者）寫了一篇關於手寫的長文，起因是 AI 讓學校被迫改回現場手寫的藍皮考卷，卻發現有一整代學生和老師根本不太會用手寫字。他自己已經用鋼筆寫在紙上完成每一本書長達 25 年，《巴洛克三部曲》的手稿疊起來高達 42 英吋（約 107 公分），曾在西雅圖科幻博物館展出。全文最反直覺的一句是：25 年下來他從來沒有經歷過所謂的「寫字痙攣」，他認為小時候手酸是因為鉛筆和廉價原子筆需要更大的施力。

  • 反對在平板上用觸控筆：需要一點摩擦力（tooth）才有動作控制，他用「在溜冰場上帶足球」來比喻
  • 做了 300 dpi 的墨水暈染測試比較三支筆與各種紙：便宜印表紙和黃色法律墊暈得最嚴重，100% 純棉履歷紙摩擦力最好，一般筆記本和 Moleskine 配任何筆都行
  • 實用建議：用連筆草寫而非一筆一劃（省力很多）、別擔心墨漬和字醜、先用卡水別用瓶裝墨；Pilot G-2 中性筆一支約 2 美元就能拿到「鋼筆 80% 的體驗」，鋼筆貴 5 倍主要是買造型

💡 為什麼重要：這篇的時機比內容更值得注意——當機構開始把手寫當成「這不是 AI 寫的」的驗證機制時，一項被視為過時的技能正在被制度性地救回來。如果你或你的團隊未來要面對「證明這份東西是人寫的」，值得先把工具搞懂。

🔗 閱讀原文 | 來源: Neal Stephenson

2. 新創創辦人請願：別關掉中國開源權重 AI#

一群美國新創創辦人向政府聯名請願，反對限制中國開源權重模型的政策方向。導火線是 Moonshot AI 的 Kimi K3 開源後表現逼近 Anthropic 的前沿模型，讓華府開始認真考慮管制。創辦人的論點很務實：開源權重模型是他們唯一負擔得起的推論成本，把它關掉等於是保護前沿實驗室的定價權，而不是保護國家安全。

  • 這場爭論的另一端由 OpenAI 的 Dean Ball 代表，他形容開源權重主導的世界有「full AI communism」的風險，AI 會從市場商品變成公共財
  • 值得注意的是這不只是「中國現象」：Nvidia（想賣晶片，不在乎模型開不開源）也發布了自己的開源模型，Thinking Machines Lab 同樣走開源路線
  • 與同日 Hacker News 熱議的〈反對開源 AI 的論點都很爛〉一文互為表裡，後者拿 1990 年代美國加密技術出口管制當前例

💡 為什麼重要：這是「開源 AI 是國安威脅」這套框架第一次遇到來自產業內部、而且是下游建造者的正面反擊。對台灣的獨立開發者和小團隊來說，開源權重能不能繼續流通，直接決定了做 AI 產品的成本結構。

🔗 閱讀原文 | 來源: Politico

3. AI 公司正在藏起驚人規模的債務#

日經亞洲的調查發現，Alphabet、Microsoft、Amazon、Meta、Oracle 五家美國科技巨頭，估計有約 1.65 兆美元的債務沒有出現在資產負債表上。作為對照，這五家在最近一季正式申報的負債總額是 1.35 兆美元——也就是說真實槓桿可能超過帳面的兩倍。其中光 Meta 一家的表外債務就約 4,200 億美元。手法是透過 SPV 特殊目的公司和法律上獨立的子公司，把 AI 資料中心的融資留在合併報表之外。

  • 這套會計處理被直接拿來跟 Enron 在 2001 年倒閉前的手法相比
  • 技術會計顧問 Tom Selling 對 Bloomberg 表示：「這種會計處理本身現在很流行……但如果其中一家公司其實是紙牌屋，靠這個手法在撐著自己呢？」
  • 這些公司同時也在發新股籌資蓋資料中心，如果 AI 泡沫消風，稀釋股權會進一步侵蝕投資人信心

💡 為什麼重要：如果數字成立，五家公司 1.65 兆美元的隱藏負債足以構成系統性金融風險，而且直接推翻了「超大規模業者的 AI 資本支出是保守融資的」這個敘事。任何在評估 AI 基礎設施成本或跟這些巨頭簽長約的人，都應該把官方申報的負債數字當成下限而非上限。

🔗 閱讀原文 | 來源: Futurism

4. 為什麼軟體工廠會失敗（harness engineering 還不夠）#

HumanLayer 的 Dex 從 2025 年 7 月開始跑一個完全「關燈」的 AI 寫程式工廠——沒有人類讀 code，也沒有人類寫 code——然後把失敗的完整過程和原因寫成了這篇。核心論點是：現在訓練寫程式模型的 RL 獎勵訊號（例如 SWE-bench Multilingual）只看測試過不過，對可維護性的破壞完全不扣分，所以任何 harness 或 loop 工程都補不了這個洞。

  • 引用 Faros AI 的數據：導入 AI 寫程式工具後，每個 PR 引發的線上事故上升 242.7%、每月事故 +57.9%、每位工程師的 bug 數 +54%；同時零審查就合併的 PR 增加 31.3%
  • Claude Code 一年內從 0 做到約 40 億（現在約 90 億）美元年化營收，作者歸因於它是第一個「模型在自己的 harness 和工具集裡做 RL 訓練」的 coding agent，這是沒有自家模型權重的競爭者（aider、cline、codebuff）結構上複製不了的
  • 撐到 2025 年 11 月第三次線上事故後，團隊決定讓共同創辦人花整整兩週在 VS Code 手工重寫核心模式，比繼續補 AI 產出的爛攤子還快
  • 替代方案是四階段流程：產品需求 → 系統架構 → 程式設計（呼叫堆疊樹、檔案樹 diff、型別簽章）→ 垂直切片；並估計自己約 40% 的任務仍可一次過，只有大型或高風險改動走完整流程

💡 為什麼重要：這是目前對「全自動 AI 軟體工廠」敘事最具體、最有數據支撐的反駁，而且難得是從 RL 訓練與 benchmark 機制的第一性原理去解釋為什麼會壞，不是靠軼事。對每天用 agent 寫 code 的人來說，這篇的價值在於它告訴你該把人力放回哪一段：不是審查每一行，而是前置的架構與程式設計。

🔗 閱讀原文 | 來源: GitHub

5. TheNumbers.com 發生的事，該讓我們所有人擔心#

一個 30 年歷史的電影產業資料站 TheNumbers.com（1997 年由 Bruce Nash 創立，收錄 78,396 部電影、178,375 筆院線發行紀錄、236,176 位人物）在 2026 年 3 月 5 日整站掛掉超過一週。它每年有超過 800 萬訪客，是記者、金氏世界紀錄和預測市場的權威票房來源——Polymarket 甚至明文把它的「每日票房表現」數字列為週末開票市場的結算依據。

  • 現在只有約 10% 的流量是人類，其餘都是 AI 爬蟲與 agentic 流量；Nash 說 2025 年 12 月起出現第二波更具破壞性的「agentic AI」流量
  • 伺服器日誌顯示部分流量在「找後門」，很可能是想在票房數字公開前拿到資料、搶跑預測市場交易；最後整站是重寫在新架構上，不是從備份還原，因為資安顧問警告 30 年的舊程式碼（16 萬個遺留檔案）還原後可能幾分鐘內就再被打進來
  • Cloudflare 的爬取／導流比數字很刺眼：Google 每送回 1 個訪客約爬 5 頁，OpenAI 是 1,000 頁以上，Anthropic 超過 38,000 頁（對數尺度）
  • 同類案例：Read the Docs 曾在一個月被單一爬蟲抓走 73TB 壓縮 HTML（約 5,000 美元頻寬成本）、iFixit 一天被 Anthropic 爬蟲打 100 萬次、GNOME 發現約 97% 流量是 bot、維基百科的人類瀏覽量年減約 8%

💡 為什麼重要：這不是抱怨爬蟲沒禮貌，而是一個具名的、完整的案例：支撐整個產業（甚至真金白銀的預測市場）的獨立資料站，正在被 AI 爬蟲的頻寬成本加上 AI 降低的入侵門檻聯手壓垮。任何在維護長壽公開資料站、或依賴這種站當基礎設施的人，都該把它當成存亡風險而不是麻煩。

🔗 閱讀原文 | 來源: Stephen Follows

6. Show HN: Echo — 用開源權重模型做到 Fable 級結果、1/3 成本#

YC 支持的新創 Tracer 發表 Echo，做法不是挑一個模型用到底，而是把一池開源權重模型（GLM-5.2、Kimi K2.7 等）依每個請求動態決定分配多少運算、哪些模型參與、輸出怎麼合併。作者宣稱在他的評測組合上，Echo 達到與 Fable 大致相同的整體結果，但推論成本約只有三分之一。評測資料公開在 echo.tracerml.ai/eval，有 907 筆紀錄橫跨 8 個 benchmark 家族，含 prompt、輸出、評分與成本，但路由決策本身不公開（「那個 policy 就是產品」）。

  • HN 上 4 小時內衝上前排、留言相當犀利：有人說這是 Dogpile 式後設搜尋和 ensemble learning 的重演，也有人拿 Sakana AI 的 Fugu 多模型編排器來比
  • 一個技術上的硬傷被點出來：跨模型路由會打斷 prompt／KV 快取，實際帳單可能比看起來便宜的每 token 單價高
  • 另一位留言者提醒，在 GPQA Diamond 這類已經飽和（約 93%+）的 benchmark 上要「達到 Fable 級」很容易，因為其中約 7% 的題目本身標準答案就可能是錯的

💡 為什麼重要：模型路由是今年最擁擠的賽道之一（OpenRouter、Fireworks、Sakana Fugu），而這則 Show HN 的留言區比產品本身更有價值——它把這個賽道最難的兩個問題攤開來講：飽和的 benchmark 沒有鑑別力，以及跨模型路由造成的快取失效成本。評估任何「便宜 X%」的宣稱時，這兩點該優先問。

🔗 閱讀原文 | 來源: Hacker News

7. 反對開源 AI 的論點都很爛#

由 Kimi K3 發布引爆的一篇論戰文，作者逐條拆解「開源 AI 很危險」的各種說法。最有力的一段是歷史類比：1990 年代美國把加密技術當軍火管制，PGP 作者 Phil Zimmermann 在 1991 年因「出口軍火」被刑事調查，Netscape 被迫推出弱化版出口 SSL，結果連美國人自己都在用那個較弱的國際版；法院最後裁定發布加密原始碼屬受保護的言論。

  • 直接反駁 Scott Galloway 的「AI 傾銷」類比（中國在太陽能、鋼鐵、電動車、電池的打法）：軟體沒有實體供應鏈可以被佔據，一個免費的中國模型不會擋住你的微調生意，反而讓它成立
  • 針對「他們會埋後門」的恐懼：開源權重讓任何人都能檢查對抗性行為，這對防守方比攻擊方有利
  • 註腳裡反駁 Derek Thompson「前沿實驗室最有機會主宰非前沿市場」的說法，認為 Claude Code／Codex 的黏著度只在成本與品質相近時才像可口可樂對百事可樂，因為「coding agent 沒有護城河」，切換成本很低

💡 為什麼重要：這篇提供了對抗「開源 AI 等於國安威脅」框架的完整彈藥，而且是有史料支撐而非情緒性的。對正在用開源權重模型當地基做產品的人來說，理解這場論戰的走向直接關係到未來兩年的技術選型風險。

🔗 閱讀原文 | 來源: tombedor.dev

8. 500 行 C++ 從零寫一個軟體渲染器#

Dmitry Sokolov（ssloy）長期維護的 tinyrenderer 課程，教你在不用任何第三方圖形函式庫的前提下，用純 C++ 寫出一個軟體光柵化器，藉此理解 OpenGL／Vulkan／Metal／DirectX 內部到底在做什麼。最終實作約 500 行，一般人需要 10 到 20 小時的實作時間。

  • 唯一提供的外部相依是一個 TGA 圖檔格式類別，學生起點只有「設定單一像素顏色」的能力，畫線和三角形光柵化都要自己實作
  • 課程順序：Bresenham 畫線 → 三角形光柵化 → 重心座標 → 隱面消除 → 相機（先粗糙版再改進）→ 著色 → 切線空間 → 陰影貼圖 → 環境光遮蔽，附加卡通著色
  • 作者明說這是教學工具不是生產級渲染器：「我不打算教你怎麼寫 GPU 應用程式——我想讓你看它們是怎麼運作的」

💡 為什麼重要：在多數工程師從來不需要碰 API 抽象層以下的年代，這種強迫你從第一性原理理解光柵化的資源反而更稀缺。它是一個範圍明確、有公開 repo 可 fork 的週末到一週專案。

🔗 閱讀原文 | 來源: haqr.eu

9. Codeberg：保護我們的 FLOSS 公地不被 LLM 吞噬#

社群自營的 FLOSS 程式碼託管平台 Codeberg e.V. 在年度會員大會通過兩項與 LLM 有關的動議：一是正式承諾永不使用使用者的程式碼或資料訓練生成式 AI，二是修改使用條款，禁止或勸退「vibe-coded」專案。第二項比較有爭議的投票結果是 358 票贊成、144 票反對、14 票棄權，活躍會員投票率約 50%。

  • Codeberg 說 AI 訓練爬蟲會抓取每一個頁面變體——issue 篩選、完整 git 歷史、每一個檔案的每一個歷史版本——製造昂貴的資料庫查詢，逼團隊把時間花在防禦工程而不是開發功能
  • 具體成本例子：同型號的硬碟幾年前約 700 歐元，現在約 3,700 歐元而且常缺貨；因為 Codeberg 自有硬體，沒有雲端固定合約的緩衝
  • 新規則的分寸：有活躍社群、有 LLM 之前的歷史、或只是收到未經請求的 LLM PR 的專案仍然歡迎；被勸退但容忍的是小型側專案；可能不受歡迎的是 agent 全自動產出、或 CI/CD 與儲存用量遠超過單一維護者手工能合理解釋的專案
  • 不會大規模刪除，由審核團隊逐案處理

💡 為什麼重要：Codeberg 是最大的社群自營、非商業 FLOSS forge 之一，這是目前對 AI 爬蟲與 vibe coding 文化最具體的機構性反擊，而且背後是正式的會員投票而非一篇部落格意見。開源世界正在分裂成「為 AI agent 工作流最佳化」和「明確拒絕它以保護社群信任與共享基礎設施」兩派。

🔗 閱讀原文 | 來源: Codeberg

10. 我檢查了 take-home 面試專案，那是一整套攻擊行動#

作者 Appaji Chintimi 在 LinkedIn 收到假招募者私訊，提供月薪 1 萬到 1.5 萬美元的遠端 Python 開發合約職，宣稱是 YC 支持的公司。附上的 take-home 作業是一份看起來很正常的 FastAPI／SQLAlchemy 樣板，但 tree -a 一跑就露餡：.git/hooks 目錄裡有一個惡意的 pre-commit hook。

  • 該 hook 會先辨識作業系統（Darwin／Linux／Windows），再從裸 IP 抓 payload 背景執行
  • 第二階段偽裝成 .npl 副檔名的檔案改名為 .sh 執行；第三階段裝 Node.js、下載 parser.js 加 package.json，靜默跑 npm install 後執行；相依套件（clipboardy、ps-node、hardhat、jsonwebtoken、basic-ftp）指向以 Hardhat 以太坊開發環境為核心的加密錢包竊取／剪貼簿劫持工具
  • URL 裡的追蹤參數代表每個受害者拿到的是客製化 payload，是規模化的半自動化行動而非一次性詐騙
  • 有一個變體版本把惡意啟動指令藏在 .vscode 資料夾裡，光是用 VS Code 開啟專案目錄就會觸發，連 git 指令都不用跑
  • 原始樣板其實是直接 clone 一個真實的公開 repo 再嫁接上惡意 hooks

💡 為什麼重要：這條攻擊鏈利用的是開發者對「面試作業」的信任，而且觸發點是最日常的動作——一次 git commit，或甚至只是用編輯器開啟資料夾。收到任何未經請求的 take-home 專案時，先跑 tree -a 檢查隱藏目錄、看 .git/hooks/* 和 .vscode/，並只在拋棄式 VM 或容器裡打開，絕不要在有錢包、瀏覽器 session 和 SSH key 的主力機上。

🔗 閱讀原文 | 來源: Lobste.rs

11. Namecheap 把我的帳號交給未驗證的第三方#

Hacker News 上一則兩小時內衝上前排的 Tell HN，作者指控網域註冊商 Namecheap 在未經充分驗證的情況下，把他的帳號控制權移交給第三方。討論串迅速變成域名／帳號所有權與註冊商客服流程的公共檢討，是這類「帳號被社交工程奪走」案例中少見有完整時間線的第一手紀錄。

  • 討論焦點集中在註冊商的身分驗證流程、支援窗口的越權操作，以及事後追回的難度
  • 對照組是同日的 TheNumbers.com 事件：兩者都指向同一件事——你的線上資產最終取決於某個第三方的內部流程有多嚴謹

💡 為什麼重要：對任何把網域當成事業命脈的獨立開發者和小團隊，這是一個實務提醒：註冊商鎖定（registrar lock）、雙因素、以及把關鍵網域分散在不同供應商，成本遠低於事後追回。

🔗 閱讀原文 | 來源: Hacker News

12. DARPA 與美國空軍首飛 AI 操控的 F-16#

2026 年 7 月 16 日在佛州 Eglin 空軍基地，一架依 VENOM 計畫改裝的美國空軍 F-16 完成空中測試，由 AI agent 自主操控飛機，人類飛行員在機上擔任 human-on-the-loop 的監控角色。VENOM 是美國空軍與 DARPA 在 ACE（Air Combat Evolution）計畫下的聯合專案，直接承接先前 X-62A VISTA 證明 AI 能自主駕駛戰機進行纏鬥的成果。

  • VENOM 自主套件（VAK）在不修改 F-16 核心軟體的前提下整合飛控與任務系統，飛行員用一個實體開關就能在人類與 AI 控制之間切換
  • VENOM 機隊接下來會成為 DARPA 下一階段 AIR（Artificial Intelligence Reinforcements）計畫的平台，測試多個 AI agent 在實飛情境下協作，目標是讓一位飛行員指揮一整隊無人機
  • 關鍵差異在於從一架訂製研究機（VISTA）改成把標準現役 F-16 轉成 AI 可控測試平台，代表可規模化的迭代管線

💡 為什麼重要：這是軍用 AI 自主從「一次性展示」轉向「可重複、可規模化的開發基礎設施」的分界點。跟今天其他幾則放在一起看，同一套 agent 技術正在同時被放進戰鬥機座艙和你的 CI/CD 流程裡，而後者連 code review 都還沒想清楚該怎麼做。

🔗 閱讀原文 | 來源: DARPA

13. Etched 逆勢達到 103 億美元估值#

AI 推論晶片新創 Etched（2022 年由三名哈佛輟學生創立）完成 3 億美元 C 輪，估值達 103 億美元，由 Sequoia 領投，a16z、SK Hynix、Jane Street、Diffusion Capital 參與，早期投資人包含 Peter Thiel、Andrej Karpathy、Dylan Field。估值從去年 12 月的 50 億在約 7 個月內翻倍。

  • 今年 6 月宣布已透過 TSMC 成功量產晶片、首批完整系統交由客戶測試，並已累積約 10 億美元訂單
  • 技術路線是把推論拆成兩個自研元件：處理 prompt／上下文理解的低電壓「prefill」晶片，以及讓多顆晶片共享低延遲記憶池的「cluster-scale memory」互連技術負責 decode 階段
  • COO Robert Wachen 強調系統並非只能跑 transformer，也支援 MoE 模型（DeepSeek、Qwen）與 Mamba 這類狀態空間模型
  • 目前約 400 名員工，聖荷西總部有 2MW 資料中心，剛在 Milpitas 開了 8 萬平方英尺、10MW 的新廠

💡 為什麼重要：資本正在從「訓練用 GPU」大規模轉向「推論成本優化」，而 Etched 這種把 prefill 與 decode 拆開的專用架構，正是今天另外幾篇文章（Echo 的模型路由、開源權重的成本論戰）在講的同一件事的硬體版本：怎麼把每一塊錢能買到的智慧壓到最低。

🔗 閱讀原文 | 來源: TechCrunch

14. PyPI：發布滿 14 天的版本禁止再上傳新檔案#

PyPI 現在會拒絕對超過 14 天的舊 release 上傳新檔案，由 PSF 資安駐點開發者 Seth Larson 於 2026 年 7 月 8 日透過 PR #19727 合併。目的是防止當專案的發布 token 或 CI 工作流日後被入侵時，攻擊者悄悄往一個已累積多年信任的舊版本裡塞惡意檔案。

  • PyPI 表示目前尚未發現這個特定攻擊向量被實際利用，這是預防性措施
  • 討論源自 2024 年 1 月 PEP 740（數位認證）期間，並在 2026 年 3 月 LiteLLM 與 Telnyx 供應鏈入侵事件後被重新提起
  • 衝擊評估的數據很漂亮：在 PyPI 前 15,000 大套件中查詢 cp314（Python 3.14）wheel，只有 56 個專案是在 release 日期超過 14 天後才補上的，代表對正常工作流幾乎沒有影響
  • 未來會透過 PEP 694 的 Upload 2.0 API 與 Staged Previews 提供「release 已關閉」的正式語意

💡 為什麼重要：這關掉了一個真實存在的供應鏈缺口——過去被盜用的發布憑證可以在不改版號的情況下往舊版本注入惡意檔案，連鎖定精確版本的下游都可能中招。對維護者的實務影響是：要補新 Python 版本的 wheel，現在得發新版而不是往舊 release 塞。

🔗 閱讀原文 | 來源: PyPI

推薦閱讀#

中文技術圈#

開源精選#

lopopolo/harness-engineering — Python | ⭐ 2.3K harness engineering 的文集、實戰手冊與 agent context bundle，主張改善 agent 產出的槓桿在環境與工具而非模型。跟今天必讀第 4 則的〈為什麼軟體工廠會失敗〉正好是同一個問題的正反兩面。

andrewyng/openworker — Python | ⭐ 962 Andrew Ng 團隊釋出的開源 worker 框架。

Vincentwei1021/video-shotcraft — TypeScript | ⭐ 894 給 Claude Code 與 Codex 用的 AI 影片技能，用 Remotion 做電影感產品影片，含 106 張分鏡食譜卡與 161 個動態預覽。

Jakubantalik/thinking-orbs — TypeScript | ⭐ 821 給 AI 與 agent UI 用的點狀思考球載入指示器，六種調校過的狀態、兩種尺寸、自動深淺色。

Blaizzy/nativ — Swift | ⭐ 809 原生 macOS app，在本機聊天、部署、監控並串接 MLX 模型。

pireel/pireel — TypeScript | ⭐ 653 開源、免後端的 AI 影片編輯器，專做人頭講話影片，支援分鏡、動態字幕、瀏覽器內 WebCodecs 匯出，可由任何 AI agent 透過 MCP 驅動。

0xhype/hyperliquid-tracker — TypeScript | ⭐ 504 Hyperliquid 上大額交易發生時的通知工具。

Kritt-ai/open-kritt — JavaScript | ⭐ 359 編排 AI agent 在程式碼裡找出真實漏洞。

CatsJuice/sticker-forge — JavaScript | ⭐ 346 有觸感的 WebGL 貼紙製作器，支援富文本、圖片上傳與互動式撕開物理效果。

影音精選#

別再逐行讀 AI 生成的程式碼了#

1 天前 · Theo (t3.gg)

Theo (t3.gg)

Theo 主張工程師不該再逐行閱讀 AI 生成的程式碼。他分享自己曾一次用 AI 生成一萬行 JavaScript 去整理 100 個檔案，全程沒讀過一行，結果運作良好。把這支影片跟今天必讀第 4 則〈為什麼軟體工廠會失敗〉放在一起看，是今天最有張力的一組對照。

  • 具體案例：一次生成 10,000 行 JavaScript 只為整理 100 個檔案，全程未閱讀且正常運作
  • 核心主張：拒絕讓 AI 碰「重要程式碼」的工程師正在落後，應改用 Claude Code、Codex 這類工具建構測試框架與驗證系統
  • 提出的新工作模式是「用更多程式碼去驗證程式碼」，而不是用眼睛逐行審查

開源模型飆到 2.8 兆參數：Kimi K3 值不值得炒作#

1 天前 · Fireship

Fireship

Fireship 快評 Moonshot AI（月之暗面）發布的 Kimi K3，一個參數量達 2.8 兆的開源權重模型，檢視它是否名副其實。這正是今天必讀第 2、7 則那場政策論戰的導火線。

  • 具體規模：Kimi K3 參數量 2.8 兆，是目前開源權重模型中數一數二
  • 影片定位為評測而非發布會轉述，會實際檢視宣稱與表現的落差
  • Kimi K3 同期也是 20VC 節目的討論主軸，是本週 AI 圈的共同焦點

前沿模型怕 Kimi 嗎？美國該禁中國開源模型？#

18 小時前 · 20VC

20VC

20VC 邀請資深 SaaS 投資人 Jason Lemkin 與 Scale 普通合夥人 Rory O’Driscoll，從投資人角度討論中國開源模型對前沿封閉模型商業模式的衝擊，也談美國該不該禁。

  • 直接對應今天必讀第 2 則的政策爭議，但是從資本市場而非創辦人的視角
  • 同集也討論了「Stripe 收購 PayPal」的併購傳聞
  • 來賓陣容有份量：Lemkin 的投資組合含 RevenueCat、Algolia、Talkdesk；O’Driscoll 主導過 Bill.com、Box、DocuSign 的投資案

Dust 創辦人：沒有單一模型廠商會贏者全拿#

18 小時前 · Y Combinator

Y Combinator

Startup School Paris 現場對談，Dust 共同創辦人 Stanislas Polu 回顧從 Stripe 到 OpenAI、最終在法國創業的路徑，解釋為什麼他把「模型無關」當成護城河來押注。

  • 核心押注：不會有單一 AI 大模型廠商贏者全拿，所以 Dust 選擇打造可自由切換底層 LLM 的 model-agnostic 平台
  • 討論 horizontal 與 vertical 路線之爭，以及大型模型公司如何抽乾新創的募資市場
  • 也談刻意小額募資的策略、Mistral 帶來的教訓，以及大廠切入自家垂直領域時的毛利壓力

Supabase CEO：痛苦的 Firebase 遷移催生最快成長 DevTool#

1 天前 · Y Combinator

Y Combinator

Startup School Paris 訪談 Supabase CEO Paul Copplestone，回顧一次痛苦的 Firebase migration 挫折如何催生出開源側專案，再長成全球成長最快的 DevTool 公司之一。

  • Copplestone 在創立 Supabase 之前已經歷兩次失敗的新創
  • 談為什麼選擇 Postgres 與開源路線，而不是自己造一套資料層
  • 討論從「Firebase 替代方案」轉向現在產品形態的關鍵轉折點

多人協作的 AI：agent 也該有隊友加入#

1 天前 · Y Combinator

Y Combinator

YC 觀察現有 AI 工具多半停留在「私人單人對話」模式，主張下一代 AI 工具會走向多人協作，讓團隊能即時觀看、介入、交接 agent 的工作。

  • 類比論點：過去最強大的工作工具，都是在變成多人協作之後才真正發揮威力
  • 點出現在的 AI agent 幾乎都在私人 session 裡運作，隊友無法加入或影響
  • 應用場景橫跨工程、業務、客服、法務、財務等跨職能協作

今日觀察#

今天最值得放在一起讀的，是〈為什麼軟體工廠會失敗〉和 TheNumbers.com 的訃聞式報導。前者說 AI 寫程式的代價要幾個月後才會以線上事故的形式寄到（事故率上升 242.7%），後者說 AI 爬蟲的代價要三十年後才會以整站關閉的形式寄到（Anthropic 每爬 38,000 頁才送回一個訪客）。兩篇文章講的是完全不同的領域，但都在描述同一種會計問題：我們拿到的是即時的產能，付出的是延後的、記在別人帳上的成本。而這正是今天第三則新聞——五家巨頭把 1.65 兆美元債務移到表外——在財務層面上的鏡像，同一個手法只是換了計量單位。真正讓人不安的不是這些成本很高，是它們全都被設計成不會出現在你看的那張報表上。如果你今天要做一個決定，也許值得問的不是「這樣做快多少」，而是「這筆帳最後會寄到誰那裡，什麼時候」。

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